La creazione del Data Base complessivo dei TRY prodotti

Lo schema per la produzione dei TRY pu`o essere schematizzato come in Figura 4.19. Una volta terminata la fase di chiusura buchi, i dati di ogni stazione sono stati ana- lizzati, per individuare le stazioni che presentavano una serie storica sufficiente per la produzione dei TRY. La scelta `e stata fatta in base alla quantit`a di rilevamenti temporal- mente contigui, senza, ci`e, la presenza di buchi al loro interno. Si sono contati quanti anni completi, ci`e senza dati mancanti al loro interno, erano disponibili per ogni mese del calendario.

Una volta individuati i TRY da produrre, per le stazioni ed i TRY selezionati, sono stati estratti i dati da usare nel programma di generazione del TRY. Tali dati sono stati elabo- rati e il programma per la generazione del TRY ha prodotto un file contenente, per ogni mese, l’anno tipico selezionato. Infine tale file `e stato utilizzato per estrarre dal Data Base i mesi selezionati creando il TRY come una sequenza di dati.

Le 12 ore all’interfaccia tra i due mesi contigui ma appartenenti ad anni differenti (ul- time 6 ore del mese precedente e prime 6 ore del mese successivo, se appartenenti ad anni differenti) sono quindi stati poste come mancanti ed interpolate, per garantire la continuit`a nel passaggio da un mese al successivo. Tale operazione `e stata effettuata per tutte le variabili ad eccezione della radiazione e della direzione del vento, indipen- dentemente dall’altezza della misurazione. Ovviamente per la radiazione solare non `e necessario, in quanto le misure notturne sono tutte nulle, mentre la direzione del vento `e una misura velocemente variabile, e quindi avendo anche deciso di evitare la ricostru- zione di tale variabile per lacune maggiori di cinque ore consecutive, si `e deciso di non effettuare lo smooth. Se invece viene importato un TRY di tipo ambientale, la procedura di interpolazione delle variabili all’interfccia di mesi appartenenti ad anni diversi, non viene effettuata su nessuna delle variabili, in quanto, dovendo calcolare anche delle va- riabili derivate, si `e deciso di mantenere la veridicit`a dei dati e non procedere alla smooth. Il TRY cos`ı costruito viene quindi importato nelle tabelle nel Data Base relative ai TRY prodotti e reso disponibile in linea agli utenti. Il sito internet da cui sar`a possibile accedere al Data Base e scaricare i TRY generati `e descritto in Appendice B.

Conclusioni

Un gran numero di valutazioni ambientali ed energetiche necessitano di adeguati da- ti meteorologici da dare in input ai modelli di analisi e previsione. Basti pensare alla dispersione in atmosfera di inquinanti gassosi dove la velocit`a del vento e la direzione sono fondamentali per avere le concentrazioni dell’inquinante in punti precisi del sito in interesse, o alla valutazione del potenziale fotovoltaico di un sito, dove `e necessario avere dati di radiazione solare. In Italia vi `e carenza di dati meteorologici direttamente utiliz- zabili per tali applicazioni, ed i dati presenti, risultano essere incompleti, errati o anche estremamente costosi per una valutazione a lungo termine (con l’utilizzo cio`e di serie di dati meteorologiche decennali).

Una possibile soluzione `e la creazione di anni tipo (i Test Reference Year, TRY), che siano rappresentativi per la particolare applicazione per cui essi sono stati creati. Attualmente gli anni tipo sono stati sviluppati seguendo differenti criteri statistici solo per lo studio di impianti solari e l’analisi dei carichi termici di edifici, applicandoli poi anche agli impianti fotovoltaici, sebbene non specificatamente creati per essi. La presente ricerca ha portato, a definire la metodologia per la creazione di TRY con applicazioni differenti da quelle fino a oggi esplorate. In particolare si sono generati i TRY ambientali ed eolici, aspetto innovativo di questa ricerca finora mai affrontato in studi precedenti. I risultati raggiunti sono molto buoni ed i TRY prodotti per queste applicazioni si sono dimostrati affidabili per caratterizzare la situazione climatica della localit`a sul lungo periodo ed essere quindi utilizzati per studi energetici ed ambientali. Inoltre si `e anche raffinata la procedura per la creazione di un TRY fotovoltaico.

Parte integrante della ricerca `e stata anche l’analisi dei metodi di interpolazione dei dati mancanti e/o erronei. La letteratura propone numerose alternative, e fra tutte sono state scelte quelle che, compatibilmente ai dati a disposizione, sono risultate essere le pi `u adatte per ottenere delle serie storiche sufficientemente lunghe e prive di lacune.

Il presente progetto di ricerca ha permesso inoltre la creazione di un Data Base nazio- nale che contiene 291 TRY di differenti tipologie, per 102 localit`a, che potr`a essere reso liberamente consultabile e scaricabile on-line.

Purtroppo un problema `e rimasto ancora aperto: sebbene i TRY prodotti siano nume- rosi, la copertura dell’intero territorio nazionale non `e stata raggiunta sia perch´e fuori agli obiettivi della ricerca sia a causa delle difficolt`a incontrate nel recupero dei dati me- teorologici. Per potere veramente affermare di avere un Data Base nazionale completo `e necessario importare nuove stazioni (specialmente per l’Italia meridionale ed insulare) e procedere alla creazione dei TRY per le nuove localit´a importate. Una volta raggiunta la copertura nazionale, con stazioni meteorologiche sufficientemente vicine, si potr`a anche pensare di modificare la metodologia di “pulizia” dei buchi, utilizzando dei metodi di interpolazione spaziali, basati sule misure effettuate da stazioni vicine fra di loro, metodi che nella presente ricerca non sono stati adottati vista la notevole distanza tra le stazioni a disposizione.

Censimento dei metodi di stima delle

variabili meteorologiche mancanti

A.1 Metodi di stima generici

Un’esigenza fondamentale per la costruzione di un TRY `e quella di avere a disposizio- ne delle serie storiche di dati meteorologiche complete. Questa esigenza, per`o, `e spesso non soddisfatta a causa di possibili inconvenienti di funzionamento delle stazioni con periodi, a volte anche abbastanza lunghi, in cui manca la misura, o, pi `u semplicemente, a causa dell’intervallo di acquisizione delle variabili registrate che sovente risulta essere triorario (o, in taluni casi, giornaliero) e non orario, come richiesto per la generazione del TRY. Un altro problema che si incontra spesso `e la mancanza totale dei dati di radiazione solare, perch´e solo alcune stazioni misurano tale parametro; quindi, nasce l’esigenza di ricostruire tali valori da altri misurati, quali l’eliofania e la nuvolosit`a o di estrapolarli da stazioni vicine.

Le tecniche per la stima di valori climatici mancanti possono essere raggruppate in tre gruppi [46]:

- metodi empirici,

- metodi statistici,

- interpolazione mediante funzioni.

Negli approcci empirici, i valori mancanti sono calcolati da una somma pesata sulla di- stanza dei dati e la funzione peso `e generalmente predeterminata. Essi includono sem- plici medie aritmetiche, interpolazione sull’inverso della distanza e tecniche basate su differenze e percentuali.

Nelle tecniche statistiche i valori mancanti sono ancora stimati con una somma pesata dei dati in ingresso, ma in questo caso i pesi sono basati su statistiche di covarianza spaziale dei dati. Tali tecniche includono: analisi di regressione multipla, analisi di discrimina- zione multipla, analisi di componenti principali e analisi dei cluster, tecniche di kriging e

Per quanto riguarda la stima utilizzando delle funzioni, i dati sono interpolati usando una funzione che in genere `e “thin-plate spline”. Per ogni variabile di interesse per la generazione del TRY sono stati sviluppati differenti metodi di interpolazione. Alcuni di essi sono applicabili indifferentemente qualunque sia la variabile meteorologica da stimare, basandosi per `o pi `u spesso sulle misure in stazioni vicine.

Di seguito verranno esposti brevemente questi ultimi metodi e quindi verranno analiz- zati, variabile per variabile, i restanti.

Il primo e pi `u semplice metodo di interpolazione `e l’interpolazione lineare, usata soven- te quando `e necessario stimare le variabili orarie da misure triorarie. Un miglioramento a tale metodo `e dato dall’interpolazione cubica (o spline cubiche) che fornisce una stima migliore del dato mancante, ed `e anche efficiente per concatenare i mesi scelti, apparte- nenti ad anni diversi, per formare l’anno tipico. In tale caso si usa un polinomio di terzo grado per interpolare i dati mancanti, che viene calcolato ponendo condizioni di conti- nuit`a in ogni punto per il polinomio stesso e le sue derivate.

Altri metodi, che sfruttano i dati registrati da stazioni vicine a quella in cui manca il dato, sono [46]:

- Media aritmetica semplice: i dati mancanti sono ottenuti da una media aritmetica dei

dati registrati dalle cinque stazioni pi `u vicine.

- Inverse distance interpolation: in questo caso il valore mancante viene calcolato me-

diante la seguente formula:

V₀= P_n i=1(Vi/di) P_n i=1(1/di) , (A.1)

dove V0 `e il valore stimato del dato mancante, Vi `e il valore della i-esima stazione

pi `u vicina e di `e la distanza tra la stazione con il dato mancante e la i-esima pi `u

vicina. Un tale metodo suggerisce che la scelta appropriata del raggio di influenza sia pi `u importante di un eventuale peso da assegnare nella determinazione della qualit`a della stima.

- Normal ratio method: tale metodo di interpolazione spaziale stima dati mancanti me-

diante una combinazione di variabili con differenti pesi:

V0= P_n i=1Wi· Vi P_n i=1Wi , (A.2)

dove W_i `e il peso della i-esima stazione pi `u vicina e V_i `e il dato misurato in tale stazione.

- Analisi di regressione multipla, criterio delle deviazioni assolute minime: l’analisi di regres-

viene stimato mediante la seguente formula: V0 = a0+ n X i=1 (ai· Vi), (A.3)

dove i coefficienti a₀, a₁, . . . , a_nsono i coefficienti di regressione e V_i `e il valore della variabile misurato dalla i-esima stazione.

I paragrafi seguenti riportano una breve descrizione dei metodi specifici per ogni sin- gola variabile meteorologica maggiormente utilizzati.