Applicazione di reti neurali artificiali a supporto della progettazione di muri energetici = Application of artificial neural networks for the design of energy walls

L’energia geotermica a bassa entalpia ricopre un ruolo fondamentale nel processo di decarbonizzazione dei servizi di riscaldamento e raffrescamento nel settore edifici. Tuttavia gli alti costi di realizzazione ed il consumo di suolo ne hanno ridotto la diffusione ed il contributo offerto al raggiungimento degli obiettivi climatici comunitari. In questo contesto si inserisce il sistema innovativo GeothermSkin ovvero un muro energetico dotato di una rete di tubazioni in grado di trasformare le strutture verticali interrate degli edifici in geoscambiatori, conferendo quindi all’elemento strutturale un’ulteriore funzione energetica. Il circuito idraulico è realizzato con tubi in polietilene reticolato fissati alla superficie esterna del muro a contatto con il terreno ed attraversati da un fluido termovettore. Questo brevetto consente di superare i tradizionali limiti delle applicazioni geotermiche perché è caratterizzato da bassi costi d’investimento, facilità di installazione ed è applicabile ad edifici esistenti nell’ambito delle opere di riqualificazione. Un prototipo di questo sistema è installato presso l’Energy Center di Torino ed è accoppiato ad una pompa di calore elettrica che, utilizzando il terreno come sorgente o pozzo termico per mezzo di GeothermSkin, alimenta con un fluido termovettore ad alta o bassa temperatura un ventilconvettore che consente di riscaldare o raffrescare l’ambiente di prova. Nell’ambito di questa tesi i dati del sistema geotermico raccolti durante le prove di riscaldamento condotte tra Ottobre 2019 e Febbraio 2020 sono stati processati per quantificare le prestazioni della pompa di calore e la potenza termica fornita per unità di superficie di GeothermSkin. Ciò ha consentito di vagliare gli effetti che le variabili climatiche come temperatura ambientale e del terreno hanno sulla dinamica di funzionamento del sistema, valutarne la dipendenza e sondare sia la stabilità delle prestazioni offerte dalla pompa di calore che la capacità di soddisfare il carico termico di riscaldamento. I risultati ottenuti celano la relazione tra la potenza termica fornita all’utenza e le variabili climatiche come la temperatura esterna, l’irraggiamento solare, la temperatura e l’umidità del terreno. Per apprendere questo legame funzionale è stata impiegata una rete neurale artificiale multilayer perceptron che, realizzando un apprendimento supervisionato, ha acquisito la capacità di prevedere la potenza termica media erogata dal sistema geotermico in esame in diverse condizioni ambientali e del terreno e stimare la superficie di GeothermSkin necessaria a soddisfare il carico termico invernale in ogni provincia italiana. La finalità è di realizzare uno strumento a disposizione del progettista in grado di facilitare il dimensionamento di massima di GeothermSkin fornendo stime indicative della superficie da installare per soddisfare, completamente o parzialmente, il fabbisogno termico invernale con l’intento di favorire la diffusione della fonte geotermica a bassa entalpia e minimizzare l’impronta ecologica del settore residenziale.