Progettazione e sviluppo di un'applicazione web per la caratterizzazione energetica degli edifici mediante metodologie data-driven. Caso di studio: la città di Torino = Design and development of a web application for the energy characterization of buildings using data-driven methodologies. Case study: the city of Turin

La certificazione energetica degli edifici è un sistema di valutazione delle prestazioni energetiche che ha l’obiettivo di fornire informazioni utili sulla qualità energetica degli immobili e favorire il miglioramento del rendimento energetico degli edifici. L’Attestato di Prestazione Energetica (APE) è un attestato che mediante una scala da A a G sintetizza il livello di efficienza energetica degli edifici tenendo conto di parametri quali: l’isolamento termico, la geometria dell’immobile, i tipi di impianti termici e l’eventuale presenza di sistemi di energia rinnovabile. Il Sistema Informativo sugli Attestati di Prestazione Energetica (SIAPE) si occupa di raccogliere e gestire tutti i certificati energetici a livello nazionale. Questo ha portato ad un aumento considerevole di dati disponibili che è possibile sfruttare tramite tecniche di Data Mining per estrarre della conoscenza utile a vari utilizzatori, tra cui la pubblica amministrazione, che può disporre così di un potente strumento di pianificazione per l’esecuzione di interventi di riqualificazione energetica, oppure il privato che può così individuare le aree di maggior interesse dal punto di visto dei consumi energetici dove poter comprare o affittare casa. L’obiettivo di questo lavoro di tesi è stato quello di sviluppare un framework in Python che permetta di estrarre della conoscenza nascosta a partire da una grande quantità di dati relativi a certificati energetici di edifici situati nella città di Torino, e di presentarla attraverso una dashboard dinamica, navigabile all’interno di un’applicazione web. Un ulteriore passo raggiunto, è stato non solo quello di caratterizzare la conoscenza estratta, ma anche la sua generalizzazione a certificati nuovi non presenti nel dataset iniziale. Il framework, tramite le fasi di Data Cleaning, Data Selection e Normalization, permette di ripulire il dataset e selezionare gli attributi più rilevanti per l’analisi. Durante la fase di Exploratory Analysis si estrae la conoscenza mediante algoritmi di Clustering. Il risultato ottenuto viene presentato tramite grafici e mappe geolocalizzate all’interno di un’applicazione web. La fase di generalizzazione per nuovi certificati permette, nel caso di attributi mancanti, la loro predizione mediante tecniche di regressione, e la classificazione.