Modelli ibridi per la predizione della temperatura indoor: case study Energy Center = Hybrid models for indoor temperature prediction: case study Energy Center

Negli stati dell’Unione Europea, il settore immobiliare è responsabile di una significativa percentuale del consumo energetico totale, in media il 40%. La necessità impellente di intraprendere azioni concrete con il fine di identificare soluzioni per un utilizzo efficiente dell’energia negli edifici, sia sulla base di considerazioni ambientali sia politiche, è stata più volte ribadita anche in sede di Parlamento Europeo. Modelli predittivi di tipo white-box, grey-box e black-box trovano applicazione nel prevedere l’andamento della temperatura indoor, così da pianificare in modo ottimale il consumo legato al suo mantenimento. In questo studio, viene illustrato il potenziale dell’utilizzo di un modello di rete neurale LSTM con il fine di predire la temperatura all’interno di 15 uffici disposti sui tre piani dell’edificio Energy Center, collocato a Torino, in riferimento a diversi orizzonti di tempo (2 ore, 5 ore e 24 ore). Le performance predittive sono valutate in funzione dei criteri Root Mean Squared Error e Mean Absolute Error rispetto ai valori effettivi. Vengono inoltre illustrati i risultati dei test effettuati durante la calibrazione dei diversi parametri caratterizzanti, nell’ottica di identificare la struttura ottimale del modello. Il risultato dimostra che i modelli individuati sono in grado di fornire predizioni accurate per tutti gli orizzonti di tempo proposti, e potrebbero tutti potenzialmente essere utilizzati con il fine di operare un controllo di tipo predittivo e ottimizzare la domanda energetica.