Lorenzo Liboa'
Analisi dell'efficientamento energetico e benefici derivanti dall'implementazione di un sistema di controllo HVAC con algoritmi predittivi in cloud presso una palazzina uffici = Energy efficiency analysis and derived benefits from the implementation of a HVAC control system with predictive algorithms in cloud in an office building.
Rel. Marco Carlo Masoero, Jacopo Toniolo. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Energetica E Nucleare, 2020
|
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (16MB) | Preview |
Abstract: |
La climatizzazione è responsabile di una considerevole quota di consumo energetico degli edifici, che può attestarsi perfino all'80% in campo residenziale, e che nel mondo contribuisce a peggiorare la già preoccupante situazione ambientale che un uso non avveduto di risorse fossili ha portato. I processi di combustione, infatti, sono anche responsabili dell'immissione in atmosfera di gas climalteranti, che come ben noto accrescono l'effetto serra e dunque il pericoloso fenomeno del surriscaldamento globale. La Comunità Europea ha messo in piedi già da tempo l'European Green Deal, un accordo che mira a portare l'Unione Europea ad essere il primo continente al mondo ad impatto climatico neutro entro il 2050. Il patto si articola in diversi step graduali di incentivi e obiettivi di riduzione di consumi e crescita di produzione di Energia per mezzo di fonti rinnovabili. Poter intervenire nel settore della climatizzazione, dunque, aiuterebbe a raggiungere non solo il virtuoso obiettivo comunitario in modo efficace, attaccando settore che possiede una quota parte importante del consumo energetico, ma anche di ottenere alcuni vantaggi economici e sociali non trascurabili quali un maggior comfort per coloro che vivono gli ambienti climatizzati, un abbattimento degli sprechi delle risorse energetiche e un maggior risparmio economico. Avere un maggior comfort interno per gli occupanti di ambienti lavorativi può portare gli stessi ad essere più produttivi; mentre un investimento in campo di controllo della climatizzazione può permettere ad un'Azienda un risparmio notevole, abbattendo gli sprechi e massimizzando le risorse. Il controllo in campo HVAC, come molti altri settori, sta evolvendo per sfruttare le tecnologie che pian piano si radicano sempre più nell'uso quotidiano: se prima il controllo avveniva quasi unicamente attraverso orologi o input di accensione o spegnimento, adesso si adoperano algoritmi predittivi e tecnologie di machine learning, che unitamente all'utilizzo di dispositivi Internet of Things hanno permesso a questo settore di fare un salto di qualità notevole e di aprire nuove opportunità prima impensabili. Gli algoritmi predittivi e di machine learning sono in grado di capire quando calibrare le accensioni e gli spegnimenti degli impianti e quando parzializzare l'utilizzo di pompe, ventilatori, generatori e tutti i sistemi necessari a climatizzare un ambiente, facendoli intervenire solo se strettamente necessario ed in base a quelle che sono le reali condizioni interne degli ambienti controllati. Sono anche in grado di prevedere i futuri utilizzi di tali ambienti, per cui l’algoritmo darà l’ordine di iniziare a riscaldare o raffrescare l’ambiente prima che sia effettivamente occupato. Questi algoritmi sono in grado di interagire con i sistemi grazie alla presenza di un controllore logico programmabile, anche noto come PLC, che comanda qualunque tipo di sistema motorizzato ed interfacciato con lo stesso: valvole, motori elettrici, serrande e molto altro. La climatizzazione può dunque aspirare a essere un settore con meno sprechi grazie a questi nuovi strumenti per il controllo, con conseguente riduzione di costi ed emissioni nocive in atmosfera, garantendo un passo avanti verso un futuro a basso impatto ambientale. |
---|---|
Relators: | Marco Carlo Masoero, Jacopo Toniolo |
Academic year: | 2020/21 |
Publication type: | Electronic |
Number of Pages: | 153 |
Subjects: | |
Corso di laurea: | Corso di laurea magistrale in Ingegneria Energetica E Nucleare |
Classe di laurea: | New organization > Master science > LM-30 - ENERGY AND NUCLEAR ENGINEERING |
Aziende collaboratrici: | ENERBRAIN S.r.l. |
URI: | http://webthesis.biblio.polito.it/id/eprint/15843 |
Modify record (reserved for operators) |