Skip to content

Achievements

  • in Thesis
  • 15 min read

Analisi energetica di una centrale frigorifera del Politecnico di Torino attraverso analisi inversa

Abstract

Nel contesto degli edifici smart dotati di sistemi di controllo e automazione (BACS), i dati operativi divengono il punto di partenza per la caratterizzazione prestazionale del sistema edificio-impianti e l’identificazione di strategie di retrofit. Il presente lavoro ha l’obiettivo di effettuare un’analisi energetica della centrale frigorifera CF1 del Politecnico di Torino attraverso l’approccio data-driven e, al contempo, creare un modello calibrato diretto sui dati storici che rispecchi quanto più fedelmente possibile il caso studio. La fase di caratterizzazione dell’impianto è stata effettuata utilizzando tecniche di clustering e classificazione attraverso software open-source R, mentre la fase di costruzione del modello simulativo ha visto l’utilizzo del software Trnsys. Tale modello è stato validato utilizzando come indicatori statistici il MAPE ed il MAE.

References

  • Mariachiara Pinto. Analisi energetica di una centrale frigorifera del Politecnico di Torino attraverso analisi inversa = Energy analysis of a cooling mechanical room of Politecnico di Torino by means of inverse modeling. Rel. Alfonso Capozzoli, Marco Savino Piscitelli, Silvio Brandi, Vincenzo Maria Gentile. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Edile, 2018

Automated load pattern learning and anomaly detection for enhancing energy management in smart buildings

Abstract

The energy management of buildings currently offers a powerful opportunity to enhance energy efficiency and reduce the mismatch between the actual and expected energy demand, which is often due to an anomalous operation of the equipment and control systems. In this context, the characterisation of energy consumption patterns over time is of fundamental importance. This paper proposes a novel methodology for the characterisation of energy time series in buildings and the identification of infrequent and unexpected energy patterns. The process is based on an enhanced Symbolic Aggregate approXimation (SAX) process, and it includes an optimised tuning of the time window width and of the symbol intervals according to the building energy behaviour. The methodology has been tested on the whole electrical load of buildings for two case studies, and its flexibility and robustness have been confirmed. In order to demonstrate the implications for a preliminary diagnosis, some unexpected trends of the total electrical load have also been discussed in a post-mining phase, using additional datasets related to heating and cooling energy needs. The process can be used to support stakeholders in characterising building behaviour, to define appropriate energy management strategies, and to send timely alerts based on anomaly detection outcomes.

References

  • Capozzoli, A., Piscitelli, M. S., Brandi, S., Grassi, D., & Chicco, G. (2018). Automated load pattern learning and anomaly detection for enhancing energy management in smart buildings. Energy, 157, 336-352.

Mining typical load profiles in buildings to support energy management in the smart city context.

Abstract

Mining typical load profiles in buildings to drive energy management strategies is a fundamental task to be addressed in a smart city environment. In this work, a general framework on load profiles characterisation in buildings based on the recent scientific literature is proposed. The process relies on the combination of different pattern recognition and classification algorithms in order to provide a robust insight of the energy usage patterns at different levels and at different scales (from single building to stock of buildings). Several implications related to energy profiling in buildings, including tariff design, demand side management and advanced energy diagnosis are discussed. Moreover, a robust methodology to mine typical energy patterns to support advanced energy diagnosis in buildings is introduced by analysing the monitored energy consumption of a cooling/heating mechanical room.

References

  • Capozzoli, A., Piscitelli, M. S., & Brandi, S. (2017). Mining typical load profiles in buildings to support energy management in the smart city context. Energy Procedia, 134, 865-874.
  • in Thesis
  • 15 min read

Analisi energetica attraverso simulazione in regime dinamico di aule universitarie : il caso studio delle aule 27/27b/29/29b.

Abstract

Stiamo vivendo in un periodo in cui l’attenzione alla coibentazione ed al risparmio energetico si sta sviluppando per permettere la realizzazione di edifici sempre più isolati e sempre più prestazionali. Grazie all’innovazione tecnologia ed allo studio degli elementi disperdenti, è possibile raggiungere livelli di isolamento termico molto elevati. Progettando l’involucro edilizio con cura e studiando con attenzione le soluzioni stratigrafiche migliori, è possibile realizzare fabbricati con richieste di energia termica per il riscaldamento minime. Il rovescio della medaglia di questa situazione invernale ottimale, è il comportamento estivo degli edifici super coibentati. In regime estivo diventa necessario predisporre un impianto di raffrescamento che sia in grado di abbassare le temperature; le stratigrafie molto isolate non permettono infatti al calore di attraversare le pareti e di fluire all’esterno, provocando fenomeni di surriscaldamento. Questo fenomeno si verifica con particolare facilità se gli apporti interni dovuti agli utilizzatori e alle apparecchiature sono elevati, tipicamente in locali destinati all’utilizzo di molte persone. L’analisi che verrà effettuata si prefissa l’obiettivo di approfondire questo discorso e capire quanto siano importanti tutti i contributi interni fomiti ai locali ogni giorno dell’anno. Per poter analizzare tutti gli aspetti dell’edificio nel dettaglio e poter simulare il comportamento dei locali e del sistema impiantistico è necessario utilizzare un software che permetta la modellazione dei locali e la simulazione annuale di molti dati inseriti dall’utente. Focalizzando sempre più la nostra attenzione sull’involucro e sulle soluzioni impiantistiche, spesso ci si dimentica di quanto possa essere impostante la quota parte di energia che, annualmente, gli utilizzato forniscono ai locali e che può risultare un grave errore non considerare opportunamente. L’analisi evidenzierà appunto quanto sia fondamentale uno studio accurato di ogni elemento per poter dire di conoscere a fondo il funzionamento annuale di un locale. Nelle seguenti pagine verrà analizzato come gli apporti interni, dal semplice uso di apparecchiature elettriche alla, più interessante presenza di occupanti, possano modificare in maniera molto consistente tutti i calcoli effettuati, integrando buona parte della richiesta di riscaldamento. Lo studio effettuato prende in considerazioni 4 aule didattiche del Politecnico di Torino, densamente utilizzate e caratterizzate da un forte isolamento sul lato interno dei locali, quest’ultimo permette di vedere come dei locali molto coibentanti siano in grado di raggiunge il set point invernale, 20°C, semplicemente con gli apporti dovuti agli studenti che stanno seguendo le lezioni e che, questo fenomeno, questo possa diventare un problema nelle mezze stagioni. Lo studio si divide in 4 parti:Analisi iniziale, reperimento informazioni e studio sulle condizioni di esercizio delle aule oggetto di studio; Studio approfondito dei carichi termici interni dovuti agli studenti, illuminazione ed apparecchiature elettroniche; Modellazione digitale dei locali, tramite software eQUEST; Estrapolazione dei risultati e analisi di quest’ultimi. Come sarà possibile vedere dai risultati esposti negli ultimi capitoli, il raffrescamento diventa una componente fondamentale di tutti quegli edifici per cui si stato progettato un buon livello di isolamento, questo per evitare problematiche nei periodi estivi e nelle mezze stagioni. I risultati ottenibili sono fortemente dipendenti dall’utilizzo dei locali, lo studio proposto è interessante anche perché analizza un caso particolare, le aule universitarie, che ben si presta a questo tipo di considerazioni avendo, per la maggior parte dell’anno, un utilizzo costante e intenso dei locali.

References

  • Enrico Maria Pazè. Analisi energetica attraverso simulazione in regime dinamico di aule universitarie : il caso studio delle aule 27/27b/29/29b. Rel. Alfonso Capozzoli, Fabio Laguardia. Politecnico di Torino, Corso di laurea magistrale in Architettura Per Il Progetto Sostenibile, 2016
  • in Thesis
  • 15 min read

Analisi dei consumi energetici reali attraverso lo strumento della firma energetica : il caso della sede del Castello del Valentino.

Abstract

The aim of this thesis is the application of the energy signature method to provide preliminary energy diagnosis of the Valentino Castle (Politecnico di Torino), based on the real thermal energy consumption data collected during winter seasons. The energy signature is a powerful simplified tool for the assessment of building energy performance through a regression approach. Plotting the average thermal power versus average outdoor temperature the energy signature model is obtained using simple linear regression. The energy signature can potentially provide useful information about the actual system management of a building eventually highlighting anomalous energy consumptions and the oversizing of the heating system. At the same time, the energy signature method allows to assess the effectiveness of retrofitting actions implemented along the monitored period. In the analysed case study, the energy signatures for 15 heating seasons (from 2001 to 2015) are calculated starting from monthly methane gas bills and weather data gathered by Politecnico di Torino. After the data collection it is possible to build the energy signature using the monthly average outside temperature and the monthly average power supplied to the building(Average power is obtained by dividing the energy use by the duration of the time interval between successive records assuming 14 operating hours per day). The 15 energy signatures computed was analysed in order to identify representative regression lines for the entire monitored time period. In particular were identified three reference energy signatures, each of them were computed by analysing the energy consumption data of all the seasons between two consecutive retrofitting actions. In this way, the reference energy signature is computed starting from a higher number of samples than just one heating season, for the sake of robustness of the model mitigating the effect of outliers. The three standard energy signatures were compared in order to highlight the differences between them and assess the energy saving related to the refurbishment actions. The results of this comparison show no relevant improvements between the first and second energy signatures, when retrofitting actions have been conducted only on the building envelope (e.g. replacement of windows in some parts of the building). Instead, a sensible improvement between the second and third period was detect, when the heating generator was substitute. Moreover, through this analysis the interaction of the user with the heating system (e.g. setting of indoor temperature) was recognized as the most probable cause of high energy consumption during some heating season. Indeed, the energy signature analysis represents a powerful tool both for improve the heating system management both for assess the impact of a refurbishment action. Finally, a simplified physical model of the castle was developed in order to support decision on which retrofitting measure will be the most suitable to put in practice in Valentino Castle.

References

  • Cristina Crosasso. Analisi dei consumi energetici reali attraverso lo strumento della firma energetica : il caso della sede del Castello del Valentino. Rel. Alfonso Capozzoli, Giovanni Carioni. Politecnico di Torino, Corso di laurea magistrale in Architettura Per Il Progetto Sostenibile, 2016