Le possibili variabili su cui agire per una gestione ottimizzata di un impianto complesso come quello presente all’Ospedale Versilia sono molteplici.
L’installazione di un gruppo frigorifero ad assorbimento, correttamente dimensionato e con capacità di modulazione, potrebbe essere uno degli interventi da eseguire, nonostante i risultati poco promettenti riscontrati in questo elaborato, sia a causa dell’efficienza ridotta dell’attuale chiller, che non garantisce i tradizionali vantaggi di un impianto di trigenerazione (o perlomeno, non in maniera consistente), sia per un migliore sfruttamento del cascame termico in uscita dalla centrale di cogenerazione. L’alimentazione ad acqua calda anziché a vapore saturo renderebbe inoltre il funzionamento più stabile, e rappresenta reale oggetto di interesse.
La sostituzione dell’attuale cogeneratore e del gruppo di microturbine con un nuovo motore a combustione interna, di taglia superiore e che possa modulare, sembra essere un’attrattiva interessante, anche in virtù dei risultati parziali ottenuti dalla simulazione presentata in questo lavoro. È necessario un corretto dimensionamento della macchina e degli scambiatori per il recupero di energia termica, per verificare la reale qualità dell’investimento. È necessario infatti, sottolineare che le analisi economiche presentate in questo elaborato, riferite alla sostituzione delle due macchine riportate in precedenza, non sono state effettuate valutando l’investimento effettivo: per determinare la bontà dell’acquisto del nuovo cogeneratore o del nuovo
159 gruppo frigorifero ad assorbimento è necessario approcciarsi al problema considerando anche il costo d’investimento legato all’acquisto delle due unità, e valutare accuratamente il periodo di ritorno economico. Si ricorda che la seguente trattazione è eseguita su base oraria: incrementare la frequenza di campionamento e rendere più fitta e puntuale la registrazione dei dati, potrebbe portare a risultati più precisi che rappresentino meglio il reale funzionamento dell’impianto. L’implementazione nell’attuale B.M.S. di software più avanzati, di una migliore interfaccia per il prelievo di registrazioni storiche, o ad esempio l’integrazione di un tool per la previsione dei carichi apporterebbero sicuramente benefici per la gestione impiantistica.
Inoltre l’adozione di differenti modelli per il forecasting, più strutturati e complessi, porterebbe verso una previsione delle variabili in ingresso (soprattutto dei carichi orari dell’ospedale) più accurata, riducendo il gap tra la strategia con previsione ideale IOM e la RTOO, che in questa analisi riportano i risultati più promettenti.
160
Bibliografia, fonti e riferimenti
[1] Agenzia nazionale per le nuove tecnologie, l'energia e lo sviluppo economico sostenibile (ENEA) – Agenzia Nazionale Efficienza Energetica: Rapporto annuale efficienza energetica. Analisi e risultati delle
policy di efficienza energetica del nostro paese, 2019
[2] Ezio Bigotti: La riqualificazione energetica nella sanità. Dal sistema complesso ospedaliero al modello
di efficientamento energetico, 2012
[3] W. Grassi, D. Testi, E. Menchetti, D. Della Vista, M. Bandini, L. Niccoli, G. L. Grassini, G. Fasano:
Valutazione dei consumi nell’edilizia esistente e benchmark mediante codici semplificati: analisi di edifici ospedalieri, 2009
[4] S. Maestrelli, F. Maggiorelli, S. Matteucci: Il Bilancio Ecologico: L’Azienda Sanitaria Locale – L’Ospedale
Versilia, 2009
[5] S. Maestrelli, Associazione Italiana Condizionamento dell’aria Riscaldamento e Refrigerazione (AiCARR): L’esperienza ecoefficiente dell’Ospedale “Versilia” (Abstract), 2016
[6] L. Urbanucci, D. Testi, J. C. Bruno: An operational optimization method for a complex polygeneration
plant based on real-time measurements, 2018
[7] Nicola Giulietti, Analisi energetica ed economica di sistemi di trigenerazione per applicazioni
ospedaliere, 2008
[8] Roland Stull: Wet-Bulb Temperature from Relative Humidity and Air Temperature, 2011
[9] L. Mentaschi, G. Besio, F. Cassola, A. Mazzino: Problems in RMSE-based wave model validations, 2013 [10] Liana Zambresky: A verification study global WAM model, 1988
[11] David Fairman: Assessing the Outdoor Operating Temperature of Photovoltaic Modules, 2008
[12] Thomas Huld, Ana M. Gracia Amillo: Estimating PV Module Performance over Large Geographical
Regions: The Role of Irradiance, Air Temperature, Wind Speed and Solar Spectrum, 2015
[13] Thomas Huld, Gabi Friesen, Artur Skoczek, Robert P. Kenny, Tony Sample, Michael Field, Ewan D. Dunlop: A power-rating model for crystalline silicon PV modules, 2011
[14] Thomas Huld, Richard Müller, Attilio Gambardella: A new solar radiation database for estimating PV
performance in Europe and Africa, 2012
[15] Michael Koehl, Markus Heck, Stefan Wiesmeier, Jochen Wirth: Modeling of the nominal operating cell
161 [16] European Committee for Standardization (CEN): Heating systems in buildings – Method for calculation
of system energy requirements and system efficiencies – Part 4-2: Space heating generation systems, heat pump systems, 2006
[17] Zhenjun Ma, Shengwei Wang, Xinhua Xu, Fu Xiao, A supervisory control strategy for building cooling
water systems for practical and real time applications, 2008
[18] Air-conditioning, Heating and Refrigeration Institute (AHRI), AHRI Standard 551/591 (SI) – 2018
Standard for Performance Rating of water-chilling and Heat Pump Water-heating Packages Using the Vapor Compression Cycle, 2018
[19] Michal Dvorák, Petr Havel: Combined heat and power production planning under liberalized market
conditions, 2012
[20] Zhe Zhou, Pei Liu, Zheng Li, Efstratios N. Pistikopoulos, Michael C. Georgiadis: Impacts of equipment
off-design characteristics on the optimal design and operation of combined cooling, heating and power systems, 2013
[21] Hongwei Li, Razi Nalim, P.A. Haldi: Thermal-economic optimization of a distributed multi-generation
energy system – A case study of Beijing, 2006
[22] P. J. Mago, N. Fumo and L. M. Chamra: Performance analysis of CCHP and CHP systems operating
following the thermal and electric load, 2009
[23] Amanda D. Smith, Pedro J. Mago: Effects of Load-Following Operational Methods on Combined Heat
and power system energy, 2017
[24] Gestore dei Servizi Energetici (GSE): Cogenerazione ad Alto Rendimento per la Pubblica
Amministrazione, 2019
[25] Gestore dei Servizi Energetici (GSE): Guida alla Cogenerazione ad Alto Rendimento CAR –
Aggiornamento dell’edizione 1, 2018
[26] Istituto Superiore per la Protezione e la Ricerca Ambientale (ISPRA): Rapporto Ispra: Fattori di
emissione atmosferica di gas a effetto serra nel settore elettrico nazionale e nei principali Paesi Europei,
2019
[27] Istituto Superiore per la Protezione e la Ricerca Ambientale (ISPRA): Fattori di emissione atmosferica
162
Normativa
[28] Ministero dei Lavori Pubblici: Circolare del 22/11/1974, n.13011: Requisiti fisico-tecnici per le
costruzioni edilizie ospedaliere. Proprietà termiche, igrometriche, di ventilazione e di illuminazione,
1974
[29] UNI 10339: Impianti aeraulici ai fini di benessere. Generalità, classificazione e requisiti. Regole per la richiesta d’offerta, l’offerta, l’ordine e la fornitura, 1995
[30] Decreto del Presidente della Repubblica del 14/01/1997: Approvazione dell'atto di indirizzo e coordinamento alle regioni e alle province autonome di Trento e di Bolzano, in materia di requisiti strutturali, tecnologici ed organizzativi minimi per l'esercizio delle attività sanitarie da parte delle strutture pubbliche e private, 1997
[31] Specifica tecnica UNI/TS 11300-2: Prestazioni energetiche degli edifici – Parte 2: Determinazione del fabbisogno di energia primaria e dei rendimenti per la climatizzazione invernale, per la produzione di acqua calda sanitaria, per la ventilazione e per l'illuminazione in edifici non residenziali, 2019
[32] UNI 11425: Impianto di ventilazione e condizionamento a contaminazione controllata (VCCC) per il blocco operatorio - Progettazione, installazione, messa in marcia, qualifica, gestione e manutenzione,
2011
[33] Decreto Legislativo 8 febbraio 2007, n.20: Attuazione della direttiva 2004/8/CE sulla promozione della
cogenerazione basata su una domanda di calore utile nel mercato interno dell'energia, nonché modifica alla direttiva 92/42/CEE, 2007
[34] Ministero dello Sviluppo Economico: Decreto Ministeriale del 4 agosto 2011: Integrazioni al decreto
legislativo 8 febbraio 2007, n.20, di attuazione della direttiva 2004/8/CE sulla promozione della cogenerazione basata su una domanda di calore utile sul mercato interno dell’energia, e modificativa della direttiva 92/42/CE, 2011
[35] Ministero dello Sviluppo Economico: Decreto Ministeriale del 5 settembre 2011: Definizione del nuovo
regime di sostegno per la cogenerazione ad alto rendimento, 2011
[36] Ministero dello Sviluppo Economico – Dipartimento dell’Energia: Linee guida per l’applicazione del
Decreto del Ministero dello Sviluppo Economico 5 settembre 2011 – Cogenerazione ad Alto
Rendimento (CAR), 2012
[37] Commissione Europea: Regolamento delegato (UE) 2015/2402 della Commissione del 12 ottobre 2015:
che rivede i valori di rendimento di riferimento armonizzati per la produzione separata di energia elettrica e di calore in applicazione della direttiva 2012/27/UE del Parlamento europeo e del Consiglio e che abroga la decisione di esecuzione 2011/877/UE della Commissione, 2015
163
Sitografia
[38] Servizio Sanitario della Toscana – Azienda USL Toscana Nord Ovest: ▪ https://www.uslnordovest.toscana.it/ospedali/47-unico-versilia
▪ https://www.uslnordovest.toscana.it/trasparenzausl12/2012/09/05/ospedale-versilia- primo-in-europa-con-certificazione-energetica-classe-b/index.html
[39] European Commission – Photovoltaic Geographical Information System (PVGIS): Data sources and
calculation method, https://ec.europa.eu/jrc/en/PVGIS/docs/methods
[40] European Commission – Photovoltaic Geographical Information System (PVGIS): JRC PVGIS Interactive
Tool: https://re.jrc.ec.europa.eu/pvg_tools/it/#DR
[41] Gestore dei Mercati Energetici (GME): Mercati elettrici – Dati storici Excel: Dati storici MGP, https://www.mercatoelettrico.org/it/download/DatiStorici.aspx
[42] Gestore dei Mercati Energetici (GME): Mercati Gas – Dati storici Excel: Dati storici mercati gas, https://www.mercatoelettrico.org/It/Download/DatiStoriciGas.aspx
[43] Gestore dei Mercati Energetici (GME): Mercati Ambientali – Titoli di Efficienza Energetica, https://www.mercatoelettrico.org/It/Statistiche/TEE/StatisticheTEE.aspx
164
Appendice
In questa sezione si cercherà di riassumere il procedimento adottato nella realizzazione di questa tesi, concentrandosi principalmente sulle analisi effettuate sui dati di monitoraggio prelevati attraverso il software Satchwell Sigma.
Nonostante i carichi, i prezzi e le condizioni climatiche rappresentino le condizioni al contorno a monte per la conduzione delle simulazioni, il primo passo effettuato è stata la modellazione delle macchine e degli algoritmi delle strategie operative, il tutto implementato nello spazio di lavoro del software MATLAB. Per quanto possa sembrare controintuitivo, l’operazione di modellizzazione non è correlata o dipendente dalle condizioni in ingresso del sistema, ed è stato necessario effettuarla precedentemente all’analisi dati a causa del lockdown imposto a seguito della pandemia Covid-19, che ha impedito l’operazione di prelievo dal sistema BMS dell’Ospedale Versilia.
In seguito sono stati definiti i prezzi dell’energia e le condizioni climatiche tipiche della località geografica (utilizzate anche per le correzioni effettuate sui carichi “ricostruiti”), che come già anticipato sono state rispettivamente prelevate dai siti web del Gestore dei Mercati Energetici [41][42], e dal tool interattivo del PVGIS [40], e che costituiscono le condizioni al contorno tempo-variabili, assieme ai carichi energetici del presidio ospedaliero.
Per verificare la validità dei modelli e degli algoritmi creati sono state lanciate delle prime simulazioni utilizzando come curve di carico quelle ricreate ripetendo su tutto l’arco temporale il fabbisogno giornaliero di alcuni giorni tipo nelle differenti stagioni [7], verificando che gli ordini di grandezza corrispondessero con quelli dichiarati. Questo ha permesso anche di correggere i futuri carichi ricostruiti con il metodo riportato al Capitolo 3.1, avvicinandosi di più al reale andamento orario32.
È stato quindi implementato il sistema di forecasting per la previsione delle condizioni al contorno, utilizzando come base per la validazione le grandezze disponibili via web (prezzi dell’energia e dati climatici), e solo a seguito della fine del lockdown e con l’inizio della collaborazione con l’azienda CPL Concordia è stato possibile scaricare i dati.
I dati sono disponibili sotto forma di tabelle orarie, con differenti cadenze a seconda del periodo storico considerato o della tipologia di grandezza d’interesse, e sono suddivisi su quattro colonne corrispondenti alla data, all’orario di prelievo della misura, alla lettura espressa con la relativa unità di misura (ove presente) e al valore associato; se ne riporta un esempio in Figura A.1. La maggior parte dei dati è disponibile con cadenza di mezzora, ma si è deciso di condurre analisi con passo di un’ora, in quanto alcune grandezze presentano registrazioni con frequenza meno elevata, come la potenza in ingresso/uscita scambiata con la rete, che ha cadenza oraria.
32 Secondo il parere dell’autore il carico termico per il riscaldamento e il carico frigorifero sono stati sovrastimati, in particolare il primo dei due, ed una parziale conferma è data dall’elevato fattore di utilizzo di una delle due caldaie di taglia maggiore, riscontrato nelle simulazioni, che nella realtà non trovano invece largo impiego, secondo quanto risulta dalle tabelle di accensione dei generatori tradizionali prelevate dal BMS.
165
Figura A.1: Presentazione tipica delle tabelle prelevate via BMS, successivamente riportate su fogli di calcolo
Tabella A.1: Grandezze prelevate da BMS che sono state utilizzate attivamente in questo elaborato
Grandezza Unità di misura Periodo Cadenza
Stato GF1 – 2017 – 2019 30 min
Temperatura di mandata GF1 °C 2017 – 2019 30 min
Stato GF2 – 2017 – 2019 30 min
Temperatura di mandata GF2 °C 2017 – 2019 30 min
Stato GF3 – 2017 – 2019 30 min
Temperatura di mandata GF3 °C 2017 – 2019 30 min
Stato GFA – 2017 – 2019 30 min
Temperatura di mandata GFA °C 2017 – 2019 30 min Temperatura di ritorno freddo °C 2017 – 2019 30 min Temperatura di mandata freddo °C 2017 – 2019 30 min Portata totale UTA (2°livello + 7°livello) L/s 2017 – 2019 30 min
Metano turbine m3 2014 – 2019 30 min
Energia prodotta turbine kWh 2014 – 2019 30 min Potenza prodotta turbina B kW 2014 – 2019 30 min Potenza prodotta turbina C kW 2014 – 2019 30 min Potenza prodotta turbina D kW 2014 – 2019 30 min Potenza totale turbine kW 2017 – 2019 15 min Potenza scambiata con la rete kW 2017 – 2019 1 ora
In Tabella A.1 si riportano le grandezze prelevate dai registri storici del sistema BMS che hanno trovato effettivo riscontro ai fini di questa trattazione, con relativa cadenza e periodo di prelievo; per alleggerire la trattazione non è stata riportata in tabella la vasta quantità di dati che non ha invece trovato utilizzo. In particolare, le grandezze ritenute valide sono state utili per:
166 ▪ La determinazione dei carichi frigorifero ed elettrico
▪ La scelta dei fattori di carico programmati per il modello della gestione attuale ▪ La determinazione del rendimento elettrico per il funzionamento reale delle turbine
Oltre ai dati prelevati dal sistema BMS, sono stati forniti datasheet e schede tecniche delle macchine e dei dispositivi descritti nel corpo principale della tesi, attraverso le quali è stato possibile creare modelli che descrivano il funzionamento quantomeno teorico di macchine realmente esistenti ed attive; è stato inoltre messo a disposizione il libro macchina del cogeneratore, dal quale si è risaliti al programma di funzionamento, all’energia e potenza prodotta, alle ore di funzionamento, utili a definire il carico elettrico al Capitolo 3.1.4. I dati sono dapprima stati oggetto di pulizia e filtraggio, dato che in determinati periodi presentavano “buchi” in cui non erano presenti valori, e in alcuni casi si assisteva alla presenza di valori fasulli e incoerenti dal punto di vista fisico. Sono state eseguite in particolare le seguenti operazioni:
▪ Eliminazione dei valori doppi e/o ripetuti ▪ Riallineamento orario
▪ Eliminazione dei valori non validi
In Figura A.2 si riportano alcuni esempi delle problematiche relative ai dati prelevati.
Figura A.2: Tipici problemi riscontrati nell'operazione di filtraggio
Per definire le rimanenti curve del fabbisogno energetico e ricoprire eventuali lacune tecniche si è fatto invece ricorso a materiale presente in letteratura [7], con riferimento ad altri casi studio dell’Ospedale Versilia.
167 A seguito della determinazione di tutte le variabili in ingresso al sistema, è stato possibile simulare le strategie proposte e descritte al Capitolo 5.3 su tutto l’arco temporale, fissato a un anno, costituito da 8760 time step corrispondenti ad un’ora di funzionamento cadauno.
In Figura A.3 si riporta la flowchart che descrive il metodo utilizzato e la procedura seguita per la determinazione di tutti gli input del sistema, a monte delle simulazioni.
Figura A.3: Flowchart esplicativa del procedimento adottato a monte delle simulazioni, lanciate come ciclo for su MATLAB per 8760
168
Ringraziamenti
Devo ammettere che non avrei mai pensato di trovare tanta difficoltà a scrivere questo breve capitolo, per il quale non è stata necessaria nessuna ricerca, nessuno studio, nessuna analisi. Probabilmente mi risulta più semplice scrivere con la testa anziché col cuore, ma proverò a fare un’eccezione.
Ringrazio il Professor Daniele Testi, che ha contribuito all’avanzamento, alla stesura e alla supervisione di questa tesi: i suoi preziosi consigli mi hanno accompagnato fino alla fine di questo importante percorso, e mi hanno certamente aiutato a crescere dal punto di vista professionale.
Ringrazio CPL Concordia per avermi accolto e per aver permesso il mio ingresso nel mondo del lavoro, i colleghi del Versilia per il sostegno e la pazienza dimostrata nei miei confronti; soprattutto ringrazio il tutor Mirko
Belluco, che nonostante le limitate occasioni di incontro, mi ha continuamente stimolato e ha reso questa
esperienza di tirocinio non solo interessante, ma anche altamente formativa.
Vorrei ringraziare inoltre i miei amici, i Cavallieri, che questo anno sciagurato mi ha impedito di vedere per mesi, senza però toglierci il gusto di ritrovarci virtualmente per condividere qualche momento in buona compagnia.
Non posso non ringraziare la mia famiglia, sia perché mi garantite sempre un tetto sopra la testa, sia perché so che non mi lascerete mai a stomaco vuoto. Soprattutto voglio ringraziarvi per il vostro aiuto e il vostro amore, sempre incondizionato, sempre benvoluto, sempre necessario, e ve lo assicuro, sempre ricambiato. Ti voglio bene Samu, ti voglio bene babbo, ti voglio bene mamma.
Infine, vorrei poter spendere qualche riga in più per ringraziare un piccolo miracolo. A te dico “grazie”, Elisabetta, per aver lasciato aperta la porta, permettendo che entrasse uno spiraglio di luce nella mia vita: quella stessa luce adesso guida i miei passi, e mi permette di vedere con chiarezza che il mio posto è dove sei anche tu. Nessuna vittoria, nessun traguardo, potranno mai essere più importanti di un solo giorno passato accanto a te.