polito.it
Politecnico di Torino (logo)

Miglioramento della previsione dei consumi energetici attraverso la profilatura degli utenti : caso studio [di] un edificio scolastico = Improving the forecast of energy consumption by user profiling : case study scholastic building.

Romeo, Debora

Miglioramento della previsione dei consumi energetici attraverso la profilatura degli utenti : caso studio [di] un edificio scolastico = Improving the forecast of energy consumption by user profiling : case study scholastic building.

Rel. Stefano Paolo Corgnati, Cristina Becchio. Politecnico di Torino, Corso di laurea magistrale in Architettura Costruzione Città, 2013

Abstract:

La globalizzazione e i cambiamenti dello stile di vita, hanno contribuito al considerevole aumento dei consumi energetici ed emissioni di C02, portando, negli ultimi anni, l'attenzione collettiva sul tema della sostenibilità ambientale e verso scelte energetiche efficienti.

Uno tra gli aspetti che più influenzano l'inquinamento ambientale nei paesi sviluppati è il consumo di energia negli edifici.

Una grande quantità delle richieste energetiche globali è da attribuire al settore edilizio e principalmente all'energia utilizzata per il riscaldamento, il rinfrescamento e l'illuminazione.

Secondo le stime, solo in Europa , circa il 40% del consumo globale di energia primaria è dovuto al settore edilizio: una quota pari al 18% è attribuita al terziario per uffici, la restate parte al settore residenziale.

Per questo motivo, la riduzione dei consumi energetici negli edifici e la conseguente diminuzione di emissioni di CO2 sono gli obiettivi principali che l'architettura sostenibile si pone. La tendenza attuale rispetto alla diminuzione delle richieste di energia è orientata verso misure e tecniche "energeticamente sostenibili" con il principale obiettivo di ridurre i fabbisogni attraverso: aumento dell'isolamento termico, maggiore efficienza del sistema impiantistico, miglioramento delle proprietà termo fisiche dei materiali da costruzione, attenzione a forma e orientamento dell'edificio, ecc.

Nonostante ciò, studi in materia hanno confermato l'esistenza di un notevole divario tra i consumi previsti in fase di progetto e quelli riscontrati durante la vita utile degli edifici.

Tali diversità sono dovute a una serie di fattori trai quali il comportamento dell'occupante gioca un ruolo decisivo.

Gli utenti agiscono sull'ambiente interno per raggiungere o mantenere le condizioni di Indoor Enviromental Quality desiderate attraverso differenti scenari di azioni, che sono il risultato di reazioni a drivers, ovvero molteplici fattori tra cui quelli fisici-ambientali, psicologici, fisiologici, sociali e contestuali. Questi scenari di interazione, a loro volta, costituiscono un elemento di impatto sugli stessi drivers che guidano l'utente, in un ciclo di processi continui dove il comportamento dell'occupante è ugualmente influenzato e influenzante la qualità dell'ambiente interno. Questo aspetto determina la complessità del tema e le difficoltà nella definizione dei consumi energetici degli edifici.

Le simulazioni energetiche sono sempre più utilizzate nella fase progettuale e risultano indispensabili per la previsione del consumo di energia finale, ma la maggior parte dei programmi di calcolo sono in grado di simulare accuratamente soltanto le proprietà fisiche dell'edifico. La capacità di calcolare i consumi energetici finali è, infatti, minata da una scarsa rappresentazione delle variabili stocastiche che mettono in relazione le interazioni umane con il controllo dell'ambiente interno.

La ragione della discrepanza tra i consumi energetici simulati e reali risiede nel fatto che gli strumenti di simulazione sono soltanto capaci di descrivere le azioni di controllo modellandole deterministicamente, attraverso Schedule basate su assunzioni prefissate e non realistiche. Il comportamento dell'occupante,invece, è un processo complesso ed influenzato da numerose variabili.

I software attuali, al momento, non sono in grado di valutare adeguatamente gli scenarios, spiegando l'influenza del comportamento dell'occupante che è il punto cruciale nello sforzo per ridurre i consumi energetici. Nonostante ciò, la modellazione del comportamento dell'utente sta iniziando a svilupparsi, poiché risulta necessario prendere in analisi, l'influenza del controllo degli individui sui i sistemi dell'edificio, se si vuole raggiungere una migliore previsione dei consumi energetici ottenendo valori più vicini alla realtà.

II lavoro di tesi si pone come obiettivo la definizione di profili di utenti basati su un modello realistico e l'analisi di come diverse azioni di controllo influenzino il consumo di energia e la qualità dell'ambiente interno. Le interazioni tra occupante ed edificio su cui si è concentrati solo quelle relative alla gestione del sistema di illuminazione artificiale e schermature solari.

La prima fase prevede la realizzazione di un modello di calcolo equivalente per la stima dei consumi energetici di un edificio scolastico scelto come caso studio, da affinarsi attraverso la calibrazione, un processo iterativo che metta a confronto i fabbisogni calcolati e i consumi reali. L' approccio seguito inizialmente rispecchia quello adottato attualmente per il calcolo nei programmi di simulazione: quello deterministico, dove la presenza dell'occupante e le azioni di controllo sono definite sulla base di assunzioni decise a priori tramite Schedule.

Nella seconda fase il modello calibrato viene implementato attraverso la profilatura di diverse tipologie di utenti prendendo in esame la gestione-**« sistemi di controllo di illuminazione e schermature solari. Attraverso le simulazioni dei rispettivi modelli di occupante si sono ottenuti i diversi consumi energetici relativi alle differenti conduzioni dell'edificio.

Dall'analisi dei risultati si osserva una significativa influenza delle azioni di controllo dei diversi utenti sui consumi energetici e sulla qualità dell'ambiente interno. Emerge inoltre, come i parametri utilizzati nelle procedure standard di previsione delle performance energetica degli edifici, siano distanti dalle reali preferenze degli utenti.

Risulta evidente l'inadeguatezza della simulazione dell'utente attraverso approcci deterministici: il comportamento dell'occupante è per natura aleatorio e dovrebbe essere descritto in maniera probabilistica.

Lo studio presentato in questa tesi si basa sulla fondamentale assunzione che solo attraverso la profilatura accurata del comportamento dell'occupante sarà possibile ottenere una migliore previsione dei consumi energetici e vuole presentare una metodologia che possa essere applicata a tutti gli aspetti delle interazioni degli utenti con l'edificio e gli impianti -come la regolazione delle temperature di set-point, l'apertura delle finestre etc.- allo scopo di ottenere previsioni sempre più realistiche sui consumi energetici.

Relatori: Stefano Paolo Corgnati, Cristina Becchio
Tipo di pubblicazione: A stampa
Soggetti: A Architettura > AL Edifici e attrezzature per l'istruzione, la ricerca scientifica, l'informazione
S Scienze e Scienze Applicate > SH Fisica tecnica
Corso di laurea: Corso di laurea magistrale in Architettura Costruzione Città
Classe di laurea: NON SPECIFICATO
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/3350
Capitoli:

Sommario

Ringraziamenti.

1. Introduzione

1.1. Il background

1.2. Lo scopo della ricerca

1.3. Il piano della ricerca

1.4. Metodologia di studio

2. Lo scenario

2.1 . Il consumo di energia negli edifici

2.1.1 IEA ECBCS Annex

2.1.2 Individuazione dei principali fattori influenzanti il consumo di energia

2.1.3 Consumo energetico teorico e quello reale

2.2 L'effetto del comportamento dell'occupante sul consumo di energia

2.3 II comportamento dell'occupante e il comfort termico

2.4 II comportamento dell'occupante: un processo complesso

2.5 Drivers e scenari d'azione

2.5.1 L'apertura e la chiusura delle finestre

2.5.2 Regolazione delle temperature di set-point

2.5.3 Controllo del sistema di illuminazione e schermature solari

2.5.4 Le forzanti rilevanti

2.6 II comportamento degli occupanti e degli strumenti di simulazione

2.6.1 Gli strumenti di simulazione

2.6.2 I parametri di input

2.6.3 Le strategie di controllo e le logiche d'azione

2.6 .4 I parametri di output

2.7 Verso una descrizione probabilistica del comportamento degli occupanti

3. Il caso studio: un edificio scolastico

3.1 Introduzione

3.2 Definizione di High Performance Building

3.3 Casi esemplari

3.4 regole del pollice verde per la progettazione delle scuole

3.5 Learning Gate Community School

4. Il calcolo energetico: la modellazione

4.1 Introduzione

4.2 Lo strumento di simulazione Energy Plus

4.2.1 EP-Lanch

4.2.2 IDF Editor

4.2.3 Building Benchmark Models

4.3 L'indagine conoscitiva e la modellazione dei parametri di input

4.3.1 La localizzazione e i dati climatici

4.3.2 Le caratteristiche dell'involucro, le dimensioni e le proprietà fisiche

4.3.3 La modellazione geometrica e le zone termiche

4.3.4 Le ostruzioni e gli ombreggiamenti

4.3.5 Gli apporti interni

4.3.6 Le temperature di set-point

4.3.8 L'impianto e il sistema energetico

5. Il calcolo energetico: la calibrazione e l'analisi dei

risultati 1

5.1 La calibrazione

5.1.1 L'infiltrazione e la ventilazione

5.1.3 Le temperature di set-point

5.2 L'analisi delle temperature e verifica dell'IEQ

5.2.1 II comportamento termico delle zone

5.2. 2 L'analisi delle temperature orarie

5.3 I risultati delle simulazioni energetiche con utente standard

5.3.1 I consumi energetici finali

5.3.2 Energia da fonti rinnovabili

5.4 Conclusioni

6. Gli effetti del comportamento dell'occupante sul controllo del sistema di illuminazione e delle schermature safari

6.1 Controllo del sistema di illuminazione e delle schermature

6.2 Ricerca scientifica verso un approccio stocastico

6.3 Identificazione delle tre tipologie di utenti

6.4 Modelli di comportamento dell'occupante

6.4.1 Scenario d'azione Utente Distratto

6.4.2 Scenario d'azione Utente Medio

6.4.3 Scenario d'azione Utente Virtuoso

6.4.4 Scenario d'azione Utente Standard ,

6.5 Dettagli simulazione

6.6 Risultati a confronto

6.6.1 Analisi dei consumi energetici annuali

6.6.2 Analisi dei consumi energetici annuali: driver radiazione solare incidente sulle finestre

6.6.3 Analisi dei consumi energetici annuali per l'illuminazione delle zone termiche destinate a classi

6.6.4 Analisi dei consumi energetici finali mensili

6.6.5 Analisi dei consumi elettrici mensili per illuminazione

6.6.6 Analisi dei carichi elettrici giornalieri

6.7 Osservazioni

7. Conclusioni

7.1 Discussione

7.2 Potenzialità e limitazioni

7.3 Conclusioni

Bibliografia

Allegati

Bibliografia:

• A.C. van der Linden, A.C. Boerstra, A.K. Raue, S.R. Kurvers, RJ. de Dear. Adaptive temperature limits: A new guideline in The Netherlands. A new approach for the assessment of building performance with respect to thermal indoor climate

• ASHRAE Standard 55P. Thermal Environmental Condition for Uman Occupancy. February 2003

• ASHRAE Manuscript Central. The influence of occupant behaviour: a literature review of drivers, actions and effects on energy consumption and indoor environmental quality.

• ASHRAE Handbook of Fundamentals 2009

• ASHRAE Standard 55-81 Annex C Estimation of the thermal resi stance of clothing ensembles

• Corgnati S. P., Ansaldi R„ Filippi M., Ipotesi per un modello di valutazione del comfort termico, per la classificazione della qualità dell'ambiente interno. 61° Congresso Nazionale ATI - Perugia 12-15 Settembre 2006

• Corgnati SP, Filippi, M., Perino, M. A new approach for thè IEQ (Indoor Environment Quality) assessment. Dipartimento di Energetica-Politecnico di Torino.

• Corgnati SP, Fabrizio E., Filippi M.The impact of indoor thermal conditions, system controls and building types on the building energy demand. Energy and Buildings 40 (2008) 627-636.

• Corgnati SP, Fabrizio E.,Raimondo D, Filippi M. Categories of indoor environmental quality and building energy demand for heating and cooling. Building simulation. June 2011.Vol.4.No.2.

• Crawley DB, Hand JW, Kummert M, Griffith BT. Contrasting the capabilities of building energy performance simulation programs. Version 1.0 July 2005

• Christoph F. Reinhart. Lightswitch-2002: a model for manual

and automated control of electric lighting and blindsNational Research Council Canada, Institute for Research in Construction, 5 April 2004

• D. Robinson, S. Stankovic, J. Page, N. Morel, F. Deque, M. Rylatt, K. Kabele, E. Manolakaki, NJyri, Integrated re source flow modelling of urban neighbourhoods: projet suntool, in: Buiding Simulation, Eindhoven, The Netherlands, 2003, pp. 375-380.

• D. Robinson, Some trends and research needs in energy and comfort prediction, in: Comfort and Energy Use in Buildings, Windsor, United Kingdom, 2006.

• Ecocalc : Indipendent Renewable Energy Report

• Emery AF, Kippenhan CJ. A long term of residential home heating consumption and the effect of occupant behavior on homes in the Pacific Northwest constructed according to improved thermal standards. Energy 31 (2006) 677 - 693.

• Energy Independence and Security Act 2007 401 PL 110-140).

• EN 15251 (2008); Criteria for the Indoor Environment including thermal, indoor air quality, light and noise. European Standard.

- • EN - ISO 7730 (2005);

• IEA ECBCS Annex 53: Total Energy Use in Buildings - Analysis and Analysis and Evaluation Methods, Newsletter No.1 Dicembre 2010.

• Fabi V., Corgnati SP., Filippi M., Olesen BW. Effect of occupant behavior related influencing factors on final energy end uses in buildings. Climated 2011, Madrid, 2-3 June.

• Fabi V., Andersen RV., Corgnati SP., Olesen BW. Occupants' window opening behaviour: A literature review of factors influencing occupant behaviour and model." Building and Environment (2012), pp. 188-198.

• Fabi V, Vinther Andersen R, Corgnati SP., Modelling occupant behaviour for a better prediction of buildingb energy performance. Accepted manuscript, Building simulation. Sydney.

• Fritsch R, Kohler A, Nygard-Ferguson M, Scartezzini J-L. A stochastic model of user behavior regarding ventilation. Building and Environment 25 (2) (1990) 173-181.

• Gail S. Brager, Richard J. de Dear. Thermal adaptation in the built environment: a literature review.

• Gail S. Brager, Richard J. de Dear. Thermal comfort in naturally ventilated buildings:revisions to ASHRAE Standard 55

• Haldi F, Robinson D. On the behaviour and adaption of office occupants. Building and Environment 43 (2008) 2163-2177.

• Hoes P, Hensen JLM., Loomans MGLC, DeVries B , Bourgeois D. User b 31. Behavior in whole building simulation, Energy and Buildings 41 (2009), pp.295 302.

• International Standard ISO 7730 allegato 1

• LEED Reference Guide 2001

• LEED 201: Core Concempt & Strategies

• Maier T, Krzaczek M, Tejchman J. Comparison of physical performances of the ventilation systems in low-energy residentialhouses. EnergBuild 41 (2009) 337- 353.

• Nichol JF, Humpreys MA. A stochastic approach to thermal comfort-occupant behaviour and Energy use in buildings. ASHRAE TRANSACTIONS

2004;110(2):554-68.

-• Page J, Robinson D, Morel N, Scartezzini J-L. A generalised stochastic model for

the simulation of occupant presence. Energy and Buildings 40 (2008) 83-98.

• Sebastian HerkeL, Ulla Knapp, Jens Pfafferott, Towards a model of user behaviour regarding the manual control of windows in office buildings

• S. P. Corgnati, E. Fabrizio, F. Ariaudo, L. Rollino. Edifici tipo, indici di benchmark di consumo per tipologie di edificio, ad uso scolastico (medie superiori e istituti tecnici) applicabilità di tecnologie innovative nei diversi climi italiani

• Socolow RH. The Twin Rivers Program on Energy Conservation in Housing: Highlights and Conclusions. Energy and Buildings, 1,207-242.

• Stemeers K, Yun GY. Time dependent occupant behavior models of window control in summer. Building and Environment 43 (2008) 1471-1482.

• Stefano P. CorgnatN, Roberta Ansaldil, Marco Filippi DENER, Dipartimento di Energetica, Politecnico di Torino. "Ipotesi per un modello di valutazione del comfort termico, per la classificazione della qualità dell'ambiente interno", 61 ° Congresso Nazionale ATI settembre 2006.

• UN110339 allegato A

• UNITS 11300-1

• Tanimoto J, Hagishima A, Sagara H. Cooling load simulation considering actual variation of inhabitants'behavior for accurate estimation of urban maximum energy requirement, in: Proceedings of the Ninth International IBPSA Conference, Montreal, Canada, 2005.

• Y. Yamaguchi, Y. Shimoda, M. Mizuno, Transition to a sustainable urban energy system from a long-term perspective: case study in a Japanese business district, Energy and Buildings 39 (2007) 1-12.

• http://www.hpbmagazine.org.

Fall 2010 HBP Winter 2011 HBP

• http://www.usgbc.org

http://www.carlsonstudio.org

Modifica (riservato agli operatori) Modifica (riservato agli operatori)