I modelli di previsione del fabbisogno energetico

Il tema della definizione della domanda energetica del patrimonio edilizio alla scala urbana o del singolo edificio è stato studiato e documentato in varie esperienze che presentano svariati approcci e tipologie di modelli.

Esistono però alcuni aspetti comuni ai modelli di Energy planning che, secondo una nutrita recensione delle principali esperienze internazionali, si possono riassumere nei seguenti aspetti (HIREMATH 2005)

- scopi generali e specifici del modello

- la struttura del modello: ipotesi interne e ipotesi esterne - l’approccio analitico: top-down oppure bottom-up - la metodologia di base

- l’approccio matematico

- l’estensione geografica: globale,nazionale, regionale, locale o di progetto - copertura settoriale

- l’orizzonte temporale: corto, medio o a lungo termine - I dati necessari

L’aspetto che più caratterizza le prestazioni richieste al modello è “lo scopo”; i modelli di aiuto alla decisione (DSS) riferibili alla industria della produzione e distribuzione di energia trovano un forte interesse alla previsione dei carichi orari sulla rete per l’ottimizzazione tra le diverse fonti energetiche (SHEM 2008), mentre modelli di stampo più valutativo pongono l’accento su aspetti di natura ambientale o economici per i quali non è tanto di interesse la previsione oraria dei consumi, quanto l’esplicitazione delle relazioni che li legano alle condizioni del sistema come, quelle politiche ed economiche.

L’estensione geografica del modello è fortemente legata allo scopo che esso si prefigge: questa può abbracciare un territorio molto ampio (regionale nazionale ed internazionale), perché la fornitura locale di energia dipende da una rete di natura trans-nazionale di distribuzione, produzione e vendita; oppure scendere al livello più locale (regionale, provinciale, urbana) quando si vogliano esplicitare le ricadute territoriali dipolitiche di risparmio energetico o di produzione da FER.

La pianificazione energetica, nella sua accezione tradizionale, cerca di prevedere la configurazione ottimale tra il set di risorse e di sistemi di conversione di energia, adatta a soddisfare la domanda futura di energia. L’attuale stato del sistema di approvvigionamento energetico è stato largamente influenzato da un approccio di ottimizzazione economica e prestazionale centralizzato (trad HIREMATH 2005). L’utilizzo delle tecnologie per la produzione di energia da fonti rinnovabili, fortemente dipendenti dalle caratteristiche territoriali locali, e l’accresciuta convinzione dell’importanza di una gestione accurata dei consumi anche del settore residenziale hanno spostato l’attenzione alla pianificazione energetica su scale inferiori fino ad arrivare a quella urbana o del singolo quartiere.

Il settore residenziale consuma principalmente energia secondaria e rappresenta circa il 30% del fabbisogno mondiale di energia con percentuali diverse nazione per nazione (FIg. n°5.1).

Fig. n°5.1: incidenza dei consumi per usi residenziali di alcune nazioni (SAIDUR 2007)

La definizione di un DSS per la pianificazione energetica rivolta al settore residenziale incontra però una serie di difficoltà che derivanti dalle caratteristiche intrinseche dell’oggetto di analisi. Nonostante l’apprezzabile incidenza dei consumi riferibili al settore residenziale, non esistono sistemi efficaci per il loro monitoraggio per via della natura particolarmente diffusa e variegata dei consumi. Le attività industriali e produttive sono più facilmente documentabili in quanto fonti localizzate di forti consumi sottoposte ad un alto livello di controllo. Energy consumption of other major sectors such as commercial, industrial, agriculture and transportation are better understood than the residential sector due to their more centralized ownership, self-interest and expertise in reducing energy consumption, and high levels of regulation and documentation (SWAN 2009)

Il consumo energetico per usi residenziali ha una natura diffusa sul territorio: essa è costituita da un universo fortemente variegato di micro utenze per le quali è difficile avere dei dati spazialmente riferibili e non sono generalmente possibili azioni di controllo puntuali. Esistono perciò numerosi studi che stimano

l’incidenza del settore sul bilancio energetico totale ma pochi sono in grado di esplicitarne spazialmente i contributi locali.

Focalizzando l’attenzione sui modelli che specificatamente si riferiscono al settore residenziale, Swan et altri affermano che la principale differenziazione tra i modelli in uso può essere ricondotta al tipo di approccio analitico: top-down o bottom-up. La differenza tra questi due metodi è la posizione gerarchica dei dati di input rispetto al risultato ricercato. Top-down models utilize the estimate of total residential sector Energy consumption and other pertinent variables to attribute the energy consumption to characteristics of the entire housing sector. In contrast, bottom-up models calculate the energy consumption of individual or groups of houses and then extrapolate these results to represent the region or nation (SWAN 2009)

I due approcci analitici si prestano all’uso di diversi metodi matematici di calcolo, e, presupponendo diversi dati input, forniscono risultati con precisioni e caratteristiche proprie. Swan, citando una serie di esperienze inerenti alla stima degli usi finali a scala regionale o nazionale, dagli anni ‘70 ad oggi, identifica le principali famiglie di metodi matematici utilizzati (fig n°5.2) e ne riassume i principali punti di forza e di debolezza.

Fig. 5.2: Tecniche di modellizzazione del fabbisogno del settore residenziale (SWAN 2009)

Gli approcci top-down, relativamente facili da sviluppare, sono basati su indicatori di tipo macroeconomico (prezzi, reddito, clima, serie dei consumi energetici) e sono largamente utilizzati per le previsioni a medio e lungo termine della domanda per la fornitura di energia. Questi modelli ben rappresentano le relazioni tra i consumi energetici del settore residenziale e le variabili socio economiche ma, oltre che non avere la possibilità di approfondire la scala dell’analisi, mal riescono a simulare gli effetti dei progressi tecnologici; essi non possono prevedere gli effetti futuri di processi che non hanno serie storiche sulle quali basare le analisi. Di conseguenza, per la ricerca di un DSS per la definizione di politiche ed incentivi riferiti alle nuove tecnologie, l’attenzione verrà spostata su approcci bottom-up.

Questi ultimi si possono ulteriormente dividere in base al tipo di metodologia matematica utilizzata: di estrazione statistica o di tipo ingegneristico. Le metodologie statistiche legano, tramite svariati metodi di

regressione, i dati osservati dalle bollette di consumo energetico di un gruppo di edifici campione con le caratteristiche degli immobili ed altre variabili di natura socio economica. Tali metodi hanno il pregio di essere particolarmente flessibili, potendo legare con relazioni di natura inferenziale variabili diverse, ed avere architetture semplici basate su tipologie di dati aggregati e generalmente già disponibili. La caratteristica principale di questi modelli, insieme fattore di pregio e di debolezza, è che, utilizzando legami di natura inferenziale tra i consumi e le variabili descrittive del sistema, da una parte riescono a tenere conto delle abitudini comportamentali dell’utenza ma dall’altra non sono in grado di simulare le risposte del sistema ad innovazioni tecnologiche o politiche di incentivazione in quanto i coefficienti stimati non sono rappresentativi di grandezze fisiche o relazioni analitiche dirette.

Sono documentate numerose esperienze di uso di queste metodologie che riportano modelli regressivi molto raffinati, capaci di minimizzare l’errore residuo, ma nel caso il focus dello studio sia riferito alle innovazioni tecnologiche o fisiche degli edifici i metodi che risultano più adatti sono quelli di estrazione ingegneristica. Questi metodi partono dalle grandezze fisiche che caratterizzano il patrimonio edificato e, tramite metodi analitici, possono calcolare i fabbisogni energetici. La scelta di diversi dati di partenza porta alla strutturazione di metodologie di calcolo diverse: in generale a fronte di una forte rappresentatività dei fenomeni fisici si ottengono modelli con dati di input complicati e spesso difficilmente reperibili. Alcuni modelli si basano su dati riguardanti la presenza ed il tipo di impianti (ricavati da vendite, dati statistici o appositi censimenti) ed, utilizzando i dati fisici che li caratterizzano (potenza, efficienza), pervengono alla determinazione del consumo energetico del settore residenziale1. Altri modelli invece, al fine di esplicitare il legame tra i consumi i caratteri fisici del patrimonio edilizio, definiscono un insieme di prototipi di edifici rappresentativi dell’intero sistema, dei quali calcolare analiticamente i consumi, per poi moltiplicarlo per tutti gli edifici reali riconducibili ai prototipi preparati2; grazie all’uso di prototipi semplificati si riducono i dati di ingresso ed è possibile creare modelli mirati agli specifici aspetti oggetto di studio. Un simile procedimento può essere attuato utilizzando, al posto dei prototipi, un campione sufficientemente rappresentativo di casi reali3; teoricamente questo metodo rappresenterebbe al meglio la realtà ma il trattamento di una mole ingente di dati di ingresso e, soprattutto, la difficoltà nel reperimento degli stessi, ne limita fortemente l’utilizzo.

Swan richiama principalmente esperienze focalizzate alla determinazione degli usi finali dell’energia nel settore residenziale riferite ad una scala territoriale generalmente superiore di quella urbana di nostro interesse, ma fornisce una griglia volutamente esemplificativa dei diversi approcci che potrà essere di riferimento teorico nell’approntamento della metodologia (fig n°5.3). Esistono numerose esperienze che utilizzano approcci ibridi nell’intento di sfruttare i vantaggi propri dei diversi metodi di calcolo o di mitigarne i difetti; in ogni caso il riferimento a simili categorie teoriche è sempre forte ed esplicito.

1

Ci si riferisce ai modelli indicati dal Swan et altr. come Population Distribution 2

Ci si rifesce ai modelli indicati dal Swan et altr. come Archetype 3

Fig n°5.3 Pro e contro delle tecniche di modellizzazione [SWAN, 2009]

Riferendosi alla scala di nostro interesse, Shem (2008), nel loro studio delle variazioni del clima urbano a causa del calore rilasciato in atmosfera dagli edifici, riportano alcune esperienze di metodologie per la stima del fabbisogno energetico del patrimonio edificato dividendole ancora in approcci top-down e bottom-up. Sono descritte alcune esperienze riferibili ai due approcci e analizzate le principali caratteristiche circa i dati di ingresso e i risultati; in particolare: la qualità, la quantità e la reperibilità dei dati di ingresso; la qualità, la precisione, e la disaggregazione dei risultati. Per esplicitare i risultati ad un conveniente grado di disaggregazione, viene utilizzato un modello bottom-up basato sulla precisa definizione degli equilibri termici di prototipi rappresentativi dell’intero patrimonio edilizio.

Appare evidente che la scelta dell’approccio e della metodologia di calcolo non sia solo influenzata dall’obiettivo della ricerca, ma che abbia un peso fondamentale anche la tipologia dei dati di input. L’aspetto quantitativo dei dati, ossia la mera numerosità degli stessi, non è più un aspetto molto vincolante perché si sottintende un continuo aumento delle prestazioni dei calcolatori; al contrario la reperibilità dei dati, nei tempi e costi sostenibili e con l’accuratezza necessaria, è ancora un aspetto di primaria importanza.

La disponibilità di dati riferibili al patrimonio edilizio ed alle sue prestazioni termiche varia notevolmente a seconda dei contesti territoriali in cui ci si trova ad operare rendendo le metodologie non sempre direttamente esportabili.

Concludendo, gli aspetti principali da tenere in considerazione nell’approcciarsi alla modellizzazione dei fabbisogni energetici degli edifici possono essere:

lo scopo dello studio che implica una precisa scala e richiede una certa tipologia di risultati; i dati di ingresso ed i sistemi di reperimento dei dati che condizionano le metodologie di calcolo;

l’algoritmo di calcolo che cerca di ottenere i risultati attesi con limiti imposti dai dati di ingresso, mantenendo semplicità d’uso e di lettura dei risultati.

Qualunque sia il modello o l’approccio utilizzato, e qualunque siano i risultati attesi, le voci di consumo ascrivibili al settore residenziale sono riassumibili in tre componenti, definite in base alle principali variabili dalle quali dipendono (SWAN 2009; ROBINSON 2007):

• la quantità di energia necessaria al mantenimento del comfort dell’ambiente interno ossia il riscaldamento ed il raffrescamento dell’edificio (Heating, Ventilation and Air Conditioning, HVAC), che dipende principalmente dagli elementi fisico-tecnologici dell’edificio quali l’orientamento, la qualità e la tipologia dell’involucro edilizio e tiene conto dei guadagni solari passivi e delle perdite per infiltrazione e ventilazione;

• la quantità di energia per la fornitura dell’acqua calda sanitaria (Domestic Hot Water, DHW) per gli usi appropriati ed in quantità sufficiente agli occupanti dell’edifico, che naturalmente dipende dal tipo di impianto utilizzato, ma mostra anche una forte variabilità legata al numero e alle abitudini degli occupanti; • la quantità di energia elettrica necessaria all’utilizzo degli elettrodomestici e per una adeguata

illuminazione (Appliances and lighting, AL), condizionata prevalentemente dalle abitudini degli utilizzatori.