Progetto C.1: “Risparmio di energia elettrica nei settori : civile, industria e servizi”
Smart Building
Networks Management
Mauro Annunziato*, Stefano Pizzuti*
ENEA – Dip. Tecnologie Energetiche
*Dir. Div. «Smart Energy»
*Dir. Lab. «Smart Cities & Communities»
[email protected]
Dalla Efficienza Energetica alla Smart City
Energia
consumata
per un servizio
urbano
Efficienza energetica
dei componenti
Componenti migliori
Organizzazione
del sistema
Riorganizzazione del sistema
Smart Building –> Interactive Buildings
Smart Building Network
Smart Building Network
MANAGMENT
OPTIMIZATION
REMOTE
MONITORING
NETWORK
SUPERVISORS
Cost/Energy
Optimization
Active Demand
Management
GRID
DISTRIBUTOR
La qualificazione della metodologia
Smart building
Building Network
Smart
Village
TRL 3-4
District Simulation
TRL 5
TRL 6-8
Discounted Cashflow
Flussi di cassa cumulativi attualizzati
€ 200.000,00
€ 150.000,00
€ 100.000,00
€ 50.000,00
€0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
€ -50.000,00
€ -100.000,00
Anni
Business model
Cities
Ricerca di sistema – Piano Triennale 12-14
Building Network Management: la roadmap
PAR 2012
Sviluppo
metodologie
1.
2.
3.
4.
PAR 2013
Sperimentazione
su singolo
edificio/simulatore
Simulatore strategie di controllo edificio
Metodi di diagnostica/controllo edificio
Realizz/validaz edifici pilota
Definizione algoritmi di ottimizzazione
e scenario di ‘active demand’
5. Network europei
PAR 2014
Qualificazione controllore
di rete su Smart Village
1.
2.
3.
4.
5.
2014-2020
Trasferimento
a contesti urbani
Prototipo integrato controllore rete
Test su simulatore di distretto
Qualificazione su rete Smart Village
Modello di business
Network europei/italiani
1. Qualificazione modelli diagnostica e
controllo su edifici pilota (smart)
2. Validazione su simulatore di
metodologie di active demand
3. Network europei/italiani
1. Applicazioni urbane (Bari,
Brescia, L’Aquila, H2020-Roma)
2. Applicazioni territoriali
(stakeholders)
3. Trasferimento ad aziende
4. Città, Patto dei sindaci, ANCI
5. Modello per direttiva EU su
efficienza energetica
Lo Smart Village
al Centro Ricerche ENEA Casaccia
Piattaforma ICT
•Smart Lighting
•Smart Mobility
•Smart Building
Torri faro + Telecamere
Smart Village
Control room
Smart Building
Edificio F40
Smart Street
Smart buildings F65-F73
Viale LED + Smart Lighting
Smart Mobility
Navetta elettrica con monitoraggio on-line
verso pali intelligenti e control room
Ricercatori ENEA
cittadini
Control
room
Rete idrica
Rete di 10 smart buildings
La rete di ricerca su Smart Buildings Network
Partners
industriali
Rete di ricerca
Le funzioni del Building Network Management
Profiling
Diagnostics
Network
Supervisor
Aggregator
Level
Adaptive Control
Optimization
Benchmarking
• set points
• strategies
Active demand
Sensors
data
BEMS
BEMS
BEMS
Building Level
Actuators
commands
Smart Building
Sensoristica
Misura dei
consumi
Condizioni
ambientali indoor e
outdoor
Diagnostica
La gestione ottimizzata dell’edificio minimizza i consumi
1.Profiling
Dati climatici esterni
Dati climatici interni
Consumi elettrici
Consumi termici
Presenza di utenti
Settings di regolazione
apprendimento
Dati climatici esterni
Presenza di utenti
Settings di regolazione
Building
Predictive
Model
Consumi
Comfort
2. Diagnostica Avanzata:
risalire dai sintomi alle cause
PREPROCESSING
Sintomo o anomalia riscontrabile
attraverso la lettura dei dati di
monitoraggio
P1. Picco di consumo energia
elettrica (illuminazione)
SITUATION ASSESSMENT
Individuazione dell’evento origine del
sintomo
P3. Picco di consumo energia
termica o risorsa energetica
(riscaldamento)
P4. Picco di consumo energia
termica (raffreddamento)
P5. Trend anomalo di energia
termica rispetto
all’andamento storico
ricorrente (riscaldamento) S4
P6. Trend anomalo di energia
termica rispetto
all’andamento storico
ricorrente (raffreddamento)
P5
P16
P17
P7. Trend anomalo di energia
elettrica rispetto
all’andamento storico
ricorrente (raffreddamento)
P8. Trend anomalo di energia
elettrica rispetto
all’andamento storico
ricorrente (illuminazione)
P9. Cambio del valore medio di
potenza elettrica assorbita
(illuminazione)
P10. Cambio del valore medio di
potenza elettrica assorbita
(raffreddamento)
P11. Cambio del valore medio di
potenza termica assorbita
CAUSES
Causa effettiva dell’evento
S1. Accensione contemporanea di un
numero anomalo di utenze
elettriche rispetto al livello di
occupazione (illuminazione)
S2. Accensione impianti,
strumentazione o terminali per il
riscaldamento al di fuori
dell’orario previsto di
funzionamento
S3. Accensione contemporanea di un
numero anomalo di utenze
elettriche rispetto al livello di
occupazione (f.e.m)
S4. Immissione incontrollata di aria
esterna (apertura finestre)
C5
P2. Picco di consumo energia
elettrica (climatizzazione)
C1. C1. Sostituzione apparecchi di
illuminazione con altri di diversa
potenza
C2. C2. Guasto dell’orologio in centrale
termica
C1. C3. Guasto localizzato impianto termico
(malfunzionamento o rottura delle
pompe di circolazione) per il circuito
di riscaldamento
C2. C4. Guasto localizzato impianto termico
(malfunzionamento o rottura
ventilatori)
C3. C5. Guasto localizzato impianto termico
(malfunzionamento
o rottura macchina
S13
frigorifera)
S5. Impostazione anomala set-point
termostato locale
S6
P18
P6
risparmio energetico: 5-30 %
S5
S6. Accensione impianti,
strumentazione o terminali per il
raffrescamento al di fuori
dell’orario previsto di
funzionamento
S7. Accensione utenze elettriche
locali al di fuori degli orari di
P7
P10
lavoroP12
(f.e.m)P16 P17
S8. Accensione apparecchi di
P11
illuminazione degli spaziP5comuni
al di fuori degli orari di lavoro
C4. C6. Guasto localizzato impianto
(malfunzionamento o rottura
generatore di calore a combustione)
P6
P7
P12
P13
P23
P33
P16
P10
C5. C7. Rottura termostato ambiente
P4
P13
P2
C6. C8. Rottura o malfunzionamento del
P16
terminale di emissione in ambiente
(riscaldamento)
Quale causa è “più
supportata” dai “sintomi”
che riscontro dai dati ?
S9. Elevate perdite energetiche al
C7. C9. Rottura o malfunzionamento del
sottosistema di distribuzione
S10. Locali serviti dall’impianto di
illuminazione in assenza di
occupanti
S11. Accensione di sistemi di
riscaldamento ausiliari energivori
terminale di emissione in ambiente
(raffrescamento)
C8. C10. Distacco per sovraccarico o
sospensione servizio
C9. C11. Apertura finestra da parte dell’utente
Esempi di risultati sperimentali
della diagnostica
3. Controllo adattivo:Il principio dell’energy on demand
edificio
Fornire energia solo quando realmente
serve, dove serve, nella intensità che serve
Energia consumata
zona
Energia realmente
richiesta
risparmio energetico: 15-30 %
stanza
Il monitoraggio della presenza…
stanza
1. badge
3. PC activity
2. Sensori presenza
3. Smart Plugs
4. Smart Phone + Beacon
4. Ottimizzazione Energia-Comfort
Inseguimento di un corretto comfort
minimizzando il consumo
energetico ed il costo dell’energia
CONSUMO
PPD
Predicted
Percentage
Dissatisfied
PPD = 10%
Adattamento giornaliero alle condizioni climatiche e di utenza
Adattamento localizzato (zona o stanza, nord/sud)
Negoziazione/adattamento al mercato (active demand)
risparmio energetico: 10-20 %
Strategie di ottimizzazione a confronto
No
ottimizzazione
(convenzionale)
ottimizzazione
statica
(CONVENZIONALE)
OTTIMIZZAZIONE
STAGIONALE
OTTIMIZZAZIONE
GIORNALIERA
SET-POINT MANDATA
65
41
Giornaliero
SET-POINT TERMOSTATO
21 (stagionale)
21,5
Giornaliero
PPD MEDIO STAGIONALE
< 10 % SPRECO
> 10 % DISCOMFORT
6,1
9,1
(73% fuori
normativa)
8,9
(PPD max = 9,8:
sempre entro
normativa)
RISPARMIO ENERGETICO [%]
-
18,7
19,2
APPROCCIO
COSTANTE
ottimizzazione
dinamica (giornaliera)
Sperimentazione su casi reali
risparmio energetico: 15-25 %
RISULTATI
5. Il benchmarking della rete
I=374 filiali (12%)
III=652 filiali
Piani di
ristrutturazione
Piani ottimizzati
di manutenzione
Ottimizzazione
progressiva dei
comportamenti
II=591 filiali
95000
100000
105000
110000
115000
120000
125000
130000
135000
140000
145000
150000
85000
90000
20000
25000
30000
35000
40000
45000
50000
55000
60000
65000
70000
75000
80000
IV=1538 filiali
10000
15000
380
360
340
320
300
280
260
240
220
200
180
160
140
120
100
80
60
40
20
0
0
5000
2
CONSUMO SPECIFICO [kWh e/m ]
Building Asset Management
CONSUMO TOTALE [kWh e]
Esempio di una rete di edifici
(studio su 3155 filiali bancarie, Politecnico Torino)
6. Il principio del «Demand Response»
Risultati di saving energetico
(rete di 10 smart buildings)
Intervento
Saving Energetico
Monitoraggio e Diagnostica
5-15 %
Ottimizzazione
e controllo di zona
15-25 %
Ottimizzazione dinamica
e controllo di stanza
25-45 %
RISULTATI
Tempi di ritorno dell’investimento
(Edificio, Zona, Stanza)
DISCOUNTED CASHFLOW
EDIFICIO
ZONA
STANZA
3000000
2500000
Flussi di cassa cumulativi attualizzati
2000000
1500000
1000000
500000
0
1
2
3
4
5
6
7
8
9
-500000
-1000000
-1500000
Anni
10
11
12
13
14
15
16
Risultati ottenuti
Smart Village
• premio smart city – SMAU
• infrastruttura ricerca comune per il Joint Program EERA – Smart Cities
Modello di business
• Task force ‘Smart Energy’ Confindustria – Enea –Rse
Interoperabilità con piattaforme commerciali
• Building networks: IBM, Almaviva, Selex, Telecom
• BEMS: UMPI, TERA, Energy Team
Applicazione Urbane in corso
• Progetto City 2.0: L’Aquila
• Progetto Res Novae: Bari, Cosenza
• Progetto Brescia Smart Living: Brescia
La mappa dei progetti ENEA dove vengono applicate le tecnologie “smart
building networks” sviluppate nel PAR 2012/14
Brescia Smart
Living
City 2.0
Smart
Village
Res Novae
The CO_GOAL proposal candidate as Lighthouse Cities….
malaga
rome
EU
Lighthouse
Cities
malmo
30 ML Euro, 30 partners, 30.000 citizens
…coordinated by:
Cambiare il volto
di un quartiere







440 smart homes, 40000 mq
Smart district ICT platform
6.5 ML di investimento sull’area
310 TEP/a energia risparmiata
1400 Ton CO2/a evitata
126 anni uomo di lavoro locale
Green jobs: 40 permanenti
Massimina
Aggregator
Energy
Vendor
DSO
Citizen
Smart Meters
Energy box
Open to apps from
market companies
(third parties)
Grazie per l’attenzione
[email protected]
Building Network Management: the enabling technologies
City monitoring/planning
City Level
KPI
Diagnostics
Optimization
Active Demand Management
City/grids Interaction
data
Low level control
User GUI
Network Interaction
data
Monitoring
Actuation
Sensors
BEMS
Building Energy
Manag. System
commands
Actuators
Network
Supervisor
City
Urban
Center
Aggregator
Level
• set points
• strategies
Building Level
Esempi di risultati sperimentali della diagnostica
Benchmarking: Indicatori prestazionali per
la descrizione della qualità di gestione
Variabili di input attuali
(T.est, Umid, Occup, Illum.)
Consumo min
Consumo medio
Modello
(reti neurali)
Consumo max
DB
storico
1
Indice
qualità
gestione
guasto
0
Cattiva gestione
giorni