Articolo scaricabile gratuitamente in
Transcript
Articolo scaricabile gratuitamente in
Tecnica ottobre 2014 LA TERMOTECNICA Energia & Edifici di T. Terlizzese, C. Ricci, P. Vestrucci, C. Mandurino 55 Il database italiano di Test Reference Years Un progetto Life+ La simulazione dinamica si sta sempre più diffondendo nello studio della prestazione energetica degli edifici, nella valutazione del potenziale di impianti a fonte rinnovabile e nelle analisi ambientali, richiedendo dati meteorologici orari rappresentativi del clima della località in esame. Il Test Reference Year (TRY) consiste in una sequenza di dati meteorologici orari realmente misurati ed estrapolati da serie storiche poliennali, ora disponibili online per tutto il territorio italiano. THE ITALIAN DATABASE OF TEST REFERENCE YEARS - A LIFE+ PROJECT The dynamic simulation approach is growing more popular among professionals and researchers. Hourly meteorological data, reflecting the typical weather condition of a specific location, are required in dynamic simulation software. Test Reference Years (TRYs) meet these requirements, providing hourly meteorological data, actually measured and contemporaneous, extracted from multi-year series. A database of TRYs for the whole Italian territory is now available online. LA NECESSITÀ DI DATI METEOROLOGICI ORARI La simulazione dinamica per lo studio del comportamento termico degli edifici e per la valutazione della producibilità degli impianti è uno strumento efficace che viene sempre più frequentemente adottato dai professionisti di settore, sia per eseguire studi di fattibilità economica sia a supporto di scelte tecniche progettuali. La maggiore sensibilità al tema del comfort interno degli edifici, tema che richiede un approccio dinamico, e la necessità di effettuare valutazioni sempre più precise della producibilità di impianti a fonti rinnovabili, visto il continuo calo degli incentivi economici, comporterà una ulteriore diffusione di tale strumento di analisi. Il quadro normativo sta evolvendo verso una quantificazione più precisa dei fabbisogni mediante simulazione dinamica e la necessità di dati meteorologici orari è una diretta conseguenza. La questione successiva è la scelta di quali dati meteorologici orari prediligere: un anno specifico, considerando ad esempio i dati meteorologici orari dell’anno 2007 per la località di interesse, non è sufficientemente rappresentativo, occorre pertanto processare le serie storiche registrate per costruire un anno rappresentativo o anno-tipo. Nel mondo sono state elaborate diverse tipologie di anni-tipo, chiamati Test Reference Year (TRY) nella notazione europea e Typical Meteorological Year (TMY) in quella americana. In generale, un TRY è una sequenza di 8.760 dati orari, il numero di ore contenute in 365 giorni, effettivamente misurati per ognuna delle variabili meteorologiche considerate. Attraverso opportuni criteri statistici, da una serie storica quanto più lunga possibile, per ciascun mese si seleziona quello più rappresentativo della serie storica stessa, pervenendo in tal modo a un anno di dati costituito, ad esempio, da Gennaio 2006, Febbraio 2002, Marzo 1999 etc. ANNO METEOROLOGICO TIPO, UNA PANORAMICA In diversi Paesi del mondo, i dati meteorologici orari sono già disponibili, se pure elaborati seguendo metodi eterogenei. In Germania, il territorio è stato suddiviso in 15 regioni climatiche, individuando per ciascuna regio- ne una località rappresentativa; i TRY sono stati generati per tali località secondo la metodologia sviluppata dall’Università di Berlino e dal Servizio Meteorologico Tedesco; i periodi meteorologici effettivi sono selezionati in modo tale da rappresentare al meglio la media mensile, la media annua e la deviazione standard di lungo periodo per i parametri climatici considerati (in particolare la temperatura dell’aria). Le serie storiche processate sono molto lunghe (1988-2007) e specifiche di ciascuna regione climatica. Il set completo di TRY è disponibile in dvd a pagamento dal sito del Ministero Federale dei Trasporti, dell’Edilizia e dello Sviluppo Urbano [1]. Nel Regno Unito, la Chartered Institution of Building Services Engineers (CIBSE) fornisce a pagamento il TRY e il DSY (Design Summer Year), entrambi disponibili per 14 località sul territorio. Le serie storiche utilizzate, anche se non sempre complete, si riferiscono al periodo (1983-2005) [2]. Negli Stati Uniti, coesistono due importanti enti fornitori di anni meteorologici tipo: il NREL (National Renewable Energy Laboratory) ha prodotto TMY per circa 1.000 località, disponibili gratuitamente online [3]; l’ASHRAE ha sviluppato anni meteorologici tipo per 51 località negli USA, oltre a circa 3.000 località nel mondo, disponibili a pagamento. Il protocollo ASHRAE è stato poi adottato anche da Canada e Australia. In Italia, il CTI (Comitato Termotecnico Italiano) ha creato e messo a disposizione online un database contenente TRY per tutti i capoluoghi di provincia [4] [5] [6]. In tutti i casi sopra citati, i TRY sono stati elaborati solo per applicazioni su edifici, in particolare per il dimensionamento degli impianti termici e il calcolo del fabbisogno energetico annuo (d’ora in poi TRY-termico). IL PROGETTO LIFE+2009 ET-IDEA NIER Ingegneria e l’Università di Bologna hanno completato il Progetto ET-IDEA, con l’obiettivo di rendere disponibile a Enti pubblici, professionisti e ricercatori un nuovo database di TRY per il territorio italiano in grado di raggiungere un inedito livello di capillarità geografica. L’aspetto innovativo del Progetto consiste nella creazione di tre nuove tipologie di TRY, oltre al Ing. T. Terlizzese, Ing. C. Ricci - NIER Ingegneria Spa Ing. P. Vestrucci - Dipartimento Ingegneria Industriale - Università di Bologna Ing. C. Mandurino - Protom Group Spa Tecnica 56 Energia & Edifici TRY-termico, ossia: TRY per applicazioni fotovoltaiche (TRY-fotovoltaico), eoliche (TRY-eolico) e ambientali (TRY-ambientale). Ciascuna tipologia si basa su uno specifico set di variabili meteorologiche, secondo specifici criteri di selezione dei mesi per la composizione dell’anno meteorologico tipico. Il Progetto ha richiesto il reperimento e la successiva elaborazione di una notevole quantità di dati meteorologici. In Italia, a differenza di altri Paesi, non esiste un sistema di monitoraggio meteorologico unico a livello nazionale. Aeronautica Militare e CMA sono i soli enti a gestire stazioni meteo sull’intero territorio, ma in numero limitato. Agenzie Regionali per la Protezione Ambientale, Servizi Agrometeorologici, Protezione Civile sono invece gli enti che gestiscono il maggior numero di stazioni, notevolmente eterogenee in termini di età, variabili monitorate, frequenza di monitoraggio, unità di misura e oltretutto non uniformemente distribuite sul territorio. Per le finalità specifiche del Progetto sono state identificate 2.697 stazioni. Di queste, sono stati acquisiti dati meteorologici relativi a 1.471 stazioni. Non essendo sempre presente il dato orario di radiazione solare, si è scelto di integrare i dati meteorologici raccolti con quelli di radiazione solare diretta e diffusa da satellite (satelliti geostazionari Meteosat gestiti da EUMETSAT). La verifica dell’affidabilità dei dati di radiazione satellitare avviene attraverso un confronto continuo, a livello mondiale, dei dati registrati da satellite con dati registrati a terra da 12 stazioni campione [7]. Nelle elaborazioni dei TRY si è scelto di utilizzare il dato di radiazione solare registrato a terra, quando questo era disponibile, altrimenti il dato satellitare. I dati acquisiti sono stati sottoposti a un’analisi qualitativa iniziale, volta a identificare possibili incongruenze e/o errori di misura, nonché una “ricostruzione”, laddove possibile, delle lacune (ore di mancato rilevamento). Per quanto concerne la pulizia di dati errati, si sono adottati due diversi criteri di controllo, facendo riferimento a quelli usati per la costruzione del TMY di Petrakis et al. [8] [9], come riportato in Tabella 1. Il primo è un controllo “assoluto”, che scarta i valori non appartenenti ai range di validità associati a ciascuna variabile meteorologica; il secondo è un controllo “relativo”, basato sulla valutazione delle differenze tra valori successivi rispetto a una soglia massima stabilita. TABELLA 1 - Criteri di controllo degli errori Una volta eliminati i valori non accettabili, si sono identificate tutte le lacune e, per la loro eventuale ricostruzione, sono state scelte tecniche diverse a seconda della lunghezza della lacuna, cioè del numero di ore mancanti, prediligendo in ogni caso metodologie già collaudate, con errori di approssimazione marginali. Le lacune da 1 a 5 ore sono state ricostruite mediante spline cubica, polinomio di terzo grado continuo, a tratti caratterizzato da un grado di accuratezza più elevato rispetto ai polinomi interpolanti classici. Per le lacune da 6 a 24 ore e da 25 a 72 ore si sono invece adottate ottobre 2014 LA TERMOTECNICA le tecniche di interpolazione lineare come per la generazione degli anni tipici canadesi denominati IWEC [10]. Lacune di ampiezza maggiore di 72 ore non sono state considerate e i relativi dati non sono stati ricostruiti. CREAZIONE DEL DATABASE DI TEST REFERENCE YEARS Il metodo adottato per la creazione dei TRY è basato sul TMY2, ossia sulle procedure sviluppate dai Sandia National Laboratories [11]. Tale metodologia, già impiegata in letteratura per il TRY-termico, e successivamente adattata alle altre applicazioni sviluppate nel Progetto [12] [13], prevede due step successivi per la selezione dei mesi tipici. Step 1. In primo luogo, per le variabili rilevanti per la specifica applicazione (per il TRY-termico, temperatura dell’aria, umidità relativa, radiazione solare e velocità del vento), si considerano opportuni parametri giornalieri, come ad esempio la temperatura media giornaliera. Si calcola quindi la funzione di distribuzione cumulata (CDF) per ciascuno di questi parametri e per ciascun mese dell’anno, confrontandola successivamente con la funzione di distribuzione cumulata pluriennale, mediante la statistica di Finkelstein-Schafer [14]: FS = 1 N ∑δi N i=1 dove δi è la differenza assoluta tra la CDF poliennale e quella del mese candidato, mentre N è il numero di intervalli (o bin) in cui è stato suddiviso il range dei possibili dati orari. Ad esempio, considerando che i rilevamenti della temperatura dell’aria siano tutti compresi tra -10 °C e 40 °C e dividendo questo range in 50 bin (ciascuno di ampiezza 1 °C), N è pari a 50; la CDF rappresenta dunque la probabilità che la temperatura dell’aria assuma un valore inferiore a quello corrispondente a un determinato bin. Poiché per una specifica applicazione, ad esempio il TRY-termico, alcuni indici possono essere più o meno significativi di altri, si esegue una somma pesata dei valori della statistica di Finkelstein-Schafer ottenuti per i diversi parametri. I 5 mesi con la media pesata più bassa sono selezionati quali migliori candidati alla generazione del TRY, e di conseguenza passano allo Step 2. La definizione dei pesi adottati e i metodi utilizzati per la loro individuazione sono trattati al paragrafo seguente. Step 2. I 5 mesi candidati sono classificati in base alla vicinanza del mese alla media e mediana di lungo termine. Le differenze relative sono calcolate per uno o due parametri considerati particolarmente significativi per l’applicazione per cui si vuole costruire il TRY (ad esempio per il TRY-termico l’analisi riguarda temperatura e radiazione solare). Il mese migliore secondo questo criterio viene usato per la composizione del TRY. L’ultimo passaggio consiste nello “smoothing”; i mesi che compongono l’anno di riferimento apparterranno, nella maggior parte dei casi, ad anni diversi. Le transizioni tra un mese e l’altro sono state gestite mediante interpolazione lineare. RISULTATI In totale sono stati generati 1071 TRY per circa 600 stazioni meteorologiche (Figura 1 e Figura 2). Tecnica ottobre 2014 LA TERMOTECNICA Energia & Edifici 57 La Figura 3 rappresenta la distribuzione territoriale ottenuta per le diverse tipologie di TRY prodotti. FIGURA 1- Stazioni meteorologiche con TRY elaborati per Regione FIGURA 3 - Distribuzione geografica dei TRY generati per tipologia FIGURA 2 - Stazioni meteorologiche con TRY elaborati Come risulta evidente, rispetto al numero di stazioni di cui si sono acquisiti dati meteorologici, quelle tecnicamente adeguate per la generazione di almeno una tipologia di TRY sono in numero molto inferiore. Ciò è attribuibile da una parte alla brevità delle serie storiche disponibili per l’intero set di variabili meteorologiche richieste, dall’altra alla scarsa qualità dei dati: anche in presenza di serie temporali lunghe, si sono infatti presentate lacune frequenti e spesso non ricostruibili. Inoltre, le stazioni non risultano uniformemente distribuite sul territorio, rivelando la scarsa omogeneità esistente tra le varie reti presenti in Italia. La maggior parte dei TRY prodotti è stata comunque creata usando serie storiche almeno decennali (912 casi), mentre i restanti sono basati su serie storiche di 8-9 anni (152 casi) e molto raramente di 6-7 anni (7 casi), principalmente per garantire la disponibilità di TRY in aree geografiche particolarmente povere di dati. Tutti i TRY generati sono stati sottoposti a opportuni controlli per garantire la loro coerenza rispetto alle serie storiche di partenza. I TRY-eolici e i TRY-ambientali hanno risentito della frequente mancanza di dati di velocità e direzione del vento. Il numero di anemometri installati è ancora piuttosto limitato e i sensori tecnologicamente più completi e affidabili sono stati installati in periodi recenti. I 256 TRY-termici ottenuti nell’ambito del Progetto Europeo oggetto della presente trattazione, integrati con i TRY- termici sviluppati dal CTI offrono ai professionisti operanti sul territorio italiano un’ampia disponibilità di dati meteorologici per applicazioni legate alla modellazione e analisi del sistema edificio-impianto. I TRY del CTI, esclusivamente finalizzati all’applicazione termica, sono stati elaborati partendo dal criterio riportato nello Standard tecnico Europeo EN ISO 15927-4:2005 [15]. La selezione si basa su temperatura dell’aria, radiazione solare e umidità relativa come variabili primarie, con la velocità del vento quale variabile secondaria. I criteri di calcolo imposti dallo Standard adottato sono stati seguiti nei limiti delle peculiarità del sistema meteorologico nazionale; in termini di qualità dei dati acquisiti, considerato che validazioni ufficiali da parte degli enti sono raramente disponibili, si sono scartati valori ritenuti non soddisfacenti secondo criteri di tipo assoluto e statistico [16], assumendo però come validi i restanti dati; in termini di lunghezza delle serie temporali, la norma imporrebbe un minimo di 10 anni, ma in alcuni casi è stato scelto di procedere anche con un numero minore [17], sempre nell’ottica di raggiungere un soddisfacente livello di distribuzione geografica. Per quanto riguarda i TRY-termici sviluppati all’interno del Progetto ETIDEA, è stato seguito un metodo differente, ben noto alla letteratura internazionale, ossia il TMY2. Si è scelto, infatti, un metodo che prevedesse l’assegnazione di pesi alle variabili meteorologiche considerate nella selezione dei mesi secondo la statistica di Finkelstein-Schafer, al fine di valorizzare o meno l’importanza di una determinata variabile meteorolo- Tecnica 58 Energia & Edifici gica in funzione dell’applicazione per cui è creato il TRY. In Tabella 2 sono riportati i pesi utilizzati per tutte le quattro tipologie di TRY. TABELLA 2 - Variabili e pesi utilizzati nelle due fasi di selezione delle diverse tipologie di TRY Per il TRY-termico, i pesi erano già collaudati, mentre per le altre tre tipologie di TRY sono stati appositamente determinati; per il TRYfotovoltaico e per il TRY-eolico sono state eseguite analisi di simulazione utilizzando il software TRNSYS; per il TRY-ambientale invece si è adottato un procedimento di confronto a coppie [18] consultando un gruppo di esperti del settore. I TRY prodotti sono stati resi disponibili a titolo gratuito sul sito www. itmeteodata.com, in cui sono illustrate le tecniche adottate, lo sviluppo del Progetto e i risultati ottenuti. SVILUPPI FUTURI L’archivio di dati meteorologici costituito si presta a numerose potenziali elaborazioni, oltre che a costituire un esempio per simili ricerche in altri Paesi; in particolare sono in corso di valutazione le seguenti estensioni: -- Water-TRY: ha l’obiettivo di migliorare la progettazione dei serbatoi di accumulo e di conseguenza a ottimizzare l’utilizzo di acqua per usi domestici e industriali. Una maggiore diffusione di serbatoi per l’acqua piovana, specialmente in ambito urbano, consentirebbe altresì di ridurre il rischio di alluvioni. --TRY-futuro: consiste nell’adattamento dei TRY attuali per prevedere gli effetti del cambiamento climatico, mediante tecniche già sperimentate anche in altri Paesi [19]. Una progettazione più efficace degli impianti di riscaldamento/raffrescamento degli edifici deve, infatti, considerare che la vita utile di un edificio varia tipicamente tra i 50 e i 100 anni, e che sarebbe opportuno costruire in modo da far fronte al clima futuro. -- TRY-estivo: trova applicazione nel calcolo del carico estivo di un edificio; i progettisti avrebbero a disposizione uno strumento molto potente per dimensionare correttamente gli impianti di raffrescamento e per definire le soluzioni architettoniche volte a ridurre il fabbisogno estivo (ombreggiamenti, vetri selettivi, ecc.). ottobre 2014 LA TERMOTECNICA BIBLIOGRAFIA 1. J. Christoffer, T. Deutschlände, M. Webs, Testreferenzjahre von Deutschland für mittlere und extreme Witterungsverhältnisse TRY. Selbstverlag des Deutschen Wetterdienstes, Offenbach a. Main, ISBN-Nr.: 3-88148-398-5, 2004 2. CIBSE, CIBSE Guide A: Environmental Design, Chartered Institution of Building Services Engineers, 2006 3. Users’ Manual for TMY3 Data Sets S. Wilcox and W. Marion Technical Report NREL/TP-581-43156, Revised May 2008 4. P. Baggio, V. Corrado, G. Murano, G. Riva, Definizione degli anni tipo climatici delle province del Nord Italia, La Termotecnica, ATI, pp. 8, Vol. 9, 61-68, ISSN: 0040-3725, 2010 5. G. Riva, G. Murano, V. Corrado, P. Baggio, G. Antonacci, Definizione degli anni tipo climatici delle province di alcune regioni italiane, Report RdS/2010/185, 2010 6. G. Riva, G. Murano , V. Corrado, P. Baggio, G. Antonacci, Definizione degli anni tipo climatici delle province delle regioni italiane del centro sud, Report RdS/2011/9, 2011 7. CM SAF, Meteosat (MVIRI) Solar Surface Irradiance and effective Cloud Albedo Climate Data Sets, SAF/CM/DWD/VAL/MVIRI_HEL, 2011 8. M. Petrakis, P. Lykoudis, P. Kassomenos, A software tool for the creation of a Typical Meteorological Year, Environmental Software, 11:221-227, 1996 9. M. Petrakis, Director Institute for Environmental Research and Sustainable Development National Observatory of Athens, Personal Communication, 2006 10.D.J. Thevenard and A.P. Brunger, The development of typical weather years for international locations: Part 1, algorithms, ASHRAE Trans, 108(2): 376-383,2002 11.Marion and Urban, User’s Manual for TMY2s. National Renewable Energy Laboratory, Golden, CO, USA, 1995 12.C. Mandurino, P. Vestrucci, A test Reference Year (TRY) approach to gas diffusion in atmosphere, Int. J. Environment and Pollution, Vol. 43, No. 4, 2010 13.C. Mandurino, P. Vestrucci, Using meteorological data to model pollutant dispersion in the atmosphere, Environmental Modelling & Software 24, 270 - 278, 2009 14.Finkelstein and Schafer, Improved goodness-of-it tests, Biometrika 58 (3), 641 - 645, 1971. 15.UNI EN ISO 15927-4 2005. Hygrothermal performance of buildings, calculation and presentation of climatic data. Part 4: Hourly data for assessing the annual energy use for heating and cooling 16.G. Pernigotto, G. Antonacci, P. Baggio, A. Gasparella, J. Hensen, Long term evaluation of building energy performance: comparison of the test reference year and historical data series in the North Italian climates, 1st IBPSA Italy Conference, Bozen-Bolzano, 2013 17.G. Antonacci, I. Todeschini, Derivation of meteorological reference year with hourly interval for Italy, 1st IBPSA Italy conference Free University of Bozen-Bolzano, 2013 18.P.R. Drake, Using the analytic hierarchy process in engineering education, Journal of Engineering Education, 14(3): 191-196, 1998 19.L. Guan, J. Yang, A. Sidwell, and J.M. Bell, The Impact of Climate Change on the Performance of Commercial Buildings: From the Perspectives of Energy Performance and Thermal Comfort, Proceedings of 4th International Conference on Construction Project Management, Singapore, 543-51, 2004