CONPHOEBUS s.c.r.l. - Zona Industriale, Passo Martino 95030 Catania fax: +39 95 291246

La predizione dei consumi energetici in un edificio può essere effettuata anche per valutare il risparmio energetico ottenibile a seguito di interventi di ristrutturazione (edilizia o impiantistica), o di una più confacente conduzione degli impianti tecnologici. Infatti, effettuato un intervento di ristrutturazione o un cambio di gestione degli impianti, risulta difficile quantificare i consumi energetici che l'edificio avrebbe avuto se l'intervento non fosse stato effettuato; ciò a causa della mutevolezza delle condizioni al contorno (condizioni climatiche, regime di occupazione, ecc.).

Per eseguire queste valutazioni si è spesso costretti a ricorrere a modelli di simulazione particolarmente complessi che richiedono una descrizione dettagliata del sistema edificio-impianto. Le Reti Neurali, invece, offrono l'opportunità di risolvere questo problema, sostituendosi efficacemente ai modelli di simulazione senza richiedere la descrizione dettagliata del sistema, con notevoli riduzioni delle risorse necessarie e con risultati interessanti dal punto di vista della precisione ed affidabilità.

In questo articolo viene presentata una applicazione, basata sulle reti neurali, per la predizione dei consumi elettrici per illuminazione artificiale in un edificio. In particolare vengono confrontati i consumi elettrici misurati e predetti che l'edificio avrebbe avuto con due differenti conduzioni degli impianti illuminotecnici: la prima basata su un controllo manuale; la seconda basata su un controllo automatico in funzione del regime di occupazione dei locali e del massimo sfruttamento dei contributi naturali (gratuiti).

Attività svolte, da ENEL/CRAM e CONPHOEBUS, finalizzate alla verifica funzionale delle prestazioni di un sistema CIB (Computer Integrated Buildings) installato presso un edificio ENEL, hanno consentito la raccolta di dati sperimentali relativi a due stanze campione ⁽¹⁾: una stanza (CONPHO) assoggettata ad un controllo automatico per il mantenimento del comfort visivo, in funzione del regime di occupazione del locale e dotato di regolazione dimming della tensione di alimentazione delle luci per il massimo sfruttamento del contributo di luce naturale entrante attraverso la finestra, e una stanza (CIB) assoggettata al controllo manuale dell'accensione/spegnimento delle luci.

Per le valutazioni energetiche, la stanza CIB è stata considerata come riferimento (edificio prima della modifica), mentre la stanza CONPHO è stata considerata come ambiente tipo dell'edificio con una differente conduzione degli impianti (edificio dopo la modifica). Le predizioni hanno riguardato i consumi elettrici per l'illuminazione artificiale nella stanza CIB, in funzione del proprio regime di occupazione, supponendo per essa la stessa strategia di controllo automatico applicata nella stanza CONPHO. La differenza tra i consumi misurati e predetti per la stanza CIB fornisce indicazioni sul risparmio energetico ottenibile a seguito della differente conduzione degli impianti di illuminazione.

La strategia di controllo applicata nella stanza CONPHO prevede il mantenimento del comfort visivo sul piano di lavoro (450 ± 100 [lux]) in funzione del regime di occupazione del locale e del contributo gratuito di illuminamento naturale.

L'accensione delle luci artificiali avviene in tempo reale se la stanza è occupata ed il valore misurato della luminosità sul piano di lavoro risulta inferiore al valore di comfort prefissato. Lo spegnimento delle luci avviene invece con un ritardo temporale assegnato (10 minuti) dopo il rilevamento di assenza di personale nella stanza o quando il valore della luminosità sul piano di lavoro risulta superiore all'intervallo di valori stabilito per il comfort visivo. Nel caso in cui, invece, viene rilevata presenza di personale nella stanza ed il valore della luminosità interna risulta appartenente all'intervallo di valori prefissati per il comfort, la tensione di alimentazione delle luci viene modulata, operando su un regolatore dimming, al fine di utilizzare il contributo di luce artificiale strettamente necessario ad integrare il contributo di illuminamento naturale, per il mantenimento del comfort visivo.

Il modello di Rete Neurale presenta tre variabili di ingresso ed una variabile di uscita, come di seguito illustrato:

• grandezze di ingresso:

1. regime di occupazione della stanza (0 = assenza, 1 = presenza);

2. luminosità sul piano di lavoro;

3. OffDelay - ritardo temporale per lo spegnimento delle luci (0 = nessun ritardo; 1 = ritardo in corso) ⁽²⁾;

• grandezza di uscita:

La metodologia attuata è stata quella di selezionare un campione di dati per l'apprendimento delle regole che legano le grandezze di ingresso a quella di uscita (fase di training), di valutare le capacità di apprendimento della Rete Neurale con altri campioni di dati (fase di checking), e di effettuare le predizione dei consumi elettrici per illuminazione nella stanza CIB, in funzione del proprio regime di occupazione, supponendo che in essa fosse stata applicata la stessa strategia di controllo della stanza CONPHO.

La Rete Neurale selezionata utilizza il metodo di apprendimento di Marquardt-Levenberg, mentre la topologia più confacente della rete è stata individuata per tentativi, imponendo, di volta in volta, un numero differente di neuroni per gli strati tipici (ingresso, intermedio e uscita). Il criterio di selezione adottato è stato quello di verificare per quale configurazione, a parità di epoche di apprendimento, il valore assoluto della differenza del parametro SSE ⁽³⁾ (somma dei quadrati delle differenze tra i valori predetti e misurati) è risultato minimo.

La configurazione che ha reso minimo il valore del parametro SSE, è risultata quella con un numero di neuroni per gli strati tipici, rispettivamente pari a 3:12:1.

La fase di training è stata condotta fino a stabilizzare il valore del parametro SSE a numeri relativamente piccoli.

I risultati ottenuti sono riassunti nella tabella 1, di seguito riportata.

Tabella 1 - Risultati della fase di training.

Nella figura 1 vengono riportati gli andamenti grafici dei consumi misurati (linea blu) e predetti (linea rossa), e dei residui ottenuti (differenze tra valori predetti e misurati).

Figura 1 - Consumi misurati e predetti e valori dei residui per la fase di training.

Come si può osservare i valori misurati e predetti risultano pressoché coincidenti, mostrando differenze poco significative, appartenenti all’intervallo di valori [-5, +7].

Al modello sono state presentate in ingresso le grandezze come definite nella fase di training, ma non è stata specificata alcuna informazione sulla variabile di uscita. In queste condizioni, il confronto tra i valori misurati e quelli predetti fornisce un elemento di valutazione per il grado di accettabilità delle capacità predittive del modello.

Nelle figure 2 e 3 vengono riportati gli andamenti grafici dei consumi misurati (linea blu) e predetti (linea rossa) ed i valori dei residui ottenuti per i campioni di dati in esame.

Figura 2 - Primo campione dati: consumi misurati e predetti e valori dei residui per la fase di checking.

Figura 3 - Secondo campione dati: consumi misurati e predetti e valori dei residui per la fase di checking.

Anche per la fase di checking, l'analisi grafica conferma le buone capacità di apprendimento del modello scelto.

Nella tabella 2 vengono riassunte, infine, le informazioni statistiche principali, relative alle due giornate che costituiscono il campione dei dati di riferimento.

Tabella 2 - Informazioni statistiche delle grandezze di ingresso e di uscita.

I risultati ottenuti sia nella fase di training che nella fase di checking, nonostante le sofisticazioni dell'algoritmo di controllo utilizzato dall'impianto e le semplificazioni imposte al modello neurale, mostrano valori predetti per lo più entro il 10% rispetto a quelli misurati.

Le capacità predittive del modello, dopo le fasi di training e di checking, sono state ulteriormente verificate mediante predizioni istantanee sullo stesso campione di dati.

In particolare, il modello di Rete Neurale operando ciclicamente su base oraria ha predetto il valore istantaneo del consumo elettrico delle luci artificiali, in funzione dei valori istantanei riguardanti la luminosità sul piano di lavoro, il regime di occupazione ed il ritardo sullo spegnimento delle luci.

Nelle figure seguenti vengono illustrati i casi più esplicativi a dimostrazione delle ottime capacità predittive acquisite dal modello. Le figure mostrano in alto gli andamenti dei consumi misurati (linea blu) e predetti (linea rossa), in basso mostrano gli andamenti del regime di occupazione (linea verde tratteggiata) e della luminosità sul piano di lavoro (linea viola), con l’intervallo di valori assegnato per il comfort visivo (linee azzurre).

Nella figura 4 si può notare come la predizione istantanea del consumo elettrico avvenga in corrispondenza del rilievo di personale nella stanza, e come le luci rimangono accese per i 10 minuti (ritardo temporale fissato nella strategia di controllo attuata) successivi al rilievo di assenza di personale nel locale. Nelle figure 5 e 6, invece, si evince chiaramente, oltre all'efficacia della strategia di controllo nella accensione in tempo reale delle luci e dello spegnimento con ritardo temporale, anche l'effetto della modulazione della potenza elettrica fornita mediante il regolatore dimming.

Figura 5 - Predizioni istantanee ore 9

Figura 6 - Predizioni istantanee ore 15

Utilizzando lo stesso modello di Rete Neurale, viene simulato il comportamento della stanza CIB assoggettata alla stessa strategia di controllo della stanza CONPHO, e quindi la differenza tra i consumi predetti e misurati indica il potenziale risparmio energetico conseguibile, nelle condizioni di comfort assegnate alla stanza CONPHO.

Nelle figure 7 e 8 vengono riportati in alto gli andamenti grafici dei consumi misurati (linea blu) e predetti (linea rossa), in basso i rispettivi valori integrali, ottenuti per la stanza CIB per due giornate del campione dati. ⁽⁴⁾

Figura 7 - Primo campione dati: Consumi misurati e predetti, e valori integrali per la stanza CIB.

Figura 8 - Secondo campione dati: consumi misurati e predetti, e valori integrali per la stanza CIB.

Nella tabella 3 vengono inoltre riassunte le informazioni statistiche principali, relative alle due giornate che costituiscono il campione dei dati di riferimento.

Tabella 3 - Informazioni statistiche delle grandezze di ingresso e di uscita.

Dai risultati esposti nella tabella 3 e dall'analisi grafica delle figure precedenti, si evince che se la strategia di controllo applicata nella stanza CONPHO, fosse stata adottata anche nella stanza CIB, e se le condizioni di comfort visivo fossero state mantenute per tutto il periodo di permanenza del personale all'interno della stanza, il potenziale di risparmio energetico sarebbe stato di circa il 70% per il primo campione di dati e di circa il 60% per il secondo campione di dati ⁽⁵⁾. I risultati ottenuti con le Reti Neurali confermano questa tendenza.

Nelle considerazioni sul potenziale di risparmio energetico è da considerare che:

• la strategia di controllo applicata nella stanza CONPHO ha continuamente assicurato il comfort visivo sul piano di lavoro, mentre nella stanza CIB questa indicazione è stata quasi sempre trascurata, essendo le luci artificiali gestite in modo manuale;
• i due gruppi di neon (da 144 [Watt] ciascuno) installati nella stanza CONPHO sono stati gestiti in parallelo, mentre nella stanza CIB potevano essere attivati singolarmente.

Attraverso le predizioni stagionali dei consumi elettrici per l’illuminazione artificiale nelle due stanze campione, si vogliono adesso confermare le indicazioni di lungo periodo (analisi con dati orari) sul risparmio energetico conseguibile, qualora si adotti nella stanza CIB la stessa strategia di controllo applicata nella stanza CONPHO.

Per le valutazioni sulle predizioni dei consumi elettrici, è da notare che l'utilizzo di dati orari nasconde, in alcuni casi, le regole di base del controllo attuato; ciò a causa del:

• ritardo temporale nello spegnimento delle luci (può succedere infatti che a fronte di un minuto di presenza si abbiano anche 21 minuti di accensione delle luci, o che si abbia un consumo elettrico anche in corrispondenza ad una occupazione nulla del locale);
• effetto della media oraria dei dati che tende a non evidenziare gli effetti istantanei dei parametro del controllo.

Inoltre, il contributo di luce naturale entrante nelle stanze attraverso le superfici vetrate (di eguale misura per entrambe le stanze) dipende esclusivamente dall'esposizione dell'edificio (le due stanze sono esposte ad Ovest) e dunque dalla posizione del sole nell'arco della giornata. Non essendo stato possibile misurare questo contributo, si è supposto che esso fosse dipendente dall'ora del giorno (minore illuminamento nelle ore mattutine; maggiore illuminamento nelle ore pomeridiane).

Con queste premesse, il modello scelto presenta quattro variabili di ingresso ed una variabile di uscita, come di seguito illustrato:

• grandezze di ingresso:

1. ore del giorno;

2. radiazione solare (misurata sul piano orizzontale);

3. luminosità sul piano di lavoro;

4. regime di occupazione;

• grandezza di uscita:

La metodologia adottata è stata la stessa di quella utilizzata per le predizioni istantanee; ovvero le capacità predittive del modello sono state verificate attraverso le fasi di training e di checking. Successivamente sono state applicate per la stanza CIB al fine di valutare i possibili guadagni energetici che ne derivano dall'utilizzo della strategia di controllo dell’illuminazione artificiale in questa stanza. Il metodo adottato è stato quello di selezionare, per ciascuna stagione climatica, alternativamente, un giorno di dati nel campione utilizzato per la fase di training, ed il giorno successivo nel campione utilizzato per la fase di checking.

Nella tabella 4 sono riassunte le informazioni statistiche principali per i campioni di dati relativi alla fase di training, mentre nella tabella 5 sono riassunte le informazioni statistiche principali per i campioni di dati relativi alla fase di checking.

Tabella 4 - Statistiche delle grandezze di ingresso e di uscita per la fase di training.

Tabella 5 - Statistiche delle grandezze di ingresso e di uscita per la fase di checking.

Nella tabella 6 vengono riassunti, per ciascuna stagione climatica, i valori dei consumi stagionali misurati e predetti.

Tabella 6 - Consumo misurato e predetto per la fase di training e di checking.

Le capacità predittive del modello sono state infine verificate attraverso le predizioni dei consumi settimanali. I risultati ottenuti sono presentati nella tabella 7 ed, in forma grafica, nelle figure successive.

Tabella 7 - Consumi settimanali per la stanza CONPHO.

Figura 9 - Primavera: Consumi settimanali misurati e predetti per la stanza CONPHO.

Figura 10 - Estate: Consumi settimanali misurati e predetti per la stanza CONPHO.

Figura 11 - Autunno: Consumi settimanali misurati e predetti per la stanza CONPHO.

Figura 12 - Inverno: Consumi settimanali misurati e predetti per la stanza CONPHO.

Per le valutazioni dei consumi elettrici predetti rispetto a quelli misurati, bisogna tenere conto dell'effettivo comportamento degli occupanti delle due stanze nei riguardi dell'accensione delle luci. Nella stanza CONPHO i due gruppi di neon venivano accesi/modulati o spenti contemporaneamente, in funzione del regime di occupazione e del contributo di illuminamento naturale entrante nella stanza, ed assicuravano il comfort visivo sul piano di lavoro. Nella stanza CIB i due gruppi di neon venivano accesi/spenti, singolarmente e manualmente, senza nessun controllo del comfort visivo. I consumi orari per la stanza CIB, dunque, variano tra i valori massimi di 144 [W] (un solo gruppo di neon acceso) e 288 [W] (due gruppi di neon accesi), mentre le predizioni tendono ad un massimo di 288 [W], secondo le regole apprese per la stanza CONPHO.

Nella tabella 8 vengono riportati i risultati delle predizioni stagionali effettuati per la stanza CIB, confrontando i valori dei consumi predetti (colonna "Consumo CONPHO") con quelli che sarebbero stati i valori misurati se i due gruppi di neon fossero stati operati contemporaneamente ⁽⁶⁾, come nella stanza CONPHO (colonna "Consumo CIB"), e gli indicatori dei consumi misurati e predetti rispetto ai minuti di occupazione del locale.

I valori dei consumi elettrici predetti risultano inferiori di circa il 20% rispetto a quelli che sarebbero stati misurati nella stanza CIB, nella ipotesi che i due gruppi di neon fossero stati accesi contemporaneamente. Viene dunque confermato un sensibile risparmio sui consumi per l'illuminazione quando si adotti una strategia di controllo basata sul regime di occupazione del locale e sulla regolazione dimming della tensione di alimentazione dei neon.

Nelle figure seguenti vengono mostrati, per ciascuna stagione climatica, i consumi settimanali misurati (conduzione manuale delle luci) e predetti (applicando la strategia di controllo automatico).