Alfio Galatà

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

ENEL SRI/CRAM via Volta, 1 20093 Cologno Monzese (MI) fax: +39 2 7224 5338

Attività svolte da ENEL/CRAM e CONPHOEBUS e finalizzate allo sviluppo di strategie di controllo ottimali per la gestione degli impianti tecnologici negli edifici (illuminazione, climatizzazione, ventilazione, ecc.) hanno consentito la raccolta di dati sperimentali relativi a diversi edifici del parco edilizio civile dell'ENEL e all'edificio per uffici Conphoebus, attraverso l'utilizzo di un sistema di controllo appositamente progettato, che consente diverse strategie di regolazione.

Tra tutte le strategie relative all'illuminazione, la più sofisticata prevede il mantenimento delle condizioni del comfort visivo in funzione del regime di occupazione del locale e del massimo sfruttamento del contributo di luce naturale.

L'informazione relativa alla presenza/assenza di personale nel locale consente l'accensione/spegnimento delle luci artificiali, mentre l'informazione sulla luce naturale entrante consente la modulazione della tensione di alimentazione delle luci, onde fornire artificialmente il contributo necessario ad integrare l'illuminamento naturale per garantire il comfort visivo richiesto.

Nel presente articolo viene descritto un controllore a logica FUZZY che applica la stessa strategia di controllo per il mantenimento del comfort visivo, mediante la regolazione della tensione di alimentazione delle luci artificiali.

Il controllore FUZZY è stato sviluppato utilizzando il toolbox FUZZY Logic di MATLAB, definendo il numero e la forma delle funzioni memberships per le variabili di ingresso e di uscita, e le regole che stanno alla base della strategia di controllo applicata.

Il controllore FUZZY è stato collaudato su campioni di dati (singole giornate) estratti dagli archivi di dati sperimentali relativi a due edifici: un edificio del parco edilizio civile dell'ENEL ubicato in una città del Nord Italia, e l'edificio Conphoebus ubicato nel Sud Italia ⁽¹⁾.

La FUZZY Logic è una branca piuttosto recente nel campo del controllo di processo, che, nata con l’obiettivo di superare le evidenti limitazioni della classica logica binaria, sta integrandosi in modo sempre più incisivo in diversi aspetti della vita quotidiana.

Gli elementi chiave della FUZZY Logic non sono numeri ma, piuttosto, identificatori di insieme sfumati, ovvero informazioni con gradi di ambiguità, incertezza, imprecisione, che provengono da un mondo complesso, conosciuto in modo più o meno vago, che sono poi tipiche del mondo reale.

La FUZZY Logic si fonda sul principio di non contraddizione, secondo il quale la proprietà di appartenenza di una classe di oggetti alla classe stessa non è rappresentata da una funzione continua di tipo zero-uno (o si-no), ma piuttosto, da un grado di appartenenza alla classe, variabile tra zero e uno. Cosicché un elemento può appartenere a più classi differenti con gradi di appartenenza differenti.

Rimandando a trattati specialistici sull’argomento specifico della FUZZY Logic, qui di seguito vengono brevemente riassunti gli aspetti fondamentali dell’utilizzo della tecnica FUZZY.

• Operare in modo FUZZY significa:
• Individuare le informazioni sfumate con un criterio che richiama l’insiemistica, in modo più flessibile rispetto al concetto di appartenenza esclusiva (logica classica), introducendo il concetto di grado di appartenenza di un elemento ad un insieme.
• stabilire classi di appartenenza (membership), grado di appartenenza e funzioni di appartenenza (gaussiane, triangoli, ...);
• passare dalle informazioni provenienti dal mondo reale alle informazioni fuzzy, attraverso un processo di fuzzyficazione;
• stabilire regole di connessione fra le informazioni fuzzy, attraverso il criterio IF..THEN;
• elaborare le informazioni di ingresso (antecedenti) per ricavare le informazioni di uscita (conseguenti);
• ritornare nel mondo reale col processo di defuzzyficazione;
• applicare al mondo reale le informazioni sfumate.

• Vantaggi della Fuzzy logic:
• formulazione linguistica delle regole;
• integrazione della conoscenza a priori;
• interpolazione tra le regole.
• Svantaggi della Fuzzy Logic:
• stesura delle regole;
• ottimizzazione delle funzioni di appartenenza.

L'accensione delle luci artificiali avviene in tempo reale se la stanza è occupata ed il valore misurato di illuminamento 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.

In particolare l'intervallo di illuminamento per il comfort visivo sul piano di lavoro è stato partizionato in 20 classi di appartenenza, ed a ciascuna classe di valori è stato assegnato un corrispondente valore della tensione dimming di regolazione delle luci artificiali ⁽²⁾, come illustrato in tabella 1.

Tabella 1 - Classi di appartenenza dei valori di comfort e relativi valori della tensione dimming.

Descrizione del controllore Fuzzy.

Il controllore Fuzzy è stato progettato utilizzando il FIS editor del toolbox Fuzzy Logic di MATLAB, definendo per ciascuna delle variabili di ingresso (antecedenti) e per la variabile di uscita (conseguente) il numero e la forma delle funzioni memberships, e le regole di base della strategia di controllo applicata.

Il controllore Fuzzy presenta tre variabili di ingresso ed una variabile di uscita, come di seguito illustrato:

• grandezze di ingresso:

1. lux: illuminamento sul piano di lavoro;
2. Occ: regime di occupazione della stanza (0 = assenza, 1 = presenza);
3. OffD: ritardo temporale per lo spegnimento delle luci (0 = nessun ritardo; 1 = ritardo in corso) ⁽³⁾;

• grandezza di uscita:

La figura 1 illustra la correlazione tra le variabili di ingresso (antecedenti) e la variabile di uscita (conseguente).

Figura 1 - Correlazione tra gli antecedenti ed il conseguente.

Alla variabile di ingresso relativa alla luminosità sul piano di lavoro (figura 2) sono state assegnate 11 funzioni membership: la prima e l'ultima di forma trapezoidale, quelle intermedie di forma triangolare.

Figura 2 - Funzioni membership dell'antecedente lux

A ciascuna delle due variabili di ingresso relative al regime di occupazione del locale (Occ) ed al ritardo temporale sullo spegnimento delle luci (OffD), sono state assegnate due funzioni membership, entrambi a forma trapezoidale. In figura 3 vengono riportate le funzioni membership relative all'antecedente Occ.

Figura 3 - Funzioni membership dell'antecedente Occ

Alla variabile di uscita (figura 4) sono state assegnate 21 funzioni membership di tipo costante, secondo la classi di valori illustrati in tabella 1; ma solo 11 di queste funzioni membership sono state utilizzate nella stesura delle regole di Fuzzyficazione.

Applicazione del controllore Fuzzy.

Allo scopo di verificare la validità del controllore Fuzzy nell'attuazione della strategia di regolazione della tensione di alimentazione delle luci artificiali, esso è stato applicato su tre campioni di dati relativi a singole giornate ⁽⁴⁾. I primi due campioni di dati sono riferiti ad un edificio ENEL, ubicato nel Nord Italia, il terzo campione è relativo all'edificio per uffici Conphoebus, ubicato nel Sud Italia. In entrambi i casi, i campioni dei dati sono relativi a singole stanze occupate dallo stesso numero di persone.

Le figure 5, 6 e 7 riportano, in alto, gli andamenti dei valori di tensione applicati dalla strategia di controllo (linea blu) e dei valori predetti dal controllore Fuzzy (linea rossa); in basso (linea verde) l'andamento delle differenze tra i valori applicati e quelli predetti (residui).

Figura 5 - File01: Edificio ENEL - tensione dimming applicata e predetta e valori dei residui.

Figura 6 - File02: Edificio ENEL - tensione dimming applicata e predetta e valori dei residui.

Figura 7 - File03: Edificio Conphoebus - tensione dimming applicata e predetta e valori dei residui.

Gli andamenti grafici dei residui mostrano differenze appartenenti all'intervallo di valori [-0.4; 0.4 Volt]. La ragione di questi residui è spiegabile attraverso le differenze esistenti tra un controllore classico (di tipo deterministico) ed un controllore Fuzzy (a logica sfumata). Infatti, nel primo caso per tutti i valori di illuminamento sul piano di lavoro appartenenti ad una classe (es. 361-370 lux) viene assegnato sempre lo stesso valore della tensione dimming (es: 2.8 Volt). Nel secondo caso i valori di illuminamento sul piano di lavoro vengono pesati secondo il loro grado di appartenenza alla classe specificata ed il valore di uscita viene determinato secondo questo grado di appartenenza.

In tabella 2 vengono riportati, per tutti i casi esaminati, i valori medi giornalieri della tensione dimming applicata e predetta (dal controllore Fuzzy), e la stima dei consumi elettrici corrispondenti ai valori della tensione applicata e predetta.

Tabella 2 - Statistica dei valori applicati e predetti.

Conclusioni.

Il controllore fuzzy realizzato per la regolazione della tensione dimming dell'impianto di illuminazione artificiale produce gli stessi risultati della strategia di controllo tradizionale adottata. La verifica con campioni di dati relativi a due diversi edifici ubicati in località differenti nel territorio nazionale (diverse condizioni climatiche, diversa geometria ed esposizione degli edifici), dimostra che esso è capace di adattarsi a differenti situazioni sperimentali. La formulazione linguistica delle regole ed un insieme ridotto di comandi, sufficienti in ogni caso, a coprire tutto l'universo del discorso, sono vantaggi da annoverare esclusivamente alla logica Fuzzy.

Questi risultati incoraggiano, dunque, a perseguire nuovi obiettivi per la realizzazione di controllori fuzzy reali da applicare per la gestione degli impianti tecnologici negli edifici.

Gli autori ringraziano il p.i. Farchica Maurizio che ha collaborato alla realizzazione del controllore Fuzzy, nell'ambito di uno stage effettuato in Conphoebus come attività del programma di studio per il conseguimento della laurea breve in Ingegneria presso l'Università degli studi di Catania.