Post on 06-Mar-2018
Università degli Studi di Genova
Facoltà di Ingegneria
Corso di Laurea Magistrale (Ciclo Unico)
in Ingegneria Edile - Architettura
Tesi di Laurea:
OTTIMIZZAZIONE ENERGETICA DEGLI INVOLUCRI EDILIZI
MEDIANTE ALGORITMI GENETICI: DUE CASI STUDIO
Relatore: Prof. Arch. Renata Morbiducci
Correlatore: Ing. Nicolò Guariento
Candidate: Eva Raggi, Valentina Pastorino
Alle nostre famiglie,
a Nicolò e allo staff di ARUP Berlin,
alla professoressa Renata Morbiducci,
a Flavio e ad Ivan,
….e soprattutto ci ringraziamo reciprocamente!
i
INDICE
Introduzione 1
PARTE I
1 Ambito normativo 3
1.1 Inquadramento mondiale 3
1.2 Norme europee 4
1.3 Norme nazionali 7
1.4 Norme regionali 9
2 Standard energetici degli edifici 13
2.1 Introduzione 13
2.2 Standard energetici degli edifici 13
2.3 Passivhaus per il Nord Europa 15
2.4 Passivhaus per il Mediterraneo 19
2.5 Passivhaus forma e orientamento 21
3 Software utilizzati 25
3.1 Introduzione 25
3.2 OpenStudio 25
3.3 EnergyPlus 25
3.4 GenOpt 28
4 Ottimizzazione energetica 31
4.1 Introduzione 31
4.2 Problema di ottimizzazione 32
4.3 Algoritmi di ottimizzazione 33
4.4 Algoritmi genetici 34
4.4.1 Principi di funzionamento 35
4.5 Particle Swarm Optimization (PSO) 37
ii
PARTE II
5 Introduzione ai due casi studio 41
5.1 Oggetto e finalità 41
5.2 Modalità di svolgimento delle analisi energetiche 43
5.3 Modalità di svolgimento dei processi di ottimizzazione 44
6 Primo caso studio: Asilo KITA Campus Riedberg 49
6.1 Introduzione al progetto 49
6.2 Modello geometrico 51
6.3 Modello energetico 54
6.3.1 Prestazioni termiche dell’involucro edilizio 55
6.3.2 Condizioni esterne 58
6.3.3 Condizioni interne 58
6.3.4 Sistemi di riscaldamento e di raffrescamento 61
6.3.5 Prestazioni energetiche e condizioni di comfort abitativo dei modelli di base 61
6.3.5.1 Francoforte sul Meno 68
6.3.5.2 Helsinki 73
6.3.5.3 Genova 77
6.3.5.4 Palermo 82
6.3.5.5 Città del Messico 87
6.4 Impostazioni del processo di ottimizzazione 96
6.4.1 Definizione dei parametri utilizzati nell’ottimizzazione 96
6.4.1.1 Trasmittanza termica delle parti opache e vetrate 97
6.4.1.2 Tipi di vetro 99
6.4.1.3 Percentuali delle superfici vetrate 99
6.4.2 Definizione della funzione obiettivo 104
6.4.3 Definizione dell’algoritmo 104
6.5 Francoforte sul Meno 107
6.5.1 Risultati del processo di ottimizzazione 107
6.5.2 Configurazione ottimale 109
6.5.3 Confronto tra il modello ottimizzato e il modello base 115
6.5.4 Intervallo di soluzioni ottimali 117
6.5.5 Confronto con gli standard energetici 119
iii
6.5.6 Modello senza raffrescamento 122
6.6 Helsinki 125
6.6.1 Risultati del processo di ottimizzazione 125
6.6.2 Configurazione ottimale 127
6.6.3 Confronto tra il modello ottimizzato e il modello base 133
6.6.4 Intervallo di soluzioni ottimali 135
6.6.5 Confronto con gli standard energetici 137
6.5.6 Modello senza raffrescamento 138
6.7 Genova 141
6.7.1 Risultati dei processi di ottimizzazione 141
6.7.2 Configurazioni ottimali 144
6.7.3 Confronto tra i modelli ottimizzati e il modello base 155
6.7.4 Intervallo di soluzioni ottimali 158
6.7.5 Confronto con gli standard energetici 160
6.8 Palermo 162
6.8.1 Risultati dei processi di ottimizzazione 162
6.8.2 Configurazioni ottimali 165
6.8.3 Confronto tra i modelli ottimizzati e il modello base 176
6.8.4 Intervallo di soluzioni ottimali 179
6.8.5 Confronto con gli standard energetici 181
6.9 Città del Messico 183
6.9.1 Risultati dei processi di ottimizzazione 183
6.9.2 Configurazioni ottimali 186
6.9.3 Confronto tra i modelli ottimizzati e il modello base 198
6.9.4 Intervallo di soluzioni ottimali 201
6.9.5 Confronto con gli standard energetici 203
6.6 Conclusioni 205
7 Secondo caso studio: Ampliamento del Parlamento bavarese 213
7.1 Presentazione del progetto dell'ampliamento del Parlamento bavarese 213
7.1.1 Modello geometrico dell'ampliamento del Parlamento bavarese 215
7.1.2 Tre modelli differenti per indice di compattezza (S/V) 217
7.1.3 Modelli tipo A, B , C 219
7.2 Modello energetico 220
iv
7.2.1 Prestazioni termiche dell'involucro edilizio 220
7.2.2 Condizioni esterne 222
7.2.3 Condizioni interne 223
7.2.4 Illuminazione naturale 225
7.2.5 Infiltrazioni 225
7.2.6 Sistema di ventilazione 226
7.2.7 Sistema di riscaldamento e raffrescamento 226
7.2.8 Definizione delle zone termiche 227
7.2.9 Dati in uscita 228
7.2.10 Risultati delle simulazioni energetiche 228
7.3 Analisi dei risultati delle simulazioni energetiche 231
7.3.1 Modello dell'ampliamento del Parlamento bavarese 232
7.3.2 Modello ad un piano 245
7.3.3 Modello a tre piani 248
7.3.4 Modello a sei piani 255
7.3.5 Modelli tipo A, B, C 265
7.4 Impostazione del processo di ottimizzazione 273
7.4.1 Definizione della funzione obiettivo 273
7.4.2 Definizione dei parametri utilizzati nell'ottimizzazione 274
7.4.2.1 Trasmittanza termica delle parti opache e trasparenti 275
7.4.2.2 Tipi di vetro 277
7.4.2.3 Profondità degli ombreggiamenti esterni 277
7.4.3 Definizione dell'algoritmo di ottimizzazione 278
7.5 Risultati del processo di ottimizzazione 280
7.5.1 Modello dell'ampliamento del Parlamento bavarese 280
7.5.1.1 Configurazione ottimale 281
7.5.1.2 Confronto tra il modello ottimizzato e il modello base 298
7.5.1.3 Analisi delle soluzioni dell'ottimizzazione 303
7.5.1.4 Confronto con gli standard energetici 306
7.5.2 Modello ad un piano 308
7.5.2.1 Configurazione ottimale 309
7.5.2.2 Confronto tra il modello ottimizzato e il modello base 314
7.5.1.3 Analisi delle soluzioni dell'ottimizzazione 303
7.5.1.4 Confronto con gli standard energetici 306
7.5.3 Modello a tre piani 315
v
7.5.3.1 Configurazione ottimale 317
7.5.3.2 Confronto tra il modello ottimizzato e il modello base 325
7.5.4 Modello a sei piani 327
7.5.4.1 Configurazione ottimale 329
7.5.4.2 Confronto tra il modello ottimizzato e il modello base 342
7.5.5 Modello tipo B 344
7.5.5.1 Configurazione ottimale 345
7.5.5.2 Confronto tra il modello ottimizzato e il modello base 350
7.5.6 Modello tipo A 352
7.5.6.1 Configurazione ottimale 353
7.5.6.2 Confronto tra il modello ottimizzato e il modello base 358
7.5.7 Modello tipo C 359
7.5.7.1 Configurazione ottimale 361
7.5.7.2 Confronto tra il modello ottimizzato e il modello base 365
7.6 Risultati dell'ottimizzazione al variare dell'indice di compattezza (S/V) 367
7.6.1 Configurazioni ottimali al variare dell'indice di compattezza (S/V) 368
7.6.2 Soluzioni dell'ottimizzazione al variare dell'indice di compattezza (S/V) 374
7.6.3 Confronto con gli standard energetici 378
7.7 Analisi di singole zone termiche per l'ottimizzazione globale di un edificio 380
7.7.1 Confronto tra le configurazioni ottimali 382
7.7.2 Soluzioni dell'ottimizzazione 386
7.7.3 Confronto con gli standard energetici 390
7.8 Conclusioni 391
8 Conclusioni 397
Abbreviazioni e simboli 399
Bibliografia 401
vi
1
Introduzione
“Il cambiamento climatico rappresenta una delle maggiori sfide che l'umanità dovrà affrontare nei
prossimi anni. L'aumento delle temperature, lo scioglimento dei ghiacciai, la maggiore frequenza
degli episodi di siccità e delle alluvioni sono tutti sintomi di un cambiamento climatico ormai in atto. I
rischi per il pianeta e per le generazioni future sono enormi. Gli scienziati sono sostanzialmente
d'accordo nel ritenere che all'origine di tali cambiamenti vi siano le emissioni di gas a effetto serra
prodotte dall'attività umana. Tali emissioni e il loro costante aumento hanno fatto salire le
temperature e il fenomeno dovrebbe proseguire nei prossimi decenni. Su scala mondiale le
temperature dovrebbero aumentare di 1,4°C - 5,8° C entro il 2100 (rispetto alle temperature del
1990). Questo è quanto emerge dalla Convenzione Quadro sui Cambiamenti climatici UNFCCC del
1992” 1.
"É sempre più evidente come sia necessaria una strategia globale, anche a livello legislativo, al fine di
limitare gli effetti del cambiamento del clima per la salvaguardia del pianeta.
Gli edifici sono responsabili del 40% del consumo globale di energia nell’Unione Europea. Il settore
delle costruzioni è in espansione e ciò è destinato ad aumentarne il consumo energetico. Pertanto la
riduzione del consumo energetico e l’utilizzo di energia da fonti rinnovabili nel settore dell’edilizia
costituiscono misure importanti necessarie per ridurre la dipendenza energetica dell’Unione e le
emissioni di gas a effetto serra" 2.
Diminuire la domanda di energia e di conseguenza le emissioni di anidride carbonica provenienti
dalle costruzioni é chiaramente un importante obiettivo per la politica di governo sul clima. Il
potenziale di risparmio energetico ottenibile attraverso una progettazione appropriata degli edifici e
del loro funzionamento va dal 5% al 30%. Ciò vale soprattutto per il patrimonio edilizio non
residenziale. Uno degli aspetti principali nella progettazione di edifici a bassi consumi é
rappresentato dalle facciate. Queste sono le maggiori responsabili delle perdite di calore e dei
guadagni solari, permettono l’illuminazione giornaliera naturale e influenzano le condizioni di
comfort interno.
1 Comunicazione della Commissione Europea, del 9 febbraio 2005, “Vincere la battaglia contro i cambiamenti
climatici” [COM(2005) 35 - Gazzetta ufficiale C 125 del 21 maggio 2005].
2 Direttiva 2010/31/UE del Parlamento Europeo e del Consiglio del 19 maggio 2010 sulla prestazione energetica
nell’edilizia (rifusione).
2
Nella progettazione di un involucro edilizio é necessario considerare aspetti spesso tra loro
contraddittori quali il riscaldamento, il raffrescamento e l’illuminazione naturale ed artificiale.
Occorre ad esempio permettere alti livelli di illuminazione naturale senza che i guadagni solari siano
troppo alti durante l’estate e allo stesso tempo garantire un adeguato ammontare di guadagni solari
durante l’inverno per la riduzione dei carichi di riscaldamento. Una progettazione efficiente pertanto
non può concentrarsi su un singolo aspetto ma deve considerare tutti gli aspetti allo stesso
momento, valutando tutte le interazioni tra le diverse fonti di consumo energetico. Le tecniche
tradizionali di progettazione non consentono di eseguire valutazioni globali, possono generare
soluzioni accettabili ma é estremamente improbabile che riescano a raggiungere soluzioni ottimali in
grado di minimizzare i consumi energetici. Per questo motivo si stanno perfezionando nuovi approcci
che permettono di analizzare tutte le possibili alternative progettuali di una facciata.
L’approccio proposto in questa tesi é applicato alla progettazione degli involucri edilizi in vista di una
ottimizzazione delle prestazioni energetiche degli edifici mantenendo sotto controllo le condizioni di
benessere abitativo interno. Si basa sull’accoppiamento di un programma di simulazione energetica
con un programma di ottimizzazione che implementa l’uso di algoritmi genetici. Lo scopo di questo
approccio é quello di fornire ai progettisti una tecnica efficace per esplorare adeguatamente tutte le
possibili configurazioni progettuali, anche in uno stadio di progettazione avanzato, e trovare non solo
la soluzione ottima ma soprattutto un insieme di soluzioni ottimali tra cui i progettisti possano
compiere le proprie scelte.
La tesi é organizzata in due parti, nella prima parte viene esposto l'uso delle simulazioni numeriche
per l'efficienza energetica degli edifici e il benessere abitativo interno illustrando il funzionamento
generale dei programmi utilizzati, viene inquadrato il problema dell'ottimizzazione e sono definiti i
concetti base degli algoritmi genetici. La seconda parte é rappresentata dall'applicazione
dell'ottimizzazione energetica delle facciate attraverso l'uso degli algoritmi genetici a due casi studio:
il progetto di un asilo a Francoforte sul Meno e il progetto dell’ampliamento del Parlamento
regionale a Monaco di Baviera. Per entrambi i casi studio é stato utilizzato EnergyPlus come
programma di simulazione energetica, GenOpt come programma di ottimizzazione e l’algoritmo
genetico Particle Swarm per la ricerca delle soluzioni ottimali.
I risultati ottenuti da questo metodo di ottimizzazione, confrontati con quelli provenienti da un
approccio progettuale tradizionale, hanno mostrato come la metodologia proposta consenta di
trovare soluzioni progettuali migliori, con una significativa riduzione dei consumi energetici.
3
PARTE I
1 AMBITO NORMATIVO
1.1 Inquadramento mondiale
Le politiche energetiche, intraprese per cercare di limitare i cambiamenti climatici provocati
dall’espansione delle attività umane, sono state sviluppate solo negli ultimi decenni. La prima
indagine sulla situazione ambientale mondiale risale infatti al 1987 con la stesura del Rapporto
Brundtland, rilasciato dalla Commissione mondiale sull'ambiente e sullo sviluppo (WCED). In questo
rapporto sono stati evidenziati i danni dovuti ai cambiamenti climatici ed è stato introdotto per la
prima volta il concetto di sviluppo sostenibile. Le riflessioni sulla situazione climatica mondiale hanno
mostrato chiaramente come il problema ambientale possa essere affrontato solo in maniera
intersettoriale e internazionale. A partire dagli anni ‘90 varie nazioni hanno, in maniera comune,
cominciato ad occuparsi seriamente dell’ambiente, organizzando una lunga serie di conferenze ed
incontri con lo scopo di redigere documenti, protocolli ed intese.
Al 1992 risalgono due importanti conferenze internazionali che hanno segnato l’inizio delle future
politiche sul clima. Dalla “Conferenza sull'Ambiente e sullo Sviluppo delle Nazioni Unite“, tenutasi a
Rio de Janeiro e conosciuta come “Summit della Terra”, è nata L’Agenda XXI, un importante piano di
azione sottoscritto dai vari paesi partecipanti per la realizzazione dello sviluppo sostenibile. Dalla
conferenza tenutasi invece a New York è stata prodotta la “Convenzione quadro delle Nazioni Unite
sui cambiamenti climatici”, un importante trattato ambientale internazionale firmato da 154 nazioni
ed entrato in vigore il 21 marzo 1994. Lo scopo della convenzione era di stabilizzare entro il 2000 le
concentrazioni dei gas serra in atmosfera ai livelli del 1990, per ridurne le emissioni e prevenire
interferenze antropogeniche dannose per il sistema climatico. Questo trattato non era legalmente
vincolante, non poneva limiti obbligatori per le emissioni di gas serra, ma includeva previsioni di
aggiornamenti e strumenti attuativi, denominati "protocolli". Il principale di questi è stato il
Protocollo di Kyoto su cui si basano tutte le politiche di riduzione delle emissioni. Il Protocollo di
Kyoto è un trattato internazionale riguardante il riscaldamento globale sottoscritto l'11 dicembre
1997 da più di 160 paesi in occasione della Conferenza COP3. Affinché il trattato potesse entrare in
vigore, si richiedeva che fosse ratificato da non meno di 55 nazioni firmatarie e che le nazioni che lo
avessero ratificato producessero almeno il 55% delle emissioni inquinanti mondiali; quest'ultima
condizione è stata raggiunta solo nel novembre del 2004 con l’ulteriore adesione della Russia. Il
trattato, entrato in vigore il 16 febbraio 2005, prevedeva l'obbligo, in capo ai paesi industrializzati, di
4
operare una riduzione del 5% delle emissioni degli elementi inquinanti responsabili dell’effetto serra
nel periodo 2008-2012. Ad oggi 174 Stati, che insieme contribuiscono al 61,6% delle emissioni globali
di gas serra, hanno ratificato il Protocollo di Kyoto o hanno avviato le procedure per la ratifica. Tra i
paesi non aderenti figurano gli USA, responsabili del 36,2% del totale delle emissioni, mentre l’India e
la Cina hanno ratificato il protocollo ma non sono tenute a ridurre le emissioni di anidride carbonica
perché non sono state tra i principali responsabili delle emissioni di gas serra durante il periodo di
industrializzazione che si crede stia provocando oggi il cambiamento climatico.
1.2 Norme europee
Sulla base di questi presupposti, l’Unione Europea ha cercato di creare negli ultimi anni una base
legislativa comune per la riduzione dei consumi energetici, con l’intento di arginare l’effetto serra ed
i suoi ben noti danni sull’ambiente. Già nel 1996 l’Unione Europea aveva previsto l’adozione di
misure concrete intese a contenere l’innalzamento della temperatura media globale entro i 2°C
rispetto ai livelli preindustriali. Mentre nel 2000 la Commissione Europea aveva lanciato il
Programma europeo sul cambiamento del clima (ECCP, European Climate Change Programm) con
l’obiettivo di identificare e sviluppare tutti gli elementi necessari ad implementare il Protocollo di
Kyoto. In Europa il Protocollo di Kyoto, firmato nel 1998, è stato recepito il 16 dicembre 2002
attraverso la direttiva 2002/91/CE3. L'obiettivo della direttiva era quello di promuovere il
miglioramento del rendimento energetico degli edifici nella Comunità, tenendo conto delle
condizioni locali e climatiche esterne, nonché delle prescrizioni per quanto riguarda il clima degli
ambienti interni e l'efficacia sotto il profilo dei costi. Gli Stati membri avevano tempo fino al 4
gennaio 2006 per adeguarsi alle nuove disposizioni, sviluppando ed adottando, anche a livello
regionale, una metodologia per il calcolo dei consumi energetici degli edifici.
Le disposizioni principali contenute nella direttiva riguardavano un quadro generale per una
metodologia di calcolo del rendimento energetico degli edifici, l'applicazione di requisiti minimi in
materia di rendimento energetico degli edifici di nuova costruzione e degli edifici esistenti di grande
metratura sottoposti a importanti ristrutturazioni, la certificazione energetica degli edifici con una
validità massima di 10 anni e l'ispezione periodica delle caldaie e dei sistemi di condizionamento
d'aria negli edifici. Con la comunicazione “Vincere la battaglia contro i cambiamenti climatici” del
9 febbraio 20054 il Consiglio Europeo ha chiarito la strategia di lotta ai cambiamenti climatici e ha
riconfermato ciò che aveva già dichiarato nel 1996, e cioè che riteneva necessario limitare l'aumento
3 Direttiva 2002/91/CE del Parlamento Europeo e del Consiglio del 16 dicembre 2002 sul rendimento
energetico nell'edilizia, Gazzetta ufficiale delle Comunità europee.
4 Comunicazione della Commissione del 9 febbraio 2005: “Vincere la battaglia contro i cambiamenti climatici”
[COM(2005) 35 - Gazzetta ufficiale C 125 del 21 maggio 2005].
5
delle temperature del pianeta a 2°C rispetto al livello preindustriale. Le misure per garantire il
raggiungimento dell'obiettivo della riduzione delle emissioni di gas a effetto serra, secondo quanto
stabilito nel protocollo di Kyoto, sono state elencate nel Libro Verde sulla sicurezza
dell'approvvigionamento energetico e nel Libro Bianco sulla politica dei trasporti.
Un passo importante è avvenuto nel 2006, quando la Commissione Europea ha adottato per il
periodo 2007-2012 un “Piano di azione per l’efficienza energetica”5. Lo scopo di questo piano di
azione è quello di contenere la domanda di energia, agendo in maniera mirata sul consumo e
sull'approvvigionamento, per giungere ad una riduzione del 20% del consumo di energia entro il
2020. Questa previsione corrisponde alla realizzazione di risparmi di circa l'1,5 % all'anno fino al
2020. Il piano di azione ha presentato una serie di misure a breve e a medio termine volte ad
accrescere l'efficienza energetica di prodotti, edifici e servizi, a migliorare il rendimento della
produzione e della distribuzione di energia, a ridurre l'impatto dei trasporti sul consumo di energia, a
favorire il finanziamento e la realizzazione di investimenti nel settore, a promuovere e a rafforzare un
comportamento razionale in merito al consumo di energia e a potenziare l'azione internazionale in
materia di efficienza energetica. Un ulteriore obiettivo che l'Unione Europea si è data nel 2007 é
quello di fare in modo che entro il 2020 il 20% del consumo energetico europeo venga prodotto da
fonti rinnovabili. Per raggiungere questo obiettivo l'Unione Europea ha adottato numerose misure
miranti a promuovere le fonti di energia rinnovabili e a sviluppare il relativo mercato. Per diminuire
progressivamente le emissioni inquinanti l'UE ha creato inoltre un sistema basato sulle regole di
mercato, con lo scambio delle quote di emissione di gas serra, e ha introdotto norme specifiche per i
gas fluorurati ad effetto serra.
Dai vari studi effettuati, la Commissione Europea ha stimato i più consistenti risparmi di energia nei
seguenti settori: per gli edifici residenziali e commerciali il potenziale di riduzione stimato
corrisponde rispettivamente al 27% e al 30%, per l'industria manifatturiera la possibilità di risparmio
é di circa il 25% e per il settore dei trasporti la riduzione stimata é pari al 26%. Per diminuire
sensibilmente le perdite di calore degli edifici, il piano di azione ha previsto l'estensione del campo di
applicazione della direttiva sul rendimento energetico nell'edilizia anche agli edifici di minori
dimensioni, nonché lo sviluppo di requisiti minimi di efficienza per gli edifici nuovi o ristrutturati e la
promozione delle abitazioni cosiddette "passive".
Il Trattato di Lisbona noto anche come “Trattato di riforma”, firmato il 13 dicembre 2007 ed entrato
ufficialmente in vigore il 1 dicembre 2009, ha apportato ampie modifiche al Trattato sul
funzionamento dell'Unione europea provvedendo al riparto di competenze tra Unione e Stati membri. 5 Comunicazione della Commissione del 19 ottobre 2006: "Piano d'azione per l'efficienza energetica:
concretizzare le potenzialità" [COM(2006)545 - Non pubblicata nella Gazzetta ufficiale].
6
Con l’articolo 194 è stata creata una base giuridica specifica in materia di energia che ha permesso di
porre gli aspetti energetici al centro delle politiche europee. Un capitolo specifico del trattato ha
definito i principali ambiti e gli obiettivi generali della politica energetica europea. L'Unione Europea
viene pertanto autorizzata ad adottare misure per garantire sia il buon funzionamento del mercato
dell'energia che la sicurezza dell'approvvigionamento energetico, per promuovere l’efficienza del
risparmio energetico e per sviluppare nuove energie e reti di interconnessione.
Il 10 gennaio 2007 la Commissione Europea ha adottato un pacchetto su energia e cambiamenti
climatici6 ponendo così le basi di una vera politica energetica comune. Questo pacchetto “Energia”
s’inserisce nella dinamica avviata nel marzo 2006 dal Libro Verde su una strategia europea per
un’energia sostenibile, competitiva e sicura.
La decisione n. 406/2009/CE del Parlamento europeo e del Consiglio, del 23 aprile 2009, ribadisce gli
sforzi che gli Stati membri devono compiere al fine di adempiere agli impegni della Comunità in
materia di riduzione delle emissioni di gas a effetto serra entro il 2020. Essa stabilisce inoltre il
contributo minimo degli Stati membri in materia di emissioni di gas a effetto serra, in seguito
all’impegno assunto per il periodo 2013-2020 e definisce le modalità per la verifica della loro portata.
L‘8 luglio 2010 è entrata in vigore la direttiva 2010/31/UE del Parlamento europeo e del Consiglio,
del 19 maggio 2010, sulla prestazione energetica nell’edilizia. Quest’ultima direttiva aggiorna e
sostituisce la precedente direttiva 2002/91/UE e deve essere recepita dai Paesi membri in maniera
graduale con un primo termine fissato per luglio 2012. La nuova direttiva comunitaria promuove il
miglioramento della prestazione energetica degli edifici delineando un comune quadro metodologico
per il calcolo della prestazione energetica degli edifici. Tale quadro generale tenendo conto delle
condizioni locali e climatiche e dell’efficacia in funzione dei costi, individua i requisiti ottimali di
prestazione energetica per edifici ed elementi edilizi. Questi requisiti sono livelli minimi e non
impediscono agli Stati membri di mantenere o prendere provvedimenti più rigorosi. Gli Stati membri
devono così adottare, a livello nazionale o regionale, una metodologia di calcolo per la prestazione
energetica degli edifici tenendo conto di determinati aspetti, tra cui le caratteristiche termiche
dell'edificio e degli impianti di riscaldamento, di produzione dell’acqua calda sanitaria, di
condizionamento dell’aria e di illuminazione. Nel calcolo delle prestazioni energetiche occorre anche
tenere conto dei vantaggi derivati dalle condizioni locali di esposizione al sole, dall'illuminazione
naturale, dai sistemi di cogenerazione dell'elettricità e dagli impianti di teleriscaldamento o
telerinfrescamento urbano o collettivo. Nel fissare i requisiti minimi, gli Stati membri possono
distinguere tra gli edifici già esistenti e quelli di nuova costruzione, nonché tra diverse tipologie 6 Comunicazione della Commissione al Consiglio europeo e al Parlamento europeo, del 10 gennaio 2007, "Una
politica energetica per l'Europa" [COM(2007) 1 - Non pubblicata nella Gazzetta ufficiale].
7
edilizie. I requisiti minimi di prestazione energetica sono riveduti ogni 5 anni. Con questa direttiva
viene così introdotto l’obbligo per gli Stati membri di istituire un sistema di certificazione energetica
degli edifici, il certificato avrà una validità massima 10 anni, e si prevede che vengano redatti piani
nazionali destinati ad aumentare il numero di “edifici a energia quasi zero”. L’edificio a energia quasi
zero è un edificio ad elevatissima prestazione energetica, il cui fabbisogno energetico, in ogni caso
molto basso, dovrebbe essere coperto in misura molto significativa da energia proveniente da fonti
rinnovabili. Entro il 31 dicembre 2020 tutti gli edifici di nuova costruzione dovranno essere “edifici a
energia quasi zero”. Per gli edifici di nuova costruzione occupati da enti pubblici e di proprietà di
questi ultimi questa scadenza è anticipata al 31 dicembre 2018.
Anche gli edifici esistenti sottoposti a significative ristrutturazioni devono migliorare la propria
prestazione energetica, così da potere anch’essi soddisfare i requisiti minimi. Mentre tra le eccezioni
si annoverano gli edifici tutelati per il loro valore architettonico o storico, gli edifici adibiti a luoghi di
culto, i fabbricati temporanei, i siti industriali, le officine, gli edifici agricoli, gli edifici residenziali
utilizzati meno di 4 mesi all’anno e i fabbricati indipendenti di superficie inferiore a 50 m².
1.3 Norme nazionali
Le prime normative italiane sul risparmio energetico sono nate in seguito alla crisi mondiale del
petrolio del 1973 che ha posto l’attenzione mondiale sui consumi energetici e sulla dipendenza dalle
fonti non rinnovabili. La legge 373 del 1976, prima legge nazionale sul risparmio energetico degli
edifici, ha tentato di limitare i consumi energetici in edilizia ed ha imposto limiti alla dispersione
termica degli involucri. La sua applicazione in edilizia tuttavia si é mostrata quasi del tutto assente e
nel corso degli anni la legge é stata abrogata e sostituita completamente.
La prima vera legge sul risparmio energetico degli edifici é stata la legge 10 del 1991 intitolata
"Norme in materia di uso razionale dell'energia, di risparmio energetico e di sviluppo delle fonti
rinnovabili di energia" la quale ha introdotto la regolamentazione dell'intero settore termotecnico e
le linee guida sui consumi energetici. L’attuazione di questa legge è stata regolamentata da due
decreti: il DPR 412 del 26 agosto 1993 “Regolamento recante norme per la progettazione,
l’installazione, l’esercizio e la manutenzione degli impianti termici degli edifici ai fini del
contenimento dei consumi di energia” con cui è stata introdotta la suddivisione del territorio italiano
in 6 zone climatiche, dalla A alla F, definite in funzione dei gradi giorno specifici per ogni località, e il
successivo DPR 551 del 1999.
Negli ultimi anni il governo italiano ha iniziato a muoversi per il recepimento delle diverse direttive
europee, creando una base per le politiche energetiche nazionali. Il 19 agosto 2005 la direttiva
europea 2002/91/CE è stata trasformata in legge attraverso il decreto legislativo D.Lgs. 192/2005
"Attuazione della direttiva 2002/91/CE relativa al rendimento energetico nell'edilizia". Questa legge é
8
la normativa di riferimento in materia di certificazione energetica, in quanto per la prima volta viene
riconosciuto il ruolo del certificatore energetico e le sue responsabilità.
Successivamente il regime normativo relativo alle prestazioni energetiche degli edifici é stato
innovato con due disposti legislativi. Il D.Lgs. 311/2006 “Disposizioni correttive ed integrative al
decreto legislativo 192/2005” modifica la disciplina della certificazione energetica e la metodologia di
calcolo per il rendimento energetico degli edifici. La novità di maggior rilievo introdotta dal decreto è
l’estensione dell’ambito di applicazione della certificazione energetica a tutti gli edifici, nuovi ed
esistenti. Il D.M. del 19 febbraio 2007 “Disposizioni in materia di detrazioni per le spese di
riqualificazione energetica del patrimonio edilizio esistente” prevede detrazioni d’imposta per le
spese di riqualificazione energetica del patrimonio edilizio esistente, considerando la detrazione del
55% per le spese sostenute entro il 31 dicembre 2007 relative ad interventi di riqualificazione
energetica degli edifici.
Il 30 maggio del 2008 viene emanato anche il decreto legislativo D.Lgs. 115/2008 “Attuazione della
direttiva 2006/32/CE relativa all'efficienza degli usi finali dell'energia e i servizi energetici e
abrogazione della direttiva 93/76/CEE” che ha recepito la direttiva 2006/32/CE e ha sopperito
all'assenza di decreti attuativi per il D.Lgs. 192/2005. Il decreto del 2008 ha prescritto l'obbligo di
riferirsi alla Specifica tecnica “UNI/TS 11300 Parti 1 e 2” per il calcolo del fabbisogno energetico degli
edifici mandando in deroga le precedenti Norme UNI. In particolare attraverso l’articolo 6
“Certificazione energetica degli edifici” è stato previsto che, in fase di compravendita e locazione,
l’attestato di certificazione energetica e la definizione della classe energetica dell’immobile,
dovessero essere posseduti ed esibiti non solo per immobili nuovi ma anche per gli immobili
esistenti. L'attestato di certificazione energetica ha una durata di 10 anni e deve essere aggiornato ad
ogni intervento di ristrutturazione. Utilizzando una suddivisione schematica del territorio italiano
basata sulle zone climatiche individuate nel D.P.R. 412/1993 e nelle sue successive modifiche e
integrazioni, il D.Lgs. 115/2008 ha stabilito alcuni obblighi quali:
la determinazione, in sede progettuale, dell’indice di prestazione energetica per la
climatizzazione invernale (EPi) sia negli edifici di nuova costruzione che in alcuni casi di
ristrutturazione. Tale indice deve essere inferiore ai valori limite previsti dal decreto;
la verifica della trasmittanza termica delle diverse strutture edilizie opache e delle chiusure
trasparenti che delimitano l’edificio. Tale valore di trasmittanza non deve superare il 30% dei
valori limite fissati nel decreto;
la determinazione del rendimento globale medio stagionale dell’impianto termico. Tale
rendimento deve essere superiore ad un valore limite specificato nella normativa. Per tutti gli
edifici l’impianto di produzione dell’energia termica deve coprire il 50% del fabbisogno
9
annuo di energia primaria richiesta per la produzione di acqua calda sanitaria, il limite scende
al 20% per gli edifici situati nei centri storici.
Le varie metodologie di calcolo e i requisiti minimi per la determinazione delle prestazioni
energetiche degli edifici e degli impianti termici sono state definite con il D.P.R. 59/2009
"Regolamento di attuazione dell'articolo 4, comma 1, lettere a) e b), del decreto legislativo 19 agosto
2005, n. 192, concernente attuazione della direttiva 2002/91/CE sul rendimento energetico in
edilizia". Per incentivare la diffusione e l’applicazione di interventi finalizzati al risparmio energetico
sono stati introdotti una serie di detrazioni ed incentivi statali.
Il D.M. del 26 giugno 2009 rappresenta le Linee Guida Nazionali di riferimento per la certificazione
energetica dei nuovi e vecchi edifici e per la definizione dei metodi di calcolo. Con l'entrata in vigore
di queste ultime linee guida la certificazione energetica entra di fatto in vigore in tutta Italia anche se
con modalità diverse. Il decreto introduce una nuova classe energetica A+ (aggiunta alle 7 classi, dalla
A alla G, già esistenti), una targa energetica indicante le prestazioni dell’involucro e il rendimento
medio dell’impianto (per gli edifici superiori a 200 mq è obbligatorio indicare le performance
dell’involucro anche in relazione alla climatizzazione estiva) e conferma, in alternativa alla norma
UNI/TS 11300 e alla procedura semplificata, l’adozione del software DOCET messo a punto da Enea e
Itc-Cnr per la diagnosi energetica di edifici esistenti.
Nel dicembre del 2010 viene approvato dal Consiglio dei Ministri il decreto legislativo sulla
promozione delle fonti rinnovabili che attua la Direttiva 2009/28/CE sottolineando l'obbligo di
integrazione delle fonti rinnovabili negli edifici. Nelle nuove costruzioni e negli edifici esistenti
sottoposti a ristrutturazioni rilevanti devono essere utilizzate fonti rinnovabili per soddisfare i
consumi di calore, di raffrescamento e di elettricità.
1.4 Norme regionali
In base all’art. 117, comma 3, della Costituzione Italiana, la materia riguardante l’energia, o più
precisamente, la “produzione, trasporto e distribuzione nazionale dell’energia” rientra fra le materie
di legislazione concorrente fra Stato e Regioni. Inoltre, ai sensi dei successivi commi 5 e 6 del citato
art. 117, le Regioni provvedono “all’attuazione e all’esecuzione degli atti dell’Unione europea, nel
rispetto delle norme procedurali statali” e sono dotate di potestà regolamentare, oltreché legislativa.
In Italia il quadro legislativo esistente appare molto frammentato: il recepimento della Direttiva
2002/91/CE (abrogata il 1° febbraio 2012 dalla Direttiva 2010/31/UE) è avvenuto infatti in modo
disomogeneo da regione a regione, con diversità nel modello dell’attestato di certificazione
energetica, nelle procedure di calcolo degli indicatori energetici e nel rilascio della targa energetica.
10
Rispetto alla pubblicazione delle Linee Guida nazionali del 26 giugno 2009 alcune regioni e province
autonome (Bolzano, Lombardia, Liguria, Piemonte ed Emilia Romagna) si sono mosse in anticipo,
istituendo il proprio sistema di certificazione prima del 2009.
All’estremo opposto, come segnalato dal “Rapporto 2012 sull’attuazione della certificazione
energetica” realizzato dal Comitato Termotecnico Italiano CTI, a marzo 2012 otto regioni non
avevano ancora istituito la certificazione energetica obbligatoria sul proprio territorio mentre altre
due l’avevano istituita formalmente recependo la normativa nazionale, senza emanare però una
legge regionale al riguardo. Le dieci regioni che non hanno ancora una legge quadro sono Abruzzo,
Basilicata, Calabria, Campania, Lazio, Marche, Molise, Sardegna, Umbria e Veneto.
La prima regione a completare l’iter normativo e a rendere obbligatoria la certificazione energetica
su tutto il proprio territorio è stata la regione Lombardia, la quale ha adottato un sistema di
certificazione (CENED) capace di rendere immediatamente operativo l’intero meccanismo della
certificazione energetica, grazie non solo alla definizione dei ruoli e delle competenze, ma anche
mediante un modello di calcolo capace di garantire uniformità nell’applicazione delle regole.
L’attestato di certificazione energetica, rilasciato da professionisti abilitati iscritti all’elenco regionale,
è necessario per l’accesso agli incentivi e per la compravendita.
Anche la Regione Piemonte già dal 1° luglio 2009 aveva introdotto l’obbligo di produrre l’attestato di
certificazione energetica, individuando gli indirizzi, le prescrizioni e gli strumenti volti a migliorare le
prestazioni energetiche degli edifici esistenti e di nuova costruzione ed istituendo il sistema SICEE per
la gestione online dei certificati.
Dal 1° luglio 2008 nella regione Emilia Romagna sono entrate in vigore le disposizioni contenute
nell'Atto di Indirizzo e Coordinamento della Regione, che fissa i requisiti minimi di rendimento
energetico degli edifici con un sostanziale allineamento a quelli nazionali, ma premendo
l'acceleratore su alcuni punti, come il miglioramento dei requisiti per il contenimento dei consumi
estivi e una maggiore valorizzazione delle fonti rinnovabili. Su impulso della regione è nato il progetto
ECOABITA, a cui partecipano una trentina di comuni, oltre a quello di Reggio Emilia. La certificazione
ECOABITA è volontaria e prevede requisiti più restrittivi degli attuali limiti di legge, costituendo
dunque un vero e proprio marchio di qualità: un edificio nuovo certificato ECOABITA consuma per la
climatizzazione invernale e la produzione di acqua calda sanitaria, almeno il 25% in meno del valore
limite previsto dalla regione, e circa il 60% in meno rispetto all'edilizia tradizionale.
Con il Regolamento Regionale n.1 del 22 gennaio 2009 “Regolamento di attuazione articolo 29 della
legge regionale 29 maggio 2007 n. 22 recante: 'Norme in materia di certificazione energetica degli
edifici'. Sostituzione del regolamento regionale n. 6 del 8.11.2007”, anche la regione Liguria ha
adottato le norme per la certificazione energetica degli edifici definendo le prestazioni minime, la
metodologia di calcolo, i criteri e le modalità per il rilascio dell’Attestato di certificazione energetica,
11
nonché le modalità di attuazione delle verifiche sulla conformità delle opere. L’obbligo di allegare
l’Attestato di certificazione energetica all’atto di compravendita a pena di nullità della vendita è stato
eliminato, ma rimane una sanzione monetaria per chi non lo consegni.
La Provincia autonoma di Bolzano è stata la prima provincia a dotarsi, con lo standard CasaClima,
obbligatorio dal 2002, di strumenti normativi e pianificatori totalmente innovativi. Lo standard
CasaClima assegna agli edifici una classe in base al consumo di energia, premiando le migliori
prestazioni con sconti sugli oneri di urbanizzazione. La Provincia di Bolzano ha reso la certificazione
obbligatoria per tutte le nuove abitazioni e ha innalzato il requisito minimo dalla classe C (meno di 70
kWh/mq anno) alla B (meno di 50 kWh/mq anno) per ottenere l'abitabilità in un nuovo edificio.
Delle Regioni autonome, degna di nota è anche la Provincia autonoma di Trento che si è mossa
autonomamente all'indomani dell'approvazione della Direttiva europea 2002/91/CE, legiferando in
merito ai requisiti minimi di prestazione energetica degli edifici, ai requisiti professionali ed ai criteri
di accreditamento dei certificatori.
13
2 STANDARD ENERGETICI DEGLI EDIFICI
2.1 Introduzione
Negli ultimi decenni le avvisaglie di una crisi energetica hanno catalizzato la ripresa di una
progettazione architettonica che, per ridurre la dipendenza dai combustibili fossili, cerca di riscoprire
i principi della cosiddetta progettazione sostenibile. La progettazione sostenibile é un termine
generale usato per definire un approccio strategico alla progettazione che, per assolvere alle
esigenze energetiche dell’edificio, si affida primariamente allo sfruttamento delle risorse climatiche
locali. Per questo motivo adottare un indirizzo sostenibile significa calare ogni progetto edilizio nel
suo specifico contesto micro-climatico. Il principio base della progettazione sostenibile è infatti
quello di controllare e modulare l'ingresso della luce diurna, il passaggio di calore ed il flusso di aria
all’interno dell’edificio. Le tecniche di progettazione prevedono per esempio un corretto
orientamento dell'edificio, una disposizione appropriata delle aperture, dell’ombreggiamento,
dell’isolamento e della massa termica. Il controllo termico attuato con una combinazione di strategie
e di tecnologie adattate al clima, al tipo di edificio, alla sua destinazione d’uso e dunque ai carichi
interni prevedibili, viene definito controllo termico passivo. Tecnologie e strategie che richiedono
energia da fonti convenzionali, per esempio di origine fossile, anziché da pozzi e sorgenti di energia
presenti nell’ambiente circostante l’edificio, costituiscono gli strumenti del controllo termico attivo.
In molti interventi volti alla sostenibilità ambientale, si prevede che si applichino nella successione le
seguenti scelte:
Scelte di controllo del microclima e di riduzione dei carichi interni;
Scelte di controllo termico passivo;
Infine, se ancora necessario, scelte di controllo termico attivo.
Una corretta successione e integrazione di questi passi é un percorso progettuale che conduce a
mantenere gli ambienti interni nella fascia di comfort abitativo prescelta con una ridotta domanda di
energia per impianti attivi.
2.2 Standard energetici degli edifici
Dal punto di vista energetico si possono distinguere diversi standard energetici degli edifici. Gli
standard si basano su un indicatore energetico che normalmente è rappresentato o dal fabbisogno
specifico annuo di energia per il riscaldamento (khW/m2anno), corrispondente in genere al principale
consumo energetico riscontrabile negli edifici o dal fabbisogno specifico annuo di energia primaria,
14
che oltre al consumo per il riscaldamento comprende anche i consumi energetici riferiti al
raffrescamento, alla produzione di acqua calda sanitaria, all’illuminazione e agli apparecchi elettrici,
ottenendo così un indicatore energetico complessivo. Sulla base del fabbisogno specifico annuo di
energia richiesta per il riscaldamento si possono distinguere i seguenti edifici:
edifici a basso consumo energetico;
edifici passivi;
edifici a consumo energetico zero;
edifici a bilancio energetico positivo.
Gli edifici a basso consumo energetico non sono definiti mediante un preciso fabbisogno termico
specifico, tuttavia rappresentano edifici ad alta efficienza energetica, il cui consumo energetico per il
riscaldamento si mantiene normalmente al di sotto dei 50 kWh/m2anno1, corrispondente a meno di
un terzo di quello attuale stimato per gli edifici convenzionali. Gli edifici a basso consumo energetico
raggiungono questi valori grazie ad un involucro edilizio ben coibentato, a finestre termoisolanti e, in
molti casi, ad una ventilazione controllata, con o senza recupero di calore. Sono tuttavia caratterizzati
da un sistema di riscaldamento convenzionale. Di questa categoria fanno parte gli edifici certificati
secondo lo standard svizzero MINERGIE e secondo lo standard CasaClima della Provincia Autonoma
di Bolzano. La seguente Tabella 2.2.1 riassume le classi energetiche previste dal D.M. del 26 giugno
2009, in cui sono evidenziate le classi energetiche richieste dallo standard CasaClima.
Tabella 2.2.1 Classi Energetiche previste dal D.M. del 26 giugno 2009.
Classe CasaClima Efficienza Energetica Involucro
ORO ≤ 10 kWh/m²anno
A ≤ 30 kWh/m²anno
B ≤ 50 kWh/m²anno
C ≤ 70 kWh/m²anno
D ≤ 90 kWh/m²anno
E ≤ 120 kWh/m²anno
F ≤ 160 kWh/m²anno
G Più di 160 kWh/m²anno
Fonte: Direttiva Tecnica CasaClima, Agosto 2011, Provincia Autonoma di Bolzano.
Gli edifici passivi sono uno standard energetico tedesco certificato dal Passivhaus Institut di
Darmstadt. Rappresentano un perfezionamento degli edifici a basso consumo energetico in cui il
1 www.edificipassivi.com
15
fabbisogno specifico annuo per il riscaldamento invernale si mantiene inferiore a 15 kWh/m2anno e il
fabbisogno specifico annuo di energia primaria non supera i 120 kWh/m2anno. Un edificio passivo
viene tipicamente riscaldato attraverso fonti energetiche disponibili: il calore irradiato dal sole
attraverso le finestre e il calore emesso da sorgenti interne (persone, apparecchiature elettriche ed
illuminazione artificiale). Inoltre è dotato di un sistema di ventilazione meccanica con recupero di
calore, per cui diventa superflua la presenza di un sistema di riscaldamento convenzionale. L’acqua
calda per una casa passiva dovrebbe essere prodotta mediante un impianto solare.
Gli edifici a consumo energetico zero sono caratterizzati da un consumo annuale di energia primaria
uguale o inferiore alla produzione di energia ottenuta in loco con fonti rinnovabili. In edifici di questo
genere l’approvvigionamento energetico è garantito in ogni momento dai sistemi di accumulo di
energia propri dell’edificio, nella maggioranza dei casi di tipo solare.
Gli edifici a bilancio energetico positivo, o Plusenergiehaus, sono addirittura in grado di produrre più
energia di quanto sia necessaria. Sviluppati nel 2000 dall’architetto tedesco Rolf Disch, sono
caratterizzati da diversi sistemi di produzione energetica come collettori solari, termici, fotovoltaici e
sistemi eolici.
2.3 Passivhaus per il Nord Europa
"I fabbisogni energetici vengono ridotti a tal punto che le tecniche di riscaldamento passivo
conosciute come lo sfruttamento del sole attraverso le aperture trasparenti e dei guadagni interni
delle persone e degli elettrodomestici, diventano significative in rapporto al fabbisogno totale di
energia dell'edificio. Il calore di cui eventualmente si dovesse avere bisogno, può essere fornito
attraverso l'impianto di ventilazione interna, a patto che il carico termico dell'edificio non superi i 10
Watt per metro quadrato di superficie abitata. Quando un edificio si riscalda con il solo aiuto di un
sistema di ventilazione forzata, si può definire tale sistema un edificio passivo."
Dr. Wolfgang Feist
Poco nota fino a qualche anno fa, la Passivhaus è un’innovazione tecnologica dovuta al fisico tedesco
Wolfgang Feist, professore al Wohnen und Umwelt Institut di Darmstadt e allo svedese Bo Adamson,
professore alla Lund University. Nel 1991 Wolfgan Feist e Bo Adamson applicarono i principi della
progettazione passiva ad un piccolo complesso di 4 villette a schiera costruito a Darmstadt-
Kranichstein con l’obiettivo di realizzare per il clima tedesco un edificio pilota a basso consumo
energetico e a costi contenuti. Il progetto ottenne risultati eccellenti dal punto di vista del risparmio
energetico, ma il costo di produzione non la rese molto popolare. Gli stessi sistemi passivi furono
applicati anche nel 1995 in una seconda costruzione a Groß-Umstadt e nel 1996 nacque la
fondazione Passivhaus-Institut a Darmstadt.
16
Basandosi sulle esperienze dei primi esempi di Darmstadt e di Groß-Umstadt, Feist codificò nel 1998
lo Standard Passivhaus. Esso si fonda da allora sostanzialmente su tre cardini:
un limite al consumo di energia primaria (energia utilizzata per il riscaldamento, il
raffrescamento, la ventilazione, l’illuminazione artificiale e la produzione di acqua calda);
un limite al fabbisogno energetico di riscaldamento;
un limite alla permeabilità dell’involucro;
requisiti di qualità legati al livello di comfort termico.
Il nuovo standard abitativo si é diffuso principalmente in Germania, Austria, Olanda, Svezia e altri
paesi del Centro e Nord Europa. La prima Passivhaus di tipo pluri-familiare fu edificata nel 1999 a
Friburgo. Seguirono un complesso residenziale di 21 case a Wiesbaden, 32 case ad Hannover-
Kronsberg e 52 case a Stoccarda. Tra il 1999 e il 2001 sono stati costruiti attraverso il progetto
CEPHEUS ulteriori 221 complessi in 14 località di cinque stati dell'Unione Europea: Germania, Svezia,
Francia, Svizzera ed Austria. Fino al 2006 in Europa, soprattutto nei paesi centrali, sono state
costruite più di 8000 abitazioni conformi allo Standard Passivhaus, 4000 solo in Germania.
In Italia le iniziative più importanti sono quelle prese dalla Provincia Autonoma di Bolzano in Alto
Adige che da diversi anni ha emanato una legge provinciale per istituire la certificazione CasaClima
per la quale una Passivhaus corrisponde alla CasaClima di Classe Oro. Il primo edificio passivo
pubblico italiano risale al 2004, si trova a Bolzano e si tratta dell'adeguamento di un ex edificio
postale ora sede degli uffici della Provincia Autonoma di Bolzano. L'edificio con una volumetria di
20.000 mc consuma 12 kWh/m²anno che corrisponde a un litro di olio combustibile per metro
quadrato all'anno2. Attualmente in Italia vi sono due enti di certificazione per le case passive: il TBZ di
Bolzano istituito nel 2005 e l’istituto ZEPHIR nato di Pergine Valsugana (TN). Nel 2011 é stato creato
anche il Gruppo Passive House Italia (gPHi).
In Austria, a partire dal 2015, la Passivhaus sarà lo standard prescritto dalla legge per tutti gli edifici.
Nella regione austriaca del Vorarlberg lo standard è obbligatorio già dal 1 gennaio 2007.
Una Passivhaus é un edificio ad altissime prestazioni energetiche e ad elevatissimo livello di comfort
interno, i cui principi base sono la minimizzazione delle perdite e l’ottimizzazione dei guadagni di
calore. Si tratta di un particolare standard abitativo basato sull'integrazione di materiali e tecnologie
appropriati che assicurano all'edificio un'elevata qualità abitativa ed una sensibile riduzione dei
consumi energetici. Tecniche costruttive innovative, sistemi di coibentazione avanzati e recupero del
calore dall’aria evacuata sono le parole chiave che definiscono le sue peculiarità.
2 www.tasnskom./ambiente altoadige/edificio_expost.aspx
17
Il termine edificio passivo è generalmente riferito ad edifici in cui le condizioni di comfort, sia nel
periodo invernale che estivo, vengono raggiunte grazie alle caratteristiche dell’involucro edilizio
(come forma e orientamento, isolamento e massa termica, superfici vetrate e protezioni solari) e a
sistemi di trasporto del calore (pompe o ventilatori) da o verso l’ambiente circostante che non
richiedano utilizzo di energia fossile o di altre fonti energetiche convenzionali.
La Passivhaus é infatti un’abitazione che assicura il benessere termico interno senza bisogno di alcun
impianto di riscaldamento convenzionale come caldaie, termosifoni e sistemi analoghi. L'energia
necessaria a pareggiare il bilancio termico dell'edificio è tipicamente fornita con sistemi non
convenzionali, ossia con impianti che adottano pannelli solari o pompe di calore per riscaldare l'aria
dell'impianto di ventilazione controllata a recupero energetico.
Gli edifici passivi sono caratterizzati da perdite di calore così basse che il calore fornito dagli apporti
solari e quello prodotto e recuperato dalle sorgenti interne come persone, apparecchiature,
macchinari, illuminazione artificiale può coprire quasi tutta l’energia necessaria per il riscaldamento
invernale. Il fabbisogno energetico residuo da coprire con i sistemi di riscaldamento non
convenzionali è inferiore a 15 kWh/ m²anno. Il Passivhaus Institut (PHI) di Darmstdt richiede che per
una costruzione passiva vengano raggiunti i requisiti schematizzati nella seguente Tabella 2.3.1.
Tabella 2.3.1 Standard di una Passivhaus.
Requisito di energia primaria La domanda di energia primaria per tutti i servizi energetici, inclusi
riscaldamento, raffrescamento, ventilazione, elettricità ed acqua
calda non deve essere superiore a 120 kWh per m² di superficie
netta abitabile per anno.
Requisito di riscaldamento La domanda di energia utile netta per il riscaldamento ambientale
non deve essere superiore a 15kWh per m² di superficie netta
abitabile per anno.
Tenuta all’aria L’involucro edilizio deve presentare un risultato del test di
pressurizzazione (a 50 Pa), non superiore a 0.6 h⁻ ¹ secondo la
EN 13829.
Queste prestazioni si possono ottenere attraverso una progettazione molto attenta, specie nei
riguardi del sole, grazie all'utilizzo di un elevato livello d’isolamento termico, di superfici vetrate ad
altissime prestazioni, di accurati sistemi di ombreggiamento e mediante l'adozione di sistemi di
ventilazione controllata a recupero energetico, ossia di scambiatori a flusso incrociato che
recuperano almeno il 75% del calore dell'aria in uscita. Le perdite di calore attraverso l’involucro
18
sono praticamente trascurabili, per questo motivo in una Passivhaus le perdite di calore dovute alla
presenza di fessure e fughe diventano determinanti. A tale proposito l’ermeticità del rivestimento
esterno assume un ruolo fondamentale: il tasso di ricambio d’aria, rapportato al volume d’aria
contenuto nell’ambiente confinato, deve garantire infiltrazioni inferiori a 0.6 h⁻ ¹.
Per quanto riguarda la trasmittanza termica dell’involucro esterno, vengono forniti alcuni valori
indicativi ma non obbligatori, riportati nella Tabella 2.3.2. L’efficacia dell’isolamento termico di tutto
l’involucro permette di conservare calore all’interno in inverno e di non farlo entrare in estate.
Tabella 2.3.2 Trasmittanze termiche indicative per l’involucro esterno.
Elemento costruttivo Trasmittanza termica [W/m²K]
Copertura 0.15
Parete perimetrale 0.15
Soffitto cantina 0.10
Parti vetrate 0.80 Fonte: www.cepheus.de
Nella Passivhaus è obbligatoria l’installazione di un impianto di ventilazione, se infatti si utilizzasse
l'aerazione attraverso le finestre il desiderato risparmio energetico insieme con la qualità dell´aria
non sarebbe mai possibile. Per realizzare l'indispensabile ricambio d'aria dovuto a ragioni igieniche e
per perdere al medesimo tempo il minor quantitativo possibile di energia, è previsto un impianto di
ventilazione con recupero di calore superiore al 75%, alimentato con motore ad alta efficienza (la
potenza richiesta é dell'ordine dei 40-50W). L’aria calda in uscita dagli ambienti interni viene
convogliata verso uno scambiatore di calore, dove l’aria fredda in ingresso riceve almeno il 75% del
calore di quella uscente. L’aria di alimentazione, dopo essere stata pulita da un filtro, viene così
ridistribuita all'interno degli ambienti. In progetti più avanzati l’eventuale integrazione dell’energia
termica si ottiene spesso con l’ausilio di una pompa di calore o di collettori solari. Molti impianti sono
anche collegati a sonde di calore geotermiche che preriscaldano in inverno l’aria fresca immessa
nell’abitazione e la preraffrescano in estate. Questi impianti se non correttamente dimensionati
possono causare il problema dell'aria troppo secca, occorre infatti operare attentamente sulla
portata d’aria per regolare il tasso di umidità interno.
Generalmente lo Standard Passivhaus viene raggiunto nei climi tipici del Centro-Nord Europa, da
edifici caratterizzati da una forma compatta, in modo da disperdere meno calore a parità di volume,
e da edifici correttamente orientati rispetto alla radiazione solare.
I vantaggi in termini di consumo energetico sono enormi: mentre un edificio convenzionale é
caratterizzato da una domanda media per il riscaldamento di 150 kWh/m²anno, il fabbisogno
energetico utile richiesto per il riscaldamento di una Passivhaus si mantiene minore a 15
19
kWh/m²anno. Una Passivhaus consuma infatti il 90% in meno rispetto alle case tradizionali e circa il
75% in meno rispetto alle nuove case costruite secondo le regolamentazioni termiche attuali. Oltre
all’alto valore economico intrinseco, una Passivhaus é caratterizzata da un’ottima durabilità e
comporta un ridotto impatto ambientale. La dipendenza energetica é bassissima e i costi per il
riscaldamento sono minimi. Inoltre vengono assicurati altissimi livelli di comfort e di qualità dell’aria
interna per tutto l’anno e per tutti gli ambienti. Le temperature e il calore sono equamente distribuiti
in tutte le stanze evitando variazioni significative di temperatura e fastidiosi spifferi. I costi di
costruzione di una Passivhaus sono più alti se paragonati a quelli di edifici progettati e costruiti con
metodologie convenzionali. Tuttavia, rispetto ai costi degli edifici che devono rispondere alle nuove
normative sul risparmio energetico, i costi di costruzione di una Passivhaus, considerando anche i
successivi costi di funzionamento, diventano molto concorrenziali.
2.4 Passivhaus per il Mediterraneo
Lo Standard Passivhaus nasce per rispondere alle esigenze connesse al clima relativamente freddo
dell’Europa Centrale. Nelle zone mediterranee, in cui il clima estivo é molto caldo, la Passivhaus
rappresenta un concetto complesso da implementare. Sebbene anche le abitazioni dell’Europa
Meridionale necessitino di essere riscaldate d’inverno, di frequente l’esigenza predominante é quella
di assicurare condizioni confortevoli durante la stagione calda. Nel clima mediterraneo una
Passivhaus pensata per i paesi del Nord Europa soffre spesso di gravi problemi di surriscaldamento
nei mesi estivi, poiché per riscaldare gli ambienti interni nei mesi invernali cerca di sfruttare a pieno i
guadagni solari.
Allo scopo di promuovere la progettazione di case a basso impatto energetico anche nell’Europa
Meridionale é nato il progetto Passive-On. Tale progetto fa parte del programma Europeo Intelligent
Energy Europe gestito dalla Executive Agency for Competitiveness and Innovation (EACI) e finanziato
dalla Comunitá Europea3. Passive-On ha proposto alcune modifiche allo Standard Passivhaus per
renderlo più pertinente ai climi caldi riassunte nella Tabella 2.3.3.
I principali cambiamenti introdotti riguardano:
l’introduzione di un limite esplicito al fabbisogno energetico per il raffrescamento estivo che
si deve mantenere inferiore a 15 kWh/m²anno;
l’introduzione di requisiti minimi per le condizioni di comfort interne estive. Le temperature
operative degli ambienti devono rimanere negli intervalli di comfort definiti dalla norma EN
15251 del 2007 “Indoor environmental input parameters for design and assessment of
3 http://www.passive-on.org/it/.
20
energy performance of buildings addressing indoor air quality, thermal environmental,
lighting and acoustics”;
un rilassamento del valore limite della tenuta d’aria dell’involucro edilizio (n50 ≤ 1,0 h⁻ ¹).
Tabella 2.3.3 Standard di una Passivhaus esteso al clima mediterraneo.
Requisito di energia primaria La domanda di energia primaria per tutti i servizi energetici, inclusi
riscaldamento, raffrescamento, ventilazione, elettricità ed acqua
calda non deve essere superiore a 120 kWh per m² di superficie
netta abitabile per anno.
Requisito di riscaldamento La domanda di energia utile netta per il riscaldamento ambientale
non deve essere superiore a 15kWh per m² di superficie netta
abitabile per anno.
Requisito di raffrescamento La domanda di energia utile netta per il riscaldamento ambientale
non deve essere superiore a 15kWh per m² di superficie netta
abitabile per anno.
Tenuta all’aria Se una buona qualità dell’aria ed un alto comfort termico sono
raggiunti per mezzo di un sistema di ventilazione meccanica,
l’involucro edilizio dovrebbe presentare un risultato del test di
pressurizzazione (a 50 Pa), non superiore a 0.6 h⁻ ¹, secondo la EN
13829. Per località con temperature di progetto invernali esterne
superiori a 0°C, un risultato del test di pressurizzazine pari a 1.0 h⁻¹
é sufficiente.
Le analisi condotte dal gruppo di ricerca coordinato da eERG (end-use Efficiency Research Group) del
Politecnico di Milano hanno delineato edifici ottimizzati per i climi del Sud Europa che soddisfano
questa nuova e più completa definizione di Passivhaus4. Facendo un paragone con la controparte
nord-europea, questi edifici sono caratterizzati da:
elevato isolamento termico, con livelli differenziati per clima e per elemento costruttivo
(tetto, pareti, superfici a contatto con il terreno);
livello di tenuta all’aria che può essere leggermente inferiore a quanto previsto per i climi
freddi, soprattutto per le località più a sud;
4 Prof. Lorenzo Pagliano, Ing. Salvatore Carlucci, Ing. Tommaso Toppi, Ing. Paolo Zangheri “Passivhaus per il Sud
Europa linee guida per la progettazione”, Rockwool, 2008.
21
finestre e altre superfici vetrate dotate di protezioni solari fisse e mobili capaci di intercettare
completamente la radiazione solare diretta;
in estate, ventilazione notturna naturale in alcuni locali e nel vano scala e ventilazione
meccanica in altri, per ottimizzare la rimozione del calore e il comfort acustico;
eventuale impianto, passivo o attivo, per assolvere alle necessità di raffrescamento residue.
2.5 Passivhaus forma e orientamento
Le prestazioni energetiche di qualsiasi edificio sono strettamente legate alla forma e all’orientamento
dell’edificio stesso rispetto alla radiazione solare. Per un edificio a bassi consumi energetici e una
Passivhaus forma e orientamento rappresentano due aspetti fondamentali che, se sfruttati in
maniera appropriata, permettono una significativa diminuzione del fabbisogno energetico.
Gli aspetti che caratterizzano la forma dell’edificio e che maggiormente incidono sulla valutazione del
comportamento energetico sono la compattezza, la porosità e la snellezza.
Il parametro utilizzato per definire la compattezza di un edificio è pari al rapporto tra la superficie
esterna dell’involucro (S) e il volume (V) dell’edificio ed è normalmente indicato con l’indice di
compattezza (S/V). Quanto più compatta è la forma dell'edificio tanto più ridotte sono le perdite
superficiali. Lo scambio energetico tra l’ambiente esterno e quello interno avviene infatti attraverso
la superficie dell’involucro che racchiude il volume riscaldato: più estesa è la superficie dell’involucro
maggiori sono le dispersioni termiche. Per questo motivo per ridurre le dispersioni occorre
minimizzare il rapporto (S/V). Per gli edifici passivi realizzati nel Nord e Centro Europa il rapporto
(S/V) consigliato deve mantenersi inferiore a 0.6. Una maggiore compattezza può rendere più difficile
la ventilazione e l’illuminazione degli spazi centrali e implica da un lato una minore possibilità di
captare la radiazione solare, dall’altro una minore possibilità di dissipare energia. A parità di forma le
dispersioni sono inversamente proporzionali al volume: gli edifici di grande volumetria tendono a
trattenere il calore più facilmente rispetto agli edifici di minore volumetria che al contrario si
raffreddano con maggiore facilità. Per questo motivo gli edifici di grandi dimensioni sono
avvantaggiati nei mesi invernali, mentre risultano svantaggiati nei mesi estivi, durante i quali é più
difficile eliminare il calore in eccesso. Per gli edifici di piccole dimensioni vale l’opposto.
La porosità è definita come il rapporto tra il volume dei vuoti (volumi cavi la cui superficie aperta è
inferiore a 1/6 della somma delle superfici del patio inclusa la superficie aperta stessa) e il volume
totale dell’edificio. Un edificio con un elevato grado di porosità risulta dotato di molte superfici di
scambio con l’esterno: da un lato ciò comporta maggiori dispersioni di calore, dall’altro però facilita
la ventilazione delle zone interne (ideale per climi caldi).
Anche la snellezza, calcolata come rapporto tra l’altezza totale dell’edificio e la larghezza media della
pianta, è un parametro che caratterizza le prestazioni energetiche degli edifici. Un edificio snello ha
22
un ridotto contatto con il terreno ed un’elevata esposizione agli agenti atmosferici e non è dunque
particolarmente consigliabile dal punto di vista energetico.
Durante la progettazione di una Passivhaus vengono privilegiate, per minimizzare le dispersioni
invernali, forme geometriche compatte, si rinuncia ad esempio all’arretramento di muri perimetrali,
a balconi e a componenti sporgenti. La porosità potrebbe risultare vantaggiosa nel periodo estivo,
soprattutto per i climi mediterranei, mentre potrebbe essere fonte di maggiori dispersioni nel
periodo invernale. Per limitare questi effetti negativi può essere utile progettare elementi di chiusura
ad assetto variabile per atri, patii, gallerie e verande, garantendone la chiusura nel periodo invernale
e l’apertura nel periodo estivo.
Un altro aspetto fondamentale nella progettazione di un edificio a bassi consumi energetici e di una
Passivhaus è l’orientamento dell’edificio rispetto alla radiazione solare. L’analisi dell’orientamento di
un edificio è una strategia passiva di controllo termico: l’esposizione solare influisce molto nella
valutazione delle prestazioni energetiche determinando la quantità di apporti solari incidenti sulle
superfici dell’involucro. L’orientamento di un edificio è molto spesso vincolato da aspetti di carattere
pratico come le dimensioni dei lotti, le caratteristiche degli edifici circostanti, le distanze di rispetto
da strade e da altre costruzioni. Un buon orientamento prevede che l’asse principale dell’edificio sia
disposto nella direzione est - ovest, con le superfici più ampie rivolte a nord e sud.
Le facciate esposte a sud sono le uniche a ricevere radiazioni solari per tutto l'arco della giornata. La
presenza di una superficie vetrata piuttosto estesa su queste facciate garantisce nella stagione
invernale, quando il sole è basso sull'orizzonte e i raggi solari incidono sulla facciata quasi
perpendicolarmente, elevati apporti solari contribuendo al riscaldamento degli ambienti interni.
Mentre in inverno la facciata esposta a sud riceve il massimo della radiazione solare, nella stagione
estiva, essendo il sole alto sull’orizzonte, la radiazione solare incidente è inferiore e può essere
facilmente schermata da aggetti orizzontali.
Le facciate esposte a nord, ricevendo poca radiazione solare, sono in genere caratterizzate da
limitate aperture che solitamente non necessitano di schermature. A causa delle prestazioni
termiche dei serramenti, inferiori rispetto al resto dell’involucro, le dispersioni termiche non sono
infatti compensate da una sufficiente radiazione solare incidente.
Nelle facciate esposte ad est e ad ovest si hanno maggiori problemi: esse ricevono la radiazione
solare quando la posizione del sole è bassa, permettendo da un lato l’ingresso di energia nell’edificio
ma comportando dall’altro il rischio di abbagliamento. Per schermare la radiazione solare in queste
facciate sono preferibili aggetti o schermature verticali. La facciata ovest durante il periodo estivo è
quella più difficile da proteggere, essa è infatti esposta alla radiazione solare durante le ore del tardo
pomeriggio in cui la temperatura dell’aria è più alta e la radiazione solare ha un’incidenza quasi
perpendicolare. Per questo orientamento risulta opportuno limitare le superfici vetrate e progettare
23
un’adeguata schermatura. In primavera e in autunno gli apporti solari sono distribuiti in misura quasi
uguale su tutte le superfici verticali.
È possibile sfruttare al meglio l’energia solare seguendo i seguenti criteri di progettazione:
disporre, in base al livello di illuminazione naturale ed al fabbisogno di calore, la zona giorno
a sud (cucina a sud-est e soggiorno a sud-ovest) e la zona notte a nord;
prevedere una percentuale di superficie vetrata dal 30% al 60% sulle facciate sud, tuttavia in
alcuni casi una superficie vetrata superiore al 50% non fa aumentare in modo significativo i
guadagni solari in inverno influendo solo in misura trascurabile sul fabbisogno termico,
mentre può causare in estate un surriscaldamento degli ambienti. Considerare per le facciate
est ed ovest una percentuale di superficie vetrata dal 10% al 30%, mentre a nord solo del
10%;
prevedere delle sufficienti masse di accumulo che consentano di mantenere il caldo in
inverno e di prevenire il surriscaldamento in estate.
25
3 SOFTWARE UTILIZZATI
3.1 Introduzione
Per lo sviluppo di questa tesi sono stati accoppiati tre software commerciali disponibili
gratuitamente:
OpenStudio, un plugin di SketchUp Pro 8, per la modellazione geometrica degli edifici;
EnergyPlus 7.0.0.036 per la simulazione energetica degli edifici;
GenOpt 3.1.0 per il processo di ottimizzazione.
Lo scopo di questa tesi non è quello di analizzare in dettaglio il modo in cui questi tre software
funzionano, quindi verrà fatta solo un’introduzione sulle loro caratteristiche principali.
3.2 OpenStudio
OpenStudio é un plugin gratuito per SketchUp che permette di creare e modificare l’EnergyPlus IDF
(Input Data File) aggiungendo al contesto di EnergyPlus la modellazione 3D di SketchUp. Dopo aver
modellato la geometria dell’edificio in SketchUp, é possibile tramite OpenStudio creare e modellare
diverse zone termiche e salvare file .idf. L’uso di OpenStudio facilita la creazione della geometria
dell’edificio in quanto EnergyPlus, privo di un’interfaccia grafica per la creazione di un modello 3D,
richiede l’inserimento manuale delle coordinate di tutti i vertici.
Per questa tesi l’uso di OpenStudio é stato limitato alla creazione del modello geometrico e alla
definizione delle zone termiche, mentre si é preferito utilizzare direttamente il software EnergyPlus
per una modellazione termica più accurata degli edifici.
3.3 Energy Plus
EnergyPlus è un programma di simulazione dinamica per analisi energetiche e termiche degli edifici
sviluppato a partire dal 1996 da un team che comprendeva: U.S. Army Construction Engineering
Research Laboratories (CERL), University of Illinois (UI), Lawrence Berkeley National Laboratory
(LBNL), Oklahoma State University (OSU), GARD Analytics e DOE. Questo programma di simulazione
si basa sui punti di forza dei programmi BLAST e DOE-2, entrambi sviluppati e rilasciati negli anni ’70
e usati anch’essi come strumenti per simulazioni energetiche. BLAST (Building Loads Analysis and
System Thermodynamics) e DOE-2, entrambi scritti in una vecchia versione di Fortran, hanno
strutture, codici e caratteristiche che nel tempo si sono rivelate obsolete per i nuovi compilatori. Per
questo motivo é stato sviluppato il software EnergyPlus, scritto in Fortran 90 con un codice modulare
26
strutturato, facile da mantenere, aggiornare, estendere e collegare ad altri programmi. Rispetto a
BLAST e a DOE-2, EnergyPlus include alcune caratteristiche di simulazione innovative: i file di ingresso
e di uscita sono semplici file di testo ASCII e l’utente può variare gli intervalli di tempo e configurare i
sistemi modulari integrati con un bilancio di zona di calore e di massa. In programmi con simulazioni
sequenziali, come BLAST e DOE-2, l’edificio, i sistemi di trattamento dell'aria e gli impianti sono
simulati sequenzialmente senza retroazione reciproca (feedback).
La simulazione sequenziale inizia con un bilancio termico che aggiorna le condizioni e determina i
carichi di riscaldamento e di raffrescamento per tutti i passi temporali. Questa informazione viene
trasmessa alla simulazione del trattamento dell'aria per determinare la risposta del sistema senza
alterare le condizioni di zona. Allo stesso modo, la risposta del sistema viene passata alla simulazione
dell'impianto senza alcun feedback. Questa tecnica di simulazione funziona bene quando la risposta
del sistema è una ben definita funzione della temperatura dell'aria dello spazio condizionato.
Tuttavia in molte situazioni la risposta del sistema dipende dalle condizioni esterne e/o da altri
parametri dello spazio condizionato. Nei metodi di simulazione in sequenza é stato dimostrato che la
mancanza di feedback tra il sistema e l’edificio può portare a risultati non fisici.
Per ottenere risultati che siano fisicamente realistici gli elementi devono essere collegati in uno
schema di soluzioni simultanee. Il concetto su cui si basa EnergyPlus è rappresentato da una
simulazione integrata, ossia tutti e tre i maggiori aspetti della simulazione energetica e termica
(edificio, sistema ed impianti) vengono risolti contemporaneamente. I carichi calcolati dal modulo di
bilancio termico ad un determinato passo temporale specificato dall'utente (di default si hanno passi
di 15 minuti) vengono trasmessi, con lo stesso passo di tempo, al modulo di simulazione del sistema
dell’edificio. Più piccolo é il passo temporale minore é l'errore, ma più lungo é il tempo di calcolo.
Utilizzando una tecnica di soluzione integrata EnergyPlus risolve così le carenze più gravi delle
simulazioni sequenziali di BLAST e di DOE-2. La simulazione integrata permette inoltre agli utenti di
valutare una serie di processi come: realistici controlli sul sistema, assorbimento e deassorbimento
dell’umidità negli elementi della costruzione, sistemi di riscaldamento e raffrescamento radiante,
flusso d’aria tra le zone. Un altro concetto base di EnergyPlus é la modularità. La struttura modulare
facilita sia l’uso del programma, in quanto permette la modifica di un modulo avendo anche solo una
conoscenza limitata della struttura di EnergyPlus, sia la creazione di eventuali collegamenti con altri
elementi di programmazione.
La struttura complessiva di EnergyPlus è costituita da tre componenti di base:
un gestore di simulazione (simulation manager);
un modulo di bilancio di calore e di massa (heat and mass simulation balance);
un gestore di simulazione del sistema dell’edificio (building system simulation manager).
27
Al livello più esterno del programma, il gestore di simulazione controlla l’intero processo della
simulazione guidando le azioni dei singoli moduli. Il gestore é stato creato per affrontare in modo
specifico la mancanza di struttura che si aveva in DOE-2 e in BLAST e ha reso la gestione dei
collegamenti tra i moduli del programma semplice ed esplicita.
Per quanto riguarda il modulo di bilancio di calore esso si basa sul presupposto fondamentale che
l'aria in ogni zona termica può essere modellata con una temperatura uniforme, anche se questo non
riflette la realtà fisica (l’unica alternativa corrente è il CFD, Computational Fluid Dynamics, una
simulazione complessa e computazionalmente intensiva del moto dei fluidi). Il modulo di bilancio di
calore considera le superfici delle camere (pareti, finestre, soffitti e pavimenti) come superfici
radianti diffuse con temperature superficiali uniformi, conduzione di calore monodimensionale e
irradiazione uniforme. Inoltre esso simula l’equilibrio termico tra l’interno e l’esterno di una
superficie, gli effetti di conduzione, convezione, radiazione e il trasferimento di massa (vapore
acqueo).
Il modulo di bilancio di massa invece considera i vari flussi d’aria come la ventilazione e le
infiltrazioni. Esso valuta i guadagni di calore convettivo.
Il gestore di simulazione del sistema dell’edificio, dopo che il modulo di equilibrio termico ha
completato la simulazione per un dato passo temporale, controlla sia la simulazione dei sistemi HVAC
che la simulazione dei sistemi elettrici e aggiorna le condizioni di zona.
EnergyPlus, basato su un modello geometrico e fisico dell’edificio a cui vengono associati tutti i vari
sistemi meccanici di riscaldamento, di condizionamento e di ventilazione, permette di calcolare i
carichi di riscaldamento e di raffrescamento, il consumo energetico delle apparecchiature
dell'impianto primario così come molti altri dettagli di simulazione.
Le simulazioni di EnergyPlus ricoprono un certo periodo di tempo selezionato dall’utente
(solitamente pari a un anno). Tale periodo viene ripartito in una serie di intervalli (time step che
tipicamente sono compresi tra 0.1 e 0.25) per ciascuno dei quali il programma calcola nel tempo le
prestazioni dell’edificio. Per i dati di input e le condizioni al contorno che variano nel tempo
EnergyPlus assume valori medi su ciascun passo temporale. Il programma produce una grande
varietà di dati di output che sono riferiti a determinati periodi di tempo (solitamente orari od
annuali) e sono selezionabili dall’utente direttamente da una libreria interna al programma.
EP-Launch è una componente opzionale dell’installazione di EnergyPlus per Windows (non
disponibile per piattaforme Linux e Mac) che fornisce un modo semplice per selezionare i file ed
eseguire le simulazioni. Grazie ad EP-Launch é possibile eseguire EnergyPlus in modo più semplice, in
quanto permette di aprire un editor di testo per i file di input e di output, di aprire un foglio di calcolo
per i file contenenti i risultati della simulazione, di aprire un browser web e di avviare un
visualizzatore per il file di disegno selezionato (usualmente viene utilizzato il software Autocad).
28
3.4 GenOpt
GenOpt è un programma di ottimizzazione generico in grado di determinare automaticamente il
parametro ottimale minimizzando una funzione obiettivo, detta anche funzione di costo, rispetto alla
presenza di più parametri. La funzione obiettivo, definita dall’utente, viene valutata da un
programma di simulazione esterno (nel caso di questa tesi é stato utilizzato il software EnergyPlus)
che GenOpt richiama iterativamente. Il programma é stato sviluppato per risolvere vari problemi di
ottimizzazione, ossia per trovare nel minor tempo le variabili indipendenti che producono le migliori
prestazioni dei sistemi analizzati, in cui la funzione obiettivo è computazionalmente costosa e le sue
derivate non sono disponibili o non esistono.
GenOpt può essere accoppiato a qualunque programma di simulazione senza dover modificare o
ricompilare entrambi i programmi, a condizione che il programma di simulazione legga il suo input da
un file di testo e scriva l'output in un file di testo. Le variabili indipendenti possono essere continue
(eventualmente superiormente o inferiormente limitate), discrete o entrambe mentre i vincoli sulle
variabili dipendenti possono essere implementati utilizzando funzioni di penalizzazione o di barriera.
All’interno del programma é disponibile una libreria di algoritmi di ottimizzazione locali e globali,
multi-obiettivo, mono-obiettivo e parametrici. GenOpt è scritto nel linguaggio Java risultando così
indipendente dalla piattaforma su cui viene usato. Tale indipendenza e l'interfaccia generale rendono
GenOpt applicabile ad una vasta gamma di problemi di ottimizzazione. Tuttavia non è stato
progettato per problemi di programmazione lineare, di programmazione quadratica e per problemi
in cui il gradiente della funzione obiettivo è disponibile. Per tali problemi esistono programmi più
efficienti. Poiché uno dei principali campi di applicazione di GenOpt è l’ottimizzazione del consumo
energetico degli edifici o l’ottimizzazione del loro costo operativo, GenOpt è stato programmato per
avere particolari proprietà attinenti ai problemi di ottimizzazione in questo settore.
In particolare GenOpt è stato progettato per problemi di ottimizzazione con le seguenti proprietà:
la funzione obiettivo può essere definita su una soluzione numerica approssimata di
un’equazione differenziale algebrica che può non essere continua;
il numero delle variabili indipendenti é piccolo, ad esempio dell’ordine di 10;
la valutazione della funzione obiettivo richiede tempi di calcolo molto più lunghi rispetto alla
determinazione dei valori per l'iterazione successiva;
non sono disponibili proprietà analitiche della funzione obiettivo (per esempio il gradiente).
GenOpt si suddivide principalmente in due parti: un nucleo e una parte di ottimizzazione. Il nucleo
legge i file di input, richiama il programma di simulazione, memorizza i dati e scrive i file di output; la
29
parte di ottimizzazione contiene invece gli algoritmi e le classi delle funzioni matematiche come
quelle utilizzate nell’algebra lineare. L'interfaccia per il programma di simulazione consente di
utilizzare qualsiasi software di simulazione per la valutazione della funzione obiettivo dato che per lo
scambio dei dati con il programma di simulazione vengono utilizzati semplici file di testo.
Il programma di simulazione deve soddisfare i seguenti requisiti:
deve leggere il suo input da uno o più file di testo, scrivere il valore della funzione obiettivo o
degli elementi attraverso i quali la funzione obiettivo può essere valutata mediante semplici
calcoli algebrici e scrivere i messaggi di errore in file di testo;
deve essere in grado di avviare la simulazione attraverso un comando e farla terminare
automaticamente. Ciò significa che l'utente non è tenuto ad aprire manualmente il file di
input e a chiudere il programma di simulazione una volta che la simulazione è terminata.
L’interfaccia per l’algoritmo di ottimizzazione, con la sua struttura aperta, permette di implementare
nuovi algoritmi con poco sforzo aggiungendoli direttamente alla libreria degli algoritmi di
ottimizzazione già disponibili. In tal modo GenOpt può essere utilizzato anche come contesto per
sviluppare, testare e comparare più algoritmi di ottimizzazione.
Per eseguire l'ottimizzazione GenOpt, sulla base del modello del programma di simulazione utilizzato,
genera automaticamente nuovi file di input per il programma di simulazione stesso. Affinché GenOpt
generi i nuovi file di input, occorre che l'utente acceda al modello definito dalla prima simulazione
energetica e sostituisca i valori numerici dei parametri che intende far variare con delle parole chiave
(queste devono essere scritte tra due simboli di percentuale %) creando alla fine un file
_template.idf. GenOpt sostituisce queste parole chiave con i corrispondenti valori numerici immessi
dall’utente nel file di comando command.txt e genera i nuovi file di input per il programma di
simulazione. GenOpt lancia poi il programma di simulazione, legge il valore della funzione obiettivo
da minimizzare dal risultato della simulazione, controlla eventuali errori di simulazione e determina
un nuovo file di input con una nuova serie di parametri per la successiva iterazione.
L'intero processo è ripetuto iterativamente fino a quando viene trovato un minimo della funzione
obiettivo. L'utente può specificare come il programma di simulazione deve essere lanciato e dove
GenOpt può trovare il valore corrente della funzione obiettivo che deve essere minimizzata, così
come gli altri valori che possono essere elaborati dall'algoritmo di ottimizzazione.
Per avviare l’ottimizzazione con GenOpt occorre disporre dei seguenti cinque file:
un file .idf;
30
un file _template.idf;
un file optWinXP.ini;
un file command.txt;
un file RunEPlusParallel.bat.
Tali file devono essere contenuti in un’unica cartella. Il file .idf rappresenta il file creato con
EnergyPlus per simulare il comportamento energetico dell’edificio e contiene i parametri che
descrivono le caratteristiche del modello e gli output richiesti dall’utente.
Il file _template.idf corrisponde a una copia del file .idf e al suo interno sono indicati i parametri che
si vogliono far variare per ottenere il minimo della funzione obiettivo. Tali parametri sono sostituiti
con parole chiave, racchiuse tra due simboli %, richiamate nel file command.txt.
Il file optWinXP.ini é il file di inizializzazione del processo di ottimizzazione. Esso specifica dove sono
collocati i file del problema di ottimizzazione, quali file di ottimizzazione l’utente vuole salvare per
una futura ispezione, quali stringhe aggiuntive devono essere passate al comando che inizia la
simulazione, quale numero nel file di output della simulazione é un valore della funzione obiettivo e
quale programma di simulazione si ha intenzione di usare.
Il file command.txt costituisce il principale file attraverso cui si controlla l’ottimizzazione. Specifica i
parametri indipendenti, l’intervallo di valori entro cui i parametri sono fatti variare, i criteri di arresto
e l'algoritmo di ottimizzazione usato. La sequenza delle entrate in tutte le sezioni del file di comando
è arbitraria. Riassumendo, nell’impostazione di un problema di ottimizzazione occorre:
definire una funzione obiettivo che venga valutata da un programma di simulazione esterno,
come per esempio il consumo annuale di energia e le emissioni annuali di CO₂;
specificare eventuali vincoli sulle variabili sia indipendenti che dipendenti;
assicurarsi che il programma di simulazione scriva i valori necessari al calcolo della funzione
obiettivo nel file di output della simulazione;
specificare i file di inizializzazione, di configurazione e di comando e se necessario
implementare pre e post-elaborazioni.
Nella progettazione di sistemi complessi, così come in analisi di sistemi, un programma di
ottimizzazione generico come GenOpt offre un aiuto prezioso. Si noti tuttavia che l'ottimizzazione
non è facile: l'efficienza e il successo di un’ottimizzazione sono fortemente influenzati dalle proprietà
e dalla formulazione della funzione obiettivo, nonchè dalla scelta di un algoritmo di ottimizzazione
appropriato.
31
4 OTTIMIZZAZIONE ENERGETICA
4.1 Introduzione
Occorre sottolineare innanzitutto che l'uso di programmi di simulazione per analizzare i problemi
complessi dell'ingegneria è in continuo aumento. Tali problemi solitamente coinvolgono molte
variabili indipendenti e possono essere ottimizzati mediante un’ottimizzazione numerica. Molti
progettisti usano studi parametrici per ottenere prestazioni migliori, anche se tali studi tipicamente
rendono solo un parziale miglioramento e richiedono di contro tempi lunghi. In tali studi parametrici
si fissano solitamente tutte le variabili a meno di una e si cerca di ottimizzare la funzione obiettivo
rispetto alla variabile non-fissa. La procedura viene così ripetuta iterativamente variando un'altra
variabile. Tuttavia, ogni volta che una variabile è variata, tutte le altre variabili normalmente
diventano non ottimali e devono essere modificate. É chiaro che tale procedura manualmente
richiederebbe molto tempo ed é spesso impraticabile per più di due o tre variabili indipendenti. Le
classiche regole di progettazione possono generare pertanto soluzioni accettabili ma sono inadatte
ad ottenere soluzioni vicine al design ottimale.
Nell’uso di un programma di simulazione energetica solitamente viene speso molto tempo nella
creazione dei dati di ingresso del modello analizzato, ma una volta fatto questo, l'utente spesso non
determina i valori dei parametri del sistema che portano alle prestazioni ottimali. Questo può essere
dovuto sia al fatto che sarebbe necessario molto tempo per modificare i valori degli input, far correre
la simulazione, interpretare i nuovi risultati e cercare di capire come cambiare nuovamente gli input
per il processo successivo, sia perché il sistema analizzato è talmente complesso che l'utente da solo
non è in grado di comprendere le interazioni non lineari dei vari parametri. Tuttavia, utilizzando una
programmazione matematica è possibile compiere ottimizzazioni automatiche, a singoli parametri o
a multi-parametri, attraverso tecniche di ricerca che richiedono solo un piccolo sforzo.
Per poter valutare le prestazioni di un involucro edilizio é importante considerare il comportamento
complessivo dell’intero edificio. Concentrarsi su un particolare aspetto, senza tenere correttamente
in conto di altri effetti, potrebbe essere fuorviante: ad esempio, se per ridurre i carichi di
raffrescamento si cerca di minimizzare le dimensioni e i fattori solari dei vetri, sia i carichi di
riscaldamento che di illuminamento artificiale potrebbero aumentare notevolmente, portando ad
una ridotta efficienza dell’edificio. A causa della grande quantità di variabili in gioco nella valutazione
del comportamento termico complessivo di un edificio, è molto difficile, per trovare la soluzione
appropriata per un progetto specifico, stilare una serie di regole generali da seguire nella
progettazione delle facciate. É importante avere un quadro complessivo di tutti i fenomeni che si
verificano contemporaneamente, ciascuno dei quali ha diversi effetti sul risultato finale.
32
Un modo per poter considerare allo stesso tempo tutti i fenomeni che influenzano il comportamento
delle facciate é appunto il processo di ottimizzazione: il progettista sceglie alcuni parametri che
possono variare. Esempi di tali parametri sono lo spessore dell’isolante, il tipo di finestra, la
trasmittanza termica, l’orientamento dell’edificio, la percentuale di superficie vetrata e le
caratteristiche del sistema HVAC. Un apposito algoritmo consente di gestire il modo in cui i parametri
variano durante il processo. L’algoritmo scelto é accoppiato ad un modello energetico dell’edificio, il
cui comportamento termico viene valutato da un software di simulazione.
L'algoritmo, durante le varie iterazioni, trova automaticamente gli effetti che le diverse combinazioni
di parametri hanno sul comportamento termico complessivo dell'edificio e stabilisce l'insieme
ottimale delle variabili.
4.2 Problema di ottimizzazione
Nella forma più generale, i problemi di ottimizzazione affrontati da GenOpt possono essere espressi
come segue:
sia X un vincolo specificato dall’utente e sia f : X → R una funzione obiettivo delimitata dal basso,
definita anch’essa dall’utente.
Il vincolo X comprende tutte le possibili varianti progettuali e la funzione obiettivo f misura la
prestazione del sistema. Lo scopo del problema di ottimizzazione e quindi di GenOpt é quello di
trovare una soluzione al problema:
min f (x) (1)
Gli algoritmi esatti di ricerca spesso non riescono a risolvere il problema in tempi accettabili, perciò
sono utilizzati sempre più spesso algoritmi di tipo euristico. Questi ultimi risolvono il problema con
un certo grado d’incertezza oppure non assicurano la convergenza della ricerca alla soluzione se non
in casi particolari, ma d’altro canto richiedono tempi di convergenza molto minori.
Questo tipo di problema é usualmente risolto con metodi iterativi, i quali costruiscono sequenze
infinite di approssimazioni progressivamente migliori ad una soluzione, ad esempio il punto che
soddisfa la condizione ottimale.
In questa tesi la funzione obiettivo presa in considerazione é il consumo energetico annuale dovuto
al fabbisogno di energia per il riscaldamento, il raffrescamento e l’illuminazione artificiale.
Lo scopo é quello di minimizzare i consumi complessivi trovando il compromesso ottimale tra i diversi
contributi di dispendio energetico.
33
4.3 Algoritmi di ottimizzazione
Esistono molti algoritmi disponibili che possono essere utilizzati per una grande varietà di
problemi di ottimizzazione: la scelta del modo più adatto per gestire il processo di ottimizzazione
dipende essenzialmente dal tipo di parametri che possono variare e dal modo con cui é calcolata la
funzione obiettivo. È possibile distinguere tra problemi in cui i parametri sono variabili continue,
discrete o entrambe. Inoltre sono necessari diversi approcci per i problemi con o senza vincoli di
disuguaglianza sulle variabili dipendenti.
Nel campo della progettazione edilizia il valore della funzione obiettivo deriva da simulazioni
dinamiche gestite da software adeguati. In questo caso la funzione obiettivo f : Rⁿ → R non può
essere matematicamente valutata, ma può essere approssimata numericamente mediante
l’approssimazione della funzione obiettivo f* : Rᵖ₊ x Rⁿ → R², dove Rᵖ₊ è il parametro della
precisione dei risolutori numerici. In tali programmi calcolare la funzione obiettivo comporta la
risoluzione di un sistema di equazioni differenziali alle derivate parziali e ordinarie accoppiate alle
equazioni algebriche. In generale, è perciò possibile ottenere solo soluzioni numeriche approssimate.
Quindi f (x) può essere stimata solo da una funzione obiettivo approssimata f*(ε, x), dove ε ϵ Rᵖ₊ é un
vettore contenente il parametro di precisione dei risolutori numerici. Di conseguenza, l'algoritmo di
ottimizzazione può essere applicato solamente a f* (ε, x) e non a f(x).
In tali programmi di simulazione termica è comune che i criteri di terminazione dei risolutori utilizzati
per risolvere le equazioni differenziali alle derivate parziali, alle derivate ordinarie e le equazioni
algebriche dipendano dalla variabile indipendente x. Pertanto una perturbazione di x può causare un
cambiamento nella sequenza delle iterazioni di risoluzione, che fa sì che le funzioni obiettivo
approssimate f* (ε, x) siano discontinue in x. Di conseguenza f* (ε, x) è discontinua, e una direzione
discendente per f*(ε, x) può non essere una direzione discendente per f(x). Pertanto gli algoritmi di
ottimizzazione possono terminare in punti non ottimali. In generale, anche se l'ottimizzazione
termina in un punto che non è ottimale per f(x), si può prevedere che le prestazioni del sistema
ottenute siano comunque migliori rispetto a quelle trovate senza alcuna ottimizzazione. Tuttavia la
scelta corretta dell'algoritmo può ridurre questo rischio.
Gli algoritmi di ottimizzazione possono essere divisi in due principali categorie: quelli basati su un
gradiente convenzionale e quelli basati direttamente su un gradiente libero. La prima categoria si
basa su procedure matematiche e soffre sia di essere dipendente dai valori di tentativo iniziali sia di
essere incline ad essere intrappolata in estremi locali. Inoltre tali tecniche possono essere applicate
solo a funzioni continue. Dato che i fenomeni legati agli edifici sono molto spesso non lineari e
conducono a uscite discontinue, il metodo basato su un gradiente convenzionale non é applicabile
alla maggior parte degli edifici, mentre sono più adatti i metodi a gradiente libero, basati su approcci
stocastici. I più conosciuti ed accreditati sono gli algoritmi genetici (GA).
34
Nella risoluzione dei problemi di ottimizzazione affrontati in questa tesi é risultato appropriato l’uso
dell’algoritmo Particle Swarm, un particolare algoritmo genetico.
4.4 Algoritmi genetici
Innanzitutto per “algoritmo” si intende un procedimento che consente di ottenere un risultato atteso
eseguendo in un determinato ordine un insieme di passi semplici corrispondenti ad istruzioni prese
da un insieme finito di operazioni elementari.
Un “algoritmo evolutivo o genetico” é un metodo di ricerca euristico con prospettiva globale usato
per trovare soluzioni ai problemi di ottimizzazione. Esso si ispira alla teoria evoluzionistica che
Charles Darwin ha presentato nel suo libro “On the Origin of Species by Means of Natural Selection”
del 1859. Gli algoritmi evolutivi sono stati trattati per la prima volta da John Holland nel 1975. Il
nome evolutivo o genetico deriva dal fatto che i suoi pionieri si ispirarono alla natura e alla genetica
basandosi sull’imitazione dei meccanismi della cosiddetta “evoluzione naturale”.
La teoria proposta inizialmente da Charles Darwin e perfezionata in seguito da numerosi altri
naturalisti, biologi e genetisti spiega in modo soddisfacente i meccanismi di adattamento delle specie
ad ambienti mutevoli e complessi. In base al principio darwiniano gli elementi più “adatti”
all’ambiente hanno maggiore possibilità di sopravvivere e di trasmettere le loro caratteristiche ai
successori. In tal modo si ha una ricerca euristica che privilegia le zone dello spazio di ricerca dove la
possibilità di trovare soluzioni migliori é maggiore, non trascurando altre zone a minore probabilità di
successo in cui saranno impiegate un minor numero di risorse. Si tratta di un processo evolutivo che
procede senza uno scopo, guidato da una parte da una componente casuale e dall'altra dalla legge
della sopravvivenza del più adatto: l'evoluzione naturale. L’idea che sta alla base dello sviluppo degli
algoritmi evolutivi é la simulazione di tale processo attraverso elaboratori elettronici al fine di
risolvere i problemi più complicati che la realtà ci pone: se la selezione naturale permette a una
popolazione di organismi di adattarsi all’ambiente che la circonda, sarà anche in grado, applicata a
una popolazione di soluzioni di un problema, di far evolvere soluzioni sempre migliori ed
eventualmente, con il tempo, ottime.
Nel corso degli ultimi 25 anni queste tecniche sono state applicate ad un elevato numero di problemi
di grande rilevanza pratica ed economica. Gli algoritmi genetici sono infatti applicabili alla risoluzione
di un'ampia varietà di problemi di ottimizzazione compresi quelli in cui si ha scarsa conoscenza del
dominio e quelli in cui la funzione obiettivo è discontinua, non derivabile, stocastica o fortemente
non lineare. In questi studi gli algoritmi evolutivi si sono rivelati molto efficienti anche con funzioni
non differenziabili e hanno permesso di apportare significativi miglioramenti alla risoluzione del
problema di ottimizzazione.
35
4.4.1 Principi di funzionamento
Un algoritmo genetico è composto da due parti:
una procedura che genera la popolazione iniziale attraverso un campionamento casuale dello
spazio delle soluzioni oppure attraverso un nucleo di soluzioni iniziali trovate sia tramite
semplici procedure di ricerca locale sia determinate da un esperto umano;
un ciclo evolutivo che ad ogni iterazione (o generazione) crea una nuova popolazione
applicando gli operatori genetici alla popolazione precedente.
La soluzione del problema viene codificata in una struttura, di solito una stringa binaria di lunghezza
prefissata di bit, detta gene.
Un algoritmo genetico è una tecnica stocastica di ottimizzazione che procede in modo iterativo: parte
da un certo numero di possibili soluzioni candidate a risolvere il problema, una popolazione finita di
individui creata nella maggior parte dei casi in maniera casuale, e provvede a farle evolvere nel corso
dell'esecuzione verso una soluzione ottimale, locale o globale, mediante l’applicazione di un certo
numero, di solito abbastanza ridotto, di operatori stocastici: selezione, crossover e mutazione. Tali
operatori, definiti e composti in base alle regole che definiscono il particolare algoritmo genetico,
trasformano iterativamente l’attuale popolazione nella successiva. I parametri dell’algoritmo
determinano in generale quanti di questi cromosomi devono subire crossover e mutazioni e in quale
misura.
Il primo operatore che viene applicato è la selezione, il cui scopo è simulare la legge darwiniana della
sopravvivenza del più adatto, esso crea delle repliche delle soluzioni migliori all’interno della
popolazione. Ad ogni gene o individuo viene assegnata una funzione di adattamento detta funzione
di fitness che costituisce una stima della "bontà" del gene come soluzione del problema: dipende
dalla qualità della soluzione che esso rappresenta e fornisce una misura della capacità dell’individuo
di adattarsi all’ambiente. Nella versione originale degli algoritmi genetici, per creare una nuova
popolazione intermedia di n individui “genitori”, vengono effettuate n estrazioni indipendenti di un
individuo dalla popolazione esistente, con la probabilità di estrazione direttamente proporzionale al
risultato della funzione di fitness di ogni individuo. Di conseguenza gli individui al di sopra della media
sono in media estratti più volte, mentre quelli al di sotto della media vanno incontro all'estinzione.
Una volta estratti gli n genitori, gli individui della generazione successiva sono prodotti mediante
l’applicazione dei successivi operatori di crossover e di mutazione.
Gli operatori di crossover decompongono due o più soluzioni distinte e mescolano le loro parti
costitutive per formare un certo numero di nuove soluzioni: in particolare gli individui “genitori”
vengono accoppiati a due a due, con una certa probabilità pcross ciascuna coppia subisce il crossover
36
vero e proprio, che consiste nell’allineare le due stringhe binarie, tagliarle in un punto estratto a caso
e scambiarne le metà destre ottenendo così due nuovi individui.
Dopo il crossover tutti gli individui subiscono la mutazione, che consiste nel decidere di invertire
ciascuna singola cifra binaria, indipendentemente dalle altre, con probabilità pmut. Lo scopo è quello
di simulare l’effetto di errori casuali di trascrizione che possono avvenire con una probabilità molto
bassa pmut ogni qualvolta un cromosoma viene duplicato. Gli operatori di mutazione inseriscono così
un po’ di caos tra le soluzioni ed evitano che si cada in un ottimo locale.
Finita la prima fase di evoluzione, la popolazione delle soluzioni viene analizzata e vengono tenute
solo le soluzioni che meglio risolvono il problema, quelle con la funzione di fitness più alta. Queste
soluzioni subiranno una nuova fase di evoluzione e così via.
Un algoritmo genetico é caratterizzato oltre che da una serie di parametri di controllo, anche da un
criterio di terminazione specificato dall’utente, che stabilisce quando l’algoritmo si deve fermare.
Alcuni esempi di criteri di terminazione possono essere:
il raggiungimento di un numero prefissato di generazioni o di una certa quantità di tempo;
il rinvenimento di una soluzione soddisfacente secondo qualche misura;
la mancanza di miglioramenti per un numero prefissato di generazioni.
Gli algoritmi evolutivi hanno bisogno di grandi popolazioni per ottenere una buona convergenza, ciò
potrebbe però portare a tempi di computazione lunghi. Alla fine ci si aspetta di trovare una
popolazione di soluzioni che riescano a risolvere adeguatamente il problema posto. Non vi è modo di
decidere a priori se l'algoritmo sarà effettivamente in grado di trovare una soluzione accettabile.
Riassumendo, un algoritmo genetico evolve attraverso i seguenti punti:
generazione in maniera casuale di una popolazione iniziale;
valutazione della funzione di fitness;
verifica del criterio di terminazione, in caso non venga soddisfatto si passa alla nuova
generazione;
creazione di una sequenza di nuove popolazioni attraverso gli operatori stocastici di
selezione, crossover e mutazione applicati con diverse probabilità fino a che la nuova
popolazione non ha raggiunto la dimensione desiderata;
interruzione dell’algoritmo quando uno dei criteri d'arresto è soddisfatto.
37
4.5 Particle Swarm Optimisation (PSO)
Nel corso degli anni l’algoritmo genetico Particle Swarm ha destato una sempre maggior attenzione,
divenendo oggetto di un crescente numero di ricerche. Il motivo di tale successo è da ricercarsi, oltre
che nella semplicità del concetto che ne è alla base, anche nella versatilità mostrata e nell’efficacia
esibita nel risolvere differenti problemi. Il campo applicativo di questa tesi va inquadrato proprio nel
tentativo di estendere l’applicazione della Particle Swarm Optimization (PSO) all’ottimizzazione
energetica delle facciate degli edifici, per offrire ai progettisti un valido strumento di scelta.
Prima di addentrarci nel vero e proprio lavoro che è stato fatto sui due casi studio, è doveroso
descrivere cosa é e come funziona l’algoritmo Particle Swarm.
La tecnica Particle Swarm Optimization (PSO) traducibile con “ottimizzazione con sciami di particelle”
é un metodo euristico di ricerca ed ottimizzazione globale ispirato al movimento degli sciami. Si
tratta di un algoritmo stocastico (probabilistico), nel senso che si basa su parametri tratti da variabili
aleatorie. La Particle Swarm Optimization é stata sviluppata nel 1995 dallo psico-sociologo James
Kennedy e dall’ingegnere elettrico Russel Eberhart, che la introdussero nello studio dei
comportamenti sociali simulati, studiando il movimento degli stormi di uccelli e dei banchi di pesci.
La ricerca si sviluppava dall’analisi dei meccanismi di interazione tra gli individui che fanno parte di
uno stormo o di un branco. L’appellativo “swarm” (“sciame”) è stato scelto in virtù del
comportamento tenuto dai vari elementi della simulazione, il cui movimento caotico sembrava molto
simile a quello di uno sciame di insetti in cerca di fonti di sostentamento. L’appellativo “particle”
(“particella”) deriva dal fatto che gli agenti utilizzati, sebbene siano oggetti senza volume (possono
infatti occupare la stessa posizione spaziale) e nella versione originale senza massa (due concetti che
porterebbero a classificare gli agenti come dei punti e non come delle particelle), erano caratterizzati
dall’avere una propria velocità ed accelerazione, due attributi strettamente legati al concetto di
particella. Per tale motivo gli autori scelsero di battezzare il proprio algoritmo di ottimizzazione come
Particle Swarm. L’aspetto più interessante degli studi di Kennedy ed Eberhart va ricercato nel fatto
che l’insieme di individui si muove e si organizza in assenza di un controllo centralizzato. In altre
parole, il comportamento collettivo è il risultato di semplici interazioni locali e il singolo individuo non
è dotato di percezione globale. Questo fa sì che, anche con un numero non troppo elevato di
particelle, si riescano ad esaminare grandi dimensioni di dati, per poi concentrarsi su una zona
specifica, dove una o più delle particelle hanno trovato un possibile obiettivo secondo le specifiche
particolari della funzione di fitness. Lo studio delle regole del volo di stormi d’uccelli ha messo in
evidenza come un individuo leghi il suo comportamento a quello degli altri membri del gruppo: deve
seguire i suoi vicini, rimanere nel gruppo ed evitare urti. Con queste regole è possibile descrivere il
moto collettivo di uno stormo senza obiettivo comune. Lo studio diventa particolarmente
38
interessante quando il gruppo ha un obiettivo comune come la ricerca di cibo. L’algoritmo Particle
Swarm aggiunge appunto un obiettivo condiviso da tutti i membri: in questo caso la ricerca di cibo.
Un individuo che nel suo movimento scorge una fonte di cibo si trova di fronte a due alternative:
allontanarsi dal gruppo per raggiungerlo (individualismo);
rimanere nel gruppo (socialità).
Se più individui si dirigono verso una fonte di cibo anche gli altri membri cambiano la loro direzione
per sfruttare la stessa fonte di nutrimento. Il gruppo cambia così gradualmente direzione verso le
zone più promettenti e l’informazione gradualmente si propaga a tutti.
L’analogia con il problema di ottimizzazione può essere definita con i seguenti parallelismi:
individui: configurazioni di tentativo che si spostano e campionano la funzione obiettivo in
uno spazio reale a N dimensioni;
interazione sociale: un individuo trae vantaggio dalle ricerche degli altri dirigendosi verso la
regione del miglior punto globalmente trovato.
Inoltre la strategia di ricerca del cibo può essere espressa come bilanciamento tra esplorazione e
sfruttamento:
l’esplorazione é legata all’individualità del singolo che ricerca la soluzione;
lo sfruttamento é legato alla socialità ossia all’utilizzo delle conoscenze di altri individui.
Un’altra caratteristica che risulta essere importante nella ricerca é legata al concetto di vicinanza: gli
individui sono influenzati dalle azioni degli individui ad essi più vicini, pertanto anche la circolazione
dell’informazione é globalmente garantita.
Gli algoritmi Particle Swarm esplorano una serie di possibili soluzioni per l'ottimizzazione del
problema. Ogni soluzione potenziale è chiamata “particella” e l'insieme delle potenziali soluzioni di
ciascuna fase di iterazione è chiamato “popolazione”. Essi sono algoritmi di ottimizzazione globale e
nel processo di ottimizzazione non richiedono gradienti approssimati della funzione obiettivo:
dunque non è richiesta la differenziabilità del problema da analizzare, cosa che invece avviene nei
metodi di ottimizzazione tradizionali. Per questa ragione possono essere utilizzati con successo in
problemi di ottimizzazione irregolari, rumorosi e variabili nel tempo. L’ottimizzazione attraverso
39
l’algoritmo Particle Swarm cerca di simulare il comportamento sociale di una popolazione di
particelle nel tentativo di esplorare in modo ottimale larghissimi spazi di soluzioni.
La prima popolazione di soluzioni è tipicamente inizializzata attraverso un generatore casuale di
numeri per riuscire a diffondere le particelle uniformemente nello spazio definito dall'utente.
In un istante di tempo, vale a dire un’iterazione nel contesto di ottimizzazione, ciascuna particella è
associata ad un vettore di velocità stocastico che indica se la particella si muove. Il vettore di velocità,
per una particella in un determinato momento, è una combinazione lineare stocastica della velocità
nell'istante precedente, della direzione della migliore posizione della particella e della direzione della
migliore posizione dell’insieme di tutte le particelle.
Originariamente l’algoritmo era basato unicamente sulla posizione x e sulla velocità v di ogni
particella. Nel 1998 e’ stato migliorato da Shi e Heberthart con l´introduzione del concetto di “inertia
weight” ω, definita come:
ω(k) = ω₀ - k (ω₀ - ω₁) / K (2)
con:
ω₀ ϵ R inertia weight iniziale;
ω₁ ϵ R inertia weight dell’ultima generazione con 0 ≤ ω₁ ≤ ω₀;
k ϵ N il numero della generazione corrente;
K ϵ N il massimo numero di generazioni.
Le soluzioni candidate si spostano nello spazio di ricerca sulla base di semplici formule che tengono in
considerazione la loro velocità di spostamento corrente, le loro conoscenze dello spazio, ossia la
migliore soluzione che hanno esplorato finora e la conoscenza condivisa, cioè la miglior soluzione
generale identificata. L'algoritmo Particle Swarm consente di pesare queste tre componenti (inerzia,
accelerazione cognitiva e sociale) e utilizza piccole variazioni casuali per minimizzare la possibilità di
intrappolamento in minimi locali. Ogni particella tenta di cambiare la propria posizione x sia secondo
un comportamento cognitivo, quindi verso un punto in cui il valore della funzione obiettivo é più
basso rispetto alle precedenti iterazioni, sia secondo un comportamento sociale, ossia nella direzione
in cui l’insieme di tutte le particelle ha un valore della funzione obiettivo minore.
La posizione di ogni particella nella successiva generazione é determinata dall’aggiornamento delle
seguenti equazioni, modellate sul comportamento sociale dei membri della popolazione.
Consideriamo una popolazione di s particelle e sia k un istante di tempo (k ∈ N rappresenta una
iterazione nel contesto di ottimizzazione, é il numero della generazione). La nuova posizione xi (k + 1)
40
della i-esima particella al tempo k + 1 è calcolata aggiungendo alla vecchia posizione xi (k) al tempo k
la velocità vettoriale vi (k + 1):
xi (k + 1) = xi (k) + vi (k + 1) per i = 1, ..., s (3)
Il vettore velocità associato ad ogni particella i-esima viene aggiornato da:
v ij (k +1) = ω(k) v ij (k) + μc₁j (k)( yij(k) - xij(k)) + νc₂j (k)( ŷj(k) - xij(k)) per j = 1, ..., n (4)
dove:
ω (k) é un fattore di peso, chiamato inertia weight;
μ e ν ∈ R₊ sono parametri reali positivi, chiamati rispettivamente costante di accelerazione cognitiva
e costante di accelerazione sociale;
c₁j (k) e c₂j (k) per j = 1, ..., n sono numeri uniformemente distribuiti tra 0 e 1 che rappresentano il
libero movimento di ogni particella;
yij(k) é la posizione della i-esima particella con il miglior valore della funzione obiettivo fino ad ora
calcolato, ossia la miglior posizione visitata dalla singola particella;
ŷj(k) é la posizione della particella con il valore migliore, tra tutte le particelle, della funzione
obiettivo trovato fino ad ora, ossia la miglior posizione visitata dall’intero sciame.
Quanto più la posizione della particella é vicina al miglior valore della funzione, minore è la sua
velocità.
41
PARTE II
5 INTRODUZIONE AI DUE CASI STUDIO
5.1 Oggetto e finalità
La metodologia per l’ottimizzazione delle prestazioni energetiche degli involucri edilizi proposta in
questa tesi è stata applicata a due diversi casi studio: l’asilo KITA Riedberg a Francoforte sul Meno
progettato dallo studio Kadawittfeldarchitektur e l’ampliamento del Parlamento regionale di Monaco
di Baviera progettato dallo studio Léon Wohlhage Wernik Architekten. Entrambi i casi studio si
basano su progetti reali, nel caso dell’asilo KITA Riedberg la progettazione è attualmente in corso
mentre nel caso dell’ampliamento del Parlamento bavarese l’edificio è già stato inaugurato. I due
progetti sono stati scelti per l’applicazione del metodo di ottimizzazione svolto mediante l’uso di
algoritmi genetici in quanto rappresentano due ricorrenti tipologie edilizie non residenziali: l’asilo è
un edificio scolastico di due piani, poco compatto e dalla forma articolata, mentre l’ampliamento del
Parlamento bavarese è un tipico edificio per uffici costituito da sei piani, caratterizzato da una forma
cubica maggiormente compatta. L’approccio proposto in questa tesi, come esposto in dettaglio nei
capitoli precedenti, si basa sull’accoppiamento del programma di simulazione energetica EnergyPlus
con il programma di ottimizzazione GenOpt e sull’uso di algoritmi genetici Particle Swarm per la
ricerca delle soluzioni ottimali.
Lo scopo dell’applicazione di questo nuovo metodo ai due casi studio scelti è quello di mostrare
operativamente come tale processo di ottimizzazione possa fornire a livello progettuale una tecnica
efficace per esplorare adeguatamente tutte le possibili configurazioni progettuali dell’involucro
edilizio, mostrando non solo la soluzione ottima ma anche e soprattutto un insieme di soluzioni
ottimali tra cui, in tempi brevi, i progettisti possano compiere le proprie scelte sulla base di
compromessi tra prestazioni energetiche, livelli di comfort interno, motivazioni economiche e scelte
estetiche. I processi di minimizzazione dei consumi energetici svolti sui due casi studio sono infatti
finalizzati a dimostrare come la metodologia proposta in questa tesi consenta di trovare soluzioni
progettuali migliori rispetto ad una metodologia di progettazione tradizionale, con una significativa
riduzione dei consumi energetici, mantenendo comunque sotto controllo le condizioni di benessere
abitativo interno.
In particolare per il caso studio dell’asilo, essendo l’edificio dotato di una forma particolare e non
modulare, è risultato interessante analizzare come uno stesso involucro edilizio risponda a diverse
sollecitazioni climatiche. Per questo motivo le ottimizzazioni energetiche sono state svolte
42
considerando cinque diverse località, che non differiscono in modo radicale ma che rappresentano
contesti progettuali tipici: Francoforte sul Meno, Helsinki, Genova, Palermo e Città del Messico.
Mentre Francoforte sul Meno, Genova e Palermo, secondo la classificazione di Köppen1, la più usata
tra le classificazioni climatiche a scopi geografici, sono caratterizzate da climi temperati
rispettivamente fresco, caldo e subtropicale, Helsinki e Città del Messico rappresentano i due casi più
estremi: il primo rappresenta un tipico clima boreale umido mentre il secondo rappresenta
un’estensione di un clima monsonico in zone temperate.
Le ottimizzazioni svolte sui modelli dell’asilo hanno lo scopo, oltre che di dimostrare la validità di
questo nuovo approccio progettuale rispetto ad un approccio tradizionale, anche di ricavare
indicazioni di massima circa le potenzialità di una trasposizione di uno stesso modello nei diversi climi
considerati, di individuarne eventuali criticità e di indirizzare successive possibili ottimizzazioni.
Attraverso questo caso studio si intende infatti mostrare sia i differenti comportamenti e le differenti
soluzioni progettuali che uno stesso edificio può avere nei differenti contesti climatici, dimostrando
così l’importanza di una corretta contestualizzazione climatica, sia si vuole verificare come il processo
di ottimizzazione affinato in questa tesi sia efficace, non solo per i climi freddi dell’Europa centrale
tipici per la progettazione delle Passivhaus ma, anche per i climi più caldi del Mediterraneo e di Città
del Messico. A livello pratico sono state così svolte cinque ottimizzazioni comuni a tutte le località
scelte ed ulteriori tre ottimizzazioni per i climi caldi di Genova, Palermo e Città del Messico.
Per quanto riguarda il caso studio dell'ampliamento del Parlamento bavarese le ottimizzazioni
energetiche invece sono state svolte approfondendo due ulteriori aspetti, senza variare il contesto
climatico. Il primo aspetto riguarda la compattezza degli edifici, che assume un ruolo fondamentale
nella caratterizzazione delle prestazioni energetiche degli edifici stessi ed è definita mediante l’indice
di compattezza (S/V). L'indice di compattezza (S/V) rappresenta un primo parametro della
propensione a disperdere calore delle costruzioni e può incidere anche significativamente sui
fabbisogni termici degli edifici. Dall'osservazione e dall'analisi del progetto dell'ampliamento del
Parlamento bavarese è stata notata la presenza di tre piani centrali uguali gli uni agli altri per forma,
dimensioni e disposizione delle bucature dell'involucro edilizio. Alla luce di ciò sono stati creati tre
modelli che, a parità di forma e caratterizzati dalla medesima configurazione dell'involucro edilizio,
differiscono per dimensione e indice di compattezza (S/V). I tre modelli considerati sono costituiti
rispettivamente da uno, tre e sei piani uguali tra loro. Ad ogni modello è stato applicato lo stesso
processo di ottimizzazione energetica permettendo di compararne i risultati. L'obiettivo è stato
quello di analizzare e di valutare la risposta del processo di ottimizzazione energetica al variare
dell'indice di compattezza (S/V), valutandone i risultati in termini di soluzioni progettuali, fabbisogni
1 http://il.wikipedia.org/wiki/Clima.
43
energetici e livelli di comfort interno. Il secondo aspetto approfondito riguarda l'analisi di singole
zone termiche rappresentative, individuabili all'interno di un edificio. In questo caso studio sono
state individuate tre zone termiche rappresentative all'interno del modello a sei piani. Ad ogni zona
termica rappresentativa individuata è stato applicato singolarmente il processo di ottimizzazione
energetica e l'obiettivo è stato quello di mostrare, oltre l'efficacia del metodo di ottimizzazione
proposto, come tale analisi potrebbe costituire una valida alternativa all'ottimizzazione energetica
dell'edificio globale stesso, per una riduzione delle tempistiche di progetto.
5.2 Modalità di svolgimento delle analisi energetiche
Inizialmente, per entrambi i casi studio, attraverso il software SketchUp Pro 8, sono stati realizzati i
modelli geometrici che, grazie al plugin OpenStudio, sono stati direttamente implementati nel
software EnergyPlus 7.0 con cui sono state effettuate le modellazioni e le simulazioni energetiche
dinamiche.
Sia per l’asilo che per l’ampliamento del Parlamento bavarese le simulazioni energetiche sono state
svolte per un anno tipo, in modo da analizzare il comportamento dei modelli in regime dinamico
lungo tutto il ciclo climatico annuale, considerando variazioni orarie delle diverse grandezze. Ciò è
stato possibile grazie ai weather file, disponibili direttamente nel sito di EnergyPlus per i vari contesti
climatici, con i quali è stato possibile introdurre nei modelli di base i valori orari delle grandezze
meteorologiche, come la temperatura e la radiazione solare, lungo tutto il ciclo annuale. Tali
grandezze sono state individuate in base ad elaborazioni statistiche di dati ambientali misurati su un
periodo di 20 anni.
Per caratterizzare energeticamente i modelli dei due casi studio sono stati calcolati i fabbisogni
specifici annui di energia primaria, valutati come la sommatoria dei fabbisogni specifici annui di
energia per il riscaldamento, il raffrescamento e l’illuminazione artificiale, ricavati direttamente da
EnergyPlus a cui sono stati aggiunti i fabbisogni specifici annui di progetto richiesti per l’acqua calda
sanitaria. Tali valori hanno permesso di avere una descrizione annuale delle prestazioni energetiche
degli edifici consentendo così un confronto diretto con gli standard energetici attualmente utilizzati.
Nella progettazione degli edifici un aspetto importante, oltre alle prestazioni energetiche, riguarda il
comfort abitativo degli ambienti interni. Tale aspetto viene usualmente analizzato attraverso diversi
parametri che permettono di valutare l’ambiente termoigrometrico, la qualità dell’aria, il livello di
illuminazione e di isolamento acustico, quest’ultimo non trattato nei due casi studio. Per quanto
riguarda la valutazione del comfort riferito all’ambiente termoigrometrico sono state compiute
analisi limitatamente all’aspetto termico. La presenza regolata del tasso di umidità attorno al 40-60%
è stata ipotizzata sulla base dell’uso corretto di materiali traspiranti, per quanto riguarda l’involucro
edilizio, e sulla presenza di impianti di trattamento dell’aria che permettono una ventilazione
44
meccanica controllata in grado di eliminare l’umidità in eccesso. L’aspetto termico è stato invece
trattato direttamente attraverso il confronto tra le temperature operative interne, temperature date
dalla combinazione tra le temperature ambientali interne e le temperature medie radianti delle
superfici dell’involucro edilizio, e l’intervallo di comfort compreso tra 19 °C e 27 °C riportato nella
norma EN 15251 del 2007. In entrambi i casi studio sono state analizzate le temperature operative
orarie, per ogni zona termica considerata, riferite ai giorni medi mensili, permettendo così di
riassumere in forma sintetica le descrizioni delle variazioni mensili e giornaliere delle condizioni
interne. Per calcolare i valori legati ai giorni medi mensili sono state individuate le medie, ora per ora,
delle diverse grandezze per ciascun mese ottenendo una successione di 24 valori rappresentativa
dell’andamento giornaliero medio per ciascun mese dell’anno.
Infine, per entrambi i casi studio, il benessere abitativo riferito al livello di illuminamento e alla
qualità dell’aria è stato garantito direttamente dalla modellazione di base: in entrambi i modelli sono
stati introdotti i valori di progetto di 500 lux per l’illuminazione e sono stati garantiti i ricambi d’aria
pari a 0.0056 m³/s a persona nel caso dell’asilo e a 0.0083 m³/s a persona nel caso dell’ampliamento
del Parlamento bavarese.
Per una trattazione generale del comportamento degli involucri edilizi è stato inoltre svolto un
confronto tra i contributi energetici attivi e quelli passivi e tra il livello di illuminamento artificiale e
naturale. Le percentuali dei contributi passivi sono state ricavate dalla somma tra i guadagni interni e
i guadagni solari, i cui valori sono stati ricavati direttamente da EnergyPlus, mentre i contributi attivi
corrispondono al fabbisogno di energia primaria. Tutti i valori sono stati calcolati facendo riferimento
ai dati medi dei 12 giorni medi mensili. Nell’analisi del livello di illuminamento degli ambienti interni
dei due casi studio, mantenendo separate le diverse zone termiche, sono stati confrontati i valori
medi dei livelli di illuminazione naturale dei giorni medi mensili, per le ore di occupazione previste,
con il valore di progetto che per entrambi i casi è pari a 500 lux. I valori dell’illuminazione naturale
sono stati ricavati direttamente da EnergyPlus grazie alla presenza, in entrambi i modelli, di due punti
di controllo per zona termica posizionati ad un’altezza di 0.80 m dal pavimento e ad una distanza
dalle superfici vetrate consone alla geometria dei due edifici.
5.3 Modalità di svolgimento dei processi di ottimizzazione
Le ottimizzazioni energetiche sono state svolte sui modelli di entrambi i casi studio accoppiando il
programma di simulazione energetica EnergyPlus al programma di ottimizzazione GenOpt. Le varie
ottimizzazioni sono state condotte utilizzando gli algoritmi genetici Particle Swarm. Lo scopo delle
diverse ottimizzazioni svolte è stata la minimizzazione di una funzione obiettivo rappresentata dalla
somma della potenza annua necessaria per il riscaldamento, il raffrescamento e l'illuminazione
artificiale. La funzione obiettivo è stata così definita sulla base dei risultati ottenibili direttamente
45
dalle simulazioni di Energy Plus. A tali valori, rielaborati e pesati attraverso appropriati coefficienti,
sono stati aggiunti i fabbisogni specifici annui di progetto per l’acqua calda sanitaria. Ciò ha permesso
di caratterizzare le prestazioni energetiche dei diversi modelli attraverso il complessivo fabbisogno
specifico annuo di energia primaria. Nella ricerca del valore minimo della funzione obiettivo, GenOpt
passa in rassegna diverse soluzioni progettuali degli involucri edilizi, ognuna caratterizzata dalla
combinazione di diversi parametri. Nella scelta dei parametri da ottimizzare è stato dato maggior
rilievo agli aspetti che più influiscono sulle prestazioni energetiche degli involucri edilizi e sulle
condizioni di benessere abitativo. Per questo motivo, per entrambi i casi studio, si è scelto di
ottimizzare la trasmittanza termica sia delle parti opache che trasparenti e la tipologia di vetro.
Inoltre per il caso studio dell’asilo, essendo caratterizzato da una geometria meno regolare, si è
scelto di ottimizzare anche la percentuale di superficie vetrata per ciascun orientamento, ed è stato
scelto di introdurre nelle ottimizzazioni previste nei climi più caldi di Genova, Palermo e Città del
Messico l’ulteriore variazione dello spessore dell’isolante presente nel solaio di base, in vista di una
riduzione dei fabbisogni specifici annui di raffrescamento. Per il caso studio dell'ampliamento del
Parlamento è stata invece introdotta nell’ottimizzazione la profondità degli ombreggiamenti esterni,
data la presenza regolare di numerose finestre.
La trasmittanza termica (U) esprime in che misura il calore viene trasmesso attraverso le superfici,
permettendo di valutare il comportamento dell’involucro edilizio come barriera termica ed è legata
alle caratteristiche del materiale e alle condizioni di scambio termico. Attraverso la trasmittanza
termica è possibile valutare il flusso di calore che nell'unità di tempo attraversa la superficie unitaria
di un elemento di involucro sottoposta ad una differenza di temperatura pari a 1 °C.
Nelle ottimizzazioni sono stati considerati sia per le pareti perimetrali che per le coperture sei valori
di trasmittanza termica, come riportato nella Tabella 5.3.1, compresi nell’intervallo tra 0.1 W/m²K e
0.2 W/m²K, con un passo pari a 0.02 W/m²K.
Tabella 5.3.1 Valori di trasmittanza termica (Up) e (Ur) considerati nelle ottimizzazioni energetiche.
Trasmittanza termica [W/m²K]
0.1 0.12 0.14 0.16 0.18 0.20
In quanto nei modelli di EnergyPlus le parti opache non sono caratterizzate direttamente dai valori di
trasmittanza termica ma dai valori di conducibilità termica dei materiali e dai valori degli spessori dei
componenti, nelle ottimizzazioni sono stati semplicemente implementati sei corrispondenti valori di
spessore degli isolanti differenti per ciascun caso studio.
46
Per le parti trasparenti sono stati considerati i cinque valori di trasmittanza (Uw), riportati nella
Tabella 5.3.2, presi all'interno di un intervallo tra 0.7 W/m²K e 1.1 W/m²K con un passo di 0.1 W/m²K.
Tabella 5.3.2 Trasmittanza termica Uw considerati nelle ottimizzazioni energetiche.
Trasmittanza termica Uw [W/m²K]
0.7 0.8 0.9 1.0 1.1
Un altro parametro implementato nelle ottimizzazioni, in quanto influenza direttamente attraverso i
guadagni solari e gli apporti luminosi le prestazioni energetiche degli involucri edilizi, è stato la
tipologia dei vetri. Le parti vetrate determinano l'energia solare effettivamente trasmessa e la
quantità totale di energia luminosa irradiata dal vetro stesso verso gli ambienti interni valutate
rispettivamente attraverso i fattori solari (Fs) e i coefficienti di trasmissione luminosa (LT). Per le
ottimizzazioni svolte in questa tesi, sono state considerate cinque differenti tipologie di vetro: un tipo
di vetro basso emissivo e quattro diversi tipi di vetri selettivi, le cui caratteristiche sono riassunte
nella Tabella 5.3.3.
Tabella 5.3.3 Caratteristiche dei vetri implementati nell’ottimizzazione.
Tipologia di vetro Fattore solare Fs Trasmissione luminosa LT
Low-e
Selective clear
Selective standard
Selective dark
Selective darker
0.60
0.40
0.33
0.25
0.22
0.80
0.70
0.66
0.50
0.40
Fonte: valori trovati in commercio calcolati in accordo con la norma europea EN 410:2011
Il fattore solare (Fs) misura la quantità totale di energia che attraversa la lastra di vetro ed è definito
come rapporto tra la quantità di energia incidente e la quantità di energia entrante. Un fattore solare
ideale dovrebbe essere abbastanza elevato per permettere un adeguato guadagno termico durante
l’inverno, ma sufficientemente basso per evitare un surriscaldamento in estate. In generale, nelle
regioni con un clima più freddo e laddove si hanno piccole superfici vetrate, si tende ad usare vetri
con un fattore solare alto, mentre nelle regioni con climi più caldi e per grandi superfici vetrate si
tende a scegliere vetri con un fattore solare basso. La trasmissione luminosa corrisponde invece alla
parte della radiazione che, emessa da una sorgente, viene trasmessa nel campo delle lunghezze
47
d’onda visibili da una vetrata o da sistemi non totalmente opachi, rappresentando la quantità totale
di energia luminosa irradiata da un vetro nell'ambiente interno.
I vetri basso emissivi, low-e, sono vetri caratterizzati da un particolare rivestimento costituito da
ossidi di metallo, che migliora notevolmente le prestazioni di isolamento termico e di controllo
solare, permettendo al vetro di rimanere comunque trasparente alle radiazioni termiche solari. Tale
rivestimento permette infatti di riflettere verso l’interno l’energia emessa dai corpi scaldanti presenti
nell’edificio evitando la dispersione termica verso l’esterno. I vetri basso emissivi, low-e, sono
caratterizzati da un rilevante fattore solare (Fs) e da un'elevata trasmissione luminosa (LT): questo
consente da una parte di limitare l’uscita del calore dagli ambienti interni, dall’altra di favorire anche
l’entrata di luce e di energia solare. Se in inverno l’alto fattore solare è più che positivo, in estate può
causare problemi legati al surriscaldamento interno, soprattutto in presenza di grandi superfici
vetrate. I vetri selettivi sono invece vetri in grado di controllare e filtrare i raggi solari che entrano
nell'edificio riducendo la trasmissione del calore all’interno dell'edificio stesso. Questa capacità è
resa possibile grazie all’applicazione sul vetro di un rivestimento metallico selettivo che garantisce
un’elevata trasmissione luminosa tenendo sotto controllo la diffusione del calore per irraggiamento.
Un rivestimento selettivo opera una schermatura della lunghezza d'onda della radiazione che si trova
vicino all’infrarosso (lunghezza d'onda <2μm) mentre consente il passaggio della massima quantità di
luce visibile (lunghezza d'onda 380-760 nm). Anche se la radiazione della lunghezza d'onda visibile
contiene ancora energia, la trasmissione solare globale viene fortemente ridotta dal taglio della parte
di radiazione infrarossa invisibile. Questi vetri sono dunque dei vetri basso emissivi che permettono
nei periodi invernali di trattenere il calore mentre lo riflettono nei periodi estivi, abbinando così la
protezione solare all'isolamento termico. La selettività di un vetro è definita dal rapporto tra la sua
trasmissione luminosa (LT) e il suo fattore solare (Fs), un vetro è tanto più selettivo quanto più il
rapporto tra (LT) e (Fs) è vicino a due.
Per una maggiore efficacia del processo di ottimizzazione, nel caso studio dell’asilo, come
precedentemente introdotto, é stata fatta variare per tutti i contesti climatici anche la percentuale
delle superfici vetrate, con valori che vanno dal 20% al 60% con passo del 10%, in modo indipendente
per ciascun orientamento. Per introdurre nell’ottimizzazione effettuata da GenOpt le diverse
percentuali in modo semplice, é stato fatto riferimento a rettangoli vetrati equivalenti descritti in
modo approfondito nel paragrafo 6.4.1.3 del capitolo successivo. Per quanto riguarda le
ottimizzazioni svolte nei climi più caldi sono stati introdotti ulteriori sei valori di spessore dell’isolante
del solaio di base: da 0.00 m a 0.10 m con step di 0.02 m. Si noti che per poter far correre
l’ottimizzazione numerica di GenOpt è stato necessario sostituire il valore 0 m con il valore 0.0001 m.
Per il caso studio dell’ampliamento del Parlamento bavarese è invece stata fatta variare la profondità
degli ombreggiamenti esterni. Gli ombreggiamenti esterni costituiscono un elemento architettonico
48
molto utile per un edificio: privo di ombreggiamenti esterni un edificio in estate potrebbe
surriscaldarsi facilmente. La funzione principale degli ombreggiamenti esterni è di regolare gli apporti
luminosi: in inverno non devono ostacolare la captazione degli apporti solari ed in estate devono
assicurare la protezione dalla luce diretta, garantendo nel corso di tutto l’anno un'ottimale
illuminazione naturale senza fastidiosi abbagliamenti. La profondità degli ombreggiamenti esterni è
stata fatta variare nel processo di ottimizzazione tra quattro valori riportati nella Tabella 5.3.4 ed in
modo distinto per ciascun orientamento.
Tabella 5.3.4 Profondità degli ombreggiamenti esterni implementate nell'ottimizzazione del
modello dell’ampliamento del Parlamento bavarese.
Profondità degli ombreggiamenti esterni [m]
0.15 0.30 0.45 0.60
Le ottimizzazioni svolte per entrambi i casi studio analizzati sono caratterizzate dall’implementazione
di algoritmi genetici Particle Swarm. Tutti i parametri utilizzati per definire gli algoritmi sono stati
scelti e determinati sulla base delle precedenti esperienze ritrovate in letteratura e dopo una serie di
prove dirette in cui i valori sono stati testati confrontando tra loro i vari processi.
In particolare mentre nel caso studio dell’asilo è stata scelta una popolazione di 50 particelle, per il
caso studio dell’ampliamento del Parlamento bavarese è stata utilizzata una popolazione di 30
particelle. Come riportato in letteratura, infatti, il numero di particelle adeguato è pari a 2 o 3 volte il
numero delle variabili da ottimizzare, che nel caso dell’asilo è pari a 17 e nel caso del Parlamento è
pari a 11. Per quanto riguarda i numeri delle generazioni sufficienti per la minimizzazione della
funzione obiettivo, sono stati utilizzati i valori che permettono di coprire un intervallo tra l’1% e il 5%
delle intere popolazioni delle soluzioni. Per questo per entrambi i casi studio sono state previste
ottimizzazioni caratterizzate da un numero di generazioni corrispondenti all’ 1%, 3% e 5% delle intere
popolazioni. I diversi parametri utilizzati sono stati specificatamente descritti nei capitoli relativi ai
due casi studio.
49
6 PRIMO CASO STUDIO: Asilo KITA Campus Riedberg
6.1 Presentazione del progetto
Il primo caso studio presentato in questa tesi ha come base di partenza il progetto della scuola per
l’infanzia, l’Asilo KITA Campus Riedberg, ideato dallo studio tedesco Kadawittfeldarchitektur
all’interno del campus universitario della Goethe Universität a Francoforte sul Meno.
Kadawittfeldarchitektur é uno studio fondato nel 1996 da Klaus Kada (dal 1995 professore
universitario presso la facoltà di architettura di Aquisgrana) e da Gehrard Wittfeld (anch’esso dal
1997 al 2004 professore universitario della facoltà di architettura di Aquisgrana). Lo studio si occupa
oltre che di architettura, anche di progettazione d’interni, di design e di pianificazione urbana.
L’asilo, costituito da due piani, è caratterizzato da una forma geometrica libera e da un impianto
articolato, soprattutto per quanto riguarda le parti sul retro. La superficie totale dei due piani
ammonta a 1624 m² per un ingombro volumetrico complessivo di 4830 m³. Più precisamente
l’edificio é caratterizzato da:
una superficie calpestabile netta pari a 1624 m² suddivisa in 970.16 m² al piano terra e
653.50 m² al primo piano;
un volume netto racchiuso all’interno dell’involucro pari a 4830 m³ suddiviso in 2820.72 m³ al
piano terra e 2008.85 m³ al primo piano.
La superficie dell’intero involucro, considerando quindi oltre alle superfici delle pareti perimetrali,
anche le superfici delle coperture e del solaio a contatto con il terreno, è pari a 3561 m² e il rapporto
(S/V) risulta quindi di 0.74 m⁻¹. La struttura scolastica è stata progettata per un’occupazione massima
di 190 persone, permettendo così di ospitare 160 bambini e 30 adulti. Come appare nelle piante
riportate in seguito, l’asilo è caratterizzato da 9 aule didattiche, 4 al piano terra e 5 al primo piano,
collegate ad altrettante stanze multifunzionali. Al piano terra la distribuzione delle aule è risolta
attraverso la scelta di una pianta a pettine che produce una notevole frammentazione planimetrica e
dà luogo alle caratteristiche 4 “dita” intervallate da una serie di cortili di dimensioni diverse usati
come spazi di gioco. Il primo piano è caratterizzato invece da una geometria più semplice e lineare,
con la disposizione delle 5 aule didattiche sul fronte sud-est. Ciò permette a ciascuna delle 5 aule
didattiche di essere dotata di un accesso diretto ai lastrici solari creati dalle coperture delle “dita” del
piano terra. All’interno dell’asilo sono presenti al piano terra una palestra e un dormitorio con i
rispettivi spogliatoi e vari servizi come l’ufficio della direzione, le sale insegnanti e la sala genitori
separati dalle aule didattiche da un grande atrio definito dai progettisti una “strada-gioco”.
50
Figura 6.1.1 Pianta del Piano Terra - Scala 1:400.
Figura 6.1.2 Pianta del Primo Piano - Scala 1:400
51
Figura 6.1.3 Pianta delle coperture - Scala 1:400.
L’asilo progettato da Kadawittfeldarchitektur si é rivelato particolarmente interessante ai fini
dell’ottimizzazione energetica proposta in questa tesi per via della forma geometrica articolata e per
il volume poco compatto, aspetti tradizionalmente non ottimali nella progettazione di edifici a bassi
consumi energetici. La scelta di questa struttura scolastica mira infatti a mostrare come sia possibile,
attraverso un’ottimizzazione svolta mediante l’uso di algoritmi evolutivi, realizzare edifici a bassi
consumi energetici rispondendo alle esigenze estetiche dei progettisti. Per questo caso studio è stato
inoltre analizzato il comportamento dell’edificio in diversi contesti climatici, scegliendo le località di
Francoforte sul Meno ed Helsinki per le ottimizzazioni nei cimi freddi e le località di Genova, Palermo
e Città del Messico per le analisi svolte in climi più caldi.
Tutte le analisi di ottimizzazione effettuate si propongono di migliorare sia le prestazioni energetiche
sia i livelli di comfort abitativo dell’edificio rispetto ai risultati ottenuti da una progettazione di tipo
tradizionale.
6.2 Modello geometrico
Il punto di partenza per la creazione del modello geometrico di base di questo caso studio é stato il
progetto originale fornito dallo studio di architettura Kadawittfeldarchitektur. Dopo diversi tentativi,
in vista di una velocizzazione sia delle simulazioni termiche che del processo di ottimizzazione, la
geometria dell’edificio é stata semplificata e ridotta al solo involucro esterno, trascurando quindi per
52
ciascun piano le divisioni tra interne, sulla base dell’ipotesi della presenza di uguali condizioni
ambientali tra i vari vani. Attraverso il software SketchUp Pro 8 è stato ricostruito l’involucro edilizio
esterno dell’edificio ed il solaio interpiano, mentre tramite il plugin OpenStudio di SketchUp Pro 8 è
stato possibile passare dal modello grafico tridimensionale creato con SketchUp Pro 8 al modello,
descritto attraverso le coordinate, indispensabile per le simulazioni energetiche dinamiche di
EnergyPlus.
Figura 6.2.1 Vista dei prospetti sud-ovest e sud-est.
Figura 6.2.2 Vista dei prospetti sud-est e nord-est.
53
Figura 6.2.3 Vista dei prospetti nord-ovest e sud-ovest.
Figura 6.2.4 Vista dei prospetti nord-ovest e nord-est.
Figura 6.2.5 Vista del prospetto nord-est.
54
6.3 Modello energetico
Il modello energetico dell’edificio é stato creato con il software EnergyPlus (versione 7.0.0.036) in
cui, grazie al plugin OpenStudio di SketchUp Pro 8, é stato implementato il modello geometrico
precedentemente creato. Le Figure 6.3.1 e 6.3.2 seguenti mostrano il modello geometrico
implementato in EnergyPlus.
Figura 6.3.1 Vista del modello 3D implementato in EnergyPlus attraverso OpenStudio.
Figura 6.3.2 Vista del modello 3D implementato in EnergyPlus attraverso OpenStudio.
Nella Tabella 6.3.1 é riportata una sintesi delle caratteristiche principali del modello base ricavate
direttamente dal progetto originale fornito dagli architetti.
55
Tabella 6.3.1 Principali caratteristiche del modello base.
Superficie abitabile
piano terra 970.16 m² primo piano 653.5
Totale 1623.66
Volume racchiuso dall’involucro
piano terra 2820.70 m³ primo piano 2008.85
Totale 4829.55
Superficie dell’involucro 3561 m²
Rapporto (S/V) 0.74 m⁻¹
Trasmittanza termica dell’involucro edilizio
Pareti 0.153 W/m²K
Tetto 0.114 W/m²K
Solaio piano terra 0.322 W/m²K
Vetri 0.95 W/m²K
Occupazione n° persone 190
Carichi interni
Apparecchiature elettriche
15 W/m²
Illuminazione 12 W/m²
Infiltrazione d’aria n50 0.6 h⁻¹
Ricambi d’aria 0.0056 m³/sP Fonte: progetto originale.
6.3.1 Prestazioni termiche dell’involucro edilizio
Attraverso il programma EnergyPlus sono stati introdotti diversi parametri che hanno permesso di
creare una simulazione dinamica del comportamento termico dell’edificio.
Nella parte del programma inerente alle parti costruttive sono stati inseriti tutti i differenti materiali
presenti nel modello, sia opachi che trasparenti, con le relative proprietà. Le pareti perimetrali
opache sono state modellate in EnergyPlus, attraverso i dati progettuali forniti dagli architetti, con le
caratteristiche di spessore (d), di conducibilità termica (λ), di densità (ρ) e di calore specifico (c)
riportate nella seguente Tabella 6.3.2.
Tabella 6.3.2 Caratteristiche delle pareti perimetrali.
Materiali d [m] λ [W/mK] ρ [kg/m³] c [J/kgK]
Intonaco esterno
Isolante (lana di roccia)
Cemento armato (con 2% acciaio)
0.012
0.220
0.200
0.8
0.035
2.5
1600
30
2400
1000
1030
1000
Valori in accordo con la Norma EN ISO 12524:2001.
La trasmittanza termica delle pareti perimetrali risulta quindi pari a 0.153 W/m²K, nei calcoli sono
stati utilizzati: Rsi = 0.13 m²K/W e Rse = 0.04 m²K/W.
56
Per quanto riguarda le coperture, anch’esse sono state modellate in EnergyPlus attraverso le
caratteristiche riportate nella Tabella 6.3.3. Sia le barriere al vapore che il sottile rivestimento
esterno presenti nel progetto originale, non sono state modellate in EnergyPlus in quanto ininfluenti
per la determinazione della trasmittanza (Ur).
Tabella 6.3.3 Caratteristiche delle coperture.
Materiali d [m] λ [W/mK] ρ [kg/m³] c [J/kgK]
Isolante (lana di roccia)
Cemento armato (con 2% acciaio)
0.300
0.200
0.035
2.5
30
2400
1030
1000
Valori in accordo con la Norma EN ISO 12524:2001.
La trasmittanza termica delle coperture (Ur) risulta pari a 0.114 W/m²K, nei calcoli sono stati
utilizzati: Rsi = 0.10 m²K/W e Rse = 0.04 m²K/W.
Il solaio a contatto con il terreno é stato semplificato considerando solo due strati: uno strato di
isolante e uno di cemento armato. Le caratteristiche del solaio sono riassunte nella Tabella 6.3.4.
Tabella 6.3.4 Caratteristiche del solaio a contatto con il terreno.
Materiali d [m] λ [W/mK] ρ [kg/m³] c [J/kgK]
Isolante (lana di roccia)
Cemento armato (con 2% acciaio)
0.100
0.200
0.035
2.5
30
2400
1030
1000
Valori in accordo con la Norma EN ISO 12524:2001.
La trasmittanza termica (Uf) del solaio a contatto con il terreno corrisponde a 0.322 W/m²K, nei
calcoli sono stati utilizzati: Rsi = 0.17 m²K/W e Rse = 0.00 m²K/W.
Anche per le parti vetrate ci si é riferiti alle scelte compiute dagli architetti introducendo nel modello
energetico di base vetri di tipo selective clear caratterizzati dalle proprietà riassunte nella seguente
Tabella 6.3.5.
Tabella 6.3.5 Caratteristiche delle parti vetrate.
Tipologia di vetro Trasmittanza Uw
[W/(m²K)]
Fattore solare
Fs
Trasmissione
luminosa LT
Selective clear 0.95 0.4 0.7
Valori in accordo con la Norma EN ISO 6946:2007 e la Norma EN 410:2011.
57
Nella Tabella 6.3.6 sono riportate invece le percentuali delle superfici vetrate di progetto distinte per
i diversi orientamenti. A causa della forma particolare dell’edifico é stato scelto di prendere in
considerazione setti diversi orientamenti, considerando le pareti del piano terra corrispondenti alle
“dita” dell’edificio in maniera separata dalle restanti pareti per gli orientamenti sud-est, nord-est e
nord-ovest.
Tabella 6.3.6 Percentuali delle superfici vetrate per i diversi orientamenti.
Orientamento Superficie totale
delle pareti [m²]
Superficie delle
parti vetrate [m²]
Percentuale vetrata
[%]
Nord-ovest
Nord-ovest “dita”
Sud-ovest
Sud-est
Sud-est “dita”
Nord-est
Nord-est “dita”
TOTALE
208.36
123.57
325.46
194.53
127.65
289.98
47.91
1317.37
33.07
7.50
74.18
64.97
52.54
79.48
35.61
347.35
15.9
6.1
22.8
33.4
41.2
27.4
74.3
26.4
Fonte: progetto originale
Al tempo della creazione del modello energetico di questo caso studio, il progetto degli architetti non
forniva ancora indicazioni precise circa il sistema di ombreggiamento. E’ stata modellata così una
semplice schermatura protettiva, uguale per tutte le parti vetrate del modello, costituita da
veneziane dotate di lamelle orizzontali con inclinazione di 45° rispetto alla normale uscente dalle
superfici vetrate. Successivamente sono state svolte simulazioni energetiche, riportate nel
sottoparagrafo 6.5.3, in cui sono stati messi a confronto i modelli caratterizzati da un sistema di
ombreggiamento interno con i modelli che implementano lo stesso sistema di ombreggiamento
posto all’esterno delle superfici vetrate.
Inoltre, al fine di garantire basse perdite per infiltrazioni d’aria esterna, nel modello base é stato
implementato direttamente il limite imposto dallo Standard Passivhaus, il quale richiede che gli
involucri edilizi limitino i ricambi d’aria per infiltrazioni ad un massimo di 0.6 h⁻¹ per una differenza di
pressione di 50 Pa (n50 < 0.6 h⁻¹). Per l’asilo questo valore è stato introdotto in EnergyPlus secondo
gli standard anglosassoni e corrisponde al valore di 0,05 ricambi d’aria all’ora.
Per riuscire ad avere un controllo dei risultati più accurato sotto il punto di vista delle condizioni del
comfort abitativo, nella parte di EnergyPlus inerente alle proprietà delle superfici e delle zone
58
termiche dell’edificio, sono state create due diverse zone, la zona A riferita al piano terra e la zona B
al primo piano, e sono state definite le condizioni di contorno dei diversi elementi prevedendo per le
pareti esterne, le coperture e tutte le superfici vetrate sia l’esposizione solare che eolica.
6.3.2 Condizioni esterne
Le simulazioni energetiche dell’edificio sono state svolte in cinque diversi contesti climatici:
Francoforte sul Meno, Helsinki, Genova, Palermo e Città del Messico. Tutti i file climatici sono
scaricabili direttamente dal sito di EnergyPlus. Per quanto riguarda le temperature del suolo, sono
state implementate nel modello le temperature medie annuali di ogni località. Tali valori, riassunti
nella seguente Tabella 6.3.7, sono stati ricavati da un sito della NASA.
Tabella 6.3.7 Temperature del suolo dei diversi contesti climatici.
Località Latitudine Longitudine Temperatura media
annuale [°C]
Francoforte sul Meno
Helsinki
Genova
Palermo
Città del Messico
50.05
60.32
44.42
38.18
19.43
8.60
24.97
8.85
13.10
-99.08
9.28
4.31
14.30
20.30
19.10
Fonte: sito della NASA http://esoweb.larc.nasa.gov.
6.3.3 Condizioni interne
Le condizioni per l'ambiente interno del modello analizzato sono state fissate in modo da riuscire ad
avere un controllo costante sulle condizioni di benessere abitativo interno. Le temperature degli
ambienti interni sono state fissate attraverso i valori riassunti nella seguente Tabella 6.3.8.
Tabella 6.3.8 Temperature interne.
Temperatura interna Inverno Estate
In caso di occupazione
In caso di non occupazione
21 °C
17 °C
24 °C
26 °C
Fonte: Norma EN 15251:2007, Appendice A,
Table A.3: Recommended indoor temperature for energy calculations.
59
Per le ore in cui gli spazi interni non sono occupati é stato previsto che la temperatura interna del
modello possa scendere in inverno fino a 17 °C mentre in estate possa salire fino a 26 °C.
L’ambiente interno fornisce una serie di contributi energetici, definiti “guadagni interni”, dovuti a
diversi fattori legati in primo luogo alla destinazione d’uso dell’edificio. Nel caso studio analizzato,
grazie alla compilazione delle parti di EnergyPlus definite “Schedules”, é stato possibile definire una
programmazione annuale, settimanale, giornaliera ed oraria di diversi fattori, tenendo in
considerazione anche della differenza tra giorni feriali e festivi. Nelle varie ore della giornata e nei
vari giorni della settimana sono state considerate:
la densità di occupazione;
le attività svolte all’interno delle aule;
l’abbigliamento indossato dagli occupanti;
la programmazione del sistema di riscaldamento, di raffrescamento, di illuminazione e delle
apparecchiature elettriche;
i ricambi d’aria e le infiltrazioni.
Per quanto riguarda i guadagni interni dovuti alla presenza di persone, dato che nella struttura
scolastica in esame è prevista un’occupazione di 190 persone (160 bambini e 30 adulti) ed essendo la
superficie totale di 1624 mq, é stata considerata una densità di occupazione di 0,117 persone/m². La
frazione radiante, usata per caratterizzare il tipo di calore sprigionato dalle persone nella zona, è
stata impostata sul valore di 0.3. Il numero specificato in questo campo, moltiplicato per l'energia
totale sensibile emessa dalle persone, permette di ottenere la quantità di radiazioni, con lunghezze
d'onda lunghe, provenienti dalle persone che occupano la zona.
In base alla schedule Asilo Occupancy Schedule è stata prevista una densità di occupazione variabile
sia all’interno di una settimana, considerando distintamente i giorni festivi e i giorni feriali, sia
all’interno di una giornata stessa in base all’orario scolastico, con un’occupazione complessiva che va
dalle ore 07:00 alle ore 19:00. Inoltre attraverso la schedule Asilo Activity Schedule sono state
programmate tutte le attività svolte all’interno dell’edificio, assegnando alle diverse ore della
giornata diversi indici metabolici 1.
Per quanto riguarda i guadagni interni dovuti alla presenza delle persone è stato considerato infine il
contributo proveniente dall’abbigliamento indossato dagli occupanti, distinguendo un abbigliamento
1 2009 ASHRAE Handbook_Foundamentals (SI), Table 4: Typical Metabolic Heat Generation for various
Activities.
60
invernale ed uno estivo. I vari valori sono stati implementati nel modello energetico attraverso la
schedule Asilo Clothing Schedule 2.
Nella modellazione energetica dell’asilo sono stati considerati anche i guadagni provenienti dall’uso
delle apparecchiature elettriche. Tali guadagni sono stati implementati nel modello con il valore di 15
W/m² e con una frazione radiante di 0.33.
La domanda totale di energia primaria del modello è influenzata fortemente dall'uso delle luci
elettriche, sia direttamente, con il consumo di energia elettrica, sia indirettamente, attraverso
l'introduzione di carichi termici nell'ambiente interno comportando diverse esigenze per il
riscaldamento ed il raffrescamento. É stato quindi molto importante modellare la strategia di
illuminazione che meglio rappresentasse il reale utilizzo delle luci elettriche considerando la quantità
di luce diurna disponibile. Il guadagno di calore dovuto alle luci artificiali è stato considerato pari a 12
W/m², in conformità con il CIBSE, “Guide A: Environmental Design” del 2006. Tale valore è da
considerarsi un valore massimo: è applicato quando non é disponibile alcuna luce naturale ed è
ridotto in base alla disponibilità di luce naturale all’interno dell’edificio.
Per quanto riguarda il livello di illuminazione interna da raggiungere, è stato fissato il valore di
progetto pari a 500 lux4. Sottraendo a questo valore la quantità di luce naturale disponibile è
possibile ricavare la quantità di luce artificiale richiesta per garantire il livello di illuminamento di
progetto. La strategia di controllo adottata per questo caso studio è un sistema di regolamentazione
al 50%: é stata modellata un’intensità continua delle luci ed é stato previsto un funzionamento
manuale con una probabilità del 50% che gli occupanti vogliano impostare l'illuminazione elettrica
per ottenere l'illuminamento richiesto.
Senza alcun controllo le luci elettriche sarebbero in orario scolastico sempre a piena potenza e ciò
porterebbe ad un’evidente sovrastima della domanda di energia. D'altra parte un’eccessiva strategia
"ottimista", come la regolazione automatica della luminosità potrebbe causare una sottostima
dell’utilizzo di luce e del consumo energetico conseguente.
Nel modello di EnergyPlus il livello di illuminazione viene valutato in due punti di riferimento per
zona, in totale ci sono quindi quattro punti di controllo, due per piano, posti tutti ad una altezza di
0,8 m dal pavimento, corrispondente alla tipica altezza di lavoro (il livello di una scrivania). Questi
quattro punti simulano la presenza di sensori di illuminazione collegati al sistema di gestione
dell’edificio: considerando la quantità di luce naturale che raggiunge il sensore, la quota parte di luce
2 2009 ASHRAE Handbook_Foundamentals (SI), Table 7: Typical Insulation and Permeability Values for Clothing
Ensembles.
3 CIBSE, Guide A: Environmental Design, The Chartered Institution of Building Services Engineers, 2006.
4 Norma EN 15251:2007, Appendice D, Recommended criteria for lighting.
61
fornita artificialmente viene regolata in modo da raggiungere il valore di progetto di 500 lux. Questa
modellazione é molto importante per valutare l’effettiva efficienza energetica degli edifici, in quanto
le luci artificiali rappresentano un contributo significativo alla spesa energetica complessiva.
6.3.4 Sistemi di riscaldamento e di raffrescamento
Dato che lo studio delle caratteristiche e del funzionamento dei sistemi HVAC non sono lo scopo di
questa tesi, gli impianti di riscaldamento e di raffrescamento sono stati implementati nei modelli
come impianti ideali con capacità illimitata, in grado cioè di mantenere sempre i setpoint di
temperatura richiesti durante i periodi di picco dei carichi.
Il fabbisogno di calore dell’edificio é stato contenuto riducendo le infiltrazioni di aria fredda
attraverso l’involucro: per compensare tale assenza e garantire i necessari ricambi d’aria, risulta
necessario un sistema di ventilazione forzata in grado di mantenere, con 0.0056 m³/s a persona, una
buona qualità dell’aria negli ambienti interni.
L’uso di un sistema di ventilazione attivo ha permesso inoltre il recupero di calore dell’aria esausta
espulsa, con conseguente riduzione del carico di riscaldamento. Per il caso studio dell’asilo é stato
modellato un sistema integrato tipicamente utilizzato nelle Passivhaus, caratterizzato da uno
scambiatore di calore aria-aria con un’efficienza dell’85% per il pre-riscaldamento dell’aria in
ingresso.
Per quanto riguarda il fabbisogno energetico richiesto per la produzione di acqua calda sanitaria è
stato considerato un valore di progetto di 65 kWh/giorno corrispondente ad un consumo energetico
di 14.61 kWh/m²anno.
6.3.5 Prestazioni energetiche e condizioni di comfort abitativo dei modelli di base
EnergyPlus può fornire un grande numero di output, sia in termini orari che cumulativi. Per quanto
riguarda le prestazioni energetiche, le simulazioni dinamiche condotte con EnergyPlus sull’edificio
descritto hanno permesso di quantificare le potenze annue finali per il riscaldamento (Phf), per il
raffrescamento (Pcf) e per l’illuminazione artificiale (Plf) in Wh/anno per le due zone termiche
considerate. Attraverso questi dati sono stati ricavati i fabbisogni specifici finali in kWh/m²anno, di
energia per il riscaldamento (Qhf’), il raffrescamento (Qcf’), l’illuminazione artificiale (Qlf’) a cui
aggiungere il valore di progetto (Qwf’) per l’acqua calda sanitaria.
Nelle seguenti tabelle sono riportate, per tutte le località analizzate, le soluzioni trovate con le
simulazioni dinamiche di EnergyPlus eseguite sui modelli base con il sistema di ombreggiamento
interno ed esterno.
62
Tabella 6.3.9 Risultati ricavati dalla simulazione di EnergyPlus a Francoforte sul Meno
del modello con sistema di ombreggiamento interno.
Riscaldamento
Phf, zona A [Wh/anno] Phf, zona B[Wh/anno] Phf, tot [Wh/anno] Qhf' [kWh/m²anno]
1259.01 616.12 1875.13 10.11
Raffrescamento
Pcf, zona A [Wh/anno] Pcf, zona B [Wh/anno] Pcf, tot [Wh/anno] Qcf' [kWh/m²anno]
2955.11 2840.75 5795.86 31.26
Illuminazione
Plf, zona A [Wh/anno] Plf, zona B [Wh/anno] Plf, tot [Wh/anno] Qlf' [kWh/m²anno]
1836.32 1246.36 3082.68 16.63
Acqua calda sanitaria
Valore di progetto [Wh/giorno] Pwf [Wh/anno] Qwf'[kWh/m²anno]
65000 2708.33 14.61
Tabella 6.3.10 Risultati ricavati dalla simulazione di EnergyPlus a Francoforte sul Meno
del modello con sistema di ombreggiamento esterno.
Riscaldamento
Phf, zona A [Wh/anno] Phf, zona B[Wh/anno] Phf, tot [Wh/anno] Qhf' [kWh/m²anno]
1422.65 686.73 2109.38 11.38
Raffrescamento
Pcf, zona A [Wh/anno] Pcf, zona B [Wh/anno] Pcf, tot [Wh/anno] Qcf' [kWh/m²anno]
1864.86 1822.52 3687.38 19.89
Illuminazione
Plf, zona A [Wh/anno] Plf, zona B [Wh/anno] Plf, tot [Wh/anno] Qlf' [kWh/m²anno]
1836.32 1246.36 3082.68 16.63
Acqua calda sanitaria
Valore di progetto [Wh/giorno] Pwf [Wh/anno] Qwf'[kWh/m²anno]
65000 2708.33 14.61
63
Tabella 6.3.11 Risultati ricavati dalla simulazione di EnergyPlus ad Helsinki
del modello con sistema di ombreggiamento interno.
Riscaldamento
Phf, zona A [Wh/anno] Phf, zona B[Wh/anno] Phf, tot [Wh/anno] Qhf' [kWh/m²anno]
3190.76 1453.96 4644.72 25.05
Raffrescamento
Pcf, zona A [Wh/anno] Pcf, zona B [Wh/anno] Pcf, tot [Wh/anno] Qcf' [kWh/m²anno]
1626.82 1724.80 3351.62 18.08
Illuminazione
Plf, zona A [Wh/anno] Plf, zona B [Wh/anno] Plf, tot [Wh/anno] Qlf' [kWh/m²anno]
2003.44 1359.52 3362.96 18.14
Acqua calda sanitaria
Valore di progetto [Wh/giorno] Pwf [Wh/anno] Qwf'[kWh/m²anno]
65000 2708.33 14.61
Tabella 6.3.12 Risultati ricavati dalla simulazione di EnergyPlus ad Helsinki
del modello con sistema di ombreggiamento esterno.
Riscaldamento
Phf, zona A [Wh/anno] Phf, zona B[Wh/anno] Phf, tot [Wh/anno] Qhf' [kWh/m²anno]
3519.62 1594.45 5114.07 27.59
Raffrescamento
Pcf, zona A [Wh/anno] Pcf, zona B [Wh/anno] Pcf, tot [Wh/anno] Qcf' [kWh/m²anno]
700.02 839.10 1539.12 8.30
Illuminazione
Plf, zona A [Wh/anno] Plf, zona B [Wh/anno] Plf, tot [Wh/anno] Qlf' [kWh/m²anno]
2003.44 1359.52 3362.96 18.14
Acqua calda sanitaria
Valore di progetto [Wh/giorno] Pwf [Wh/anno] Qwf'[kWh/m²anno]
65000 2708.33 14.61
64
Tabella 6.3.13 Risultati ricavati dalla simulazione di EnergyPlus a Genova
del modello con sistema di ombreggiamento interno.
Riscaldamento
Phf, zona A [Wh/anno] Phf, zona B[Wh/anno] Phf, tot [Wh/anno] Qhf' [kWh/m²anno]
253.91 123.75 377.66 2.04
Raffrescamento
Pcf, zona A [Wh/anno] Pcf, zona B [Wh/anno] Pcf, tot [Wh/anno] Qcf' [kWh/m²anno]
7518.54 6693.49 14212.03 76.66
Illuminazione
Plf, zona A [Wh/anno] Plf, zona B [Wh/anno] Plf, tot [Wh/anno] Qlf' [kWh/m²anno]
1752.55 1192.59 2945.14 15.89
Acqua calda sanitaria
Valore di progetto [Wh/giorno] Pwf [Wh/anno] Qwf'[kWh/m²anno]
65000 2708.33 14.61
Tabella 6.3.14 Risultati ricavati dalla simulazione di EnergyPlus a Genova
del modello con sistema di ombreggiamento esterno.
Riscaldamento
Phf, zona A [Wh/anno] Phf, zona B[Wh/anno] Phf, tot [Wh/anno] Qhf' [kWh/m²anno]
380.49 184.02 564.51 3.05
Raffrescamento
Pcf, zona A [Wh/anno] Pcf, zona B [Wh/anno] Pcf, tot [Wh/anno] Qcf' [kWh/m²anno]
5544.45 4905.05 10449.50 56.37
Illuminazione
Plf, zona A [Wh/anno] Plf, zona B [Wh/anno] Plf, tot [Wh/anno] Qlf' [kWh/m²anno]
1752.55 1192.59 2945.14 15.89
Acqua calda sanitaria
Valore di progetto [Wh/giorno] Pwf [Wh/anno] Qwf'[kWh/m²anno]
65000 2708.33 14.61
65
Tabella 6.3.15 Risultati ricavati dalla simulazione di EnergyPlus a Palermo
del modello con sistema di ombreggiamento interno.
Riscaldamento
Phf, zona A [Wh/anno] Phf, zona B[Wh/anno] Phf, tot [Wh/anno] Qhf' [kWh/m²anno]
8.65 4.56 13.21 0.07
Raffrescamento
Pcf, zona A [Wh/anno] Pcf, zona B [Wh/anno] Pcf, tot [Wh/anno] Qcf' [kWh/m²anno]
11938.61 9838.49 21777.10 117.47
Illuminazione
Plf, zona A [Wh/anno] Plf, zona B [Wh/anno] Plf, tot [Wh/anno] Qlf' [kWh/m²anno]
1701.09 1154.14 2860.23 15.43
Acqua calda sanitaria
Valore di progetto [Wh/giorno] Pwf [Wh/anno] Qwf'[kWh/m²anno]
65000 2708.33 14.61
Tabella 6.3.16 Risultati ricavati dalla simulazione di EnergyPlus a Palermo
del modello con sistema di ombreggiamento esterno.
Riscaldamento
Phf, zona A [Wh/anno] Phf, zona B[Wh/anno] Phf, tot [Wh/anno] Qhf' [kWh/m²anno]
50.60 28.35 78.95 0.43
Raffrescamento
Pcf, zona A [Wh/anno] Pcf, zona B [Wh/anno] Pcf, tot [Wh/anno] Qcf' [kWh/m²anno]
8575.71 7008.35 15584.06 84.06
Illuminazione
Plf, zona A [Wh/anno] Plf, zona B [Wh/anno] Plf, tot [Wh/anno] Qlf' [kWh/m²anno]
1701.09 1154.14 2860.23 15.43
Acqua calda sanitaria
Valore di progetto [Wh/giorno] Pwf [Wh/anno] Qwf'[kWh/m²anno]
65000 2708.33 14.61
66
Tabella 6.3.17 Risultati della simulazione di EnergyPlus a Città del Messico
del modello con sistema di ombreggiamento interno.
Riscaldamento
Phf, zona A [Wh/anno] Phf, zona B[Wh/anno] Phf, tot [Wh/anno] Qhf' [kWh/m²anno]
0 0 0 0
Raffrescamento
Pcf, zona A [Wh/anno] Pcf, zona B [Wh/anno] Pcf, tot [Wh/anno] Qcf' [kWh/m²anno]
10198.98 8436.2 18635.18 100.52
Illuminazione
Plf, zona A [Wh/anno] Plf, zona B [Wh/anno] Plf, tot [Wh/anno] Qlf' [kWh/m²anno]
1683.16 1147.74 2830.90 15.27
Acqua calda sanitaria
Valore di progetto [Wh/giorno] Pwf [Wh/anno] Qwf'[kWh/m²anno]
65000 2708.33 14.61
Tabella 6.3.18 Risultati della simulazione di EnergyPlus a Città del Messico
del modello con sistema di ombreggiamento esterno.
Riscaldamento
Phf, zona A [Wh/anno] Phf, zona B[Wh/anno] Phf, tot [Wh/anno] Qhf' [kWh/m²anno]
0.32 0.11 0.43 0.00
Raffrescamento
Pcf, zona A [Wh/anno] Pcf, zona B [Wh/anno] Pcf, tot [Wh/anno] Qcf' [kWh/m²anno]
7777.23 6289.62 14066.85 75.88
Illuminazione
Plf, zona A [Wh/anno] Plf, zona B [Wh/anno] Plf, tot [Wh/anno] Qlf' [kWh/m²anno]
1683.16 1147.74 2830.90 15.27
Acqua calda sanitaria
Valore di progetto [Wh/giorno] Pwf [Wh/anno] Qwf'[kWh/m²anno]
65000 2708.33 14.61
I dati ricavati direttamente dalle simulazioni energetiche di EnergyPlus sono stati rielaborati
considerando diversi rendimenti. Per il riscaldamento e il raffrescamento sono stati considerati
rendimenti, costanti per tutte le località, rispettivamente pari a ηh = 0.44 e ηc = 0.77 5.
5 Huang J, Franconi E. Commercial heating and cooling loads component analysis, Technical report LBL-37208,
Lawrence Berkeley National Laboratory, EETD; November 1999.
67
Per il consumo di elettricità dovuto all’illuminazione artificiale sono stati considerati, a seconda delle
località, diversi fattori di conversione per convertire l’energia di fonte elettrica in energia di fonte
combustibile e tener conto dell’efficienza media della rete elettrica nazionale. Questi diversi valori
sono riassunti nella Tabella 6.3.19. Si noti che per il caso di Città del Messico, non avendo trovato
nessun valore attuale é stato utilizzato il fattore di conversione medio pari a 3.06.
Tabella 6.3.19 Fattori di conversione dell’energia elettrica in energia primaria.
Località Fattore di conversione
Francoforte sul Meno
Helsinki
Genova
Palermo
Città del Messico
2.6 7
2.3 8
2.5 9
2.5 9
3.0
Pesando tutti i fabbisogni specifici finali annui ricavati dalle simulazioni di EnergyPlus con i rispettivi
rendimenti é possibile ricavare i fabbisogni specifici annui di energia per il riscaldamento (Qhp’), per il
raffrescamento (Qcp’) e per l’illuminazione artificiale (Qlp’), i quali, sommati all’ulteriore fabbisogno
specifico annuo di progetto per l’acqua calda sanitaria (Qwp’), hanno condotto al fabbisogno specifico
annuo di energia primaria (Qp’). Per tutte le località analizzate, sia per i modelli base caratterizzati da
un sistema di ombreggiamento interno che per i modelli base in cui il sistema di ombreggiamento è
esterno, sono state ricavate le prestazioni energetiche riassunte nelle tabelle riportate in seguito.
Per quanto riguarda le condizioni di comfort abitativo, invece, sono state richieste ad EnergyPlus, per
l’intero anno di svolgimento delle simulazioni dinamiche, le temperature operative orarie delle due
zone termiche considerate: la Zona A corrispondente al piano terra e la Zona B corrispondente al
primo piano dell’edificio. Dai dati orari è stato possibile ricavare le temperature operative del giorno
6 Wetter M, Wight J. Comparison of deterministic and probabilistic optimization algorithms for nonsmooth
simulation-based optimization, Building and Environment 39; 2004.
7 DIN-Normenreihe DIN V 18599 Teil 9.
8 T. Mäkinen, S. Soimakallio, T. Paappanen, K. Pahkala ja H. Mikkola, Liikenteen biopolttoaineiden ja
peltoenergian kasvihuonekaasutaseet ja uudet liiketoimintakonseptit, Valtion teknillinen tutkimuskeskus, VTT
tiedotteita 2357, Helsinki, 2006.
9 Delibera EEN 3/08: Aggiornamento del fattore di conversione dei kWh in tonnellate equivalenti di petrolio
connesso al meccanismo dei titoli di efficienza energetica, pubblicata sul sito www.autorita.energia.it in data
01 aprile 2008.
68
medio mensile e confrontarle con le temperature minime e massime, rispettivamente 19 °C e 27 °C,
per garantire un buon livello di benessere abitativo come riportato nella norma EN 15251 del 2007
“Indoor environmental input parameters for design and assessment of energy performance of
buildings addressing indoor air quality, thermal environmental, lighting and acoustics”. Tale
confronto è visibile nei grafici a linee riportati in seguito per ciascuna zona termica.
Inoltre, per ogni contesto climatico e per ogni modello di base, sono stati confrontati i contributi
energetici passivi, dovuti ai guadagni interni ed ai guadagni solari, con i contributi energetici attivi,
corrispondenti ai fabbisogni di energia primaria, entrambi calcolati per ogni mese in base al valore
medio del giorno medio mensile. Infine, sempre per valutare il comportamento complessivo
dell’asilo, sono stati calcolati anche i livelli di illuminamento naturale ed artificiale degli ambienti
interni, confrontando il valore medio del livello di illuminazione naturale nelle ore di occupazione dei
diversi giorni medi mensili con il valore di illuminazione di progetto pari a 500 lux. E’ stato verificato
che i livelli di illuminamento restano invariati sia che il sistema di ombreggiamento sia interno sia che
sia esterno. Tutti i risultati delle analisi svolte sui modelli di base di questo caso studio sono riportati
nelle seguenti tabelle e nei seguenti grafici suddivisi in base ai contesti climatici.
6.3.5.1 Francoforte sul Meno
Tabella 6.3.20 Fabbisogno specifico annuo di energia primaria per il modello con sistema di
ombreggiamento interno a Francoforte sul Meno.
Fabbisogni specifici finali annui [kWh/m²anno]
Rendimenti Fabbisogni specifici annui [kWh/m²anno]
Riscaldamento Qhf' 10.11 0.44 Qhp' 22.98
Raffrescamento Qcf' 31.26 0.77 Qcp' 40.60
Illuminazione Qlf' 16.63 2.6 Qlp' 43.24
Acqua calda sanitaria
Qwf' 14.61 0.44 Qwp' 33.20
Fabbisogno specifico annuo di energia primaria [kWh/m²anno Qp' 140.02
Tabella 6.3.21 Fabbisogno specifico annuo di energia primaria per il modello con sistema di
ombreggiamento esterno a Francoforte sul Meno.
Fabbisogni specifici finali annui [kWh/m²anno]
Rendimenti Fabbisogni specifici annui [kWh/m²anno]
Riscaldamento Qhf' 11.38 0.44 Qhp' 25.86
Raffrescamento Qcf' 19.89 0.77 Qcp' 25.83
Illuminazione Qlf' 16.63 2.6 Qlp' 43.24
Acqua calda sanitaria
Qwf' 14.61 0.44 Qwp' 33.20
Fabbisogno specifico annuo di energia primaria [kWh/m²anno Qp' 128.13
69
Figura 6.3.3 Comfort abitativo della Zona termica A del modello con sistema di ombreggiamento
interno a Francoforte sul Meno.
Figura 6.3.4 Comfort abitativo della Zona termica B del modello con sistema di ombreggiamento
interno a Francoforte sul Meno.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
70
Figura 6.3.5 Comfort abitativo della Zona termica A del modello con sistema di ombreggiamento
esterno a Francoforte sul Meno.
Figura 6.3.6 Comfort abitativo della Zona termica B del modello con sistema di ombreggiamento
esterno a Francoforte sul Meno.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
71
Tabella 6.3.22 Prestazioni energetiche del modello con sistema
di ombreggiamento interno a Francoforte sul Meno.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.60 1.64 55.17 19.35 80.65
Febbraio 11.34 2.77 51.41 21.53 78.47
Marzo 11.47 4.61 47.71 25.21 74.79
Aprile 10.24 6.26 45.35 26.67 73.33
Maggio 11.25 7.28 50.64 26.78 73.22
Giugno 11.10 7.46 53.72 25.68 74.32
Luglio 10.29 7.74 60.10 23.08 76.92
Agosto 11.29 6.81 59.55 23.32 76.68
Settembre 10.79 5.32 49.33 24.61 75.39
Ottobre 11.14 3.58 47.56 23.63 76.37
Novembre 11.90 1.93 51.80 21.07 78.93
Dicembre 11.15 1.34 53.94 18.81 81.19 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
Tabella 6.3.23 Prestazioni energetiche del modello con sistema
di ombreggiamento esterno a Francoforte sul Meno.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.60 1.63 55.42 19.27 80.73
Febbraio 11.34 2.68 52.39 21.12 78.88
Marzo 11.47 4.49 48.62 24.70 75.30
Aprile 10.24 6.18 45.14 26.67 73.33
Maggio 11.25 7.23 47.86 27.85 72.15
Giugno 11.10 7.46 50.74 26.79 73.21
Luglio 10.29 7.69 55.40 24.51 75.49
Agosto 11.29 6.72 54.81 24.73 75.27
Settembre 10.79 5.24 46.89 25.47 74.53
Ottobre 11.14 3.48 46.61 23.87 76.13
Novembre 11.90 1.92 51.97 21.00 79.00
Dicembre 11.15 1.32 54.33 18.67 81.33 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
Si noti che per quanto riguarda i contributi energetici passivi, la parte riguardante i guadagni interni
resta ovviamente invariata nei due modelli, mentre i guadagni solari risultano leggermente inferiori
nel modello con il sistema di ombreggiamento posto all’esterno.
72
Tabella 6.3.24 Livello di illuminamento in entrambi i modelli di Francoforte sul Meno.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 314.29 185.71 316.25 183.75
Febbraio 388.82 111.18 390.77 109.23
Marzo 463.87 36.13 463.96 36.04
Aprile 500 0 500 0
Maggio 500 0 500 0
Giugno 500 0 500 0
Luglio 500 0 500 0
Agosto 500 0 500 0
Settembre 464.08 35.92 464.41 35.59
Ottobre 426.77 73.23 426.97 73.03
Novembre 343.65 156.35 344.84 155.16
Dicembre 302.05 197.95 304.78 195,22 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
Figura 6.3.7 Livelli di illuminamento nella Zona termica A dei modelli di Francoforte sul Meno.
Figura 6.3.8 Livelli di illuminamento nella Zona termica B dei modelli di Francoforte sul Meno.
63% 78%
93% 100% 100% 100% 100% 100% 93% 85% 69% 60%
37% 22%
7% 7% 15% 31% 40%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
63% 78%
93% 100% 100% 100% 100% 100% 93% 85% 69% 61%
37% 22%
7% 7% 15% 31% 39%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona B Illuminazione naturale Zona B
73
6.3.5.2 Helsinki
Tabella 6.3.25 Fabbisogno specifico annuo di energia primaria per il modello con sistema di
ombreggiamento interno ad Helsinki.
Fabbisogni specifici finali annui [kWh/m²anno]
Rendimenti Fabbisogni specifici annui [kWh/m²anno]
Riscaldamento Qhf' 25.05 0.44 Qhp' 56.93
Raffrescamento Qcf' 18.08 0.77 Qcp' 23.48
Illuminazione Qlf' 18.14 2.3 Qlp' 41.72
Acqua calda sanitaria
Qwf' 14.61 0.44 Qwp' 33.20
Fabbisogno specifico annuo di energia primaria [kWh/m²anno Qp' 155.33
Tabella 6.3.26 Fabbisogno specifico annuo di energia primaria per il modello con sistema di
ombreggiamento esterno ad Helsinki.
Fabbisogni specifici finali annui [kWh/m²anno]
Rendimenti Fabbisogni specifici annui [kWh/m²anno]
Riscaldamento Qhf' 27.59 0.44 Qhp' 62.70
Raffrescamento Qcf' 8.30 0.77 Qcp' 10.78
Illuminazione Qlf' 18.14 2.3 Qlp' 41.72
Acqua calda sanitaria
Qwf' 14.61 0.44 Qwp' 33.20
Fabbisogno specifico annuo di energia primaria [kWh/m²anno Qp' 148.40
Figura 6.3.9 Comfort abitativo della Zona termica A del modello con il sistema di
ombreggiamento interno ad Helsinki.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
74
Figura 6.3.10 Comfort abitativo della Zona termica B del modello con sistema di
ombreggiamento interno ad Helsinki.
Figura 6.3.11 Comfort abitativo della Zona termica A del modello con sistema
di ombreggiamento esterno ad Helsinki.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
75
Figura 6.3.12 Comfort abitativo della Zona termica B del modello con sistema
di ombreggiamento esterno ad Helsinki.
Tabella 6.3.27 Prestazioni energetiche del modello con sistema
di ombreggiamento interno ad Helsinki.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 12.04 0.83 65.74 16.38 83.62
Febbraio 11.49 2.28 60.27 18.60 81.40
Marzo 11.49 3.90 52.15 22.78 77.22
Aprile 10.19 6.22 45.84 26.36 73.64
Maggio 11.22 7.81 46.14 29.20 70.80
Giugno 11.08 8.43 51.79 27.37 72.63
Luglio 10.28 7.91 54.87 24.90 75.10
Agosto 11.25 6.82 52.98 25.43 74.57
Settembre 10.79 4.84 44.79 25.87 74.13
Ottobre 11.30 2.77 49.52 22.12 77.88
Novembre 12.27 0.93 60.05 18.02 81.98
Dicembre 11.81 0.36 63.64 16.06 83.94 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
76
Tabella 6.3.28 Prestazioni energetiche del modello con sistema
di ombreggiamento esterno ad Helsinki.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 12.04 0.83 66.18 16.28 83.72
Febbraio 11.49 2.20 62.75 17.91 82.09
Marzo 11.49 3.78 53.97 22.06 77.94
Aprile 10.19 6.11 47.10 25.71 74.29
Maggio 11.22 7.67 44.65 29.72 70.28
Giugno 11.08 8.37 46.23 29.62 70.38
Luglio 10.28 7.85 49.62 26.76 73.24
Agosto 11.25 6.75 49.01 26.87 73.13
Settembre 10.79 4.79 45.21 25.63 74.37
Ottobre 11.30 2.74 50.04 21.90 78.10
Novembre 12.27 0.93 60.17 17.98 82.02
Dicembre 11.81 0.36 63.64 16.05 83.95 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
Tabella 6.3.29 Livello di illuminamento in entrambi i modelli di Helsinki.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 233.02 266.98 235.01 264.99
Febbraio 367.70 132.30 367.99 132.01
Marzo 461.08 38.92 461.25 38.75
Aprile 500 0 500 0
Maggio 500 0 500 0
Giugno 500 0 500 0
Luglio 500 0 500 0
Agosto 500 0 500 0
Settembre 468.88 31.12 469.90 30.10
Ottobre 401.39 98.61 407.38 92.62
Novembre 268.66 231.34 270.54 229.46
Dicembre 167.02 332.98 171.32 328.68 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
77
Figura 6.3.13 Livelli di illuminamento nella Zona termica A nei modelli di Helsinki.
Figura 6.3.14 Livelli di illuminamento nella Zona termica B nei modelli di Helsinki.
6.3.5.3 Genova
Tabella 6.3.30 Fabbisogno specifico annuo di energia primaria per il modello con sistema di
ombreggiamento interno a Genova.
Fabbisogni specifici finali annui [kWh/m²anno]
Rendimenti Fabbisogni specifici annui [kWh/m²anno]
Riscaldamento Qhf' 2.04 0.44 Qhp' 4.64
Raffrescamento Qcf' 76.66 0.77 Qcp' 99.56
Illuminazione Qlf' 15.89 2.5 Qlp' 39.73
Acqua calda sanitaria
Qwf' 14.61 0.44 Qwp' 33.20
Fabbisogno specifico annuo di energia primaria [kWh/m²anno Qp' 177.13
47%
74%
92% 100% 100% 100% 100% 100% 94% 80%
54% 33%
53%
26% 8% 6%
20%
46% 67%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
47%
74% 92% 100% 100% 100% 100% 100% 94%
81%
54% 34%
53%
26% 8% 6%
19%
46% 66%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona B Illuminazione naturale Zona B
78
Tabella 6.3.31 Fabbisogno specifico annuo di energia primaria per il modello con sistema di
ombreggiamento esterno a Genova.
Fabbisogni specifici finali annui [kWh/m²anno]
Rendimenti Fabbisogni specifici annui [kWh/m²anno]
Riscaldamento Qhf' 2.04 0.44 Qhp' 6.93
Raffrescamento Qcf' 76.66 0.77 Qcp' 73.21
Illuminazione Qlf' 15.89 2.5 Qlp' 39.73
Acqua calda sanitaria
Qwf' 14.61 0.44 Qwp' 33.20
Fabbisogno specifico annuo di energia primaria [kWh/m²anno Qp' 153.07
Figura 6.3.15 Comfort abitativo della Zona termica A del modello con sistema
di ombreggiamento interno a Genova.
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
79
Figura 6.3.16 Comfort abitativo della Zona termica B del modello con sistema
di ombreggiamento interno a Genova.
Figura 6.3.17 Comfort abitativo della Zona termica A modello con sistema
di ombreggiamento esterno a Genova.
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
80
Figura 6.3.18 Comfort abitativo della Zona termica B modello con sistema
di ombreggiamento esterno a Genova.
Tabella 6.3.32 Prestazioni energetiche del modello con sistema
di ombreggiamento interno a Genova.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.40 2.74 49.04 22.38 77.62
Febbraio 11.23 3.69 46.40 24.33 75.67
Marzo 11.44 5.42 46.89 26.45 73.55
Aprile 10.25 6.37 48.57 25.50 74.50
Maggio 11.27 7.26 59.26 23.82 76.18
Giugno 11.11 7.87 65.78 22.39 77.61
Luglio 10.31 7.47 73.78 19.43 80.57
Agosto 11.31 6.93 73.85 19.80 80.20
Settembre 10.77 5.99 63.60 20.86 79.14
Ottobre 11.06 4.65 55.04 22.20 77.80
Novembre 11.65 3.13 47.44 23.76 76.24
Dicembre 10.93 2.74 46.80 22.61 77.39 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
81
Tabella 6.3.33 Prestazioni energetiche del modello con sistema
di ombreggiamento esterno a Genova.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.40 2.65 49.75 22.03 77.97
Febbraio 11.23 3.57 47.80 23.65 76.35
Marzo 11.44 5.27 45.54 26.84 73.16
Aprile 10.25 6.29 45.78 26.54 73.46
Maggio 11.27 7.24 54.83 25.24 74.76
Giugno 11.11 7.87 60.79 23.79 76.21
Luglio 10.31 7.39 66.90 20.93 79.07
Agosto 11.31 6.83 67.78 21.11 78.89
Settembre 10.77 5.87 58.65 22.11 77.89
Ottobre 11.06 4.55 52.06 23.07 76.93
Novembre 11.65 3.06 46.75 23.95 76.05
Dicembre 10.93 2.68 47.18 22.39 77.61 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
Tabella 6.3.34 Livello di illuminamento in entrambi i modelli di Genova.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 376.34 123.66 375.44 124.56
Febbraio 407.12 92.88 412.03 87.97
Marzo 464.21 35.79 464.40 35.60
Aprile 500 0 500 0
Maggio 500 0 500 0
Giugno 500 0 500 0
Luglio 500 0 500 0
Agosto 500 0 500 0
Settembre 467.29 32.71 467.78 32.22
Ottobre 429.02 70.98 429.55 70.45
Novembre 378.87 121.13 383.46 116.54
Dicembre 345.13 154.87 345.54 154.46 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
82
Figura 6.3.19 Livelli di illuminamento nella Zona termica A dei modelli di Genova.
Figura 6.3.20 Livelli di illuminamento nella Zona termica B dei modelli di Genova.
6.3.5.4 Palermo
Tabella 6.3.35 Fabbisogno specifico annuo di energia primaria per il modello con sistema
di ombreggiamento interno a Palermo.
Fabbisogni specifici finali annui [kWh/m²anno]
Rendimenti Fabbisogni specifici annui [kWh/m²anno]
Riscaldamento Qhf' 0.07 0.44 Qhp' 0.16
Raffrescamento Qcf' 117.47 0.77 Qcp' 152.56
Illuminazione Qlf' 15.43 2.5 Qlp' 38.58
Acqua calda sanitaria
Qwf' 14.61 0.44 Qwp' 33.20
Fabbisogno specifico annuo di energia primaria [kWh/m²anno Qp' 224.50
75% 81% 93% 100% 100% 100% 100% 100% 93% 86%
76% 69%
25% 19% 7% 7% 14%
24% 31%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
75% 82% 93% 100% 100% 100% 100% 100% 94% 86%
77% 69%
25% 18% 7% 6% 14%
23% 31%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona B Illuminazione naturale Zona B
83
Tabella 6.3.36 Fabbisogno specifico annuo di energia primaria per il modello con sistema
di ombreggiamento esterno a Palermo.
Fabbisogni specifici finali annui [kWh/m²anno]
Rendimenti Fabbisogni specifici annui [kWh/m²anno]
Riscaldamento Qhf' 0.43 0.44 Qhp' 0.98
Raffrescamento Qcf' 84.06 0.77 Qcp' 109.17
Illuminazione Qlf' 15.43 2.5 Qlp' 38.58
Acqua calda sanitaria
Qwf' 14.61 0.44 Qwp' 33.20
Fabbisogno specifico annuo di energia primaria [kWh/m²anno Qp' 181.93
Figura 6.3.21 Comfort abitativo della Zona termica A del modello con sistema
di ombreggiamento interno a Palermo.
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
84
Figura 6.3.22 Comfort abitativo della Zona termica B del modello con sistema
di ombreggiamento interno a Palermo.
Figura 6.3.23 Comfort abitativo della Zona termica A del modello con sistema
di ombreggiamento esterno a Palermo.
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
85
Figura 6.3.24 Comfort abitativo della Zona termica B del modello con sistema
di ombreggiamento esterno a Palermo.
Tabella 6.3.37 Prestazioni energetiche del modello con sistema
di ombreggiamento interno a Palermo.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.21 3.94 46.71 24.49 75.51
Febbraio 11.17 4.87 47.40 25.27 74.73
Marzo 11.41 5.93 51.44 25.22 74.78
Aprile 10.21 6.89 54.96 23.74 76.26
Maggio 11.26 7.35 65.60 22.09 77.91
Giugno 11.10 7.41 73.11 20.20 79.80
Luglio 10.31 7.16 77.69 18.36 81.64
Agosto 11.29 6.73 81.11 18.18 81.82
Settembre 10.77 6.15 72.75 18.87 81.13
Ottobre 11.04 5.32 67.08 19.60 80.40
Novembre 11.63 3.95 55.28 21.99 78.01
Dicembre 10.83 3.64 48.08 23.14 76.86 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
86
Tabella 6.3.38 Prestazioni energetiche del modello con sistema
di ombreggiamento esterno a Palermo.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.21 3.84 46.32 24.52 75.48
Febbraio 11.17 4.74 45.13 26.07 73.93
Marzo 11.41 5.81 47.06 26.80 73.20
Aprile 10.21 6.82 50.00 25.41 74.59
Maggio 11.26 7.28 59.27 23.82 76.18
Giugno 11.10 7.35 65.76 21.91 78.09
Luglio 10.31 7.07 69.77 19.94 80.06
Agosto 11.29 6.60 73.49 19.58 80.42
Settembre 10.77 6.02 66.10 20.26 79.74
Ottobre 11.04 5.12 61.42 20.83 79.17
Novembre 11.63 3.87 52.70 22.72 77.28
Dicembre 10.83 3.54 46.07 23.77 76.23 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
Tabella 6.3.39 Livello di illuminamento in entrambi i modelli di Palermo.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 401.66 98.34 407.08 92.92
Febbraio 428.14 71.86 428.49 71.51
Marzo 460.29 39.71 460.40 39.60
Aprile 470.13 29.87 471.30 28.70
Maggio 500 0 500 0
Giugno 500 0 500 0
Luglio 500 0 500 0
Agosto 491.59 8.41 493.98 6.02
Settembre 461.48 38.52 461.71 38.29
Ottobre 424.95 75.05 424.95 75.05
Novembre 390.28 109.72 390.65 109.35
Dicembre 378.50 121.50 384.86 115.14 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
87
Figura 6.3.25 Livelli di illuminamento nella Zona termica A dei modelli di Palermo.
Figura 6.3.26 Livelli di illuminamento nella Zona termica B dei modelli di Palermo.
6.3.5.5 Città del Messico
Tabella 6.3.40 Fabbisogno specifico annuo di energia primaria per il modello con sistema di
ombreggiamento interno a Città del Messico.
Fabbisogni specifici finali annui [kWh/m²anno]
Rendimenti Fabbisogni specifici annui [kWh/m²anno]
Riscaldamento Qhf' 0.00 0.44 Qhp' 0.00
Raffrescamento Qcf' 100.52 0.77 Qcp' 130.55
Illuminazione Qlf' 15.27 3.0 Qlp' 45.81
Acqua calda sanitaria
Qwf' 14.61 0.44 Qwp' 33.20
Fabbisogno specifico annuo di energia primaria [kWh/m²anno Qp' 209.56
80% 86% 92% 94% 100% 100% 100% 98% 92% 85% 78% 76%
20% 14% 8% 8% 15% 22% 24%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
81% 86% 92% 94% 100% 100% 100% 99% 92% 85% 78% 76%
19% 14% 8% 8% 15% 22% 24%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
6% 2%
6% 1%
88
Tabella 6.3.41 Fabbisogno specifico annuo di energia primaria per il modello con sistema di
ombreggiamento esterno a Città del Messico.
Fabbisogni specifici finali annui [kWh/m²anno]
Rendimenti Fabbisogni specifici annui [kWh/m²anno]
Riscaldamento Qhf' 0.00 0.44 Qhp' 0.00
Raffrescamento Qcf' 100.52 0.77 Qcp' 98.55
Illuminazione Qlf' 15.27 3.0 Qlp' 45.81
Acqua calda sanitaria
Qwf' 14.61 0.44 Qwp' 33.20
Fabbisogno specifico annuo di energia primaria [kWh/m²anno Qp' 177.56
Figura 6.3.27 Comfort abitativo della Zona termica A del modello con sistema
di ombreggiamento interno a Città del Messico.
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
89
Figura 6.3.28 Comfort abitativo della Zona termica B del modello con sistema
di ombreggiamento interno a Città del Messico.
Figura 6.3.29 Comfort abitativo della Zona termica A del modello con sistema
di ombreggiamento esterno a Città del Messico.
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
90
Figura 6.3.30 Comfort abitativo della Zona termica B del modello con sistema
di ombreggiamento esterno a Città del Messico.
Tabella 6.3.42 Prestazioni energetiche del modello con sistema
di ombreggiamento interno a Città del Messico.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.03 6.24 56.46 23.43 76.57
Febbraio 11.07 6.66 57.90 23.44 76.56
Marzo 11.41 6.97 61.44 23.03 76.97
Aprile 10.30 7.28 60.75 22.45 77.55
Maggio 11.39 7.78 64.04 23.04 76.96
Giugno 11.26 7.74 64.52 22.75 77.25
Luglio 10.45 7.52 61.30 22.67 77.33
Agosto 11.41 7.06 62.94 22.69 77.31
Settembre 10.80 7.22 61.51 22.66 77.34
Ottobre 10.96 6.57 60.04 22.59 77.41
Novembre 11.38 6.13 57.28 23.41 76.59
Dicembre 10.59 6.05 53.59 23.69 76.31 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
91
Tabella 6.3.43 Prestazioni energetiche del modello con sistema
di ombreggiamento esterno a Città del Messico.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.03 6.11 51.31 25.04 74.96
Febbraio 11.07 6.58 53.43 24.83 75.17
Marzo 11.41 6.98 57.02 24.39 75.61
Aprile 10.30 7.36 57.04 23.65 76.35
Maggio 11.39 7.83 60.87 24.00 76.00
Giugno 11.26 7.78 61.14 23.75 76.25
Luglio 10.45 7.60 58.76 23.50 76.50
Agosto 11.41 7.15 59.77 23.69 76.31
Settembre 10.80 7.26 58.06 23.72 76.28
Ottobre 10.96 6.56 56.52 23.66 76.34
Novembre 11.38 6.05 53.57 24.55 75.45
Dicembre 10.59 5.97 50.37 24.74 75.26 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
Tabella 6.3.44 Livello di illuminamento in entrambi i modelli di Città del Messico.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 462.15 37.85 462.27 37.73
Febbraio 472.56 27.44 472.80 27.20
Marzo 480.46 19.54 479.35 20.65
Aprile 478.16 21.84 479.30 20.70
Maggio 496.75 3.25 500 0
Giugno 500 0 500 0
Luglio 500 0 500 0
Agosto 486.06 13.94 488.69 11.31
Settembre 470.51 29.49 471.10 28.90
Ottobre 459.55 40.45 459.63 40.37
Novembre 444.45 55.55 444.42 55.58
Dicembre 458.33 41.67 458.33 41.67 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
92
Figura 6.3.31 Livelli di illuminamento nella Zona termica A dei modelli a Città del Messico.
Figura 6.3.32 Livelli di illuminamento nella Zona termica B dei modelli a Città del Messico.
La Figura 6.3.33 mette a confronto i fabbisogni specifici annui di energia primaria (Qp’), ricavati dalle
simulazioni termiche di EnergyPlus, per le cinque località considerate, nei casi in cui il sistema di
ombreggiamento sia interno ed esterno. Per tutte le località è emerso che i modelli dotati di un
sistema di ombreggiamento esterno, rispetto ai modelli in cui il sistema di ombreggiamento è
interno, sono caratterizzati da prestazioni energetiche e livelli di benessere abitativo
significativamente migliori, con una richiesta di energia primaria specifica annua inferiore ed una
maggiore percentuale di temperature operative del giorno medio mensile contenute all’interno della
fascia di comfort tra 19 °C e 27 °C.
Per questo motivo è stato scelto di basare le analisi di ottimizzazione, svolte mediante gli algoritmi
genetici Particle Swarm, direttamente sui modelli base caratterizzati dal sistema di ombreggiamento
posto all’esterno dell’involucro edilizio.
La località in cui le prestazioni energetiche del modello analizzato, con il sistema di ombreggiamento
esterno, sono migliori é risultata essere Francoforte sul Meno, con un fabbisogno specifico annuo di
92% 95% 96% 95% 99% 100% 100% 97% 94% 92% 89% 91%
8% 5% 4% 6% 8% 11% 9%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
92% 95% 96% 96% 100% 100% 100% 98% 93% 92% 89% 91%
8% 5% 4% 7% 8% 11% 9%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona B Illuminazione naturale Zona B
5% 1% 3%
2% 4%
93
energia primaria (Qp’) pari a 128.13 kWh/m²anno. Le situazioni peggiori sono state ritrovate in ordine
crescente nei climi più caldi di Genova, Città del Messico e Palermo. Ciò è dovuto principalmente al
fatto che il modello base su cui sono state svolte le varie analisi è caratterizzato da un buon livello
progettuale tipico dell’Europa centrale, quindi con soluzioni progettuali molto più adatte ai climi
freddi piuttosto che a quelli caldi.
Figura 6.3.33 Fabbisogni specifici annui di energia primaria dei modelli base
nei cinque contesti climatici considerati.
La seguente Figura 6.3.34 mostra i fabbisogni specifici annui di energia necessaria per il
riscaldamento, il raffrescamento, l’illuminazione artificiale e la produzione di acqua calda sanitaria
nei modelli base dei cinque contesti climatici analizzati caratterizzati da un sistema di
ombreggiamento interno. Per le località contraddistinte dai climi più caldi, ossia Genova, Palermo e
Città del Messico, il fabbisogno specifico annuo per il raffrescamento è caratterizzato da valori molto
alti a dimostrazione del fatto che, soprattutto per i climi caldi, un sistema di ombreggiamento
costituito da semplici veneziane interne non è efficace nella riduzione degli apporti solari gratuiti e
non permette di evitare l’innalzamento della temperatura ambientale interna.
0
20
40
60
80
100
120
140
160
180
200
220
240
Francoforte sul Meno
Helsinki Genova Palermo Città del Messco
Fab
bis
ogn
o s
pec
ific
o a
nn
uo
di e
ner
gia
p
rim
aria
Qp
' [kW
h/m
²an
no
]
Modelli base con sistema di ombreggiamentio interno
Modelli base con sistema di ombreggiamento esterno
94
Figura 6.3.34 Fabbisogni specifici annui del modello base nei cinque contesti climatici considerati
con sistema di ombreggiamento interno.
Nella Tabella 6.3.35 sono stati invece riportati i fabbisogni specifici annui di energia per il
riscaldamento, il raffrescamento, l’illuminazione artificiale e l’acqua calda sanitaria dei modelli base
caratterizzati da un sistema di ombreggiamento esterno. Posizionare lo stesso sistema di
ombreggiamento all’esterno delle superfici vetrate ha permesso di migliorare notevolmente le
prestazioni energetiche di tutti i modelli, riducendo notevolmente la richiesta di energia per il
raffrescamento e consentendo una maggiore protezione delle superfici vetrate nei confronti della
radiazione solare termica. Dato che il sistema di ombreggiamento scelto per i modelli di questo caso
studio è sempre lo stesso, sia che venga collocato all’esterno o all’interno delle superfici vetrate, non
sono apparse differenze sul livello di illuminamento degli ambienti interni tra i modelli collocati nelle
stesse località. In particolare i miglioramenti delle prestazioni energetiche più significatiti sono stati
ritrovati nei climi caldi: nel caso di Palermo il consumo di energia legato al raffrescamento è stato
addirittura dimezzato.
0 10 20 30 40 50 60 70 80 90
100 110 120 130 140 150 160 170 180 190 200 210 220
Francoforte sul Meno
Helsinki Genova Palermo Città del Messco
Fab
bis
ogn
o d
i en
erd
ia s
pec
ific
a an
nu
a
[kW
h/m
²an
no
]
Riscaldamento Raffrescamento Illuminazione Acqua calda sanitaria
95
Figura 6.3.35 Fabbisogni specifici annui del modello base nei cinque contesti climatici considerati
con sistema di ombreggiamento esterno.
Per quanto riguarda i climi più freddi di Francoforte sul Meno e di Helsinki, come appare nella Figura
6.3.35, viene confermata la predominanza dal punto di vista energetico delle condizioni invernali su
quelle estive, con il fabbisogno specifico annuo di energia per il riscaldamento (Qhp’) superiore a
quello necessario per il raffrescamento (Qcp’). Per i climi caldi, come prevedibile, si ha invece una
netta predominanza dei fabbisogni specifici annui legati al raffrescamento con consumi nulli o quasi
per il riscaldamento. Un caso particolare è rappresentato dalla località di Genova, in cui il modello
analizzato assume un comportamento intermedio: il fabbisogno specifico annuo di energia per il
raffrescamento è inferiore a quello trovato a Palermo e a Città del Messico mentre il fabbisogno
specifico annuo di energia per il riscaldamento risulta non trascurabile. I consumi energetici dovuti
all’illuminazione artificiale (Qlp’)si mantengono quasi costanti per tutti i contesti climatici analizzati,
con il consumo maggiore, pari a 45.81 kWh/m²anno, ritrovato nel caso di Città del Messico ed il
consumo minore, pari a 38.58 kWh/m²anno, stimato nel modello implementato a Palermo. I consumi
legati all’uso di acqua calda sanitaria (Qwp’), essendo valori di progetto fissati a 33.20 kWh/m²anno,
sono costanti in tutti i modelli. I risultati delle simulazioni energetiche dei modelli di base hanno
permesso di individuare qualitativamente i margini di intervento per procedere nella successiva
ottimizzazione energetica. In un primo momento sono state svolte, per tutti i contesti climatici, delle
ottimizzazioni, ugualmente impostate, per migliorare il comportamento generale dell’involucro
edilizio. In un secondo momento, per i modelli collocati nei climi caldi, il processo di ottimizzazione è
stato affinato per cercare di migliorare il comportamento dell’involucro edilizio nei confronti del
fabbisogno energetico legato al raffrescamento.
0
10
20
30
40
50
60
70
80
90
100
110
120
Francoforte sul Meno
Helsinki Genova Palermo Città del Messco
Fab
bis
ogn
o d
i en
erd
ia s
pec
ific
a an
nu
a
[kW
h/m
²an
no
]
Riscaldamento Raffrescamento Illuminazione Acqua calda sanitaria
96
6.4 Impostazioni del processo di ottimizzazione
Il processo di ottimizzazione é stato effettuato attraverso l’accoppiamento di EnergyPlus e il
generico programma di ottimizzazione GenOpt. Come motore di ricerca dell’ottimo é stato scelto un
algoritmo genetico, il Particle Swarm, presente all’interno della libreria di GenOpt.
Attraverso il file di comando (command.txt), un file di testo indispensabile per compiere le
ottimizzazioni con il programma GenOpt, sono stati definiti sia i vari parametri fatti variare
nell’ottimizzazione sia l’algoritmo utilizzato, mentre in un altro file di testo (optWin7.ini), mediante
diverse operazioni di pre-processing, é stata definita la funzione obiettivo da minimizzare.
Lo scopo delle ottimizzazioni svolte è quello di trovare non soltanto la configurazione ottimale
dell’involucro edilizio, che permetta di minimizzare i consumi energetici mantenendo le condizioni di
benessere abitativo interno, ma anche un insieme di soluzioni ottimali intorno all’ottimo trovato, in
modo da fornire ai progettisti più opzioni progettuali con prestazioni energetiche quasi ottime tra cui
poter compiere delle scelte in base anche a compromessi estetici ed economici.
6.4.1 Definizione dei parametri utilizzati nell’ottimizzazione
Sulla base dei risultati ricavati dalle simulazioni energetiche effettuate sui vari modelli di base, è stato
scelto di effettuare per tutte le località un processo di ottimizzazione in cui sono state considerate le
seguenti variabili:
trasmittanza termica delle parti opache: 6 valori per le pareti perimetrali e 6 valori per le
coperture da 0.1 W/m²K a 0.2 W/m²K con passi di 0.02 W/m²K;
trasmittanza termica delle parti vetrate: 6 valori da 0.7 W/m²K a 1.1 W/m²K con passi di 0.01
W/m²K;
tipi di vetro: 5 tipologie per ciascuno dei 7 orientamenti (low-e, selective standard, selective
dark e selective darker);
percentuali delle superfici vetrate: 5 valori per ciascuno dei 7 orientamenti dal 20% al 60%,
con passi del 10%.
Per i modelli localizzati nei climi caldi di Genova, Palermo e Città del Messico, dato che i risultati delle
simulazioni dei modelli base hanno mostrato una netta predominanza dei fabbisogni energetici legati
al raffrescamento rispetto a quelli quasi nulli del riscaldamento, é stato scelto di effettuare un
secondo processo di ottimizzazione in grado di implementare tra le variabili anche lo spessore
dell’isolante del solaio a contatto con il terreno. Sono stati considerati così ulteriori 6 valori: da 0.00
97
m a 0.10 m con passi di 0.02 m. Si noti che per poter far correre l’ottimizzazione numerica di GenOpt
è stato necessario sostituire il valore 0 m con il valore 0.0001 m.
Dato che il modello creato per questo caso studio si basa su un progetto reale con una particolare
geometria, non sono state considerate variazioni del rapporto (S/V), dell’orientamento dell’edificio
rispetto ai raggi solari e del sistema di ombreggiamento esterno.
Per trovare la combinazione ottimale considerando tutte le variabili, sarebbe necessario valutare un
totale di 220500 potenziali soluzioni. Per i modelli localizzati nei climi caldi di Genova, Palermo e Città
del Messico, in cui sono state considerate sei ulteriori variabili, sarebbe necessario valutare 1323000
potenziali soluzioni.
6.4.1.1 Trasmittanza termica delle parti opache e vetrate
Nel processo di ottimizzazione svolto per tutte le località sono stati considerati sei valori di
trasmittanza termica sia per le pareti perimetrali che per le coperture e cinque differenti valori per le
parti vetrate. Le variazioni della trasmittanza termica delle pareti perimetrali (Up) e delle coperture
(Uc) da 0.1 W/m²K a 0.2 W/m²K con passi di 0.02 W/m²K sono state considerate introducendo nel file
di comando (command.txt) di GenOpt sei corrispondenti valori dello spessore dell’isolante. Questo è
stato necessario in quanto il modello energetico di base dell’edificio è caratterizzato per quanto
riguarda le superfici opache, non direttamente dai valori di trasmittanza dei vari strati che
costituiscono l’involucro edilizio, ma dai vari spessori e dalle rispettive conducibilità termiche dei
materiali. Essendo la trasmittanza termica (U) pari all’inverso della resistenza termica totale (RT)
(1)
la resistenza totale (RT) pari alla sommatoria delle singole resistenze (Ri)
(2)
(3)
ed avendo impostato:
Rsi = 0.13 m²K/W e Rse = 0.04 m²K/W per le pareti perimetrali
Rsi = 0.10 m²K/W e Rse = 0.04 m²K/W per le coperture
98
sono stati calcolati i sei diversi valori di spessore dell’isolante corrispondenti ai sei diversi valori di
trasmittanza termica considerati nel processo di ottimizzazione. La Tabella 6.4.1 e la Tabella 6.4.2
riportano i valori di trasmittanza termica rispettivamente per le pareti perimetrali e per le coperture.
Tabella 6.4.1 Trasmittanze e spessori dell’isolante per l’ottimizzazione delle pareti perimetrali.
Trasmittanza
Up [W/(m²K)]
Resistenza termica
totale RT [m²K/W]
Spessore isolante
[m]
0.1
0.12
0.14
0.16
0.18
0.2
10.000
8.333
7.143
6.250
5.556
5.000
0.341
0.282
0.241
0.209
0.185
0.166
Tabella 6.4.2 Trasmittanze e spessori dell’isolante per l’ottimizzazione delle coperture.
Trasmittanza
Ur [W/(m²K)]
Resistenza termica
totale RT [m²K/W]
Spessore isolante
[m]
0.1
0.12
0.14
0.16
0.18
0.2
10.000
8.333
7.143
6.250
5.556
5.000
0.342
0.284
0.242
0.211
0.187
0.167
Esclusivamente per le seconde ottimizzazioni svolte nei climi caldi di Genova, Palermo e Città del
Messico sono stati considerati, per ottimizzare lo spessore dell’isolante di base, ulteriori sei valori
compresi nell’intervallo da 0.00 m a 0.10 m con passi di 0.02 m.
La trasmittanza termica (Uw) delle parti vetrate dell’involucro edilizio é stata invece fatta variare nel
processo di ottimizzazione da 0.7 W/m²K a 1.1 W/m²K con passi di 0.1 W/m²K. Tali valori sono stati
introdotti direttamente nel file di comando (command.txt) di GenOpt senza compiere una distinzione
tra gli orientamenti.
99
6.4.1.2 Tipi di vetro
Esistono un’infinità di tipi di vetro che possono essere scelti per la realizzazione delle facciate di un
edificio. In questo processo di ottimizzazione sono state considerate cinque diverse tipologie di vetro
disponibili sul mercato: un tipo di vetro basso emissivo low-e e quattro tipi di vetri selettivi, selective
clear, selective standard, selective dark e selective darker, le cui prestazioni variano in funzione del
fattore solare (Fs) e della trasmissione luminosa (LT). I differenti tipi di vetri selettivi analizzati in
questa tesi sono caratterizzati da diverse prestazioni solari grazie alla presenza di diversi tipi di
rivestimenti selettivi. Come si può notare dalla Tabella 6.4.3 che riassume i tipi di vetro implementati
nel processo di ottimizzazione, i vetri caratterizzati da un basso fattore solare (Fs) consentono una
minore trasmissione luminosa, ossia sono meno trasparenti alla luce visibile. Pertanto, quando sono
installati vetri con fattori solari (Fs) bassi, quindi vetri più scuri, la radiazione solare che entra
nell'edificio viene limitata. Ciò comporta da un lato una diminuzione dei carichi di raffrescamento e
dall’altro, essendo i benefici guadagni solari invernali ridotti, un aumento dei carichi di
riscaldamento. Inoltre i vetri con fattori solari (Fs) bassi, essendo più scuri, riducono la quantità di
luce naturale entrante comportando un maggior consumo di energia dovuto alla luce artificiale.
Compiere scelte corrette riguardo alla tipologia di vetri da utilizzare in un involucro edilizio risulta
fondamentale. Per una maggiore precisione riguardo all’ottimizzazione delle prestazioni energetiche,
è stato scelto di far variare i tipi di vetri in maniera separata per ciascuno dei sette orientamenti
individuati.
Tabella 6.4.3 Caratteristiche dei vetri implementati nell’ottimizzazione.
Tipologia di vetro Fattore solare Fs Trasmissione luminosa LT
Low-e
Selective clear
Selective standard
Selective dark
Selective darker
0.60
0.40
0.33
0.25
0.22
0.80
0.70
0.66
0.50
0.40
Fonte: valori trovati in commercio calcolati in accordo con la norma europea EN 410:2011
6.4.1.3 Percentuali delle superfici vetrate
Per una maggiore efficacia del processo di ottimizzazione, data la particolare forma geometrica del
modello e il particolare orientamento, é stata fatta variare anche la percentuale delle superfici
vetrate, dal 20% al 60% con passi del 10%, in modo indipendente per ciascuno dei sette orientamenti
individuati. Per introdurre nell’ottimizzazione effettuata da GenOpt le diverse percentuali in modo
100
semplice, é stato fatto riferimento a rettangoli vetrati equivalenti. Tali rettangoli non si riferiscono a
geometrie progettuali reali, ma rappresentano solamente il mezzo per implementare di volta in
volta, con variazioni della larghezza, una data percentuale vetrata che può essere ripartita sulla
parete in forme geometriche diverse. Di seguito vengono descritti i diversi rettangoli equivalenti
considerati per ciascun orientamento.
L’orientamento nord-ovest é caratterizzato da una superficie di 208.36 m². Per raggiungere le
percentuali vetrate previste sono stati modellati due rettangoli vetrati equivalenti uguali
caratterizzati da un’altezza fissa di 2.50 m e da una lunghezza variabile come riportato nella seguante
Tabella 6.4.4.
Tabella 6.4.4 Percentuali vetrate per l’orientamento nord-ovest.
Percentuale di
superficie vetrata [%]
Superficie vetrata
[m²]
Larghezza rettangoli
equivalenti [m]
60
50
40
30
20
125.02
104.18
83.34
62.51
41.67
25.00
20.84
16.67
12.50
8.33
L’orientamento nord-ovest “dita” é caratterizzato da una superficie di 123.57 m². Le cinque
percentuali di superficie vetrata sono state introdotte nell’ottimizzazione creando tre rettangoli
uguali con un’altezza fissa di 2.78 m e una larghezza variabile riportata nella seguante Tabella 6.4.5.
Tabella 6.4.5 Percentuali vetrate per l’orientamento nord-ovest “dita”.
Percentuale di
superficie vetrata [%]
Superficie vetrata
[m²]
Larghezza rettangoli
equivalenti [m]
60
50
40
30
20
74.14
61.78
49.43
37.07
24.71
8.89
7.41
5.93
4.45
2.96
101
L’orientamento sud-ovest é caratterizzato da una superficie di 325.46 m². Per poter raggiungere le
percentuali delle superfici vetrate da ottimizzare sono state considerate dodici vetrate equivalenti,
sei al piano terra e sei al primo piano, con un’altezza costante di 3.15 m ed una larghezza variabile, i
cui valori sono riportati nella Tabella 6.4.6.
Tabella 6.4.6 Percentuali vetrate per l’orientamento sud-ovest.
Percentuale di
superficie vetrata [%]
Superficie vetrata
[m²]
Larghezza rettangoli
Equivalenti [m]
60
50
40
30
20
195.27
162.73
130.18
97.64
65.09
5.17
4.30
3.44
2.58
1.72
L’orientamento sud-est ha una superficie totale di 194.53 m². Al fine di far variare il minor numero di
parametri possibili, sono state considerate tre vetrate fisse al primo piano in modo da avere una
superficie costante di 21.22 mq a cui aggiungere le superfici di quattro uguali rettangoli equivalenti di
altezza fissa pari a 2.83 m e di larghezza variabile riportata nella Tabella 6.4.7.
Tabella 6.4.7 Percentuali vetrate per l’orientamento sud-est.
Percentuale di
superficie vetrata [%]
Superficie vetrata
[m²]
Larghezza rettangoli
Equivalenti [m]
60
50
40
30
20
116.72
97.26
77.81
58.36
38.91
8.44
6.71
4.99
3.26
1.54
L’orientamento sud-est “dita” é caratterizzato invece da una superficie di 127.65 m². Per raggiungere
le cinque percentuali vetrate considerate nel processo di ottimizzazione, sono stati considerati tre
rettangoli equivalenti uguali con un’altezza costante pari a 2.78 m e con larghezza variabile riassunta
nella seguente Tabella 6.4.8.
102
Tabella 6.4.8 Percentuali vetrate per l’orientamento sud-est “dita”.
Percentuale di
superficie vetrata [%]
Superficie vetrata
[m²]
Larghezza rettangoli
Equivalenti [m]
60
50
40
30
20
76.59
63.82
51.06
38.29
25.53
9.18
7.65
6.12
4.59
3.06
L’orientamento nord-est ha una superficie totale di 289.98 m². In questo caso, per raggiungere le
percentuali utili ai fini dell’ottimizzazione, sono stati considerati tredici rettangoli equivalenti, quattro
al piano terra e nove al primo piano, caratterizzati da un’altezza costante di 2.78 m e da una
larghezza variabile riportata nella Tabella 6.4.9.
Tabella 6.4.9 Percentuali vetrate per l’orientamento nord-est.
Percentuale di
superficie vetrata [%]
Superficie vetrata
[m²]
Larghezza rettangoli
Equivalenti [m]
60
50
40
30
20
173.99
144.99
115.99
86.99
58.00
4.81
4.01
3.21
2.41
1.60
Infine per l’orientamento nord-est “dita”, caratterizzato da una superficie totale di 47.91 m², sono
state raggiunte le cinque percentuali di superficie vetrata considerando tre rettangoli equivalenti con
un’altezza costante di 2.78 m e con una larghezza variabile descritta nella seguente Tabella 6.4.10.
103
Tabella 6.4.10 Percentuali vetrate per l’orientamento nord-est “dita”.
Percentuale di
superficie vetrata [%]
Superficie vetrata
[m²]
Larghezza rettangoli
Equivalenti [m]
60
50
40
30
20
28.75
23.95
19.16
14.37
9.58
3.45
2.87
2.30
1.72
1.15
Di seguito è riportato il contenuto del file di comando (command.txt) che comprende tutti i
parametri dell’involucro edilizio fatti variare nel processo di ottimizzazione.
Vary{ Parameter{ Name = wall; Ini = 1; Values = "0.341, 0.282, 0.241, 0.209, 0.185, 0.166";}
Parameter{ Name = roof; Ini = 1; Values = "0.342, 0.284, 0.242, 0.211, 0.187, 0.167";}
Parameter{ Name = U-value; Ini = 1; Values = "0.7, 0.8, 0.9, 1.0, 1.1";}
Parameter{ Name = lNW; Ini = 1; Values = "25.003, 20.836, 16.669, 12.502, 8.334";}
Parameter{ Name = lNWdita; Ini = 1; Values = "8.890, 7.408, 5.927, 4.445, 2.963";}
Parameter{ Name = lSW; Ini = 1; Values = "5.166, 4.305, 3.444, 2.583, 1.722";}
Parameter{ Name = lSE; Ini = 1; Values = "8.436, 6.712, 4.988, 3.264, 1.540";}
Parameter{ Name = lSEdita; Ini = 1; Values = "9.183, 7.653, 6.122, 4.592, 3.061";}
Parameter{ Name = lNEdita; Ini = 1; Values = "3.447, 2.872, 2.298, 1.723, 1.149";}
Parameter{ Name = lNE; Ini = 1; Values = "4.814, 4.012, 3.210, 2.407, 1.605";}
Parameter{ Name = VetriSW; Ini = 1; Values = "VetriSW-Lowe, VetriSW-Sc, VetriSW-Ss, VetriSW-Sd,
VetriSW-Sdr";}
Parameter{ Name = VetriSE; Ini = 1; Values = "VetriSE-Lowe, VetriSE-Sc, VetriSE-Ss, VetriSE-Sd,
VetriSE-Sdr";}
Parameter{ Name = VetriSEdita; Ini = 1; Values = "VetriSEdita-Lowe, VetriSEdita-Sc, VetriSEdita-Ss,
VetriSEdita-Sd, VetriSEdita-Sdr";}
Parameter{ Name = VetriNE; Ini = 1; Values = "VetriNE-Lowe, VetriNE-Sc, VetriNE-Ss, VetriNE-Sd,
VetriNE-Sdr";}
Parameter{ Name = VetriNEdita; Ini = 1; Values = "VetriNEdita-Lowe, VetriNEdita-Sc, VetriNEdita-
Ss, VetriNEdita-Sd, VetriNEdita-Sdr";}
Parameter{ Name = VetriNW; Ini = 1; Values = "VetriNW-Lowe, VetriNW-Sc, VetriNW-Ss, VetriNW-
Sd, VetriNW-Sdr";}
Parameter{ Name = VetriNWdita; Ini = 1; Values = "VetriNWdita-Lowe, VetriNWdita-Sc,
VetriNWdita-Ss, VetriNWdita-Sd, VetriNWdita-Sdr";}
}
104
6.4.2 Definizione della funzione obiettivo
Lo scopo del problema di ottimizzazione analizzato in questa tesi è quello di trovare la configurazione
ottimale dell’involucro edilizio e un insieme di configurazioni intorno all’ottimo che garantiscano le
condizioni di comfort interno e che comportino il minimo consumo di energia possibile. Per questo
motivo la funzione obiettivo utilizzata nella compilazione dell’ottimizzazione è stata definita,
attraverso la compilazione di un file di testo (optWin7.ini) di GenOpt, come la somma delle potenze
finali annue per il riscaldamento, il raffrescamento e l’illuminazione artificiale pesate con i rispettivi
rendimenti. Attraverso semplici trasformazioni e considerando l’ulteriore fabbisogno annuo di
progetto per l’acqua calda sanitaria (Qwp’) è stato possibile ricavare il valore del fabbisogno annuo di
energia primaria (Qp’).
La funzione obiettivo implementata in GenOpt risulta quindi:
f (x) =
ηlPlf (4)
dove
Phf e Pcf sono le potenze finali annue per il riscaldamento e il raffrescamento;
Plf è la potenza finale per l’illuminazione artificiale;
ηh = 0.44 è il rendimento da applicare alle potenze finali per il riscaldamento 10;
ηc = 0.77 è il rendimento da applicare alle potenze finali per il raffrescamento 10;
ηl è il coefficiente necessario per convertire l’energia di fonte elettrica in energia di fonte
combustibile tenendo conto dell’efficienza media della rete elettrica. A seconda dei climi
considerati sono stati usati diversi valori, riassunti nella precedente Tabella 6.3.19.
6.4.3 Definizione dell’algoritmo
Il primo passo compiuto per la definizione dell’algoritmo introdotto nel processo di ottimizzazione è
stato quello di valutare quale tra tutti gli algoritmi sarebbe stato il più consono nella ricerca della
soluzione ottima. Dalla letteratura esaminata è emerso che gli algoritmi Particle Swarm permettono
di testare un’ampia gamma di soluzioni, riescono a trovare la soluzione migliore all’interno di un
numero di iterazioni limitato, quindi in tempi computazionali accettabili, e possono contenere
variabili indipendenti sia continue che discrete. Per questi motivi l’algoritmo genetico Particle Swarm
è sembrato essere l’algoritmo più adatto per il problema di ottimizzazione proposto in questa tesi.
10
J. Huang, E. Franconi. Commercial heating and cooling loads component analysis, Technical report LBL-
37208, Lawrence Berkeley National Laboratory, EETD, November 1999.
105
Nel caso studio dell’asilo KITA Riedberg é stato scelto di impostare il problema di ottimizzazione
utilizzando un algoritmo Particle Swarm caratterizzato dall’inertia weight ω(k).
L’inertia weight é stata introdotta da Eberhart e Shi per migliorare la performance dell’algoritmo PSO
originale ed é definita come11
ω(k) = ω₀ - k (ω₀ - ω₁) / K (5)
con
ω₀ є R inertia weight iniziale;
ω₁ є R inertia weight dell’ultima generazione con 0 ≤ ω₁ ≤ ω₀ ;
K є N il massimo numero di generazioni.
L’algoritmo usato é stato introdotto nel file command.txt di GenOpt ed è stato impostato come di
seguito:
Algorithm{
Main = PSOIW;
NeighborhoodTopology = vonNeumann;
NeighborhoodSize = 1;
NumberOfParticle = 50;
NumberOfGeneration = 100;
Seed = 0;
CognitiveAcceleration = 2,8;
SocialAcceleration = 1,3;
MaxVelocityGainContinuous = 0,5;
MaxVelocityDiscrete = 4;
InitialInertiaWeight = 1,2;
FinalInertiaWeight = 0;
}
I diversi parametri dell'algoritmo sono stati scelti e determinati sulla base di precedenti esperienze
ritrovate in letteratura e dopo una serie di prove dirette in cui i valori sono stati testati confrontando
tra loro i vari processi.
Il campo Neighborhood Topology rappresenta l’insieme dei punti su cui viene preso il minimo.
Esistono tre possibilità di scelta: gbest, lbest e von Neumann. La migliore performance per problemi
di ottimizzazione come quello proposto per questo caso studio è stata raggiunta con la topologia di
11
M. Wetter, GenOpt Generic Optimization Program, User Manual Version 3.1.0, Berkeley, Lawrence Berkeley
National Laboratory, 2008
106
von Neumann, mentre né gbest né lbest sono sembrate particolarmente adatte14. Il campo Seed
descrive invece il valore utilizzato per inizializzare la generazione casuale, Wetter consiglia un Seed
pari a 0. Per gli altri campi sono stati seguiti i seguenti consigli riportati nel manuale di GenOpt:
CognitiveAcceleration = 2,8 raccomandata da Carlisle e Dozier;
SocialAcceleration = 1,3 raccomandata da Carlisle e Dozier;
MaxVelocityGainContinuous = 0,5 valore consigliato da Wetter;
MaxVelocityDiscrete = 4 come raccomandato da Kennedy ed Eberhart;
InitialInertiaWeight = 1,2 consigliato da Eberhart e Shi;
FinalInertiaWeight = 0 consigliato da Eberhart e Shi.
Per questo caso studio é stata definita una popolazione di 50 particelle sia per la prima
ottimizzazione, svolta in tutte le località, sia per la seconda ottimizzazione svolta solo nei climi caldi.
Come riportato in letteratura, un numero di particelle adeguato è pari a 2 o 3 volte il numero delle
variabili da ottimizzare, che in questo problema di ottimizzazione é pari a 17 o 18 come mostrato
nella seguente Tabella 6.4.11.
Tabella 6.4.11 Numero di variabili da ottimizzare.
Tipo variabili Numero di variabili da ottimizzare
Trasmittanza (pareti, coperture, vetri)
Tipologia di vetro (1 x 7 orientamenti)
Percentuale vetrata (1 x 7 orientamenti)
TOTALE
3
7
7
17
Spessore dell’isolante di base*
TOTALE*
1
18
* Riferiti alle seconde ottimizzazioni svolte nei climi caldi.
Il numero di generazioni fissato pari a 100, per ogni contesto climatico e per ogni ottimizzazione, é
stato valutato sulla base di diverse simulazioni iniziali. Sono stati confrontati a questo scopo i valori
minimi delle funzioni obiettivo trovati con simulazioni di prova che, effettuate con un numero di
generazioni pari a 50, 100 e 200, sono andate a coprire un intervallo tra l’1% e il 5% dell’intera
popolazione.
107
220500 (intera popolazione) x 5% = 11025 / 50 particelle => ≈ 200 generazioni
220500 (intera popolazione) x 3% = 6615 / 50 particelle => ≈ 100 generazioni
220500 (intera popolazione) x 1% = 2205 / 50 particelle => ≈ 50 generazioni
Tutte le simulazioni di prova effettuate hanno permesso di trovare il minimo all’interno delle 100
generazioni. Il processo di ottimizzazione sviluppato per questo caso studio ha valutato, in tutte le
ottimizzazioni svolte, un totale di 6400 simulazioni, permettendo di trovare per ogni contesto
climatico la configurazione dell’involucro edilizio che permette di ridurre al minimo il fabbisogno
annuo di energia primaria simulando meno del 3% delle totali soluzioni possibili.
L’ottimizzazione PSO svolta mediate gli algoritmi genetici caratterizzati dai parametri
precedentemente definiti, si è rivelata, per tutte le località analizzate, molto efficiente sia in termini
di convergenza che di diffusione delle soluzioni, con il fronte ottimale su una curva quasi continua.
6.5 Francoforte sul Meno
Francoforte sul Meno è caratterizzata da un clima continentale tipico del Centro Europa. Secondo la
classificazione di Köppen, la più usata tra le classificazioni climatiche a scopi geografici e proposta per
la prima volta nel 1918 da Wladimir Köppen, la località di Francoforte è identificata dalla sigla
climatica Cfb, ossia è caratterizzata da un clima temperato fresco senza una stagione secca con
inverni freddi ed estati calde. La temperatura media del mese più caldo è superiore a 15°C e inferiore
ai 22°C mentre la temperatura media del mese più freddo è di poco superiore a 0°C12.
6.5.1 Risultati del processo di ottimizzazione
L’ottimizzazione energetica svolta a Francoforte sul Meno per il modello base dell’asilo con il sistema
di ombreggiamento esterno, come mostrato nella Tabella 6.5.1, ha permesso di trovare 3759 diverse
configurazioni dell’involucro edilizio su un totale di 6400 simulazioni effettuate, questo perché le
configurazioni migliori sono state ritrovate più volte dall’algoritmo Particle Swarm che ha svolto
l’ottimizzazione. La funzione obiettivo implementata in GenOpt, ossia la sommatoria dei carichi annui
per il riscaldamento, per il raffrescamento e per l’illuminazione artificiale, è stata minimizzata alla 56-
esima generazione al valore di 14377.50 Wh/anno.
12 http://it.wikipedia.org/wiki/Classificazione_dei_climi_di_Köppen.
108
Tabella 6.5.1 Caratteristiche del processo di ottimizzazione svolto a Francoforte sul Meno.
Numero di soluzioni su 100 generazioni
Simulazioni totali N. delle diverse configurazioni
Minimo della funzione obiettivo [Wh/anno]
N. della prima generazione che trova il minimo
6400 3759 14377.50 56
La Figura 6.5.1 seguente descrive graficamente l’evoluzione del processo di ottimizzazione compiuto
da GenOpt in termini di fabbisogno specifico annuo di energia primaria (Qp'). L’andamento del
grafico mostra una diminuzione dei fabbisogni energetici all’aumentare del numero delle simulazioni
effettuate.
Figura 6.5.1 Evoluzione del processo di ottimizzazione del modello di Francoforte sul Meno.
Nella Figura 6.5.2 sono stati invece riportati separatamente i fabbisogni specifici annui di energia per
il riscaldamento (Qhp'), il raffrescamento (Qcp') e l’illuminazione artificiale (Qlp'). Come si può notare
dal grafico il fabbisogno specifico annuo prevalente è quello richiesto per l’illuminazione, mentre il
fabbisogno energetico per il raffrescamento (Qcp') è il minore, con un andamento molto prossimo
all’andamento del fabbisogno energetico per il riscaldamento (Qhp').
100
105
110
115
120
125
130
135
140
1
20
1
40
1
60
1
80
1
10
01
12
01
14
01
16
01
18
01
20
01
22
01
24
01
26
01
28
01
30
01
32
01
34
01
36
01
38
01
40
01
42
01
44
01
46
01
48
01
50
01
52
01
54
01
56
01
58
01
60
01
62
01
64
01
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Fabbisogno specifico annuo di energia primaria (Qp')
109
Figura 6.5.2 Fabbisogni energetici specifici annui per il modello di Francoforte sul Meno.
6.5.2 Configurazione ottimale
L’algoritmo Particle Swarm implementato nel processo di ottimizzazione si è rivelato molto efficace
in quanto ha permesso di trovare la configurazione ottimale dell’involucro alla 56-esima generazione
dopo aver analizzato 3546 simulazioni su 6400. Come mostrato nella Tabella 6.5.2 l’algoritmo ha
minimizzato la funzione obiettivo al valore di 14377.50 Wh/anno e ha ritrovato la soluzione ottima
per un totale di 450 volte.
Tabella 6.5.2 Caratteristiche del processo di ottimizzazione svolto a Francoforte sul Meno.
Simulazioni totali
Minimo della funzione obiettivo
[Wh/anno]
N. della prima generazione che trova il minimo
N. della prima simulazione che trova il minimo
N. di simulazioni che trovano il
minimo
6400 14377.50 56 3546 450
La Tabella 6.5.3 riassume le prestazioni energetiche della configurazione ottimizzata in termini di
fabbisogno specifico annuo di energia per il riscaldamento (Qhp'), per il raffrescamento (Qcp'), per
l’illuminazione artificiale (Qlp'), per l’acqua calda sanitaria (Qwp') e di energia primaria (Qp').
0
5
10
15
20
25
30
35
40
45
50
55
60
65
1
20
1
40
1
60
1
80
1
10
01
12
01
14
01
16
01
18
01
20
01
22
01
24
01
26
01
28
01
30
01
32
01
34
01
36
01
38
01
40
01
42
01
44
01
46
01
48
01
50
01
52
01
54
01
56
01
58
01
60
01
62
01
64
01
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Fabbisogno specifico annuo di energia per il riscaldamento (Qhp')
Fabbisogno specifico annuo di energia per il raffrescamento (Qcp')
Fabbisogno specifico annuo di energia per l'illuminazione artificiale (Qlp')
110
Tabella 6.5.3 Prestazioni energetiche della configurazione ottimale trovata a Francoforte sul Meno.
Qhp' [kWh/m²anno]
Qcp' [kWh/m²anno]
Qlp' [kWh/m²anno]
Qwp' [kWh/m²anno]
Qp' [kWh/m²anno]
17.85 14.97 44.74 33.20 110.75
La Figura 6.5.3 mostra invece i contributi, in percentuale, dei diversi fabbisogni specifici annui
rispetto al fabbisogno specifico annuo di energia primaria (Qp'), confermando le considerazioni
iniziali fatte per i climi freddi in cui si ha una predominanza delle condizioni invernali di riscaldamento
su quelle estive di raffrescamento.
Figura 6.5.3 Fabbisogni energetici annui della configurazione ottimale di Francoforte sul Meno.
Nelle tabelle successive sono illustrati i parametri dell’involucro edilizio che caratterizzano la
configurazione ottimale. Come appare nella Tabella 6.5.4 riferita alle trasmittanze, per i climi freddi
viene confermata la necessità di dotare l’involucro edilizio di un elevato isolamento in modo da
opporsi alle dispersioni termiche. I valori di trasmittanza termica ottimizzati sono infatti i valori
minimi implementati nell’ottimizzazione, pari a 0.10 W/m²K per le parti opache e pari a 0.7 W/m²K
per le parti vetrate.
Tabella 6.5.4 Trasmittanze della configurazione ottimale trovata a Francoforte sul Meno.
Up pareti perimetrali
[W/m²K]
Ur coperture
[W/m²K]
Uw parti vetrate
[W/m²K]
0.10 0.10 0.7
16%
14%
40%
30%
Fabbisogno specifico annuo di energia primaria Qp' = 110.75 kWh/m²anno
Riscaldamento: 17.85 kWh/m²anno
Raffrescamento: 14.97 kWh/m²anno
Illuminazione artificiale: 44.74 kWh/m²anno
Acqua calda sanitaria: 33.20 kWh/m²anno
111
Come previsto, per i climi freddi, la quantità di superficie vetrata stimata dal processo di
ottimizzazione è ridotta al minimo per tutti gli orientamenti ad eccezione dell’orientamento sud-est
dove si ha la percentuale vetrata massima del 60% e dell’orientamento nord-est “dita” in cui si ha
una percentuale vetrata del 40%. L’ottimizzazione svolta ha selezionato per tutti gli orientamenti
vetri di tipo selective darker ad eccezione delle pareti nord-ovest dove sono stati individuati vetri
selective clear e delle pareti sud-est dove si hanno vetri selective dark. La scelta di vetri selettivi scuri
è dovuta alla necessità di diminuire la quantità di radiazione termica entrante, sfavorevole nei mesi
estivi, anche se benefica grazie ai guadagni solari, nei mesi invernali. La presenza di vetri selective
darker, dato che comportano una diminuzione della luce naturale entrante rispetto alle altre
tipologie di vetro, è la causa anche degli alti consumi legati all’illuminazione artificiale. Nella Tabella
6.5.5 sono riassunte le percentuali vetrate e i tipi di vetro trovati nella configurazione ottimale.
Tabella 6.5.5 Percentuali vetrate e tipologie di vetro della configurazione ottimale trovata
a Francoforte sul Meno.
Orientamenti Percentuali vetrate Tipologie di vetro
Nord-ovest
Nord-ovest “dita”
Sud-ovest
Sud-est
Sud-est “dita”
Nord-est
Nord-est “dita”
20%
20%
20%
60%
20%
40%
20%
Selective clear
Selective darker
Selective darker
Selective dark
Selective darker
Selective darker
Selective darker
Le due seguenti Figure 6.5.4 e 6.5.5 mostrano gli andamenti delle temperature operative dei giorni
medi mensili, ricavate dalle simulazioni dinamiche svolte con EnergyPlus implementando nel modello
energetico i parametri ottimizzati, permettendo così di compiere valutazioni sulle condizioni di
benessere abitativo presenti all’interno del modello ottimizzato. Considerando un’occupazione degli
ambienti interni che va dalle ore 7:00 alle ore 19:00, il comfort interno è sempre garantito in
entrambe le zone termiche, ossia in entrambi i piani. Per tutti i mesi dell’anno tipo considerato, le
temperature operative dei giorni medi mensili, per le ore di occupazione previste, sono superiori al
limite di comfort invernale di 19 °C e inferiori al limite di comfort estivo di 27 °C13, mantenendosi in
entrambe le zone sempre al di sotto dei 25 °C.
13
Norma EN 15251 del 2007: “Indoor environmental input parameters for design and assessment of energy performance of buildings addressing indoor air quality, thermal environmental, lighting and acoustics”.
112
Figura 6.5.4 Temperature operative dei giorni medi mensili per la Zona termica A
del modello ottimizzato a Francoforte sul Meno.
Figura 6.5.5 Temperature operative dei giorni medi mensili per la Zona termica B
del modello ottimizzato a Francoforte sul Meno.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
113
Confrontando la Tabella 6.3.23 riferita alle prestazioni energetiche del modello base caratterizzato
dal sistema di ombreggiamento esterno con la seguente Tabella 6.5.6 riferita al modello ottimizzato,
si nota innanzitutto che nel modello ottimizzato nonostante la diminuzione dei fabbisogni di energia
primaria, maggiore nei mesi invernali ed estivi, la percentuale dei contributi passivi rispetto a quella
dei contributi energetici attivi non aumenta ma diminuisce leggermente. Ciò è dovuto al fatto che il
leggero aumento dei guadagni interni non compensa la diminuzione dei guadagni solari dovuti alla
presenza nella configurazione ottimale di vetri selettivi più scuri. Inoltre le basse percentuali legate ai
contributi passivi derivano dall’assenza di sistemi di solari attivi in grado di sfruttare l’energia
proveniente da fonti rinnovabili.
Tabella 6.5.6 Prestazioni energetiche della configurazione ottimale trovata a Francoforte sul Meno.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.71 0.42 52.53 18.76 81.24
Febbraio 11.42 0.71 50.28 19.43 80.57
Marzo 11.51 1.17 48.37 20.78 79.22
Aprile 10.26 1.61 45.52 20.68 79.32
Maggio 11.27 1.88 46.01 22.23 77.77
Giugno 11.12 1.94 47.55 21.55 78.45
Luglio 10.31 2.01 51.20 19.39 80.61
Agosto 11.31 1.76 51.20 20.34 79.66
Settembre 10.82 1.37 45.79 21.02 78.98
Ottobre 11.20 0.91 46.30 20.73 79.27
Novembre 12.00 0.50 50.63 19.80 80.20
Dicembre 11.27 0.35 51.12 18.52 81.48 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
La Tabella 6.5.7 e le due seguenti Figure 6.5.6 e 6.5.7 mostrano il livello di illuminamento degli
ambienti interni del modello ottimizzato a Francoforte sul Meno. Tali valori sono stati ricavati da
EnergyPlus avendo introdotto per ogni zona due punti di controllo che, simulando la presenza di
sensori di illuminazione, permettono di calcolare la quantità di luce naturale entrante. La parte di
luce artificiale è ricavata in modo da raggiungere il valore di progetto di 500 lux. I valori di
illuminamento riportati sono stati calcolati come la media dei valori, presenti nelle ore di
occupazione, ossia dalle ore 7:00 alle ore 19:00, dei giorni medi mensili. Dalle figure 6.5.6 e 6.5.7 si
nota per l’intero modello ottimizzato un’alta percentuale di illuminazione naturale rispetto a quella
artificiale. In particolare nei mesi di maggio, giugno, luglio ed agosto la percentuale di illuminazione
naturale raggiunge il 100% in entrambe le zone termiche.
114
Tabella 6.5.7 Livello di illuminamento della configurazione ottimale trovata a Francoforte sul Meno.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 308.01 191.99 305.72 194.28
Febbraio 381.27 118.73 384.23 115.77
Marzo 462.69 37.31 462.16 37.84
Aprile 497.97 2.03 493.84 6.16
Maggio 500 0 500 0
Giugno 500 0 500 0
Luglio 500 0 500 0
Agosto 500 0 500 0
Settembre 462.88 37.12 462.33 37.67
Ottobre 424.32 75.68 423.45 76.55
Novembre 327.50 172.50 320.98 179.02
Dicembre 288.84 211.16 281.34 218.66 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
Figura 6.5.6 Livelli di illuminamento della Zona termica A del modello a Francoforte sul Meno.
Figura 6.5.7 Livelli di illuminamento della Zona termica B del modello a Francoforte sul Meno.
62% 76%
93% 100% 100% 100% 100% 100% 93% 85%
66% 58%
38% 24%
7% 7% 15% 34% 42%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
61% 77%
92% 99% 100% 100% 100% 100% 92% 85% 64% 56%
39% 23%
8% 8% 15% 36% 44%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona B Illuminazione naturale Zona B
1%
115
6.5.3 Confronto tra il modello ottimizzato ed il modello base
Comparando i parametri che caratterizzano l’involucro edilizio del modello di base con quelli stimati
nel processo di ottimizzazione si notano varie differenze come appare dalla Tabella 6.5.8.
Tabella 6.5.8 Parametri caratteristici del modello di base e del modello ottimizzato
di Francoforte sul Meno.
Caratteristiche
dell'involucro Modello base Modello ottimizzato
Trasmittanze [W/m²K]
Pareti perimetrali 0.153 0.10
Coperture 0.114 0.10
Vetri 0.95 0.70
Percentuale vetrata [%]
Nord-ovest 16 20
Nord-ovest "dita" 6 20
Sud-ovest 23 20
Sud-est 33 60
Sud-est "dita" 41 20
Nord-est 27 40
Nord-est "dita" 74 20
Tipologia di vetro
Nord-ovest selective clear selective clear
Nord-ovest "dita" selective clear selective darker
Sud-ovest selective clear selective darker
Sud-est selective clear selective dark
Sud-est "dita" selective clear selective darker
Nord-est selective clear selective darker
Nord-est "dita" selective clear selective darker
In primo luogo le trasmittanze termiche delle parti che costituiscono l’involucro edilizio ottimizzato
sono, come prevedibile, minori rispetto a quelle dell’involucro del modello di base. In particolare la
maggiore differenza è riscontrabile per le parti vetrate, il cui valore di trasmittanza scende dal valore
di progetto di 0.95 W/m²K al valore di 0.70 W/m²K. La quantità di superficie vetrata dell’involucro,
essendo pari a 347.34 m² nel modello di base e pari a 399.49 m² nel modello ottimizzato subisce
rilevante aumento. Inoltre, tranne che per gli orientamenti nord-ovest e sud-ovest in cui le
percentuali vetrate rimangono per entrambi i modelli pressoché invariate al 20%, varia il modo in cui
la superficie vetrata viene ripartita in funzione degli orientamenti dell’edificio. Le principali variazioni
della quantità di superficie vetrata sono state riscontrate nelle pareti delle “dita” del piano terra
dell’edificio. In particolare la percentuale vetrata passa, nell’orientamento nord-est “dita”, da un alto
116
valore di progetto pari al 74% al valore minimo del 20%, viene dimezzata nell’orientamento sud-est
“dita” mentre è triplicata per l’orientamento nord-ovest “dita”. Infine nel modello ottimizzato si nota
un raddoppio della percentuale vetrata nell’orientamento sud-est, che arriva così al 60%, ed un
aumento dal 27% al 40% nell’orientamento nord-est. Nella configurazione ottimizzata, la tipologia di
vetro rimane di tipo selective clear, come prevista nel modello base, solo per le parti vetrate
orientate a nord-ovest, mentre vengono adottati vetri selective dark nell’orientamento sud-est, e
vetri selective darker per tutti gli altri orientamenti.
Confrontando i risultati energetici ottenuti dall’ottimizzazione con quelli della simulazione termica di
base si nota che le prestazioni energetiche dell’edificio ottimizzato sono significativamente migliori.
Dalla Tabella 6.5.9 in cui sono riassunte e messe a confronto le prestazioni energetiche dei due
modelli, si osserva una diminuzione dei fabbisogni specifici annui riferiti sia al riscaldamento, dovuto
al maggiore isolamento dell’involucro edilizio ottimizzato, che al raffrescamento, mentre si ha un
lieve aumento dei consumi legati all’illuminazione artificiale. Ciò è dovuto all’introduzione dei vetri
più scuri selective darker, i quali diminuiscono la radiazione solare entrante migliorando il
comportamento legato al raffrescamento e limitano l’ingresso di luce naturale, come mostrato dal
confronto tra la Figura 6.5.6 e la Figura 6.5.7 rispettivamente con la Figura 6.3.7 e la Figura 6.3.8
riferite al livello di illuminazione presente nel modello base.
Tabella 6.5.9 Prestazioni energetiche del modello di base e del modello ottimizzato
di Francoforte sul Meno.
Fabbisogni specifici annui [kWh/m²anno]
Modello base Modello ottimizzato Differenza tra
modello ottimizzato e modello base
Riscaldamento 25.86 17.85 - 8.01
Raffrescamento 25.83 14.97 - 10.86
Illuminazione 43.24 44.74 + 1.50
Acqua calda sanitaria 33.20 33.20 -
Energia primaria 128.13 110.75 - 17.38
La Figura 6.5.8 evidenzia il potenziale di risparmio offerto dal metodo di ottimizzazione svolto con
l’algoritmo Particle Swarm rispetto ad un metodo tradizionale di progettazione delle facciate.
117
Figura 6.5.8 Fabbisogni energetici specifici annui del modello di base e del modello ottimizzato
di Francoforte sul Meno.
6.5.4 Intervallo di soluzioni ottimali
Importante ai fini progettuali è il poter disporre non solo di un’unica configurazione ottima, ma
soprattutto di un insieme di soluzioni situate intorno al punto di ottimo. In questo modo è possibile
offrire ai progettisti una vasta gamma di possibili soluzioni ottimizzate tra cui poter compiere una
scelta sulla base di compromessi tra consumo energetico e scelte progettuali estetiche ed
economiche. Come riassunto nella Tabella 6.5.10, per il caso dell’ottimizzazione svolta a Francoforte,
l’insieme delle configurazioni caratterizzate da un fabbisogno specifico annuo di energia primaria
(Qp’) che si discosta solo di 1 kWh/m²anno dall’ottimo trovato comprende 885 diverse
configurazioni. Tutte le soluzioni comprese in questo intervallo comportano un consumo energetico
primario annuo che va dal consumo minimo di 110.75 kWh/m²anno al consumo massimo di 111.75
kWh/m²anno.
Tabella 6.5.10 Caratteristiche dell’insieme delle soluzioni ottimali a Francoforte sul Meno.
Simulazioni totali
N. delle diverse configurazioni
Fabbisogno specifico annuo di energia primaria Qp’ minimo
[kWh/m²anno]
Fabbisogno specifico annuo di energia primaria Qp’ massimo
[kWh/m²anno]
6400 885 110.75 111.75
Le tabelle seguenti pesano in percentuale i parametri che caratterizzano le configurazioni comprese
all’interno dell’intervallo ottimale. La Tabella 6.5.11 mostra innanzitutto che all’interno di questo
intervallo quasi la totalità delle configurazioni sono caratterizzate dai valori minimi di trasmittanza
termica. Su 885 diverse configurazioni solamente il 5.4% per le pareti perimetrali e il 3.6% per le
0
20
40
60
80
100
120
140
Riscaldamento Raffrescamento Illuminazione Acqua calda sanitaria
Energia primaria
[kW
h/m
²an
no
]
Modello base Modello ottimizzato
118
coperture prevede una trasmittanza termica di 0.12 W/m²K e solo il 5.5% delle configurazioni
consente di assumere per le parti vetrate valori di trasmittanza termica pari a 0.8 W/m²K. Nessuna
configurazione è caratterizzata da trasmittanze superiori.
Tabella 6.5.11 Trasmittanze termiche presenti nell’insieme ottimale a Francoforte sul Meno.
Pareti perimetrali Coperture Parti trasparenti
Trasmittanza Up [W/m²K]
Percentuali %
Trasmittanza Ur [W/m²K]
Percentuali %
Trasmittanza Uw [W/m²K]
Percentuali %
0.10 94.6 0.10 96.4 0.7 94.5
0.12 5.4 0.12 3.6 0.8 5.5
0.14 - 0.14 - 0.9 -
0.16 - 0.16 - 1.0 -
0.18 - 0.18 - 1.1 -
0.20 - 0.20 -
Nella Tabella 6.5.12 sono mostrate invece le diverse percentuali vetrate per i sette orientamenti
considerati. Più del 90% delle configurazioni sono caratterizzate per gli orientamenti nord-ovest, sud-
ovest e sud-est “dita” da una percentuale di superficie vetrata del 20%. L’orientamento sud-est
presenta invece per il 99.4% delle configurazioni la percentuale vetrata massima del 60%. Le pareti
esposte a nord-est mostrano un comportamento particolare: non presentano un’unica percentuale
vetrata predominante all’interno dell’insieme ottimale, ma nella maggior parte delle configurazioni si
nota la presenza di un legame tra le percentuali vetrate delle pareti orientate a nord-est del piano
terra, quelle corrispondenti alle “dita” dell’edificio, con quelle del primo piano. Infatti quando le
pareti del primo piano sono caratterizzate da una percentuale vetrata del 20% le pareti del piano
terra sono contraddistinte da una percentuale vetrata del 40% e viceversa.
Tabella 6.5.12 Percentuali vetrate presenti all’interno dell’insieme ottimale a Francoforte sul Meno.
Percentuali vetrate
[%]
Percentuali delle soluzioni trovate per i diversi orientamenti
nord-ovest
nord-ovest “dita”
sud-ovest
sud-est sud-est “dita”
nord-est nord-est “dita”
20 98.1 87.6 97.4 0.5 90.6 45.8 51.1
30 1.9 11.0 2.6 - 6.9 9.8 12.2
40 - 0.9 - - 1.7 43.3 32.2
50 - - - - 0.2 1.1 4.4
60 - 0.5 - 99.4 0.6 - 0.1
Come mostrato nella Tabella 6.5.13 la maggiore libertà di progettazione offerta dalle configurazioni
comprese nell’insieme ottimale, è data dalla scelta della tipologia di vetro. Per tutti gli orientamenti è
possibile scegliere la tipologia di vetro tra tutti i tipi implementati nell’ottimizzazione. Ad eccezione
dell’orientamento sud-est, in cui la tipologia di vetro selective dark della configurazione ottimale non
119
coincide con la tipologia selective clear più ricorrente nell’insieme delle soluzioni migliori, i tipi di
vetro più frequenti sono, per ciascun orientamento, quelli ritrovati nella soluzione ottimizzata, ossia
vetri selective clear per l’orientamento nord-ovest e vetri selective darker per tutti gli altri
orientamenti. Performance ottimali sono ottenibili, oltre che dalla configurazione ottimale, anche da
configurazioni caratterizzate da vetri più chiari con fattori solari e coefficienti di trasmissione
luminosa superiori.
Tabella 6.5.13 Tipi di vetro presenti all’interno dell’insieme ottimale a Francoforte sul Meno.
Tipi di vetro
Percentuali delle soluzioni trovate per i diversi orientamenti
nord-ovest
nord-ovest “dita”
sud-ovest
sud-est sud-est “dita”
nord-est nord-est “dita”
Low-e 5.1 1.2 0.4 3.5 0.9 1.0 6.2
Sel. clear 56.8 4.0 0.4 44.3 3.3 7.0 5.8
Sel. standard 27.9 4.8 1.4 27.8 7.9 5.3 6.6
Sel. dark 3.4 8.4 11.9 14.8 11.1 18.2 16.4
Sel. darker 6.8 81.6 85.9 9.6 76.8 68.5 65.0
6.5.5 Confronto con gli standard energetici
Per raggiungere lo Standard Passivhaus, come spiegato ampiamente nel capitolo 2 presente nella
Parte I di questa tesi, occorre che siano soddisfatte le seguenti limitazioni:
la domanda di energia primaria per tutti i servizi energetici (Qp’), inclusi riscaldamento,
raffrescamento, ventilazione, elettricità ed acqua calda sanitaria, non deve essere superiore
a 120 kWh per m² di superficie netta abitabile per anno;
la domanda di energia specifica netta per il riscaldamento ambientale (Qhp’) non deve essere
superiore a 15 kWh per m² di superficie netta abitabile per anno;
l’involucro edilizio deve presentare un risultato del test di pressurizzazione a 50Pa non
superiore a 0.6 h⁻ ¹ secondo la EN 13829.
Si noti che l’ultima limitazione è intrinsecamente soddisfatta da tutti i modelli energetici di base, dato
che durante la fase di creazione dei modelli era stato imposto direttamente il limite massimo di 0.6
h⁻¹ per quanto riguarda i ricambi d’aria dovuti ad infiltrazioni. Come appare nella Figura 6.5.9 il
fabbisogno specifico annuo di energia primaria (Qp’) pari a 110.75 kWh/m²anno rientra nel limite
Passivhaus di 120 kWh/m²anno. Tuttavia il modello ottimizzato a Francoforte sul Meno non rientra
nello Standard Passivhaus poichè il consumo annuo di energia per il riscaldamento (Qhp’) essendo
pari a 17.85 kWh/m²anno risulta superiore al consumo massimo di 15 kWh/m²anno.
120
Figura 6.5.9 Classe energetica14, riferita al consumo di energia primaria, dei modelli a Francoforte
sul Meno.
128.13 kWh/m²anno
0 50
100 120 150
200
250
300
350
400
>400
Limite Passivhaus
Modello base
110.75 kWh/m²anno
Modello ottimizzato
Nella Figura 6.5.10 seguente, riferita alle classi energetiche riprese dalla normativa italiana, viene
mostrato che, nonostante non raggiunga lo Standard Passivhaus, il modello ottimizzato rientra nella
categoria degli edifici a bassi consumi energetici, avendo un fabbisogno specifico annuo di energia
per il riscaldamento inferiore al limite di 30 kWh/m²anno tipico della classe energetica A.
Figura 6.5.10 Classe energetica15, riferita al consumo di energia per il riscaldamento, dei modelli a
Francoforte sul Meno.
14 Norma DIN V 18599. 15
Classi Energetiche previste dal D.M. del 26 giugno 2009.
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180
G
F
E
D
C
B
A
Modello base
Modello ottimizzato
Passivhaus
A+
[kWh/m²anno]
Cla
ssi e
ne
rge
tich
e
17.85 kWh/m²anno
25.86 kWh/m²anno
121
Nella zona di Francoforte sul Meno é possibile considerare una rete di teleriscaldamento
caratterizzata da un fattore di energia primaria pari a 0.54 che, tenendo conto delle fonti rinnovabili,
consente di ridurre notevolmente la richiesta energetica per il riscaldamento e per l’acqua calda
sanitaria. Applicando l’efficienza legata alla rete di teleriscaldamento locale, come mostrato nella
Tabella 6.5.14, le prestazioni energetiche della configurazione ottimale vengono significativamente
migliorate consentendo il raggiungimento dello Standard Passivhaus. Infatti, come appare nelle
figure 6.5.11 e 6.5.12, sia la domanda di energia primaria specifica annua (Qp') pari a 87.27
kWh/m²anno sia la domanda di energia specifica annua per il riscaldamento (Qhp') pari a 9.64
kWh/m²anno si mantengono rispettivamente all’interno dei limiti di 120 kWh/m²anno e di 15
kWh/m²anno imposti dallo Standard Passivhaus.
Tabella 6.5.14 Prestazioni energetiche della configurazione ottimale di Francoforte sul Meno
considerando una rete di teleriscaldamento.
Qhp'
[kWh/m²anno]
Qcp'
[kWh/m²anno]
Qlp'
[kWh/m²anno]
Qwp'
[kWh/m²anno]
Qp'
[kWh/m²anno]
9.64 14.97 44.74 17.93 87.27
Figura 6.5.11 Classe energetica, riferita al consumo di energia primaria, del modello ottimizzato a
Francoforte sul Meno, con rete di teleriscaldamento.
128.13 kWh/m²anno
0 50
100 120 150
200
250
300
350
400
>400
Limite Passivhaus
Modello base
87.27 kWh/m²anno
Modello ottimizzato
122
Figura 6.5.12 Classe energetica, riferita al consumo di energia per il riscaldamento, del modello
ottimizzato a Francoforte sul Meno, con rete di teleriscaldamento.
6.5.6 Modello senza raffrescamento
Date le condizioni climatiche di Francoforte sul Meno e come previsto dal progetto originale, dopo la
prima ottimizzazione, è stato creato un modello dell’asilo senza alcun impianto di raffrescamento.
Tuttavia per mantenere un controllo sulle condizioni di benessere abitativo interno, in particolar
modo su quelle legate alla stagione estiva, nella ricerca della configurazione ottimale occorre
considerare anche gli eventuali carichi di raffrescamento per riuscire a minimizzare le prestazioni
energetiche senza comportare un peggioramento delle condizioni di comfort abitativo. Sulla base di
queste considerazioni, la configurazione ottimale dell’involucro edilizio del modello senza alcun
impianto di raffrescamento è la stessa configurazione ottenuta dal processo di ottimizzazione che ha
minimizzato la funzione obiettivo considerando oltre ai carichi di riscaldamento e di illuminazione
anche quelli per il raffrescamento.
Le prestazioni energetiche del modello senza alcun impianto di raffrescamento, riassunte nella
Tabella 6.5.15, dato che considerano un fabbisogno specifico annuo di energia primaria (Qp’*)
escludendo il raffrescamento, sono ovviamente inferiori rispetto a quelle ottenute
dall’ottimizzazione sopra descritta.
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180
G
F
E
D
C
B
A
Modello base
Passivhaus
A+ (oro)
Modello ottimizzato
[kWh/m²anno]
Cla
ssi e
ne
rge
tich
e
9.64 kWh/m²anno
25.86 kWh/m²anno
123
Tabella 6.5.15 Prestazioni energetiche della configurazione ottimale a Francoforte sul Meno del
modello senza l’impianto di raffrescamento.
Qhp'
[kWh/m²anno]
Qlp'
[kWh/m²anno]
Qwp'
[kWh/m²anno]
Qp'*
[kWh/m²anno]
17.85 44.74 33.20 95.79
Considerando la presenza di una rete di teleriscaldamento con fattore di energia primaria pari a 0.54,
come mostrato nella Tabella 6.5.16, le prestazioni energetiche vengono ulteriormente ridotte,
arrivando ad un fabbisogno specifico annuo di energia primaria (Qp'*) pari a 72.04 kWh/m²anno.
Tabella 6.5.16 Prestazioni energetiche della configurazione ottimale di Francoforte sul Meno del
modello senza l’impianto di raffrescamento e considerando una rete di teleriscaldamento.
Qhp'
[kWh/m2anno]
Qlp'
[kWh/m²anno]
Qwp'
[kWh/m²anno]
Qp'*
[kWh/m²anno]
9.64 44.74 17.93 72.04
Figura 6.5.13 Classe energetica, riferita al consumo di energia primaria, del modello ottimizzato a
Francoforte sul Meno, senza l’impianto di raffrescamento e con una rete di teleriscaldamento.
128.13 kWh/m²anno
0 50
100 120 150
200
250
300
350
400
>400
Limite Passivhaus
Modello base
72.04 kWh/m²anno
Modello ottimizzato
Tuttavia l’assenza di un impianto di raffrescamento peggiora le condizioni di comfort estivo. Come si
può vedere dai grafici seguenti, limitatamente alla zona termica B rappresentante il primo piano, le
temperature operative del giorno medio mensile superano, nei mesi di luglio ed agosto, il limite di
comfort estivo di 27 °C. Analizzando le temperature orarie di tutti i giorni dell’anno, è stato calcolato
che le ore per cui le temperature operative sono superiori al limite di 27 °C rappresentano il 6.7%
delle ore di tutto l’anno, superando così la soglia di accettabilità del 3% delle ore oltre il limite di
comfort prevista dalla DGNB, Deutsche Gesellschaft für Nachhaltiges Bauen, la società tedesca per
l’edilizia sostenibile, che assegna certificati legati alle performance ecologiche degli edifici.
124
Figura 6.5.14 Temperature operative dei giorni medi mensili per la Zona termica A del modello
ottimizzato, senza l’impianto di raffrescamento, a Francoforte sul Meno.
Figura 6.5.15 Temperature operative dei giorni medi mensili per la zona termica B del modello
ottimizzato, senza l’impianto di raffrescamento, a Francoforte sul Meno.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
16
17
18
19
20
21
22
23
24
25
26
27
28
29
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
125
Come appare nella Tabella 6.5.17, la rete di teleriscaldamento, tenendo conto delle fonti rinnovabili,
permette di aumentare i contributi energetici passivi rispetto ai valori del modello base.
Tabella 6.5.17 Prestazioni energetiche della configurazione ottimale trovata a Francoforte sul Meno
senza l’impianto di raffrescamento, con la rete di teleriscaldamento.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.71 0.42 31.56 27.77 72.23
Febbraio 11.42 0.71 29.82 28.91 71.09
Marzo 11.51 1.17 28.38 30.89 69.11
Aprile 10.26 1.61 26.43 30.99 69.01
Maggio 11.27 1.88 26.13 33.48 66.52
Giugno 11.12 1.94 25.64 33.75 66.25
Luglio 10.31 2.01 25.35 32.69 67.31
Agosto 11.31 1.76 25.89 33.55 66.45
Settembre 10.82 1.37 26.07 31.85 68.15
Ottobre 11.20 0.91 27.37 30.66 69.34
Novembre 12.00 0.50 30.51 29.07 70.93
Dicembre 11.27 0.35 30.76 27.41 72.59 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
6.6 Helsinki
Helsinki è caratterizzata da un clima boreale umido. Secondo la classificazione di Wladimir Köppen la
località di Helsinki è identificata dalla sigla climatica Dfb, ossia è caratterizzata da un clima freddo
delle medie latitudini a carattere forestale, senza una stagione secca, con estati tiepide ed inverni
rigidi e nevosi. Il mese più freddo ha una temperatura inferiore a -3 °C, con minime che possono
raggiungere i -20 °C, mentre la temperatura media del mese più caldo è superiore a 10 °C ed inferiore
ai 22°C16.
6.6.1 Risultati del processo di ottimizzazione
L’ottimizzazione svolta ad Helsinki ha permesso di trovare, come riassunto nella Tabella 6.6.1, 3832
diverse configurazioni dell’involucro edilizio su un totale di 6400 simulazioni effettuate, con le
configurazioni migliori ripetute più volte nel corso del processo di ottimizzazione. La sommatoria dei
carichi annui per il riscaldamento, il raffrescamento e l’illuminazione artificiale pesati con i rispettivi
rendimenti, è stata minimizzata al valore di 14599.34 Wh/anno alla 44-esima generazione.
16
http://it.wikipedia.org/wiki/Classificazione_dei_climi_di_Köppen.
126
Tabella 6.6.1 Caratteristiche del processo di ottimizzazione svolto ad Helsinki.
Numero di soluzioni su 100 generazioni
Simulazioni totali N. delle diverse configurazioni
Minimo della funzione obiettivo [Wh/anno]
N. della prima generazione che trova il minimo
6400 3832 14599.34 44
La Figura 6.6.1 seguente mostra l’evoluzione del processo di ottimizzazione svolto da GenOpt in
termini di fabbisogno specifico annuo di energia primaria (Qp'), espresso in kWh/m²anno.
L’andamento del grafico evidenzia una diminuzione dei fabbisogni energetici all’aumento del numero
delle simulazioni effettuate.
Nella Figura 6.6.2 sottostante sono stati invece riportati separatamente i fabbisogni specifici annui di
energia per il riscaldamento, il raffrescamento e l’illuminazione. Si può notare che, a differenza del
caso di Francoforte sul Meno, dove il fabbisogno specifico annuo prevalente è risultato per ogni
simulazione quello per l’illuminazione, nel caso di Helsinki si ha, per le prime simulazioni svolte
dall’algoritmo Particle Swarm, una predominanza del fabbisogno (Qhp’) legato al riscaldamento. In
entrambi i casi, come prevedibile per i climi freddi e con maggiore evidenza per il caso di Helsinki, il
fabbisogno specifico annuo minore rimane quello di raffrescamento.
Figura 6.6.1 Evoluzione del processo di ottimizzazione del modello di Helsinki.
100
110
120
130
140
150
160
170
1
20
1
40
1
60
1
80
1
10
01
12
01
14
01
16
01
18
01
20
01
22
01
24
01
26
01
28
01
30
01
32
01
34
01
36
01
38
01
40
01
42
01
44
01
46
01
48
01
50
01
52
01
54
01
56
01
58
01
60
01
62
01
64
01
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Fabbisogno specifico annuo di energia primaria (Qp')
127
Figura 6.6.2 Fabbisogni energetici specifici annui per modello di Helsinki.
6.6.2 Configurazione ottimale
L’algoritmo Particle Swarm utilizzato nel processo di ottimizzazione svolto ad Helsinki ha minimizzato
la funzione obiettivo al valore di 14599.34 Wh/anno. La configurazione ottimale dell’involucro
edilizio è stata trovata già alla 44-esima generazione dopo aver analizzato 2786 configurazioni su
6400 e ha ritrovato la soluzione ottima per un totale di 1061 volte. La Tabella 6.6.2 riporta le
principali caratteristiche del processo di ottimizzazione svolto ad Helsinki.
Tabella 6.6.2 Caratteristiche del processo di ottimizzazione svolto ad Helsinki.
Numero di soluzioni su 100 generazioni
Simulazioni totali N. delle diverse configurazioni
Minimo della funzione obiettivo [Wh/anno]
N. della prima generazione che trova il minimo
6400 3759 14377.50 56
La Tabella 6.6.3 riassume invece le principali prestazioni energetiche riportando il fabbisogno
specifico annuo di energia per il riscaldamento (Qhp'), per il raffrescamento (Qcp'), per l’illuminazione
artificiale (Qlp') e per l’acqua calda sanitaria (Qwp') ed il fabbisogno specifico di energia primaria (Qp')
della configurazione ottimale.
0
10
20
30
40
50
60
70
80 1
1
51
3
01
4
51
6
01
7
51
9
01
1
05
1
12
01
1
35
1
15
01
1
65
1
18
01
1
95
1
21
01
2
25
1
24
01
2
55
1
27
01
2
85
1
30
01
3
15
1
33
01
3
45
1
36
01
3
75
1
39
01
4
05
1
42
01
4
35
1
45
01
4
65
1
48
01
4
95
1
51
01
5
25
1
54
01
5
55
1
57
01
5
85
1
60
01
6
15
1
63
01
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Fabbisogno specifico annuo di energia per il riscaldamento (Qhp')
Fabbisogno specifico annuo di energia per il raffrescamento (Qcp')
Fabbisogno specifico annuo di energia per l'illuminazione artificiale (Qlp')
128
Tabella 6.6.3 Prestazioni energetiche della configurazione ottimale trovata a Helsinki.
Qhp'
[kWh/m²anno]
Qcp'
[kWh/m²anno]
Qlp'
[kWh/m²anno]
Qwp'
[kWh/m²anno]
Qp'
[kWh/m²anno]
29.35 6.49 42.91 33.20 111.95
La Figura 6.6.3 mostra invece i contributi dei diversi fabbisogni specifici annui rispetto al fabbisogno
specifico annuo di energia primaria (Qp').
Figura 6.6.3 Fabbisogni energetici annui della configurazione ottimale trovata ad Helsinki.
Nelle tabelle successive sono riassunti i diversi parametri che, implementati nel processo di
ottimizzazione, caratterizzano la configurazione ottimale. Come mostrato nella Tabella 6.6.4 riferita
alle trasmittanze e come già avvenuto nel caso di Francoforte sul Meno, anche l’ottimizzazione svolta
ad Helsinki conferma la necessità di progettare un involucro edilizio contraddistinto da un elevato
isolamento in grado di opporsi alle dispersioni termiche. Il valore di trasmittanza termica delle pareti
perimetrali, delle coperture e delle parti vetrate é caratterizzata dal valore minimo di 0.10 W/m²K
per le parti opache, corrispondente ad uno spessore dell’isolante pari a 0.341 m per le pareti
perimetrali e a 0.342 m per le coperture, e sul valore minimo di 0.7 W/m²K per le parti vetrate.
Tabella 6.6.4 Trasmittanze della configurazione ottimale trovata ad Helsinki.
Up pareti perimetrali
[W/m²K]
Ur coperture
[W/m²K]
Uw parti vetrate
[W/m²K]
0.10 0.10 0.7
26%
6%
38%
30%
Fabbisogno specifico annuo di energia primaria Qp' = 111.95 kWh/m²anno
Riscaldamento: 29.35 kWh/m²anno
Raffrescamento: 6.49 kWh/m²anno
Illuminazione artificiale: 42.91 kWh/m²anno
Acqua calda sanitaria: 33.20 kWh/m²anno
129
Per quanto riguarda le percentuali vetrate, come prevedibile per i climi freddi e come già riscontrato
nel caso di Francoforte sul Meno, la quantità di superficie vetrata stimata dal processo di
ottimizzazione è risultata minima per tutti gli orientamenti ad eccezione dell’orientamento sud-est
dove sia ha la percentuale vetrata massima del 60%. Le tipologie di vetro che caratterizzano la
configurazione ottimale dell’involucro sono per tutte le pareti appartenenti alle “dita” dell’edificio
vetri di tipo selective darker. Per gli orientamenti nord-ovest e sud-est sono stati selezionati vetri
basso emissivi di tipo low-e mentre per le pareti orientate a sud-ovest e a nord-est sono presenti
vetri selective clear. Questa configurazione ottimale differisce da quella trovata a Francoforte sul
Meno oltre che per la percentuale vetrata dell’orientamento nord-est, che ad Helsinki si mantiene sul
valore minimo del 20%, soprattutto per la tipologia di vetri ritrovata: mentre a Francoforte i vetri
sono esclusivamente vetri selettivi scuri, ad Helsinki sono presenti anche vetri basso emissivi e vetri
selettivi più chiari. Ciò aumenta la quantità di radiazione termica entrante e quindi i guadagni solari
passivi nei mesi invernali. Gli alti consumi legati all’illuminazione artificiale sono dovuti alla presenza
di vetri selective darker i quali, rispetto alle altre tipologie, limitano maggiormente l’ingresso della
luce naturale. Nella Tabella 6.6.5 sono riassunte le percentuali vetrate e le tipologie di vetro trovate
per la configurazione ottimale.
Tabella 6.6.5 Percentuali vetrate e tipi di vetro della configurazione ottimale trovata ad Helsinki.
Orientamenti Percentuali vetrate Tipologie di vetro
Nord-ovest
Nord-ovest “dita”
Sud-ovest
Sud-est
Sud-est “dita”
Nord-est
Nord-est “dita”
20%
20%
20%
60%
20%
20%
20%
Low-e
Selective darker
Selective clear
Low-e
Selective darker
Selective clear
Selective darker
I seguenti grafici mostrano le condizioni di benessere abitativo che si ritrovano all’interno del
modello ottimizzato. Considerando un’occupazione degli spazi interni dalle ore 7:00 alle ore 19:00 il
comfort interno è garantito per entrambe le zone termiche. Per tutti i mesi dell’anno tipo
considerato, le temperature operative del giorno medio mensile, per le ore di occupazione previste,
sono superiori al limite di comfort invernale di 19°C e inferiori al limite di comfort estivo di 27°C,
mantenendosi in entrambe le zone sempre al di sotto dei 24°C.
130
Figura 6.6.4 Temperature operative dei giorni medi mensili per la Zona termica A
del modello ottimizzato ad Helsinki.
Figura 6.6.5 Temperature operative dei giorni medi mensili per la Zona termica B
del modello ottimizzato ad Helsinki.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
131
Confrontando la Tabella 6.3.28, riferita alle prestazioni energetiche del modello base caratterizzato
dal sistema di ombreggiamento esterno, con la seguente Tabella 6.6.6, riferita al modello ottimizzato,
si nota innanzitutto che nel modello ottimizzato, nonostante si abbia per tutti i mesi una diminuzione
dei fabbisogni di energia primaria, la percentuale dei contributi passivi rispetto a quella dei contributi
energetici attivi aumenta solamente nei mesi di dicembre, gennaio e febbraio, mentre diminuisce per
tutti gli altri. Ciò è dovuto al fatto che nei mesi invernali la diminuzione dei fabbisogni di energia
primaria è maggiore di quella riscontrata negli altri mesi ed accanto alla diminuzione del fabbisogno
energetico primario, nel modello ottimizzato si ha anche una leggera diminuzione dei guadagni
interni e dei guadagni solari, dovuti alla presenza di vetri selettivi più scuri.
Tabella 6.6.6 Prestazioni energetiche della configurazione ottimale trovata ad Helsinki.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 12.14 0.61 55.48 18.69 81.31
Febbraio 11.55 1.40 52.42 19.81 80.19
Marzo 11.54 2.16 49.55 21.65 78.35
Aprile 10.21 3.26 46.59 22.43 77.57
Maggio 11.22 4.01 44.80 25.38 74.62
Giugno 11.09 4.39 44.50 25.81 74.19
Luglio 10.29 4.11 47.35 23.32 76.68
Agosto 11.27 3.58 47.44 23.84 76.16
Settembre 10.83 2.67 44.93 23.11 76.89
Ottobre 11.36 1.62 48.54 21.09 78.91
Novembre 12.38 0.62 52.98 19.69 80.31
Dicembre 11.90 0.26 53.70 18.46 81.54 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
La Tabella 6.6.7 mostra i livelli d’illuminamento trovati in corrispondenza dei quattro punti di
controllo posti all’interno del modello ottimizzato ad Helsinki. I seguenti valori sono stati calcolati
come media dei valori presenti nelle ore di occupazione, ossia dalle ore 7:00 alle ore 19:00. Dalle
Figure 6.6.6 e 6.6.7 appare come per cinque mesi all’anno, da aprile ad agosto, per entrambe le zone
termiche, non sia necessario un contributo di luce artificiale per garantire il livello di illuminamento
interno di progetto pari a 500 lux.
132
Tabella 6.6.7 Livello di illuminamento della configurazione ottimale trovata ad Helsinki.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 235.54 264.46 207.71 292.29
Febbraio 367.00 133.00 340.91 159.09
Marzo 460.99 39.01 456.23 43.77
Aprile 500 0 500 0
Maggio 500 0 500 0
Giugno 500 0 500 0
Luglio 500 0 500 0
Agosto 500 0 500 0
Settembre 468.82 31.18 466.62 33.38
Ottobre 402.51 97.495 381.99 118.01
Novembre 270.10 229.90 244.00 256.00
Dicembre 177.17 322.83 129.94 370.06 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
Figura 6.6.6 Livelli di illuminamento della zona termica A del modello ottimizzato ad Helsinki.
Figura 6.6.7 Livelli di illuminamento della zona termica B del modello ottimizzato ad Helsinki.
47%
73% 92% 100% 100% 100% 100% 100%
94% 80%
54%
35%
53%
27% 8% 6%
20%
46% 65%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
42%
68%
91% 100% 100% 100% 100% 100% 93% 76%
49%
26%
58%
32%
9% 7% 24%
51%
74%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona B Illuminazione naturale Zona B
133
6.6.3 Confronto tra il modello ottimizzato ed il modello base
Confrontando l’involucro edilizio del modello base con quello della configurazione ottimale si nota
innanzitutto che, come nel caso di Francoforte sul Meno, le trasmittanze termiche del modello
ottimizzato sono inferiori. Come mostrato nella Tabella 6.6.8 la trasmittanza termica delle pareti
perimetrali e delle coperture, già caratterizzata nel modello base da valori bassi, passa dai rispettivi
valori di 0.153 W/m²K e di 0.114 W/m²K al valore di 0.10 W/m²K mentre la trasmittanza termica delle
parti vetrate scende dal valore di progetto di 0.95 W/m²K al valore di 0.70 W/m²K.
Tabella 6.6.8 Parametri caratteristici dell’involucro del modello di base e della configurazione
ottimale di Helsinki.
Caratteristiche
dell'involucro Modello base Modello ottimizzato
Trasmittanze [W/m²K]
Pareti perimetrali 0.153 0.10
Coperture 0.114 0.10
Vetri 0.95 0.70
Percentuale vetrata [%]
Nord-ovest 16 20
Nord-ovest "dita" 6 20
Sud-ovest 23 20
Sud-est 33 60
Sud-est "dita" 41 20
Nord-est 27 20
Nord-est "dita" 74 20
Tipologia di vetro
Nord-ovest selective clear low-e
Nord-ovest "dita" selective clear selective darker
Sud-ovest selective clear selective clear
Sud-est selective clear low-e
Sud-est "dita" selective clear selective darker
Nord-est selective clear selective clear
Nord-est "dita" selective clear selective darker
La quantità di superficie vetrata dell’involucro, anche se ripartita secondo diverse percentuali sui vari
orientamenti, essendo pari a 347.34 m² nel modello di base e pari a 341.30 m² nel modello
ottimizzato, subisce solo una leggera diminuzione. Solo negli orientamenti nord-ovest e sud-ovest le
percentuali vetrate rimangono per entrambi i modelli pressoché invariate al 20%. Le principali
variazioni della quantità di superficie vetrata sono state riscontrate nelle pareti delle “dita” del piano
terra dell’edificio. In particolare la percentuale vetrata passa, nell’orientamento nord-est “dita”, da
134
un alto valore di progetto pari al 74% al valore minimo del 20%, viene dimezzata nell’orientamento
sud-est “dita” mentre è triplicata per l’orientamento nord-ovest “dita”. Infine nel modello
ottimizzato si nota un raddoppio della percentuale vetrata nell’orientamento sud-est che arriva così
al 60% ed una sua leggera diminuzione nell’orientamento nord-est. La tipologia di vetro ottimizzata
rimane dello stesso tipo selective clear del modello base solo per l’orientamento sud-ovest e nord-
est, mentre passa al tipo low-e per gli orientamenti nord-ovest e sud-est e al tipo selective darker per
tutte le altre pareti.
I risultati ottenuti dal processo di ottimizzazione sono, dal punto di vista energetico,
significativamente migliori rispetto alle prestazioni del modello di base. Dalla Tabella 6.6.9, in cui
sono riassunte le prestazioni energetiche dei due modelli, si osserva, per il modello ottimizzato, una
diminuzione dei fabbisogni specifici annui riferiti sia al riscaldamento, dovuto al maggiore isolamento
dell’involucro edilizio ottimizzato, che in misura minore anche al raffrescamento, mentre si ha
solamente un lieve aumento dei consumi legati all’illuminazione artificiale. Ciò è indotto dalla
diminuzione della quantità di superficie vetrata della configurazione ottimale e dalla presenza di vetri
selective darker, i quali consentono sia di diminuire la radiazione solare entrante a favore del
miglioramento legato al raffrescamento, ma contemporaneamente limitano l’ingresso della luce
naturale aumentando così la richiesta di energia per l’illuminazione artificiale.
Tabella 6.6.9 Prestazioni energetiche del modello di base e del modello ottimizzato ad Helsinki.
Fabbisogni specifici annui [kWh/m²anno]
Modello base Modello ottimizzato Differenza tra
modello ottimizzato e modello base
Riscaldamento 62.70 29.35 - 33.35
Raffrescamento 10.78 6.49 - 4.29
Illuminazione 41.72 42.91 + 1.19
Acqua calda sanitaria 33.20 33.20 -
Energia primaria 148.40 111.95 - 36.45
La Figura 6.6.8 seguente evidenzia il potenziale di risparmio offerto dal metodo di ottimizzazione
svolto mediante l’uso di algoritmi genetici Particle Swarm, rispetto ad un metodo tradizionale di
progettazione delle facciate tipico del Nord Europa, mostrando la significativa riduzione dei
fabbisogni energetici specifici annui. Nel caso dell’ottimizzazione svolta ad Helsinki il principale
miglioramento è legato alla riduzione del fabbisogno specifico annuo di energia necessaria al
riscaldamento che, rispetto al quello ritrovato modello base, viene addirittura dimezzato.
135
Figura 6.6.8 Fabbisogni specifici annui del modello di base e del modello ottimizzato ad Helsinki.
6.6.4 Intervallo di soluzioni ottimali
Per il processo di ottimizzazione svolto ad Helsinki, l’insieme delle configurazioni ottimali, comprese
nell’intorno di 1 kWh/m²anno della soluzione migliore, é costituito da 754 diverse configurazioni.
Tutte le soluzioni comprese in questo intorno comportano un consumo energetico primario annuo
che va dal consumo minimo di 111.95 kWh/m²anno ad un consumo di 112.95 kWh/m²anno. La
Tabella 6.6.10 seguente riassume le caratteristiche del processo di ottimizzazione riferito all’insieme
di soluzioni ottimali.
Tabella 6.6.10 Caratteristiche dell’insieme delle soluzioni ottimali ad Helsinki.
Simulazioni totali
N. delle diverse configurazioni
Fabbisogno specifico annuo di energia primaria Qp’ minimo
[kWh/m²anno]
Fabbisogno specifico annuo di energia primaria Qp’ massimo
[kWh/m²anno]
6400 754 111.95 112.95
Le tabelle seguenti pesano in percentuale i parametri che caratterizzano le configurazioni comprese
all’interno dell’insieme delle soluzioni ottimali. Come appare nella Tabella 6.6.11, nel caso di Helsinki
la totalità delle configurazioni presenti all’interno dell’intervallo ottimale considerato è caratterizzata
dai valori minimi di trasmittanza termica sia per le parti opache che per quelle trasparenti.
0
20
40
60
80
100
120
140
160
Riscaldamento Raffrescamento Illuminazione Acqua calda sanitaria
Energia primaria
[kW
h/m
²an
no
]
Modello base Modello ottimizzato
136
Tabella 6.6.11 Trasmittanze termiche presenti nell’insieme delle soluzioni ottimali di Helsinki.
Pareti perimetrali Coperture Parti trasparenti
Trasmittanza Up [W/m²K]
Percentuali %
Trasmittanza Ur [W/m²K]
Percentuali %
Trasmittanza Uw [W/m²K]
Percentuali %
0.10 100 0.10 100 0.7 100
0.12 - 0.12 - 0.8 -
0.14 - 0.14 - 0.9 -
0.16 - 0.16 - 1.0 -
0.18 - 0.18 - 1.1 -
0.20 - 0.20 -
Nella Tabella 6.6.12 sono mostrate invece le diverse percentuali vetrate ottenute per i sette
orientamenti considerati. In particolare si nota che per tutti gli orientamenti esiste una percentuale
vetrata nettamente predominante, superiore al 90%, corrispondente, per ciascun orientamento, alla
percentuale vetrata che caratterizza la configurazione ottimale. Solo per l’orientamento nord-est
“dita” sono presenti all’interno dell’insieme delle configurazioni ottimali tutte le possibili percentuali
vetrate implementate nell’ottimizzazione.
Tabella 6.6.12 Percentuali vetrate presenti nell’insieme delle soluzioni ottimali di Helsinki.
Percentuali vetrate
[%]
Percentuali delle soluzioni trovate per i diversi orientamenti
nord-ovest
nord-ovest “dita”
sud-ovest
sud-est sud-est “dita”
nord-est nord-est “dita”
20 96.2 93.4 97.6 0.7 95.1 95.4 91.1
30 3.8 5.4 2.4 0.3 4.4 4.6 6.8
40 - 1.2 - - 0.5 - 1.5
50 - - - 2.2 - - 0.1
60 - - - 96.8 - - 0.5
Anche per il modello ottimizzato ad Helsinki, come nel caso di Francoforte sul Meno, all’interno
dell’insieme delle configurazioni ottimali la libertà progettuale maggiore è offerta dalla scelta del tipo
di vetro. Come mostrato nella Tabella 6.6.13 tranne che per l’orientamento sud-est, in cui le
configurazioni all’interno dell’insieme ottimale escludono i tipi di vetro selective darker e selective
dark, per tutti gli orientamenti è possibile scegliere tra le cinque tipologie di vetro implementate
nell’ottimizzazione. Le tipologie di vetro più ricorrenti all’interno dell’intervallo considerato sono
quelle caratterizzanti la configurazione ottimale. Particolare è il caso dell’orientamento nord-ovest, in
cui, nonostante il 54% delle configurazioni preveda vetri di tipo selective clear e circa il 20% vetri
selective standard, la configurazione ottimale è caratterizzata da vetri basso emissivi di tipo low-e.
137
Tabella 6.6.13 Tipi di vetro presenti nell’insieme delle soluzioni ottimali di Helsinki.
Tipi di vetro
Percentuali delle soluzioni trovate per i diversi orientamenti
nord-ovest
nord-ovest “dita”
sud-ovest
sud-est sud-est “dita”
nord-est Nord-est “dita”
Low-e 15.5 8.7 23.3 83.2 7.6 28.8 8.5
Sel. clear 54 1.6 34.6 16.0 19.9 46.9 6.0
Sel. standard 20.6 4.2 10.7 0.8 13.8 9.2 8.3
Sel. dark 4.7 6.2 11.5 - 8.6 6.1 12.9
Sel. darker 5.2 79.3 19.9 - 50.1 9.0 64.3
6.6.5 Confronto con gli standard energetici
Nel caso di Helsinki, come appare nella Figura 6.6.9, nonostante il fabbisogno specifico annuo di
energia primaria dell’edificio (Qp’), pari a 111.95 kWh/m²anno, sia all’interno del limite Passivhaus di
120 kWh/m²anno, la configurazione ottimale non riesce a raggiungere lo Standard Passivhaus a causa
dei carichi richiesti per il riscaldamento. Il fabbisogno specifico annuo di energia per il riscaldamento
(Qhp’), mostrato nella Figura 6.6.10, risulta infatti pari a 29.35 kWh/m²anno, molto superiore al limite
di 15 kWh/m²anno imposto dallo Standard Passivhaus. La difficoltà riscontrata nel raggiungere i limiti
imposti dallo Standard Passivhaus è dovuta essenzialmente alla ridotta compattezza di questo
edificio. In un clima rigido come nel caso di Helsinki ciò comporta, durante il periodo invernale,
elevate dispersioni termiche ed elevati carichi di riscaldamento necessari per assicurare le condizioni
di benessere abitativo interno.
Figura 6.6.9 Classe energetica, riferita al consumo di energia primaria, dei modelli di Helsinki.
148.40 kWh/m²anno
0 50
100 120 150
200
250
300
350
400
>400
Limite Passivhaus
Modello base
111.95 kWh/m²anno
Modello ottimizzato
Nella Figura 6.6.10 seguente, riferita alle classi energetiche riprese dalla normativa italiana, viene
mostrato che, nonostante non raggiunga lo Standard Passivhaus, il modello ottimizzato rientra nella
categoria degli edifici a bassi consumi energetici, avendo un fabbisogno specifico annuo di energia
per il riscaldamento inferiore al limite di 30 kWh/m²anno tipico della classe energetica A.
138
Figura 6.6.10 Classe energetica, riferita al consumo di energia per il riscaldamento, dei modelli ad
Helsinki.
6.6.6 Modello senza raffrescamento
Come nel caso di Francoforte, anche ad Helsinki, date le condizioni climatiche, è possibile non
prevedere alcun impianto di raffrescamento dell’aria. Per riuscire a mantenere un controllo sulle
condizioni di benessere abitativo legate alla stagione estiva, la ricerca della configurazione ottimale
dell’involucro edilizio é stata tuttavia svolta tenendo in considerazione, nella minimizzazione della
funzione obiettivo, anche gli eventuali carichi di raffrescamento. Le prestazioni energetiche del
modello senza alcun impianto di raffrescamento, riassunte nella Tabella 6.6.14, dato che considerano
un fabbisogno specifico annuo di energia primaria (Qp’*) che esclude i carichi di raffrescamento sono
ovviamente inferiori rispetto a quelle ottenute dall’ottimizzazione sopra descritta.
Tabella 6.6.14 Prestazioni energetiche della configurazione ottimale trovata ad Helsinki del modello
senza l’impianto di raffrescamento.
Qhp'
[kWh/m²anno]
Qlp'
[kWh/m²anno]
Qwp'
[kWh/m²anno]
Qp'*
[kWh/m²anno]
29.35 42.91 33.20 105.46
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180
G
F
E
D
C
Modello base
B
A
Modello ottimizzato
Passivhaus
A+
[kWh/m²anno]
Cla
ssi e
ne
rge
tich
e
29.35 kWh/m²anno
62.70 kWh/m²anno
139
Figura 6.6.11 Classe energetica, riferita al consumo di energia primaria, del modello ottimizzato a
Francoforte sul Meno, senza l’impianto di raffrescamento e con una rete di teleriscaldamento.
148.40 kWh/m²anno
0 50
100 120 150
200
250
300
350
400
>400
Limite Passivhaus
Modello base
105.46 kWh/m²anno
Modello ottimizzato
Come appare nei grafici seguenti, nel caso di Helsinki, si riescono a garantire le condizioni di comfort
abitativo estivo anche senza l’impianto di raffrescamento. Le temperature operative dei giorni medi
mensili si alzano di circa 2°C ma si mantengono comunque al di sotto dei 26 °C, rientrando così nel
limite di comfort estivo di 27 °C per entrambe le zone termiche.
Figura 6.6.12 Temperature operative dei giorni medi mensili per la Zona termica A del modello
ottimizzato, senza l’impianto di raffrescamento, ad Helsinki.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
140
Figura 6.6.13 Temperature operative dei giorni medi mensili per la Zona termica B del modello
ottimizzato, senza l’impianto di raffrescamento, ad Helsinki.
Tabella 6.6.15 Prestazioni energetiche della configurazione ottimale trovata ad Helsinki
senza impianto di raffrescamento.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 12.14 0.61 55.48 18.69 81.31
Febbraio 11.55 1.40 52.42 19.81 80.19
Marzo 11.54 2.16 49.55 21.65 78.35
Aprile 10.21 3.26 46.59 22.43 77.57
Maggio 11.22 4.01 44.78 25.39 74.61
Giugno 11.09 4.39 43.56 26.22 73.78
Luglio 10.29 4.11 43.29 24.97 75.03
Agosto 11.27 3.58 43.70 25.36 74.64
Settembre 10.83 2.67 44.82 23.15 76.85
Ottobre 11.36 1.62 48.54 21.09 78.91
Novembre 12.38 0.62 52.98 19.69 80.31
Dicembre 11.90 0.26 53.70 18.46 81.54 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
141
6.7 Genova
In base allo schema della distribuzione generale dei climi, la penisola italiana rientra completamente
nell’area del clima mediterraneo che appartiene ai climi mesotermici secondo la classificazione di
Wladimir Köppen. In particolare Genova, classificata nello schema di Köppen-Geiger secondo la sigla
Csa, rientra nel clima temperato caldo con estati secche e torride in cui la temperatura media del
mese più caldo supera i 22 °C. Gli inverni sono generalmente miti con temperature comprese tra i 5.4
°C e gli 11.3 °C17.
6.7.1 Risultati del processo di ottimizzazione
Nel caso di Genova, come per i successivi casi di Palermo e di Città del Messico, sono stati svolti due
differenti processi di ottimizzazione. La prima ottimizzazione corrisponde all’ottimizzazione base
applicata a tutti i contesti climatici, mentre la seconda ottimizzazione è stata svolta solamente nei
climi più caldi per poter migliorare il comportamento legato alle condizioni estive di raffrescamento,
prevedendo l’aggiunta di sei parametri, corrispondenti a sei diversi spessori dell’isolante del solaio a
contatto con il terreno. La Tabella 6.7.1 riassume le caratteristiche dei due processi di ottimizzazione
svolti a Genova.
Tabella 6.7.1 Caratteristiche dei due processi di ottimizzazione svolti a Genova.
Numero di soluzioni su 100 generazioni
Ottimizzazioni svolte
Simulazioni totali
N. delle diverse configurazioni
Minimo della funzione obiettivo [Wh/anno]
N. della prima generazione che trova il
minimo
Prima ottimizzazione
6400 3874 17966.26 61
Seconda ottimizzazione
6400 4380 14750.85 49
La prima ottimizzazione realizzata a Genova ha analizzato un totale di 6400 simulazioni permettendo
di trovare 3874 diverse configurazioni dell’involucro edilizio. La funzione obiettivo é stata
minimizzata alla 61-esima generazione con il valore di 17966.26 Wh/anno. La Figura 6.7.1 mostra, in
termini di fabbisogni specifici annui di energia per il riscaldamento (Qhp1’), per il raffrescamento
(Qcp1’) e per l’illuminazione artificiale (Qlp1’), lo sviluppo del primo processo di ottimizzazione svolto.
Dal grafico vengono confermate le ipotesi iniziali fatte per i climi caldi e il comportamento già
ritrovato nelle analisi dei modelli base. Appare infatti una chiara prevalenza delle condizioni estive,
con un alto fabbisogno specifico annuo di energia legata al raffrescamento (Qcp1’), sulle condizioni
invernali e sul fabbisogno energetico legato all’illuminazione artificiale. Per il modello localizzato a
17
http://it.wikipedia.org/wiki/Clima_di_Genova.
142
Genova il fabbisogno specifico annuo di energia per il riscaldamento (Qhp1’), nonostante sia
caratterizzato da valori molto bassi rispetto ai precedenti modelli localizzati a Francoforte sul Meno e
ad Helsinki, è comunque significativo.
Figura 6.7.1 Fabbisogni energetici specifici annui della prima ottimizzazione svolta a Genova.
La seconda ottimizzazione ha permesso di trovare, su 6400 simulazioni svolte, 4380 diverse
configurazioni dell’involucro edilizio minimizzando la funzione obiettivo al valore di 14750.85
Wh/anno alla 49-esima generazione. Nella Figura 6.7.2 seguente viene illustrata l’evoluzione del
secondo processo di ottimizzazione svolto mostrando in maniera distinta i fabbisogni specifici annui
di energia per il riscaldamento (Qhp2’), il raffrescamento (Qcp2’) e l’illuminazione (Qlp2’). Dal grafico
appare un andamento quasi costante, al crescere del numero delle simulazioni svolte, per quanto
riguarda il fabbisogno specifico annuo di energia necessaria per l’illuminazione (Qlp2’), mentre il
fabbisogno specifico annuo di energia per il riscaldamento (Qhp2’) e soprattutto quello per il
raffrescamento (Qcp2’) sono caratterizzati da andamenti che presentano notevoli salti.
0
20
40
60
80
100
120
1
20
1
40
1
60
1
80
1
10
01
12
01
14
01
16
01
18
01
20
01
22
01
24
01
26
01
28
01
30
01
32
01
34
01
36
01
38
01
40
01
42
01
44
01
46
01
48
01
50
01
52
01
54
01
56
01
58
01
60
01
62
01
64
01
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Fabbisogno specifico annuo di energia per il riscaldamento (Qhp1')
Fabbisogno specifico annuo di energia per il raffrescamento (Qcp1')
Fabbisogno specifico annuo di energia per l'illuminazione artificiale (Qlp1')
143
Figura 6.7.2 Fabbisogni energetici specifici annui della seconda ottimizzazione svolta a Genova.
Nella Figura 6.7.3 seguente vengono messi a confronto i risultati ottenuti dalle due ottimizzazioni in
termini di fabbisogno specifico annuo di energia primaria (Qp1’) e (Qp2’). Nella quasi totalità delle
simulazioni effettuate si nota un significativo miglioramento delle prestazioni energetiche ottenute
con la seconda ottimizzazione rispetto a quelle ottenute nella prima ottimizzazione, senza prevedere
la variazione dello spessore dell’isolante del solaio a contatto con il terreno.
Figura 6.7.3 Evoluzione dei processi di ottimizzazione 1 e 2 svolti a Genova.
0
20
40
60
80
100 1
20
1
40
1
60
1
80
1
10
01
12
01
14
01
16
01
18
01
20
01
22
01
24
01
26
01
28
01
30
01
32
01
34
01
36
01
38
01
40
01
42
01
44
01
46
01
48
01
50
01
52
01
54
01
56
01
58
01
60
01
62
01
64
01
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Fabbisogno specifico annuo di energia per il riscaldamento (Qhp2')
Fabbisogno specifico annuo di energia per il raffrescamento (Qcp2')
Fabbisogno specifico annuo di energia per l'illuminazione artificiale (Qlp2')
110
120
130
140
150
160
170
1
20
1
40
1
60
1
80
1
10
01
12
01
14
01
16
01
18
01
20
01
22
01
24
01
26
01
28
01
30
01
32
01
34
01
36
01
38
01
40
01
42
01
44
01
46
01
48
01
50
01
52
01
54
01
56
01
58
01
60
01
62
01
64
01
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Ottimizzazione 1 - Fabbisogno specifico annuo di energia primaria (Qp1') Ottimizzazione 2 - Fabbisogno specifico annuo di energia primaria (Qp2')
144
6.7.2 Configurazioni ottimali
Nel caso della prima ottimizzazione, svolta senza variare l’isolante del solaio a contatto con il terreno,
come mostrato nella Tabella 6.7.2, la funzione obiettivo implementata in GenOpt, ossia la
sommatoria dei carichi annuali legati al riscaldamento, al raffrescamento e all’illuminazione artificiale
con i rispettivi rendimenti, è stata minimizzata alla 61-esima generazione, dopo l’analisi di 3866
simulazioni, al valore di 17966.26 Wh/anno. La configurazione ottimale é stata ritrovata per 580
volte.
Tabella 6.7.2 Caratteristiche del primo processo di ottimizzazione svolto a Genova.
Simulazioni totali
Minimo della funzione obiettivo
[Wh/anno]
N. della prima generazione che trova il minimo
N. della prima simulazione che trova il minimo
N. di simulazioni che trovano il
minimo
6400 17966.26 61 3866 580
La Tabella 6.7.3 riassume le prestazioni energetiche della configurazione ottimale caratterizzata, a
conferma delle ipotesi effettuate per i climi caldi, da un basso fabbisogno specifico annuo di energia
per il riscaldamento (Qhp1’) e da un elevato fabbisogno specifico annuo di energia per il
raffrescamento (Qcp1’).
Tabella 6.7.3 Prestazioni energetiche della prima configurazione ottimale trovata a Genova.
Qhp1'
[kWh/m²anno]
Qcp1'
[kWh/m²anno]
Qlp1'
[kWh/m²anno]
Qwp1'
[kWh/m²anno]
Qp1'
[kWh/m²anno]
5.00 50.35 41.56 33.20 130.11
La Figura 6.7.4 illustra le percentuali dei diversi fabbisogni energetici rispetto all’intero fabbisogno
specifico annuo di energia primaria (Qp1’). In particolare si può notare che il fabbisogno energetico
specifico per il raffrescamento (Qcp1’) rappresenta in questa prima configurazione ottimizzata il 39%
del fabbisogno energetico primario annuo mentre il fabbisogno energetico richiesto per il
riscaldamento ne rappresenta solo il 4%.
145
Figura 6.7.4 Fabbisogni specifici annui della prima configurazione ottimale a Genova.
Le tabelle successive riassumono i parametri caratteristici della configurazione ottimale trovata dal
primo processo di ottimizzazione. La Tabella 6.7.4 si riferisce innanzitutto alle trasmittanze termiche
dell’involucro edilizio. Sia la trasmittanza termica delle parti opache, ossia delle pareti perimetrali e
delle coperture, sia quella riferita alle parti trasparenti assumono, in questa prima configurazione
ottimale, i valori minimi rispettivamente di 0.10 W/m²K e di 0.70 W/m²K.
Tabella 6.7.4 Trasmittanze della prima configurazione ottimale a Genova.
Up pareti perimetrali
[W/m²K]
Ur coperture
[W/m²K]
Uw parti vetrate
[W/m²K]
0.10 0.10 0.7
La quantità di superficie vetrata trovata nella prima configurazione ottimale è risultata minima per
tutti gli orientamenti ad eccezione dell’orientamento sud-est dove sia ha la percentuale vetrata
massima del 60% e dell’orientamento nord-est in cui la percentuale di superficie vetrata è pari al
30%. Le tipologie di vetro che caratterizzano la configurazione ottimale dell’involucro edilizio sono
per tutti gli orientamenti vetri selettivi di tipo selective darker, ad eccezione degli orientamenti nord-
ovest e sud-est in cui sono stati adottati vetri selective dark. Nella Tabella 6.7.5 sono riassunte le
percentuali vetrate e le tipologie di vetro trovate per la configurazione ottimale.
4%
39%
32%
25%
Ottimizzazione 1 - Fabbisogno specifico annuo di energia primaria Qp' = 130.11 kWh/m²anno
Riscaldamento: 5.00 kWh/m²anno
Raffrescamento: 50.35 kWh/m²anno
Illuminazione artificiale: 41.56 kWh/m²anno
Acqua calda sanitaria: 33.20 kWh/m²anno
146
Tabella 6.7.5 Percentuali vetrate e tipi di vetro della prima configurazione ottimale trovata a Genova.
Orientamenti Percentuali vetrate Tipologie di vetro
Nord-ovest
Nord-ovest “dita”
Sud-ovest
Sud-est
Sud-est “dita”
Nord-est
Nord-est “dita”
20%
20%
20%
60%
20%
30%
20%
Selective dark
Selective darker
Selective darker
Selective dark
Selective darker
Selective darker
Selective darker
I seguenti grafici mostrano le condizioni di benessere abitativo che si ritrovano all’interno del
modello ottimizzato. Si può notare che per tutte le ore di occupazione previste, ossia dalle 07:00 alle
19:00, per entrambe le zone termiche, le temperature operative riferite ai dodici giorni medi mensili
si mantengono sempre all’interno dell’intervallo di comfort abitativo compreso tra 19 °C e 27 °C.
Figura 6.7.5 Temperature operative dei giorni medi mensili per la Zona termica A
del primo modello ottimizzato a Genova.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
147
Figura 6.7.6 Temperature operative dei giorni medi mensili per la Zona termica B
del primo modello ottimizzato a Genova.
Confrontando la Tabella 6.7.6 seguente, riferita alla prima ottimizzazione, con la Tabella 6.3.33,
illustrata precedentemente per il modello base posizionato a Genova e caratterizzato da un sistema
di ombreggiamento esterno, si nota una diminuzione della percentuale dei contributi passivi rispetto
a quelli attivi. Nel primo modello ottimizzato accanto alla diminuzione dei fabbisogni di energia
primaria si ha infatti anche una diminuzione dei guadagni interni e dei guadagni solari. Le percentuali
dei contributi attivi si mantengono basse, come per tutti i modelli, in quanto non sono stati previsti
sistemi solari passivi che avrebbero potuto aumentare notevolmente i contributi passivi.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
148
Tabella 6.7.6 Prestazioni energetiche della prima configurazione ottimale trovata a Genova.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.53 0.59 49.11 19.79 80.21
Febbraio 11.33 0.79 47.35 20.37 79.63
Marzo 11.50 1.14 45.45 21.75 78.25
Aprile 10.29 1.35 44.58 20.70 79.30
Maggio 11.31 1.55 50.29 20.36 79.64
Giugno 11.14 1.68 55.43 18.78 81.22
Luglio 10.34 1.59 59.70 16.66 83.34
Agosto 11.35 1.46 61.63 17.21 82.79
Settembre 10.82 1.26 55.14 17.97 82.03
Ottobre 11.14 0.98 50.52 19.35 80.65
Novembre 11.77 0.68 46.61 21.08 78.92
Dicembre 11.05 0.61 46.80 19.94 80.06 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
La Tabella 6.7.7 mostra il livello di illuminamento degli ambienti interni del primo modello
ottimizzato a Genova. La quantità di luce naturale entrante è stata calcolata direttamente da
EnergyPlus nei quattro punti di controllo posizionati all’interno del modello base e ha permesso di
ricavare la quantità di luce artificiale in modo da raggiungere il valore di progetto di 500 lux. Dalle
figure 6.7.7 e 6.7.8 si nota che, come nel caso di Francoforte, nei mesi di maggio, giugno, luglio ed
agosto la percentuale di illuminazione naturale raggiunge il 100% in entrambe le zone termiche.
Tabella 6.7.7 Livello di illuminamento della prima configurazione ottimale trovata a Genova.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 339.44 160.56 327.90 172.10
Febbraio 393.26 106.74 389.14 110.86
Marzo 461.90 38.10 459.44 40.56
Aprile 484.36 15.64 479.13 20.87
Maggio 500 0 500 0
Giugno 500 0 500 0
Luglio 500 0 500 0
Agosto 500 0 500 0
Settembre 463.78 36.22 462.63 37.3
Ottobre 424.13 75.87 421.07 78.93
Novembre 359.80 140.20 353.21 146.79
Dicembre 326.44 173.56 317.57 182.43 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
149
Figura 6.7.7 Livelli di illuminamento, Zona termica A, prima configurazione ottimale di Genova.
Figura 6.7.8 Livelli di illuminamento, Zona termica B, prima configurazione ottimale di Genova.
La seconda ottimizzazione svolta a Genova ha previsto l’introduzione, tra le variabili da ottimizzare,
dello spessore dell’isolante del solaio a contatto con il terreno. In questo secondo processo 3124
simulazioni, sul totale delle 6400 simulazione svolte, sono state sufficienti per raggiungere la
soluzione ottimale: la funzione obiettivo è stata infatti minimizzata al valore di 14750.85 Wh/anno
alla 49-esima generazione. Tale configurazione, come mostrato nella Tabella 6.7.8, è stata ripetuta
dall’algoritmo genetico Particle Swarm per 572 volte.
Tabella 6.7.8 Caratteristiche del secondo processo di ottimizzazione svolto a Genova.
Simulazioni totali
Minimo della funzione obiettivo
[Wh/anno]
N. della prima generazione che trova il minimo
N. della prima simulazione che trova il minimo
N. di simulazioni che trovano il
minimo
6400 14750.85 49 3124 572
La Tabella 6.7.9 riassume le prestazioni energetiche della seconda configurazione ottimale.
67% 79% 92% 97% 100% 100% 100% 100%
93% 85% 72% 65%
33% 21%
8% 7% 15% 28% 35%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
66% 78%
92% 96% 100% 100% 100% 100% 93% 84% 71% 64%
34% 22%
8% 7% 16% 29% 36%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona B Illuminazione naturale Zona B
3%
4%
150
Tabella 6.7.9 Prestazioni energetiche della seconda configurazione ottimale trovata a Genova.
Qhp2'
[kWh/m²anno]
Qcp2'
[kWh/m²anno]
Qlp2'
[kWh/m²anno]
Qwp2'
[kWh/m²anno]
Qp2'
[kWh/m²anno]
11.71 26.75 41.11 33.20 112.77
Dalla Figura 6.7.9, che mostra le percentuali dei diversi fabbisogni energetici in relazione al totale
fabbisogno specifico annuo di energia primaria (Qp2’) del secondo modello ottimizzato, si nota che il
fabbisogno specifico annuo per il raffrescamento (Qcp2') non rappresenta più l’aspetto
predominante, come nella prima configurazione ottimale, ma scende al di sotto dei fabbisogni
specifici annui per l’illuminazione artificiale e per l’acqua calda sanitaria.
Figura 6.7.9 Fabbisogni specifici annui della seconda configurazione ottimale trovata a Genova.
La Tabella 6.7.10, riferita alle trasmittanze termiche del secondo involucro edilizio ottimizzato,
mostra che per il caso di Genova, come riscontrato anche nella prima ottimizzazione, é necessario
avere facciate caratterizzate da un alto isolamento: sia le parti opache che quelle trasparenti
assumono infatti i valori minimi di trasmittanza implementati nell’ottimizzazione. Particolare è invece
la soluzione dello spessore dell’isolante di base che viene ottimizzato con il valore di 0.02 m.
Tabella 6.7.10 Trasmittanze della seconda configurazione ottimale trovata a Genova.
Up pareti perimetrali
[W/m²K]
Ur coperture
[W/m²K]
Uw parti vetrate
[W/m²K]
Spessore isolante
di base [m]
0.10 0.10 0.70 0.02
10%
24%
37%
29%
Ottimizzazione 2 - Fabbisogno specifico annuo di energia primaria Qp2' = 112.77 kWh/m²anno
Riscaldamento: 11.71 kWh/m²anno
Raffrescamento: 26.75 kWh/m²anno
Illuminazione artificiale: 41.11 kWh/m²anno
Acqua calda sanitaria: 33.20 kWh/m²anno
151
Per quanto riguarda le percentuali vetrate, la quantità di superficie vetrata stimata dal processo di
ottimizzazione è risultata minima per tutti gli orientamenti ad eccezione dell’orientamento sud-est
dove è stata stimata una percentuale vetrata del 60%. Le tipologie di vetro che caratterizzano la
configurazione ottimale dell’involucro sono per tutti gli orientamenti vetri di tipo selective darker
tranne che per le pareti nord-ovest e sud-est in cui sono stati trovati vetri selective clear. Nella
Tabella 6.7.11 sono riassunte le percentuali vetrate e le tipologie di vetro trovate per la seconda
configurazione ottimale.
Tabella 6.7.11 Percentuali vetrate e tipi di vetro della seconda configurazione ottimale trovata a
Genova.
Orientamenti Percentuali vetrate Tipologie di vetro
Nord-ovest
Nord-ovest “dita”
Sud-Ovest
Sud-est
Sud-est “dita”
Nord-est
Nord-est “dita”
20%
20%
20%
60%
20%
20%
20%
Selective clear
Selective darker
Selective darker
Selective clear
Selective darker
Selective darker
Selective darker
Le Figure 6.7.10 e 6.7.11 mostrano le condizioni di benessere abitativo che si ritrovano all’interno del
modello ottimizzato. Si può notare che nella zona termica B, corrispondente al primo piano
dell’edificio, per tutte le ore di occupazione previste, ossia dalle 07:00 alle 19:00, le temperature
operative riferite ai vari giorni medi mensili si mantengono sempre all’interno dell’intervallo delle
temperature operative di comfort, compreso tra 19 °C e 27 °C, previsto dalla norma EN 15251 del
2007. Per quanto riguarda la zona termica A, corrispondente al piano terra, non tutte le temperature
operative sono comprese nell’intervallo di comfort. In particolare le temperature operative delle ore
7:00 e 8:00 sono per i mesi di dicembre, gennaio e febbraio inferiori ai 19 °C pur mantenendosi sopra
i 18 °C. Confrontando la Figura 6.7.10 con la Figura 6.7.5 e la Figura 6.7.11 con la Figura 6.7.6 riferite
alle condizioni di comfort presenti nella prima e nella seconda configurazione ottimale, si nota, nel
caso della seconda configurazione ottimale, un miglioramento delle condizioni di comfort abitativo
estive con la diminuzione delle temperature operative medie mensili, soprattutto per la zona termica
A, ma al contempo si ha un peggioramento delle condizioni di comfort invernale che non permette di
assicurare, per la zona termica A, il comfort abitativo per tutti i giorni medi mensili nelle prime ore di
occupazione.
152
Figura 6.7.10 Temperature operative dei giorni medi mensili per la Zona termica A
del secondo modello ottimizzato a Genova.
Figura 6.7.11 Temperature operative dei giorni medi mensili per la Zona termica B
del secondo modello ottimizzato a Genova.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
153
Confrontando la Tabella 6.7.12 con la Tabella 6.7.6, riferita alla prima configurazione ottimale, si nota
un aumento della percentuale dei contributi passivi rispetto a quelli attivi per tutti i mesi ad
esclusione dei mesi invernali di dicembre, gennaio e febbraio in cui i contributi passivi subiscono una
leggera diminuzione. Ciò è dovuto al generale aumento dei guadagni solari e alla diminuzione dei
fabbisogni di energia primaria riscontrata nei sei mesi da maggio ad ottobre.
Tabella 6.7.12 Prestazioni energetiche della seconda configurazione ottimale trovata a Genova.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.49 0.86 51.00 19.50 80.50
Febbraio 11.31 1.13 49.30 20.14 79.86
Marzo 11.48 1.60 46.67 21.90 78.10
Aprile 10.28 1.89 44.95 21.32 78.68
Maggio 11.30 2.16 45.81 22.72 77.28
Giugno 11.13 2.33 50.00 21.22 78.78
Luglio 10.34 2.19 53.84 18.88 81.12
Agosto 11.34 2.01 55.27 19.46 80.54
Settembre 10.81 1.76 49.69 20.19 79.81
Ottobre 11.12 1.39 47.03 21.02 78.98
Novembre 11.73 0.99 47.24 21.22 78.78
Dicembre 11.01 0.90 48.38 19.76 80.24 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
La Tabella 6.7.13 mostra il livello di illuminamento degli ambienti interni del secondo modello
ottimizzato a Genova. Dal confronto tra le figure 6.7.12 e 6.7.13 con le precedenti figure 6.7.7 e
6.7.8, riferite ai livelli di illuminamento trovati per la prima configurazione ottimale, si nota un
complessivo aumento del livello di luce naturale rispetto al fabbisogno di luce artificiale dovuto alla
presenza, nella seconda configurazione ottimale, di vetri selective clear al posto dei vetri selective
dark per le pareti orientate a nord-ovest e sud-est. Inoltre anche nella seconda ottimizzazione, come
nel caso di Francoforte, nei mesi di maggio, giugno, luglio ed agosto la percentuale di illuminazione
naturale raggiunge il 100% in entrambe le zone termiche.
154
Tabella 6.7.13 Livello di illuminamento della seconda configurazione ottimale trovata a Genova.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 362.58 137.42 337.33 162.67
Febbraio 401.95 98.05 392.71 107.29
Marzo 463.58 36.42 462.11 37.89
Aprile 496.79 3.21 487.50 12.50
Maggio 500 0 500 0
Giugno 500 0 500 0
Luglio 500 0 500 0
Agosto 500 0 500 0
Settembre 46640 33.60 464.35 35.65
Ottobre 427.75 72.25 424.46 75.54
Novembre 372.50 127.50 358.83 141.17
Dicembre 342.95 157.05 324.24 175.76 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
Figura 6.7.12 Livelli di illuminamento, Zona termica A, seconda configurazione ottimale di Genova.
Figura 6.7.13 Livelli di illuminamento, Zona termica B, seconda configurazione ottimale di Genova.
73% 80% 92% 97% 100% 100% 100% 100%
93% 86% 74% 69%
23% 20% 8% 7% 14%
26% 31%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
67% 79%
92% 96% 100% 100% 100% 100% 93% 85% 72% 65%
33% 21%
8% 7% 15% 28% 35%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona B Illuminazione naturale Zona B
3%
2%
155
La Tabella 6.7.14 e la Figura 6.7.14 seguenti mostrano chiaramente i miglioramenti delle prestazioni
energetiche raggiunti con la seconda ottimizzazione grazie alla riduzione dello spessore dell’isolante
nel solaio di base.
Tabella 6.7.14 Prestazioni energetiche della configurazione ottimale 1 e 2 di Genova.
Fabbisogni specifici annui [kWh/m²anno]
Configurazione ottimale 1
Configurazione ottimale2
Differenza tra la config. ottimale 2 e la config. ottimale 1
Riscaldamento 5.00 11.71 + 6.71
Raffrescamento 50.35 26.75 - 23.60
Illuminazione 41.56 41.11 - 0.45
Acqua calda sanitaria 33.20 33.20 -
Energia primaria 130.11 112.77 -17.34
Figura 6.7.14 Prestazioni energetiche della configurazione ottimale 1 e 2 di Genova.
6.7.3 Confronto tra i modelli ottimizzati ed il modello base
Nel caso di Genova, in linea con i precedenti casi, i risultati ottenuti in entrambe le ottimizzazioni
sono significativamente migliori di quelli ottenuti dal metodo tradizionale di progettazione. Nel caso
della prima ottimizzazione si hanno miglioramenti sia dal punto di vista energetico che del comfort
abitativo. Nella seconda ottimizzazione si hanno invece notevoli miglioramenti delle prestazioni
energetiche e del comfort abitativo estivo, a discapito però del benessere abitativo invernale che
viene peggiorato soprattutto per quanto riguarda la zona termica A corrispondente al piano terra
dell’edificio. Nella Tabella 6.7.15 sono riassunte le prestazioni energetiche del modello di base messe
a confronto con quelle dei due modelli ottimizzati.
0
20
40
60
80
100
120
140
Riscaldamento Raffrescamento Illuminazione Acqua calda sanitaria
Energia primaria
Fab
bis
ogn
i sp
ecif
ici a
nn
ui
[kW
h/m
²an
no
]
Configurazione ottimale 1 Configurazione ottimale 2
156
Tabella 6.7.15 Prestazioni energetiche del modello base e dei due modelli ottimizzati a Genova.
Fabbisogni specifici annui [kWh/m²anno]
Modello base
Config. ottimale 1
Differenza tra la config. ottimale 1 e il modello base
Config. ottimale 2
Differenza tra la config. ottimale 2 e il modello base
Riscaldamento 6.93 5.00 - 1.93 11.71 + 4.78
Raffrescamento 73.21 50.35 - 22.86 26.75 - 46.46
Illuminazione 39.73 41.56 + 1.83 41.11 + 1.38
Acqua calda sanitaria
33.20 33.20 - 33.20 -
Energia primaria 153.07 130.11 - 22.96 112.77 - 40.30
La Figura 6.7.15 seguente mostra il potenziale di risparmio energetico offerto dal metodo di
ottimizzazione svolto con l’uso di algoritmi genetici rispetto ad un metodo di progettazione
tradizionale delle facciate, con la significativa riduzione dei consumi energetici legati al
raffrescamento.
Figura 6.7.15 Prestazioni energetiche del modello base e dei due modelli ottimizzati a Genova.
La Tabella 6.7.16 mostra le differenze tra i parametri dell’involucro del modello di base e quelli
ritrovati nelle due configurazioni ottimizzate. Nel caso di Genova le configurazioni trovate con le due
ottimizzazioni sono molto simili tra loro. In entrambi i modelli ottimizzati si ha infatti una riduzione
dei valori di trasmittanza termica dell’involucro edilizio con l’unica differenza di un diverso spessore
dell’isolante del solaio di base, pari al valore di progetto di 0.10 m nella prima ottimizzazione e al
valore di 0.02 m nel caso della seconda. La quantità di superficie vetrata dell’involucro, pari a 347.34
m² nel modello di base, nel caso della prima configurazione ottimale subisce un aumento fino a
370.30 m², mentre nella seconda ottimizzazione subisce una leggera diminuzione fino a 341.30 m².
0
20
40
60
80
100
120
140
160
180
Riscaldamento Raffrescamento Illuminazione Acqua calda sanitaria
Energia primaria
Fab
bis
ogn
i sp
ecif
ici a
nn
ui
[kW
h/m
²an
no
]
Modello base Configurazione ottimale 1 Configurazione ottimale 2
157
Entrambe le configurazioni rimangono simili al modello base solo negli orientamenti nord-ovest e
sud-ovest dove le percentuali vetrate dove rimangono in tutti e tre i casi pari al 20%, mentre si
assiste ad un aumento della quantità di superficie finestrata nelle pareti orientate a sud-est, dove la
percentuale vetrata raddoppia e nelle pareti nord-ovest delle “dita”, dove la percentuale vetrata
triplica. Per l’orientamento nord-est “dita” invece il comportamento dei due modelli è opposto: nel
primo modello la percentuale vetrata aumenta leggermente dal 27% al 30% mentre nel secondo
modello diminuisce fino al 20%. Infine nell’orientamento nord-est delle “dita” si ha in entrambi i
modelli una riduzione consistente della percentuale vetrata che dal 74% del modello base scende al
20%. Entrambe le configurazioni ottimizzate presentano per tutti gli orientamenti, ad eccezione degli
orientamenti nord-ovest e sud-est vetri di tipo selective darker. Il primo modello prevede per gli
orientamenti nord-ovest e sud-est vetri di tipo selective dark, mentre il secondo modello mantiene
per gli stessi orientamenti vetri di tipo selective clear come quelli presenti nel modello di base.
Tabella 6.7.16 Parametri caratteristici dell’involucro del modello di base e delle configurazioni
ottimali a Genova.
Caratteristiche
dell'involucro
Modello base Configurazione
ottimale 1
Configurazione
ottimale 2
Trasmittanze [W/m²K]
Pareti perimetrali 0.153 0.10 0.10
Coperture 0.114 0.10 0.10
Vetri 0.95 0.70 0.70
Spessore isolante di
base 0.10 0.10 0.02
Percentuale vetrata [%]
Nord-ovest 16 20 20
Nord-ovest "dita" 6 20 20
Sud-ovest 23 20 20
Sud-est 33 60 60
Sud-est "dita" 41 20 20
Nord-est 27 30 20
Nord-est "dita" 74 20 20
Tipologia di vetro
Nord-ovest selective clear selective dark selective clear
Nord-ovest "dita" selective clear selective darker selective darker
Sud-ovest selective clear selective darker selective darker
Sud-est selective clear selective dark selective clear
Sud-est "dita" selective clear selective darker selective darker
Nord-est selective clear selective darker selective darker
Nord-est "dita" selective clear selective darker selective darker
158
6.7.4 Intervallo di soluzioni ottimali
Nel caso della prima ottimizzazione l’intervallo delle configurazioni ottimali comprende tutte le
configurazioni dell’involucro per cui i fabbisogni di energia primaria annua sono compresi tra 130.11
kWh/m²anno e 131.11 kWh/m²anno. All’interno di questo intervallo sono state trovate 623 diverse
combinazioni. Nel caso della seconda ottimizzazione l’insieme delle soluzioni ottimali comprende
invece tutte le configurazioni dell’involucro edilizio che comportano un consumo energetico primario
annuo che va dal consumo minimo di 112.77 kWh/m²anno ad un consumo di 113.77 kWh/m²anno.
All’interno di questo intervallo sono state trovate 677 diverse configurazioni dell’involucro. La Tabella
6.7.17 riassume le caratteristiche degli intervalli ottimali dei due processi di ottimizzazione svolti a
Genova.
Tabella 6.7.17 Caratteristiche degli insiemi delle soluzioni ottimali di Genova.
Simulazioni totali
N. delle diverse
configurazioni
Fabbisogno specifico annuo di energia
primaria Qp’ minimo [kWh/m²anno]
Fabbisogno specifico annuo di energia
primaria Qp’ massimo [kWh/m²anno]
Prima ottimizzazione
6400 623 130.11 131.11
Seconda ottimizzazione
6400 677 112.77 113.77
Le tabelle seguenti pesano in percentuale i parametri che caratterizzano le configurazioni comprese
all’interno dell’insieme delle soluzioni ottimali della seconda ottimizzazione. Come appare nella
Tabella 6.7.18 tutte le configurazioni comprese nel l’intervallo ottimale sono caratterizzate da uno
spessore dell’isolante del solaio di base pari a 0.02 m e quasi la totalità delle configurazioni sono
contraddistinte dai valori minimi di trasmittanza termica sia per le parti opache che per le parti
trasparenti, con poche possibilità di variazione. Questi risultati sono dovuti al fatto che per un clima
temperato caldo come quello presente a Genova viene richiesto un buon comportamento invernale
dell’edificio che sconsiglia un’eccessiva riduzione dell’isolamento dell’involucro perimetrale per
evitare eccessive dispersioni di calore.
159
Tabella 6.7.18 Trasmittanze termiche e spessore dell’isolante del solaio di base presenti nel secondo
insieme di soluzioni ottimali a Genova.
Pareti perimetrali Coperture Solaio piano terra Parti trasparenti
Trasmittanza Up [W/m²K]
% Trasmittanza Ur [W/m²K]
% Spessore
[m] %
Trasmittanza Ur [W/m²K]
%
0.10 89.8 0.10 97.5 0.10 - 0.7 91.6
0.12 10.0 0.12 2.5 0.08 - 0.8 8.4
0.14 0.2 0.14 - 0.06 - 0.9 -
0.16 - 0.16 - 0.04 - 1.0 -
0.18 - 0.18 - 0.02 100 1.1 -
0.20 - 0.20 - 0 -
Nella Tabella 6.7.19 sono mostrate invece le diverse percentuali vetrate per i sette orientamenti
considerati. In particolare si nota che per tutti gli orientamenti la percentuale vetrata predominante
è quella corrispondente, per ciascun orientamento, alla percentuale vetrata che caratterizza la
configurazione ottimale. Le pareti nord-est delle “dita” offrono la maggiore libertà progettuale in
quanto possono essere assunte tutte le percentuali vetrate implementate nell’ottimizzazione.
Tabella 6.7.19 Percentuali vetrate presenti nel secondo intervallo di soluzioni ottimali a Genova.
Percentuali vetrate
[%]
Percentuali delle soluzioni trovate per i diversi orientamenti
nord-ovest
nord-ovest “dita”
sud-ovest
sud-est sud-est “dita”
nord-est nord-est “dita”
20 98.7 90.2 98.1 3.7 85.4 82.4 84.2
30 1.3 9.2 1.9 0.3 8.3 6.6 8.9
40 - 0.4 - - 5.7 10.8 2.9
50 - - - - 0.6 0.2 2.2
60 - 0.2 - 96.0 - - 1.8
Come appare nella Tabella 6.7.20 una buona libertà progettuale, sempre restando all’interno del
insieme delle soluzioni ottimali, viene concessa per ogni orientamento dalla scelta della tipologia di
vetro. I tipi di vetro maggiormente ricorrenti nelle varie configurazioni sono i vetri ritrovati anche
nella configurazione ottimale, ossia vetri selective clear per l’orientamento nord-ovest e sud-est e
vetri selective darker per tutti gli altri orientamenti. Nessuna configurazione compresa nel intervallo
delle soluzioni ottimali presenta vetri basso emissivi low-e nelle pareti orientate a sud-ovest e a nord-
est.
160
Tabella 6.7.20 Tipi di vetro presenti all’interno del secondo insieme di soluzioni ottimali a Genova.
Tipi di vetro Percentuali delle soluzioni trovate per i diversi orientamenti
nord-ovest
nord-ovest “dita”
sud-ovest
sud-est sud-est “dita”
nord-est nord-est “dita”
Low-e 3.7 2.1 - 2.4 2.6 - 2.5
Sel. clear 33.6 2.6 0.7 47.9 1.9 0.4 2.8
Sel. standard 25.8 5.67 4.3 25.1 6.5 7.4 7.2
Sel. dark 22.9 19.5 13.7 13.0 19.6 19.1 17.5
Sel. darker 14.0 70.2 81.3 11.6 69.4 73.1 70.0
6.7.5 Confronto con gli standard energetici
Nel caso di Genova, come appare nella Figura 6.7.16, la prima configurazione ottimale presenta un
fabbisogno specifico annuo (Qp1’) pari a 130.11 kWh/m²anno che non permette il raggiungimento
dello Standard Passivhaus, mentre è caratterizzata da un basso consumo di energia legata al
riscaldamento, che essendo pari a 5 kWh/m²anno consente al modello di rientrare nella classe
energetica A+. Tuttavia il fabbisogno specifico annuo di energia per il raffrescamento (Qcp1’), pur
diminuendo rispetto a quello del modello base, rimane alto, pari a 50.35 kWh/m²anno.
La seconda ottimizzazione fornisce invece un modello caratterizzato da una domanda di energia
primaria per tutti i servizi energetici (Qp2’) pari a 112.77 kWh/m²anno e quindi inferiore al limite di
120 kWh/m²anno imposto dallo Standard Passivhaus. Anche il fabbisogno specifico annuo di energia
per il riscaldamento (Qhp2’), essendo pari a 11.71 kWh/m²anno, soddisfa la limitazione di 15
kWh/m²anno imposto dallo Standard Passivhaus e permette al modello di rientrare nella classe
energetica A caratteristica degli edifici a bassi consumi. Tuttavia, anche se le prestazioni energetiche
della seconda configurazione ottimizzata risultano molto basse, il fabbisogno specifico annuo di
energia per il raffrescamento (Qcp2’) pari a 26.75 kWh/m²anno della configurazione ottimale non
consente il raggiungimento dello Standard Passivhaus, in quanto supera ampiamente il limite di 15
kWh/m²anno imposto per i climi caldi. Anche considerando altre configurazioni trovate
nell’ottimizzazione non si riesce a raggiungere lo Standard Passivhaus: nessuna tra le configurazioni
trovate è in grado di soddisfare contemporaneamente i limiti sulle condizioni invernali ed estive. Ciò
è dovuto in primo luogo alla scarsa compattezza che penalizza l’edifico e che comporta notevoli
dispersioni termiche in inverno e alti guadagni solari in estate. Tuttavia l’ottimizzazione svolta ha
permesso, anche nel caso di Genova, di trovare configurazioni dell’involucro edilizio in grado di
raggiungere le prestazioni tipiche di edifici a bassi consumi energetici.
161
Figura 6.7.16 Classe energetica, riferita al consumo di energia primaria, dei modelli di Genova.
153.07 kWh/m²anno
0 50
100 120 150
200
250
300
350
400
>400
Limite Passivhaus
Modello base
112.77 kWh/m²anno
130.11 kWh/m²anno
1° Modello ottimizzato
2° Modello ottimizzato
Figura 6.7.17 Classe energetica, riferita al consumo di energia per il riscaldamento,
dei modelli di Genova.
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180
G
F
E
D
C
B
A
Passivhaus
2° Modello ottimizzato
A+
Modello base
1° Modello ottimizzato
[kWh/m²anno]
Cla
ssi e
ne
rge
tich
e
5 kWh/m²anno
11.71 kWh/m²anno
162
6.8 Palermo
In base alla generale classificazione dei climi di Köppen, Palermo rientra, come il resto delle località
italiane, nell’area climatica mediterranea in cui la temperatura media del mese più freddo è
compresa tra i -3 °C e i +18 °C. In particolare il clima di Palermo è classificato dallo schema di Köppen-
Geiger come un clima temperato subtropicale o mediterraneo secco tendente allo steppico, con
estati secche e torride. La temperatura media annua si mantiene superiore ai 17 °C mentre la
temperatura media del mese più freddo è superiore ai 10 °C18.
6.8.1 Risultati del processo di ottimizzazione
A Palermo, come per il caso di Genova, sono stati effettuati due differenti processi di ottimizzazione,
le cui caratteristiche sono riassunte nella Tabella 6.8.1. La prima ottimizzazione, in linea con le
ottimizzazioni svolte per tutti i contesti climatici, è stata svolta senza introdurre nel file command.txt
di GenOpt i parametri per la variazione dello spessore dell’isolante del solaio a contatto con il
terreno. Da questa prima ottimizzazione sono state trovate 3291 diverse configurazioni dell’involucro
edilizio su un totale di 6400 simulazioni analizzate. La funzione obiettivo è stata minimizzata al valore
di 22113.99 Wh/anno già alla 41-esima generazione.
Tabella 6.8.1 Caratteristiche dei due processi di ottimizzazione svolti a Palermo.
Numero di soluzioni su 100 generazioni
Ottimizzazioni svolte
Simulazioni totali
N. delle diverse configurazioni
Minimo della funzione obiettivo [Wh/anno]
N. della prima generazione che trova il
minimo
Prima ottimizzazione
6400 3291 22113.99 41
Seconda ottimizzazione
6400 3859 14334.54 82
La Figura 6.8.1 seguente mostra l’evoluzione del primo processo di ottimizzazione svolto da GenOpt
in termini di fabbisogni specifici annui di energia per il riscaldamento (Qhp1’), per il raffrescamento
(Qcp1’) e per l’illuminazione artificiale (Qlp1’). Dal grafico, in linea con il comportamento ipotizzato
per i climi caldi, e come già ritrovato anche nel caso di Genova, appare una netta prevalenza del
fabbisogno specifico annuo di raffrescamento (Qcp1’) sugli altri fabbisogni ed in particolare sul
fabbisogno di riscaldamento (Qhp1’) che si mantiene, nel caso di Palermo, quasi nullo per tutta
l’ottimizzazione.
18
http://it.wikipedia.org/wiki/Clima_italiano
163
Figura 6.8.1 Fabbisogni energetici specifici annui della prima ottimizzazione svolta a Palermo.
La seconda ottimizzazione svolta a Palermo è caratterizzata dall’introduzione, rispetto al primo
processo di ottimizzazione svolto, di sei diversi valori di spessore dell’isolante del solaio a contatto
con il terreno. Con questa seconda ottimizzazione sono state trovate 3859 diverse configurazioni
dell’involucro edilizio su un totale di 6400 simulazioni svolte, minimizzando la funzione obiettivo alla
82-esima generazione con il valore di 14334.54 Wh/anno. Nella Figura 6.8.2 seguente viene illustrata
l’evoluzione del secondo processo di ottimizzazione svolto mostrando gli andamenti distinti dei
fabbisogni specifici annui di energia per il riscaldamento (Qhp2’), per il raffrescamento (Qcp2’) e per
l’illuminazione (Qlp2’). Dal grafico, come nel caso della prima ottimizzazione, appare una prevalenza
iniziale del fabbisogno specifico annuo di raffrescamento (Qcp2’) sugli altri fabbisogni. Tuttavia,
rispetto all’ottimizzazione precedente al crescere del numero delle simulazioni svolte, il fabbisogno
energetico legato al raffrescamento viene maggiormente minimizzato, raggiungendo i consumi
energetici richiesti per l’illuminazione.
0
20
40
60
80
100
120
140
160 1
20
1
40
1
60
1
80
1
10
01
12
01
14
01
16
01
18
01
20
01
22
01
24
01
26
01
28
01
30
01
32
01
34
01
36
01
38
01
40
01
42
01
44
01
46
01
48
01
50
01
52
01
54
01
56
01
58
01
60
01
62
01
64
01
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Fabbisogno specifico annuo di energia per il riscaldamento (Qhp1')
Fabbisogno specifico annuo di energia per il raffrescamento (Qcp1')
Fabbisogno specifico annuo di energia per l'illuminazione artificiale (Qlp1')
164
Figura 6.8.2 Fabbisogni energetici specifici annui della seconda ottimizzazione svolta a Palermo.
Nella Figura 6.8.3 seguente, in cui vengono messi a confronto i risultati ottenuti dalle due
ottimizzazioni in termini di fabbisogno specifico annuo di energia primaria Qp1’ e Qp2’, si nota il
significativo miglioramento delle prestazioni energetiche ottenute con la seconda ottimizzazione
rispetto a quelle ottenute dalla prima ottimizzazione.
Figura 6.8.3 Evoluzione dei processi di ottimizzazione 1 e 2 svolti a Palermo.
0
20
40
60
80
100
120
1
20
1
40
1
60
1
80
1
10
01
12
01
14
01
16
01
18
01
20
01
22
01
24
01
26
01
28
01
30
01
32
01
34
01
36
01
38
01
40
01
42
01
44
01
46
01
48
01
50
01
52
01
54
01
56
01
58
01
60
01
62
01
64
01
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Fabbisogno specifico annuo di energia per il riscaldamento (Qhp2') Fabbisogno specifico annuo di energia per il raffrescamento (Qcp2') Fabbisogno specifico annuo di energia per l'illuminazione artificiale (Qlp2')
100
120
140
160
180
200
220
1
15
1
30
1
45
1
60
1
75
1
90
1
10
51
1
20
1
13
51
1
50
1
16
51
1
80
1
19
51
2
10
1
22
51
2
40
1
25
51
2
70
1
28
51
3
00
1
31
51
3
30
1
34
51
3
60
1
37
51
3
90
1
40
51
4
20
1
43
51
4
50
1
46
51
4
80
1
49
51
5
10
1
52
51
5
40
1
55
51
5
70
1
58
51
6
00
1
61
51
6
30
1
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Ottimizzazione 1 - Fabbisogno specifico annuo di energia primaria (Qp1')
Ottimizzazione 2 - Fabbisogno specifico annuo di energia primaria (Qp2')
165
6.8.2 Configurazioni ottimali
Nel caso della prima ottimizzazione, svolta senza la variazione dell’isolante del solaio a contatto con il
terreno, la funzione obiettivo implementata in GenOpt, ossia la sommatoria dei carichi annuali dovuti
al riscaldamento, al raffrescamento e all’illuminazione artificiale con i rispettivi rendimenti, è stata
minimizzata alla 41-esima generazione, dopo aver analizzato 2592 simulazioni, al valore di 22113.99
Wh/anno. La configurazione ottimale é stata ritrovata, come descritto nella Tabella 6.8.2, 1455 volte.
Tabella 6.5.2 Caratteristiche del primo processo di ottimizzazione svolto a Palermo.
Simulazioni totali
Minimo della funzione obiettivo
[Wh/anno]
N. della prima generazione che trova il minimo
N. della prima simulazione che trova il minimo
N. di simulazioni che trovano il
minimo
6400 22113.99 41 2592 1455
La Tabella 6.8.3 riassume le prestazioni energetiche della configurazione ottimale caratterizzata, a
conferma delle ipotesi effettuate per i climi caldi, da una prevalenza del fabbisogno specifico annuo
di energia per il raffrescamento (Qcp1’) sul fabbisogno specifico annuo di energia per il riscaldamento
(Qhp1’). Nella tabella si possono infatti notare i consumi quasi nulli richiesti per il riscaldamento e gli
alti consumi, necessari per garantire le condizioni di comfort abitativo, richiesti per il raffrescamento.
Tabella 6.8.3 Prestazioni energetiche della prima configurazione ottimale trovata a Palermo.
Qhp1'
[kWh/m²anno]
Qcp1'
[kWh/m²anno]
Qlp1'
[kWh/m²anno]
Qwp1'
[kWh/m²anno]
Qp1'
[kWh/m²anno]
1.26 77.82 40.21 33.20 152.48
La Figura 6.8.4 illustra le percentuali dei diversi fabbisogni energetici che contribuiscono all’intero
fabbisogno specifico annuo di energia primaria (Qp1’). In particolare si può notare che il fabbisogno
energetico specifico per il raffrescamento (Qcp1’) rappresenta in questa prima configurazione
ottimizzata il 51% dell’intero fabbisogno specifico annuo di energia primaria (Qp1’).
166
Figura 6.8.4 Fabbisogni specifici annui della prima configurazione ottimale trovata a Palermo.
Le tabelle successive riassumono i parametri caratteristici della configurazione ottimale trovata dal
primo processo di ottimizzazione. La Tabella 6.8.4, riferita alle trasmittanze termiche dell’involucro
edilizio, mostra che sia le pareti perimetrali che le coperture sono caratterizzate dai valori minimi di
trasmittanza termica pari a 0.10 W/m²K, mentre le parti vetrate sono caratterizzate alla trasmittanza
termica (Uw) massima di 1.10 W/m²K.
Tabella 6.8.4 Trasmittanze della prima configurazione ottimizzata trovata a Palermo.
Up pareti perimetrali
[W/m²K]
Ur coperture
[W/m²K]
Uw parti vetrate
[W/m²K]
0.10 0.10 1.10
Per quanto riguarda le percentuali vetrate, riassunte nella Tabella 6.8.5, la quantità di superficie
vetrata stimata dal processo di ottimizzazione è risultata minima per tutti gli orientamenti ad
eccezione dell’orientamento sud-est dove sia ha la percentuale vetrata massima del 60%. Le tipologie
di vetro che caratterizzano la configurazione ottimale dell’involucro sono per tutti gli orientamenti
vetri di tipo selective darker.
1%
51% 26%
22%
Ottimizzazione 1 - Fabbisogno specifico annuo di energia primaria Qp1' = 152.49 kWh/m²anno
Riscaldamento: 1.26 kWh/m²anno
Raffrescamento: 77.82 kWh/m²anno
Illuminazione artificiale: 40.21 kWh/m²anno
Acqua calda sanitaria: 33.20 kWh/m²anno
167
Tabella 6.8.5 Percentuali vetrate e tipi di vetro della prima configurazione ottimizzata a Palermo.
Orientamenti Percentuali vetrate Tipologie di vetro
Nord-ovest
Nord-ovest “dita”
Sud-ovest
Sud-est
Sud-est “dita”
Nord-est
Nord-est “dita”
20%
20%
20%
60%
20%
30%
20%
Selective darker
Selective darker
Selective darker
Selective darker
Selective darker
Selective darker
Selective darker
I seguenti grafici mostrano le condizioni di benessere abitativo che si ritrovano all’interno del primo
modello ottimizzato. Si può notare che, per entrambe le zone termiche del modello, le temperature
operative di tutti i giorni medi mensili sono comprese sempre all’interno dell’intervallo delle
temperature di comfort abitativo. Inoltre dal confronto con le condizioni di comfort presenti nel
modello di base, caratterizzato da un sistema di ombreggiamento esterno, si nota un miglioramento
delle condizioni estive grazie alla generale diminuzione delle temperature operative medie mensili.
Figura 6.8.5 Temperature operative dei giorni medi mensili per la Zona termica A
del primo modello ottimizzato a Palermo.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
168
Figura 6.8.6 Temperature operative dei giorni medi mensili per la Zona termica B
del primo modello ottimizzato a Palermo.
Confrontando la Tabella 6.3.37, riferita alle prestazioni energetiche del modello base caratterizzato
dal sistema di ombreggiamento esterno, con la seguente Tabella 6.8.6, riferita al modello ottimizzato,
si nota innanzitutto che nel modello ottimizzato, nonostante si abbia per tutti i mesi una diminuzione
dei fabbisogni di energia primaria, la percentuale dei contributi energetici attivi rispetto a quella dei
contributi energetici passivi aumenta. Ciò è dovuto al fatto che accanto alla diminuzione del
fabbisogno energetico primario, nel modello ottimizzato si ha anche una leggera diminuzione dei
guadagni solari dovuta alla presenza di vetri selettivi più scuri.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
169
Tabella 6.8.6 Prestazioni energetiche della prima configurazione ottimale trovata a Palermo.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.31 0.77 46.98 20.46 79.54
Febbraio 11.23 0.94 45.19 21.22 78.78
Marzo 11.48 1.14 45.34 21.78 78.22
Aprile 10.25 1.35 46.91 19.83 80.17
Maggio 11.30 1.44 54.16 19.04 80.96
Giugno 11.14 1.46 59.68 17.44 82.56
Luglio 10.35 1.41 62.13 15.92 84.08
Agosto 11.33 1.32 66.00 16.08 83.92
Settembre 10.82 1.19 60.83 16.49 83.51
Ottobre 11.09 1.02 58.15 17.23 82.77
Novembre 11.73 0.77 51.65 19.48 80.52
Dicembre 10.91 0.72 46.00 20.18 79.82 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
La Tabella 6.8.7 mostra il livello di illuminamento degli ambienti interni del primo modello
ottimizzato a Palermo. La quantità di luce naturale entrante è stata calcolata direttamente da
EnergyPlus nei quattro punti di controllo posizionati all’interno del modello base e ha permesso di
ricavare la quantità di luce artificiale in modo da raggiungere il valore di progetto di 500 lux. Dalle
figure 6.8.7 e 6.8.8 si nota che solamente nei mesi di giugno e luglio la percentuale di illuminazione
naturale raggiunge il 100% in entrambe le zone termiche.
Tabella 6.8.7 Livello di illuminamento della prima configurazione ottimale trovata a Palermo.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 369.00 131.00 361.07 138.93
Febbraio 411.92 88.08 407.92 92.08
Marzo 455.43 44.57 448.17 51.83
Aprile 464.13 35.87 463.04 36.96
Maggio 488.12 11.88 483.23 16.77
Giugno 500 0 500 0
Luglio 500 0 500 0
Agosto 474.76 25.24 471.85 28.15
Settembre 457.87 42.13 450.66 49.34
Ottobre 420.52 79.48 419.77 80.23
Novembre 370.71 129.29 369.13 130.87
Dicembre 353.75 146.26 350.53 149.47 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
170
Figura 6.8.7 Livelli di illuminamento, Zona termica A, prima configurazione ottimale di Palermo.
Figura 6.8.8 Livelli di illuminamento, zona termica B,prima configurazione ottimale di Palermo.
Nel caso della seconda ottimizzazione, svolta implementando anche gli spessori dell’isolante di base,
la funzione obiettivo è stata minimizzata al valore di 14334.54 W/anno alla 82-esima generazione.
Tale configurazione, trovata dopo aver analizzato 5230 simulazioni, è stata ripetuta dall’algoritmo
PSO per 31 volte, come riassunto nella seguente Tabella 6.8.8.
Tabella 6.8.8 Caratteristiche del secondo processo di ottimizzazione svolto a Palermo.
Simulazioni totali
Minimo della funzione obiettivo
[Wh/anno]
N. della prima generazione che trova il minimo
N. della prima simulazione che trova il minimo
N. di simulazioni che trovano il
minimo
6400 14334.54 82 5230 31
La Tabella 6.8.9 riassume le prestazioni energetiche della seconda configurazione ottimale,
mostrando, rispetto alle prestazioni ottenute con la prima ottimizzazione, un piccolo aumento del
74% 82% 91% 93% 98% 100% 100% 95% 92% 84% 74% 71%
26% 19% 9% 8% 16% 26% 29%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
72% 82% 87% 93% 97% 100% 100% 95% 90% 84%
74% 70%
28% 19% 13% 10% 16%
26% 30%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona B Illuminazione naturale Zona B
7%
7% 3% 5%
5% 2%
171
fabbisogno specifico annuo per il riscaldamento (Qhp2') e una notevole riduzione del fabbisogno
specifico annuo per il raffrescamento (Qcp2').
Tabella 6.8.9 Prestazioni energetiche della seconda configurazione ottimale trovata a Palermo.
Qhp2'
[kWh/m²anno]
Qcp2'
[kWh/m²anno]
Qlp2'
[kWh/m²anno]
Qwp2'
[kWh/m²anno]
Qp2'
[kWh/m²anno]
0.68 36.39 40.25 33.20 110.52
La Figura 6.8.9 illustra le percentuali dei diversi fabbisogni energetici che contribuiscono all’intero
fabbisogno specifico annuo di energia primaria (Qp2’). In particolare si può notare che il fabbisogno
energetico specifico per il raffrescamento (Qcp2’), in questa seconda configurazione ottimizzata,
scende dal 51% al 33% dell’intero fabbisogno specifico annuo di energia primaria (Qp2’).
Figura 6.8.9 Fabbisogni specifici annui della seconda configurazione ottimale trovata a Palermo.
Le tabelle successive riassumono i parametri caratteristici della configurazione ottimale trovata dal
secondo processo di ottimizzazione. La Tabella 6.8.10 sulle trasmittanze termiche mostra che
l’involucro edilizio, sia per le parti opache che per quelle vetrate, è stato ottimizzato con i valori
minimi di trasmittanza termica implementati nel problema di ottimizzazione. Inoltre il valore dello
spessore dell’isolante di base è risultato nullo.
1%
33%
36%
30%
Ottimizzazione 2 - Fabbisogno specifico annuo di energia primaria Qp2' = 110.52 kWh/m²anno
Riscaldamento: 0.68 kWh/m²anno
Raffrescamento: 36.39 kWh/m²anno
Illuminazione artificiale: 40.25 kWh/m²anno
Acqua calda sanitaria: 33.20 kWh/m²anno
172
Tabella 6.8.10 Trasmittanze della seconda configurazione ottimale trovata a Palermo.
Up pareti perimetrali
[W/m²K]
Ur coperture
[W/m²K]
Uw parti vetrate
[W/m²K]
Spessore isolante
di base [m]
0.10 0.10 0.7 0
Per quanto riguarda le percentuali vetrate, la quantità di superficie vetrata stimata dal processo di
ottimizzazione è risultata, come nel caso di Genova, minima per tutti gli orientamenti ad eccezione
dell’orientamento sud-est dove si ha la percentuale vetrata massima del 60%. Le tipologie di vetro
che caratterizzano la configurazione ottimale dell’involucro sono per la maggior parte degli
orientamenti vetri di tipo selective darker, tranne che nel caso delle pareti esposte a nord-ovest, sud-
est e nord-est in cui vengono assunti vetri selective dark. Nella Tabella 6.8.11 sono riassunte le
percentuali vetrate e le tipologie di vetro trovate per la configurazione ottimale.
Tabella 6.8.11 Percentuali vetrate e tipi di vetro della seconda configurazione ottimale di Palermo.
Orientamenti Percentuali vetrate Tipologie di vetro
Nord-ovest
Nord-ovest “dita”
Sud-ovest
Sud-est
Sud-est “dita”
Nord-est
Nord-est “dita”
20%
20%
20%
60%
20%
20%
20%
Selective dark
Selective darker
Selective darker
Selective dark
Selective darker
Selective dark
Selective darker
Le figure successive mostrano le condizioni di benessere abitativo presenti all’interno del secondo
modello ottimizzato. Le temperature operative dei giorni medi mensili sono sempre comprese, per
entrambe le zone termiche, all’interno dell’intervallo delle temperature di comfort abitativo. Inoltre
dal confronto con le condizioni di comfort presenti nella prima configurazione ottimale si nota un
miglioramento delle condizioni estive con la generale diminuzione delle temperature operative
medie mensili di 1-2 °C.
173
Figura 6.8.10 Temperature operative dei giorni medi mensili per la zona termica A del secondo
modello ottimizzato a Palermo.
Figura 6.8.11 Temperature operative dei giorni medi mensili per la zona termica B del secondo
modello ottimizzato a Palermo.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
174
Confrontando la Tabella 6.8.12 con la precedente Tabella 6.8.6, riferita alle prestazioni energetiche
della prima configurazione ottimale, si nota un leggero aumento della percentuale riferita ai
contributi energetici passivi rispetto a quella dei contributi energetici attivi. Ciò è dovuto alla
diminuzione del fabbisogno energetico primario e al leggero aumento dei guadagni solari.
Tabella 6.8.12 Prestazioni energetiche della seconda configurazione ottimale trovata a Palermo.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.31 0.82 45.76 20.94 79.06
Febbraio 11.24 0.82 45.30 21.25 78.75
Marzo 11.49 0.99 44.97 22.00 78.00
Aprile 10.25 1.20 44.84 20.64 79.36
Maggio 11.30 1.41 48.04 21.05 78.95
Giugno 11.15 1.51 51.50 19.75 80.25
Luglio 10.35 1.53 53.50 18.11 81.89
Agosto 11.33 1.47 55.90 18.53 81.47
Settembre 10.82 1.38 52.32 18.75 81.25
Ottobre 11.09 1.25 50.66 19.36 80.64
Novembre 11.72 1.07 47.43 20.91 79.09
Dicembre 10.91 0.81 45.66 20.36 79.64 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
La Tabella 6.8.13 mostra il livello di illuminamento degli ambienti interni del secondo modello
ottimizzato a Palermo. La quantità di luce naturale entrante è stata calcolata direttamente da
EnergyPlus nei quattro punti di controllo posizionati all’interno del modello base e ha permesso di
ricavare la quantità di luce artificiale in modo da raggiungere il valore di progetto di 500 lux. Dalle
figure 6.8.12 e 6.8.13 si nota che, come nel caso della prima configurazione ottimale, solamente nei
mesi di giugno e luglio la percentuale di illuminazione naturale raggiunge il 100% in entrambe le zone
termiche. Tuttavia rispetto alla prima configurazione ottimale, in questa seconda configurazione
vengono migliorati i livelli di illuminamento naturale nei mesi invernali per entrambe le zone
termiche.
175
Tabella 6.8.13 Livello di illuminamento della seconda configurazione ottimale trovata a Palermo.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 377.44 122.56 363.60 136.40
Febbraio 420.57 79.43 406.62 93.38
Marzo 459.51 40.49 453.98 46.02
Aprile 465.53 34.47 463.91 36.09
Maggio 495.26 4.74 488.00 12.00
Giugno 500 0 500 0
Luglio 500 0 500 0
Agosto 478.70 21.30 474.42 25.58
Settembre 460.25 39.75 457.21 42.79
Ottobre 421.44 78.56 420.31 79.69
Novembre 379.43 120.57 367.62 132.38
Dicembre 358.54 141.46 351.00 149.00 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
Figura 6.8.12 Livelli di illuminamento, Zona termica A, seconda configurazione ottimale di Palermo.
Figura 6.8.13 Livelli di illuminamento, Zona termica B, seconda configurazione ottimale di Palermo.
75% 84% 92% 93% 99% 100% 100% 96% 92% 84% 76% 72%
25% 16% 8% 8% 16% 24% 28%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
73% 81% 91% 93% 98% 100% 100% 95% 91% 84%
74% 70%
26% 19% 9% 9% 16%
26% 30%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona B Illuminazione naturale Zona B
7%
2%
1%
5%
4%
7%
176
La Tabella 6.8.14 e la Figura 6.8.14 seguenti mostrano chiaramente come la seconda ottimizzazione
svolta sia caratterizzata da fabbisogni energetici inferiori rispetto a quelli ritrovati con la prima
ottimizzazione. L’eliminazione dell’isolante nel solaio di base ha infatti permesso una notevole
riduzione delle prestazioni energetiche legate al raffrescamento.
Tabella 6.8.14 Prestazioni energetiche della configurazione ottimale 1 e 2 di Palermo.
Fabbisogni specifici annui [kWh/m²anno]
Configurazione ottimale 1
Configurazione ottimale2
Differenza tra la config. ottimale 2 e la config. ottimale 1
Riscaldamento 1.26 0.68 - 0.58
Raffrescamento 77.82 36.39 - 41.43
Illuminazione 40.21 40.25 - 0.04
Acqua calda sanitaria 33.20 33.20 -
Energia primaria 152.48 110.52 - 41.96
Figura 6.8.14 Prestazioni energetiche della configurazione ottimale 1 e 2 di Palermo.
6.8.3 Confronto tra i modelli ottimizzati ed il modello base
Nel caso di Palermo, in linea con i precedenti casi, i risultati ottenuti in entrambe le ottimizzazioni
sono significativamente migliori di quelli ottenuti dal metodo tradizionale di progettazione,
soprattutto nel caso della seconda ottimizzazione. Le prestazioni della configurazione ottimale
trovata sono infatti notevolmente migliori sia in termini di consumi energetici che di comfort termico
interno rispetto alle prestazioni del modello di base.
Nella Tabella 6.8.15 sono riassunte le prestazioni energetiche del modello di base messe a confronto
con quelle dei due modelli ottimizzati.
0
20
40
60
80
100
120
140
160
180
Riscaldamento Raffrescamento Illuminazione Acqua calda sanitaria
Energia primaria
Fab
bis
ogn
i sp
ecif
ici a
nn
ui
[kW
h/m
²an
no
]
Configurazione ottimale 1 Configurazione ottimale 2
177
Tabella 6.8.15 Prestazioni energetiche del modello base e dei due modelli ottimizzati a Palermo.
Fabbisogni specifici annui [kWh/m²anno]
Modello base
Config. ottimale 1
Differenza tra la config. ottimale 1 e il modello base
Config. ottimale 2
Differenza tra la config. ottimale 2 e il modello base
Riscaldamento 0.98 1.26 + 0.28 0.68 - 0.30
Raffrescamento 109.17 77.82 - 31.35 36.39 - 72.78
Illuminazione 38.58 40.21 + 1.63 40.25 + 1.67
Acqua calda sanitaria
33.20 33.20 - 33.20 -
Energia primaria 181.93 152.48 - 29.45 110.52 - 71.41
La Figura 6.8.15 seguente mostra il potenziale di risparmio offerto da questo metodo di
ottimizzazione rispetto ad un metodo di progettazione tradizionale delle facciate, mostrando in
particolare la significativa riduzione dei consumi energetici legati al raffrescamento.
Figura 6.8.15 Prestazioni energetiche del modello base e dei due modelli ottimizzati a Palermo.
La Tabella 6.8.16 mostra le differenze tra i parametri dell’involucro che caratterizzano il modello di
base e quelli ritrovati nelle due configurazioni ottimizzate.
0
20
40
60
80
100
120
140
160
180
200
Riscaldamento Raffrescamento Illuminazione Acqua calda sanitaria
Energia primaria
Fab
bis
ogn
i sp
ecif
ici a
nn
ui
[kW
h/m
²an
no
]
Modello base Configurazione ottimale 1 Configurazione ottimale 2
178
Tabella 6.8.16 Parametri caratteristici dell’involucro del modello di base e delle configurazioni
ottimali a Palermo.
Caratteristiche
dell'involucro
Modello base Configurazione
ottimale 1
Configurazione
ottimale 2
Trasmittanze [W/m²K]
pareti perimetrali 0.153 0.10 0.10
coperture 0.114 0.10 0.10
vetri 0.95 1.10 0.7
Spessore isolante base [m]
0.10 0.10 0.00
Percentuale vetrata [%]
nord-ovest 16 20 20
nord-ovest "dita" 6 20 20
sud-ovest 23 20 20
sud-est 33 60 60
sud-est "dita" 41 20 20
nord-est 27 30 20
nord-est "dita" 74 20 20
Tipologia di vetro
nord-ovest selective clear selective darker selective dark
nord-ovest "dita" selective clear selective darker selective darker
sud-ovest selective clear selective darker selective darker
sud-est selective clear selective darker selective dark
sud-est "dita" selective clear selective darker selective darker
nord-est selective clear selective darker selective dark
nord-est "dita" selective clear selective darker selective darker
Una differenza rilevante nelle configurazioni dell’involucro edilizio trovate nelle due ottimizzazioni,
oltre all’assenza dell’isolamento di base caratteristico del secondo modello, è rappresentata dalla
trasmittanza termica delle parti vetrate che assume nelle due configurazioni due valori opposti: per
la prima configurazione è pari a 1.10 W/m²K mentre nella seconda è pari a 0.7 W/m²K. Altre minori
differenze si trovano nella percentuale vetrata dell’orientamento nord-est che è pari al 30% nel
primo caso e al 20% nel secondo e nelle tipologie dei vetri delle pareti nord-ovest, sud-est e nord-est
che sono selective darker nel primo caso e selective dark nel secondo. Le percentuali vetrate dei due
modelli ottimizzati rimangono pressoché le stesse di quelle del modello base solo nel caso degli
orientamenti nord-ovest, sud-ovest e nord-est, mentre sono triplicate, in entrambi i modelli
ottimizzati, nel caso dell’orientamento nord-ovest “dita” e raddoppiate nel caso delle pareti sud-est.
Nelle pareti delle “dita” esposte a sud est, le percentuali vetrate vengono dimezzate e in quelle
esposte a nord-est sono ridotte di un terzo in entrambi i modelli.
179
Entrambe le configurazioni ottimizzate variano la tipologia di vetro per tutti gli orientamenti,
passando dai vetri selective clear del modello di base ai vetri selective darker e selective dark, questi
ultimi sono presenti esclusivamente nelle pareti esposte a nord-ovest, sud-est e nord-est della
seconda configurazione.
6.8.4 Intervallo di soluzioni ottimali
Anche nel caso di Palermo l’intervallo di soluzioni ottimali considerate è l’insieme delle configurazioni
caratterizzate da un consumo energetico primario annuo che si discosta solo di 1 kWh/m²anno
dall’ottimo trovato. La Tabella 6.8.17 riassume le principali caratteristiche dei due intervalli di
soluzioni ottimali trovati con i due processi di ottimizzazione svolti a Palermo. Nel caso del primo
processo di ottimizzazione l’insieme delle soluzioni ottimali comprende 435 diverse configurazioni
dell’involucro edilizio caratterizzate da un fabbisogno specifico annuo di energia primaria che va da
152.48 kWh/m²anno a 153.48 kWh/m²anno. Nel caso del secondo processo di ottimizzazione sono
invece comprese 1096 diverse configurazioni dell’involucro con un consumo energetico primario
annuo che va dal consumo minimo di 110.52 kWh/m²anno ad un consumo di 111.52 kWh/m²anno.
Tabella 6.7.17 Caratteristiche degli insiemi delle soluzioni ottimali di Palermo.
Ottimizzazioni Simulazioni totali
N. delle diverse
configurazioni
Fabbisogno specifico annuo di energia
primaria Qp’ minimo [kWh/m²anno]
Fabbisogno specifico annuo di energia
primaria Qp’ massimo [kWh/m²anno]
Prima ottimizzazione
6400 435 152.48 153.48
Seconda ottimizzazione
6400 1096 110.52 111.52
Le tabelle seguenti pesano in percentuale i parametri che caratterizzano le configurazioni comprese
all’interno del secondo insieme di soluzioni ottimali, in quanto risultato migliore sia dal punto di vista
energetico che del comfort abitativo rispetto al primo insieme di soluzioni ottimali.
Come appare nella Tabella 6.8.18 tutte le configurazioni comprese nel secondo intervallo ottimale
sono caratterizzate dall’assenza dell’isolante nel basamento, inoltre quasi la maggior parte delle
configurazioni sono contraddistinte dai valori minimi di trasmittanza termica sia per le parti opache
che per le parti trasparenti.
180
Tabella 6.8.18 Trasmittanze termiche e spessore dell’isolante del solaio di base presenti nel secondo
insieme di soluzioni ottimali di Palermo.
Pareti perimetrali Coperture Solaio piano terra Parti trasparenti
Trasmittanza Up [W/m²K]
% Trasmittanza Ur [W/m²K]
% Spessore
[m] %
Trasmittanza Ur [W/m²K]
%
0.10 79.3 0.10 96.5 0.10 - 0.7 34.9
0.12 14.8 0.12 3.5 0.08 - 0.8 33.3
0.14 1.5 0.14 - 0.06 - 0.9 8.0
0.16 2.6 0.16 - 0.04 - 1.0 6.8
0.18 0.1 0.18 - 0.02 - 1.1 17.0
0.20 1.7 0.20 - 0 100
Nella Tabella 6.8.19 sono mostrate le diverse percentuali vetrate per i sette orientamenti considerati.
Per tutti gli orientamenti la percentuale vetrata nettamente predominante è quella corrispondente
alla percentuale vetrata che caratterizza la configurazione ottimale, tranne che nel caso delle pareti
orientate a nord-est. Per questo orientamento infatti la percentuale vetrata predominante
corrisponde a una superficie vetrata del 30%, non in linea con la percentuale vetrata del 20% trovata
nella configurazione ottimale, e non nettamente predominante sulle altre soluzioni. Solo per le pareti
nord-ovest e nord-est delle “dita” sono presenti tutte le possibili percentuali vetrate implementate
nell’ottimizzazione.
Tabella 6.8.19 Tipi di vetro presenti all’interno del secondo insieme delle soluzioni ottimali
di Palermo.
Percentuali vetrate
[%]
Percentuali delle soluzioni trovate per i diversi orientamenti
nord-ovest
nord-ovest “dita”
sud-ovest
sud-est sud-est “dita”
nord-est nord-est “dita”
20 97.1 93.7 98.3 6.0 95.7 38.0 88.2
30 2.9 4.2 1.7 1.0 3.6 45.7 6.6
40 - 1.3 - - 0.6 15.7 3.2
50 - 0.3 - 0.4 0.1 0.6 1.1
60 - 0.5 - 92.6 - - 0.9
Come appare nella Tabella 6.8.20 una buona libertà progettuale, sempre restando all’interno
dell’intervallo delle soluzioni ottimali, viene concessa per ogni orientamento dalla scelta della
tipologia di vetro. Per tutti gli orientamenti, ad esclusione degli orientamenti nord-ovest, sud-ovest e
nord-est in cui non sono presenti i vetri basso emissivi low-e, è possibile scegliere tutti i tipi di vetro
implementati nel processo di ottimizzazione. I tipi di vetro maggiormente ricorrenti nelle varie
configurazioni sono i vetri selettivi scuri.
181
Tabella 6.8.20 Tipi di vetro presenti all’interno del secondo insieme delle soluzioni ottimali
di Palermo.
Tipi di vetro Percentuali delle soluzioni trovate per i diversi orientamenti
nord-ovest
nord-ovest “dita”
sud-ovest
sud-est sud-est “dita”
nord-est nord-est “dita”
Low-e - 3.3 - 0.3 1.2 - 2.3
Sel. clear 5.9 6.9 0.5 9.5 0.6 3.3 0.9
Sel. standard 7.6 8.6 1.7 10.8 3.1 2.8 5.1
Sel. dark 52.1 18.7 8.7 21.9 9.9 14.0 18.2
Sel. darker 34.4 62.5 89.1 57.5 85.2 79.9 73.5
6.8.5 Confronto con gli standard energetici
Nel caso della prima configurazione ottimale di Palermo la domanda di energia primaria per tutti i
servizi energetici (Qp1’), come mostrato nella Figura 6.8.16, essendo pari a 152.48 kWh/m²anno, non
rientra nel limite di 120 kWh/m²anno imposto dallo Standard Passivhaus. Anche il fabbisogno
specifico annuo di energia richiesta per il raffrescamento (Qcp1’), essendo pari a 77.82 kWh/m²anno,
risulta molto superiore al limite di 15 kWh/m²anno imposto per il raggiungimento dello Standard
Passivhaus nei climi caldi, mentre il fabbisogno specifico annuo per il riscaldamento si mantiene su
valori molto bassi pari a 0.98 kWh/m²anno.
La seconda ottimizzazione fornisce invece un modello caratterizzato da una domanda di energia
primaria per tutti i servizi energetici (Qp2’) pari a 110.52 kWh/m²anno e quindi inferiore al limite di
120 kWh/m²anno imposto dallo Standard Passivhaus. Anche il fabbisogno specifico annuo di energia
per il riscaldamento (Qhp2’), essendo pari a 0.68 kWh/m²anno, soddisfa la limitazione di 15
kWh/m²anno imposto dallo Standard Passivhaus e permette al modello di rientrare nella classe
energetica A+ caratteristica degli edifici a bassi consumi. Tuttavia, anche se le prestazioni energetiche
della seconda configurazione ottimizzata risultano molto basse, come nel caso di Genova, il
fabbisogno specifico annuo di energia per il raffrescamento (Qcp2’) pari a 36.39 kWh/m²anno della
seconda configurazione ottimale non consente il raggiungimento dello Standard Passivhaus, in
quanto supera ampiamente il limite di 15 kWh/m²anno imposto per i climi caldi. Nonostante la scarsa
compattezza caratterizzante questo caso studio, le prestazioni energetiche raggiunte con la seconda
ottimizzazione permettono comunque di migliorare notevolmente il comportamento del modello di
base e di realizzare un edificio a bassi consumi energetici.
182
Figura 6.8.16 Classe energetica, riferita al consumo di energia primaria, dei modelli di Palermo.
181.93 kWh/m²anno
0 50
100 120 150
200
250
300
350
400
>400
Limite Passivhaus
Modello base
110.52 kWh/m²anno
152.48 kWh/m²anno
1° Modello ottimizzato
2° Modello ottimizzato
Figura 6.8.17 Classe energetica, riferita al consumo di energia per il riscaldamento,
dei modelli di Palermo.
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180
G
F
E
D
C
B
A
Passivhaus
A +
1° Modello …
Modello base
2° Modello …
[kWh/m²anno]
Cla
ssi e
ne
rge
tich
e
0.68 kWh/m²anno
1.26 kWh/m²anno
0.98 kWh/m²anno
183
6.9 Città del Messico
Secondo la classificazione climatica di Köppen, Città del Messico, essendo individuata dalla sigla Cwb,
è caratterizzata da un clima sinico, ossia da un clima temperato con inverno secco e precipitazioni
concentrate nel periodo estivo, dovuto all’estensione del clima monsonico in zone temperate.
Nonostante la localizzazione tropicale, la temperatura media annuale varia dai 12 °C ai 16 °C a causa
dell’altitudine sul livello del mare, mentre le temperature minime possono raggiungere -2 °C19.
6.9.1 Risultati dei processi di ottimizzazione
Nel caso di Città del Messico, come per i precedenti modelli localizzati a Genova e a Palermo, sono
state svolte due ottimizzazioni: la prima uguale a quella effettuata per tutti i contesti climatici,
mentre la seconda, sulla base delle ipotesi iniziali fatte sui climi caldi, ha previsto l’introduzione nel
file di comando di GenOpt di ulteriori sei parametri, corrispondenti a sei diversi spessori dell’isolante
del solaio a contatto con il terreno. Questi ulteriori parametri hanno permesso di migliorare
notevolmente le prestazioni energetiche del modello minimizzando i consumi legati al fabbisogno di
energia per il raffrescamento. La Tabella 6.9.1 riassume le caratteristiche dei due processi di
ottimizzazione svolti a Città del Messico.
Tabella 6.9.1 Caratteristiche dei due processi di ottimizzazione svolti a Città del Messico.
Numero di soluzioni su 100 generazioni
Ottimizzazioni svolte
Simulazioni totali
N. delle diverse configurazioni
Minimo della funzione obiettivo [Wh/anno]
N. della prima generazione che trova il
minimo
Prima ottimizzazione
6400 3119 19656.64 37
Seconda ottimizzazione
6400 3485 11245.16 43
La prima ottimizzazione, svolta senza l’introduzione dei parametri per l’ottimizzazione
dell’isolamento del solaio a contatto con il terreno, ha permesso di trovare 3119 diverse
configurazioni dell’involucro edilizio su un totale di 6400 simulazioni svolte, minimizzando la funzione
obiettivo alla 37-esima generazione con il valore di 19656.64 Wh/anno. La Figura 6.9.1 seguente
mostra l’evoluzione del processo di ottimizzazione svolto da GenOpt in termini di fabbisogni specifici
annui di energia per il riscaldamento (Qhp1’), per il raffrescamento (Qcp1’) e per l’illuminazione
artificiale (Qlp1’). Dal grafico appare una chiara prevalenza del fabbisogno specifico di raffrescamento
(Qcp1’) sugli altri fabbisogni ed in particolare sul fabbisogno di riscaldamento (Qhp1’) che si mantiene
quasi nullo per tutta l’ottimizzazione.
19
http://it.wikipedia.org/wiki/Classificazione_dei_climi_di_K%C3%B6ppen
184
Figura 6.9.1 Fabbisogni energetici specifici annui del primo processo di ottimizzazione
svolto a Città del Messico.
La seconda ottimizzazione, svolta con l’aggiunta di ulteriori sei parametri legati all’isolamento del
solaio a contatto con il terreno, ha permesso di trovare 3485 diverse configurazioni dell’involucro
edilizio sul totale delle 6400 simulazioni svolte, minimizzando la funzione obiettivo alla 43-esima
generazione al valore di 11245.16 Wh/anno. Nella Figura 6.9.2 seguente viene illustrata l’evoluzione
del processo di ottimizzazione svolto mostrando in maniera distinta i fabbisogni specifici annui di
energia per il riscaldamento (Qhp2’), per il raffrescamento (Qcp2’) e per l’illuminazione (Qlp2’). Dal
grafico appare una prevalenza iniziale del fabbisogno specifico annuo di raffrescamento (Qcp2’) sugli
altri fabbisogni. Tuttavia, al crescere del numero delle simulazioni svolte, il fabbisogno energetico
legato all’illuminazione (Qlp2)’, il quale si mantiene più costante per tutto il processo di
ottimizzazione, risulta nella maggior parte delle simulazioni superiore agli altri fabbisogni. In questa
seconda ottimizzazione si nota inoltre che il fabbisogno specifico annuo di energia per il
riscaldamento (Qhp2’) si mantiene su valori quasi nulli per l’intero processo, anche se leggermente
superiori rispetto a quelli della prima ottimizzazione.
0
20
40
60
80
100
120
140
160 1
20
1
40
1
60
1
80
1
10
01
12
01
14
01
16
01
18
01
20
01
22
01
24
01
26
01
28
01
30
01
32
01
34
01
36
01
38
01
40
01
42
01
44
01
46
01
48
01
50
01
52
01
54
01
56
01
58
01
60
01
62
01
64
01
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Fabbisogno specifico annuo di energia per il riscaldamento (Qhp1')
Fabbisogno specifico annuo di energia per il raffrescamento (Qcp1')
Fabbisogno specifico annuo di energia per l'illuminazione artificiale (Qlp1')
185
Figura 6.9.2 Fabbisogni energetici specifici annui del secondo processo di ottimizzazione
svolto a Città del Messico.
Nella Figura 6.9.3 seguente, in cui vengono messi a confronto i risultati ottenuti dalle due
ottimizzazioni in termini di fabbisogno specifico annuo di energia primaria (Qp1’) e (Qp2’), si nota il
significativo miglioramento delle prestazioni energetiche ottenute con la seconda ottimizzazione
rispetto a quelle ottenute dall’ottimizzazione senza la variazione dello spessore dell’isolante di base.
Figura 6.9.3 Evoluzione dei processi di ottimizzazione 1 e 2 del modello di Città del Messico.
0
20
40
60
80
100
120
140
160 1
20
1
40
1
60
1
80
1
10
01
12
01
14
01
16
01
18
01
20
01
22
01
24
01
26
01
28
01
30
01
32
01
34
01
36
01
38
01
40
01
42
01
44
01
46
01
48
01
50
01
52
01
54
01
56
01
58
01
60
01
62
01
64
01
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Fabbisogno specifico annuo di energia per il riscaldamento (Qhp2') Fabbisogno specifico annuo di energia per il raffrescamento (Qcp2') Fabbisogno specifico annuo di energia per l'illuminazione artificiale (Qlp2')
80
100
120
140
160
180
200
220
1
20
1
40
1
60
1
80
1
10
01
12
01
14
01
16
01
18
01
20
01
22
01
24
01
26
01
28
01
30
01
32
01
34
01
36
01
38
01
40
01
42
01
44
01
46
01
48
01
50
01
52
01
54
01
56
01
58
01
60
01
62
01
64
01
Fab
bis
ogn
o e
ner
geti
co [
kWh
/m²a
nn
o]
Numero delle simulazioni
Ottimizzazione 2 - Fabbisogno specifico annuo di energia primaria (Qp2')
Ottimizzazione 1 - Fabbisogno specifico annuo di energia primaria (Qp1')
186
6.9.2 Configurazioni ottimali
Per quanto riguarda la prima ottimizzazione svolta a Città del Messico, senza l’ottimizzazione dello
spessore dell’isolante del solaio al piano terra, la funzione obiettivo implementata in GenOpt è stata
minimizzata alla 37-esima generazione al valore di 19656.64 Wh/anno dopo aver analizzato 2313
simulazioni su 6400. Come appare nella Tabella 6.9.2, la configurazione ottimale è stata ritrovata
dall’algoritmo PSO per un totale di 1503 volte.
Tabella 6.9.2 Caratteristiche del primo processo di ottimizzazione svolto a Città del Messico.
Simulazioni totali
Minimo della funzione obiettivo
[Wh/anno]
N. della prima generazione che trova il minimo
N. della prima simulazione che trova il minimo
N. di simulazioni che trovano il
minimo
6400 19656.64 37 2313 1503
La Tabella 6.9.3 riassume le prestazioni energetiche della configurazione ottimale caratterizzata da
un fabbisogno specifico annuo di energia per il riscaldamento (Qhp1’) quasi nullo e da un elevato
fabbisogno specifico annuo di energia per il raffrescamento (Qcp1’).
Tabella 6.9.3 Prestazioni energetiche della prima configurazione ottimale di Città del Messico.
Qhp1'
[kWh/m²anno]
Qcp1'
[kWh/m²anno]
Qlp1'
[kWh/m²anno]
Qwp1'
[kWh/m²anno]
Qp1'
[kWh/m²anno]
0.08 58.69 47.26 33.20 139.23
La seguente Figura 6.9.4 mostra invece con quali percentuali i diversi fabbisogni energetici
contribuiscono al fabbisogno specifico annuo di energia primaria (Qp1’). Si può notare che il
fabbisogno energetico specifico per il raffrescamento (Qcp1’) rappresenta in questa prima
configurazione ottimizzata, come quanto trovato nella prima ottimizzazione svolta a Palermo, quasi il
50% del fabbisogno energetico primario annuo mentre il fabbisogno energetico richiesto per il
riscaldamento è risultato praticamente nullo.
187
Figura 6.9.4 Fabbisogni specifici annui della prima configurazione ottimale
trovata a Città del Messico.
Nelle tabelle successive sono riassunti i diversi parametri che, implementati nel processo di
ottimizzazione, caratterizzano la prima configurazione ottimale. La Tabella 6.9.4 riferita alle
trasmittanze termiche dell’involucro edilizio mostra che, in un clima caldo come quello presente a
Città del Messico, non è necessario avere un involucro edilizio caratterizzato da un alto isolamento
termico. Sia la trasmittanza termica delle pareti perimetrali che quella delle parti vetrate assumono,
in questa configurazione ottimale, addirittura i valori massimi implementati nel processo di
ottimizzazione, pari rispettivamente a 0.20 W/m²K e a 1.10 W/m²K. Per le coperture invece il valore
di trasmittanza termica (Ur) è stato ottimizzato con il valore minimo di 0.10 W/m²K.
Tabella 6.9.4 Trasmittanze della prima configurazione ottimale trovata a Città del Messico.
Up pareti perimetrali
[W/m²K]
Ur coperture
[W/m²K]
Uw parti vetrate
[W/m²K]
0.20 0.10 1.10
Per quanto riguarda le percentuali vetrate, la quantità di superficie vetrata stimata dal processo di
ottimizzazione è risultata minima per tutti gli orientamenti ad eccezione dell’orientamento sud-est
dove sia ha la percentuale vetrata massima del 60% e dell’orientamento nord-est in cui la
percentuale di superficie vetrata è pari al 30%. Le tipologie di vetro che caratterizzano la
configurazione ottimale dell’involucro sono per tutti gli orientamenti vetri di tipo selective darker, i
quali riducendo la quantità di radiazione termica entrante abbassano gli alti consumi estivi legati al
0%
42%
34%
24%
Ottimizzazione 1 - Fabbisogno specifico annuo di energia primaria Qp1' = 139.23 kWh/m²anno
Riscaldamento: 0.08 kWh/m²anno
Raffrescamento: 58.69 kWh/m²anno
Illuminazione artificiale: 47.26 kWh/m²anno
Acqua calda sanitaria: 33.20 kWh/m²anno
188
raffrescamento necessario a mantenere buone condizioni di comfort abitativo interno. Di contro i
vetri selective darker, diminuendo la quantità di luce naturale entrante, sono la causa degli alti
consumi legati all’illuminazione artificiale. Nella Tabella 6.9.5 sono riassunte le percentuali vetrate e
le tipologie di vetro trovate per la configurazione ottimale.
Tabella 6.9.5 Percentuali vetrate e tipologie di vetro della prima configurazione ottimale
trovata a Città del Messico.
Orientamenti Percentuali vetrate Tipologie di vetro
Nord-ovest
Nord-ovest “dita”
Sud-ovest
Sud-est
Sud-est “dita”
Nord-est
Nord-est “dita”
20%
20%
20%
60%
20%
30%
20%
Selective darker
Selective darker
Selective darker
Selective darker
Selective darker
Selective darker
Selective darker
I seguenti grafici mostrano invece le condizioni di benessere abitativo riferito alle temperature
operative del giorno medio mensile che si ritrovano all’interno del primo modello ottimizzato.
Considerando un’occupazione degli spazi interni dalle ore 7:00 alle ore 19:00 il comfort interno è
ampiamente garantito per entrambe le zone termiche. Per tutti i mesi dell’anno tipo considerato, le
temperature operative del giorno medio mensile, per le ore di occupazione previste, si mantengono
infatti tra i 21 °C e i 25 °C. Confrontando le figure 6.9.5 e 6.9.6 con le precedenti figure 6.3.29 e 6.3.30
riferite al modello base con il sistema di ombreggiamento esterno, si nota il miglioramento del livello
di benessere abitativo interno con l’abbassamento di 1-2 °C di tutte le temperature operative dei 12
giorni medi mensili.
189
Figura 6.9.5 Temperature operative dei giorni medi mensili per la zona termica A del primo modello
ottimizzato a Città del Messico.
Figura 6.9.6 Temperature operative dei giorni medi mensili per la zona termica B del primo modello
ottimizzato a Città del Messico.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
190
Confrontando la Tabella 6.9.6 seguente, riferita alla prima ottimizzazione, con la Tabella 6.3.43,
illustrata precedentemente per il modello base posizionato a Città del Messico e caratterizzato da un
sistema di ombreggiamento esterno, si nota una diminuzione della percentuale dei contributi passivi
rispetto a quelli attivi. Nel primo modello ottimizzato accanto alla diminuzione dei fabbisogni di
energia primaria si ha infatti una diminuzione dei guadagni solari e solo un piccolo aumento dei
guadagni interni rispetto ai valori trovati nel modello base. Le percentuali dei contributi attivi si
mantengono basse, come per tutti i modelli, in quanto, anche a Città del Messico, non sono stati
previsti sistemi solari passivi che avrebbero potuto aumentare notevolmente i contributi passivi.
Tabella 6.9.6 Prestazioni energetiche della prima configurazione ottimale di Città del Messico.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.07 1.20 51.03 19.39 80.61
Febbraio 11.11 1.29 54.49 18.54 81.46
Marzo 11.46 1.37 59.92 17.64 82.36
Aprile 10.34 1.45 58.93 16.67 83.33
Maggio 11.43 1.53 63.75 16.90 83.10
Giugno 11.30 1.52 63.73 16.75 83.25
Luglio 10.49 1.49 59.29 16.80 83.20
Agosto 11.45 1.40 60.68 17.49 82.51
Settembre 10.84 1.42 58.33 17.36 82.64
Ottobre 11.02 1.28 56.97 17.75 82.25
Novembre 11.44 1.19 53.72 19.03 80.97
Dicembre 10.64 1.17 49.54 19.25 80.75 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
La Tabella 6.9.7 mostra il livello di illuminamento degli ambienti interni del primo modello
ottimizzato a Città del Messico. La quantità di luce naturale entrante è stata calcolata direttamente
da EnergyPlus nei quattro punti di controllo posizionati all’interno del modello e ha permesso di
ricavare la quantità di luce artificiale in modo da raggiungere il valore di progetto di 500 lux. Dalle
figure 6.9.7 e 6.9.8 si nota che, a differenza di tutti gli altri modelli, in nessun mese dell’anno la
percentuale di illuminazione naturale raggiunge il 100% in entrambe le zone termiche. Rispetto al
modello base, in questa prima configurazione vengono peggiorati i livelli di illuminamento naturale di
tutti i giorni medi mensili per entrambe le zone termiche.
191
Tabella 6.9.7 Livello d’illuminamento della prima configurazione ottimale di Città del Messico.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 442.07 57.93 439.27 60.73
Febbraio 453.26 46.74 446.20 53.80
Marzo 468.61 31.39 463.88 36.12
Aprile 468.13 31.87 466.05 33.95
Maggio 477.37 22.63 474.05 25.95
Giugno 489.02 10.98 482.87 17.13
Luglio 488.00 11.00 481.56 18.44
Agosto 472.04 27.96 469.15 30.85
Settembre 464.21 35.79 463.07 36.93
Ottobre 455.59 44.41 446.86 53.14
Novembre 429.86 70.14 426.64 73.36
Dicembre 425.19 74.81 414.64 85.36 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
Figura 6.9.7 Livelli di illuminamento, Zona termica A, prima configurazione ottimale
di Città del Messico.
Figura 6.9.8 Livelli di illuminamento, Zona termica B, prima configurazione ottimale
di Città del Messico.
88% 90% 94% 94% 95% 98% 98% 94% 93% 91% 86% 85%
12% 10% 6% 7% 9% 14% 15%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
87% 89% 93% 93% 95% 97% 96% 94% 93% 89% 85% 83%
13% 11% 7% 7% 11% 15% 17%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona B Illuminazione naturale Zona B
6% 5% 2% 2% 6%
6% 4% 3% 5% 7%
192
Nel caso della seconda ottimizzazione, come descritto nella Tabella 6.9.8, svolta introducendo gli
spessori dell’isolante del solaio al piano terra, la funzione obiettivo implementata in GenOpt è stata
minimizzata alla 43-esima generazione dopo aver svolto 2719 simulazioni su 6400. Il valore
ottimizzato di 11245.16 Wh/anno è stato ritrovato dall’algoritmo per 1146 simulazioni.
Tabella 6.9.8 Caratteristiche del secondo processo di ottimizzazione svolto a Città del Messico.
Simulazioni totali
Minimo della funzione obiettivo
[Wh/anno]
N. della prima generazione che trova il minimo
N. della prima simulazione che trova il minimo
N. di simulazioni che trovano il
minimo
6400 11245.16 43 2719 1146
La Tabella 6.9.9 riassume le prestazioni energetiche della configurazione ottimale che, rispetto a
quelle stimate dalla prima ottimizzazione, sono notevolmente migliorate passando da un fabbisogno
specifico annuo di energia primaria (Qp1’) pari a 139.23 kWh/m²anno ad un fabbisogno (Qp2') di
93.86 kWh/m²anno. Questo miglioramento é dovuto essenzialmente alla notevole riduzione del
fabbisogno specifico annuo di energia per il raffrescamento (Qcp2'), mentre il fabbisogno specifico
annuo di energia per l’illuminazione (Qlp2') resta costante e, come nella prima ottimizzazione, il
fabbisogno specifico annuo di energia per il riscaldamento (Qhp2’) risulta quasi nullo.
Tabella 6.9.9 Prestazioni energetiche della seconda configurazione ottimale di Città del Messico.
Qhp2'
[kWh/m²anno]
Qcp2'
[kWh/m²anno]
Qlp2'
[kWh/m²anno]
Qwp2'
[kWh/m²anno]
Qp2'
[kWh/m²anno]
0.08 58.69 47.26 33.20 139.23
La seguente Figura 6.9.9 mostra le percentuali dei diversi fabbisogni energetici in relazione al totale
fabbisogno specifico annuo di energia primaria (Qp2’) del modello ottimizzato. Si può notare che il
fabbisogno energetico specifico prevalente è quello legato all’illuminazione artificiale che da solo
rappresenta in questa seconda configurazione ottimizzata quasi il 50% del fabbisogno energetico
primario annuo mentre il fabbisogno energetico richiesto per il riscaldamento ammonta al 2%.
193
Figura 6.9.9 Fabbisogni specifici annui della seconda configurazione ottimale di Città del Messico.
La Tabella 6.9.10, riferita alle trasmittanze termiche dell’involucro edilizio ottimizzato, ripresenta per
le pareti perimetrali, le coperture e le parti vetrate gli stessi valori trovati con la prima ottimizzazione
e mostra che la configurazione ottimale viene trovata nel caso in cui il solaio del piano terra non
presenti alcuno strato di isolante.
Tabella 6.9.10 Trasmittanze della seconda configurazione ottimale trovata a Città del Messico.
Up pareti perimetrali
[W/m²K]
Ur coperture
[W/m²K]
Uw parti vetrate
[W/m²K]
Spessore isolante
di base [m]
0.20 0.10 1.10 0
Anche le percentuali vetrate e le tipologie di vetri che caratterizzano la configurazione ottimale
trovata da questo secondo processo di ottimizzazione, come si può vedere dalla Tabella 6.9.11 sono
caratterizzate dagli stessi valori stimati dalla prima ottimizzazione, ad eccezione dei vetri delle pareti
orientate a nord-ovest che in questa seconda ottimizzazione sono del tipo selective dark.
2%
13%
50%
35%
Ottimizzazione 2 - Fabbisogno specifico annuo di energia primaria Qp2' = 93.86 kWh/m²anno
Riscaldamento: 1.58 kWh/m²anno
Raffrescamento: 11.96 kWh/m²anno
Illuminazione artificiale: 47.12 kWh/m²anno
Acqua calda sanitaria: 33.20 kWh/m²anno
194
Tabella 6.9.11 Percentuali vetrate e tipologie di vetro della seconda configurazione ottimale
trovata a Città del Messico.
Orientamenti Percentuali vetrate Tipologie di vetro
Nord-ovest
Nord-ovest “dita”
Sud-ovest
Sud-est
Sud-est “dita”
Nord-est
Nord-est “dita”
20%
20%
20%
60%
20%
30%
20%
Selective dark
Selective darker
Selective darker
Selective darker
Selective darker
Selective darker
Selective darker
I seguenti grafici mostrano le condizioni di benessere abitativo che si ritrovano all’interno del
secondo modello ottimizzato. Anche nel caso di questa seconda ottimizzazione il comfort interno è
stato ampiamente garantito per entrambe le zone termiche. Inoltre, per tutti i mesi dell’anno tipo
considerato, le temperature operative dei 12 giorni medi mensili trovate nella seconda
configurazione ottimale, rispetto ai valori legati alla prima configurazione ottimale, diminuiscono di
1-2 °C mantenendosi tra i 19 °C e i 23 °C al piano terra e tra i 20 °C e i 24 °C al primo piano. Il
miglioramento delle condizioni estive, portato dal secondo processo di ottimizzazione rispetto alle
condizioni ritrovate nel modello base, risulta così considerevole, con un abbassamento complessivo
delle temperature operative dei giorni medi mensili di 2- 4°C.
195
Figura 6.9.10 Temperature operative dei giorni medi mensili per la zona termica A (piano terra) del
secondo modello ottimizzato a Città del Messico.
Figura 6.9.11 Temperature operative dei giorni medi mensili per la zona termica A (piano terra) del
secondo modello ottimizzato a Città del Messico.
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile
Maggio Giugno Luglio Agosto
Settembre Ottobre Novembre Dicembre
Comfort limite min Comfort limite max
16
17
18
19
20
21
22
23
24
25
26
27
28
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tem
per
atu
re o
per
ativ
e d
el g
iorn
o m
edio
men
sile
[°C
]
ore [h]
Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre Comfort limite min Comfort limite max
196
Confrontando la Tabella 6.9.12 seguente, riferita alla seconda ottimizzazione, con la Tabella 6.9.6,
illustrata precedentemente per la prima configurazione ottimale di Città del Messico, si nota un
aumento della percentuale dei contributi passivi rispetto a quelli attivi dovuto essenzialmente alla
diminuzione dei fabbisogni di energia primaria, dato che sia i guadagni interni che i guadagni solari si
mantengono pressoché costanti in entrambe le configurazioni ottimizzate. Nonostante questo
miglioramento, i contributi attivi della seconda configurazione ottimale rimangono tuttavia inferiori
rispetto alle percentuali di contributi attivi legati al modello base.
Tabella 6.9.12 Prestazioni energetiche della seconda configurazione ottimale di Città del Messico.
Mese* Guadagni
interni [Wh/m²giorno]
Guadagni solari
[Wh/m²giorno]
Fabbisogno di energia primaria [Wh/m²giorno]
Contributi passivi [%]
Contributi attivi [%]
Gennaio 11.07 1.24 46.33 20.99 79.01
Febbraio 11.10 1.33 46.53 21.09 78.91
Marzo 11.45 1.41 47.28 21.39 78.61
Aprile 10.33 1.49 46.76 20.19 79.81
Maggio 11.43 1.57 48.09 21.29 78.71
Giugno 11.30 1.56 47.89 21.16 78.84
Luglio 10.48 1.52 46.71 20.45 79.55
Agosto 11.45 1.44 47.25 21.44 78.56
Settembre 10.84 1.46 46.91 20.76 79.24
Ottobre 11.01 1.31 46.77 20.86 79.14
Novembre 11.43 1.22 46.60 21.36 78.64
Dicembre 10.63 1.20 46.25 20.37 79.63 * I seguenti valori si riferiscono ai valori del giorno medio mensile.
La Tabella 6.9.13 mostra il livello di illuminamento degli ambienti interni del secondo modello
ottimizzato a Città del Messico. Come in tutti i precedenti modelli, la quantità di luce naturale
entrante è stata calcolata direttamente da EnergyPlus nei quattro punti di controllo posizionati
all’interno del modello e ha permesso di ricavare la quantità di luce artificiale in modo da raggiungere
il valore di progetto di 500 lux. Dalle figure 6.9.12 e 6.9.13 si nota che, come nel caso della prima
configurazione ottimale, in nessun mese dell’anno la percentuale di illuminazione naturale raggiunge
il 100% in entrambe le zone termiche. Tuttavia, rispetto alla prima configurazione ottimale, in questa
seconda configurazione i livelli di illuminamento naturale sono leggermente superiori per entrambe
le zone termiche anche se si mantengono su valori inferiori rispetto a quelli trovati nel modello di
base iniziale.
197
Tabella 6.9.13 Livello di illuminamento della seconda configurazione ottimale di Città del Messico.
Mese* Illuminazione
naturale Zona A [lux]
Illuminazione artificiale Zona A
[lux]
Illuminazione naturale Zona B
[lux]
Illuminazione artificiale Zona B
[lux]
Gennaio 461.08 38.92 441.62 58.38
Febbraio 457.66 42.34 449.76 50.24
Marzo 467.88 32.12 468.06 31.94
Aprile 467.44 32.56 467.60 32.40
Maggio 475.30 24.70 477.28 22.72
Giugno 486.57 13.42 487.81 12.19
Luglio 486.20 13.80 486.16 13.84
Agosto 471.12 28.88 471.30 28.70
Settembre 463.74 36.26 464.02 35.98
Ottobre 453.68 46.32 452.76 47.24
Novembre 429.59 70.41 428.52 71.48
Dicembre 429.92 70.08 420.00 80.00 * I seguenti valori si riferiscono al valore medio di illuminaz. nelle ore di occupazione del giorno medio mensile.
Figura 6.9.12 Livelli di illuminamento, Zona termica A, seconda configurazione ottimale
trovata a Città del Messico.
Figura 6.9.13 Livelli di illuminamento, Zona termica B, seconda configurazione ottimale
trovata a Città del Messico.
92% 92% 94% 93% 95% 97% 97% 94% 93% 91% 86% 86%
8% 8% 6% 7% 9% 14% 14%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona A Illuminazione naturale Zona A
88% 90% 94% 94% 95% 98% 97% 94% 93% 91% 86% 84%
12% 10% 6% 7% 9% 14% 16%
0
100
200
300
400
500
Illu
min
amen
to [
lux]
Illuminazione artificiale Zona B Illuminazione naturale Zona B
7% 5% 3%
6% 6%
6% 3%
5% 2% 3%
198
La Tabella 6.9.14 e la Figura 6.9.14 seguenti mostrano chiaramente i miglioramenti delle prestazioni
energetiche ottenuti con il secondo processo di ottimizzazione svolto a Città del Messico, grazie
all’eliminazione dell’isolante nel solaio di base.
Tabella 6.9.14 Prestazioni energetiche della configurazione ottimale 1 e 2 di Città del Messico.
Fabbisogni specifici annui [kWh/m²anno]
Configurazione ottimale 1
Configurazione ottimale2
Differenza tra la config. ottimale 2 e la config. ottimale 1
Riscaldamento 0.08 1.58 + 1.50
Raffrescamento 58.69 11.96 - 46.73
Illuminazione 47.26 47.12 - 0.14
Acqua calda sanitaria 33.20 33.2 -
Energia primaria 139.23 93.86 - 45.37
Figura 6.9.14 Prestazioni energetiche della configurazione ottimale 1 e 2 di Città del Messico.
6.9.3 Confronto tra i modelli ottimizzati ed il modello base
Nel caso di Città del Messico i risultati ottenuti in entrambe le ottimizzazioni sono significativamente
migliori di quelli ottenuti dal metodo tradizionale di progettazione, soprattutto nel caso della
seconda ottimizzazione con l’implementazione nel processo di minimizzazione dei consumi energetici
della variazione dello spessore dell’isolante del solaio del piano terra. Le prestazioni della
configurazione ottimale trovata sono infatti notevolmente migliori sia in termini di consumi
energetici che di comfort termico interno rispetto alle prestazioni del modello di base.
Nella Tabella 6.9.15 sono riassunte le prestazioni energetiche del modello di base messe a confronto
con quelle dei due modelli ottimizzati.
0
20
40
60
80
100
120
140
160
Riscaldamento Raffrescamento Illuminazione Acqua calda sanitaria
Energia primaria
Fab
bis
ogn
i sp
ecif
ici a
nn
ui
[kW
h/m
²an
no
]
Configurazione ottimale 1 Configurazione ottimale 2
199
Tabella 6.9.15 Prestazioni energetiche del modello base e dei due modelli ottimizzati
a Città del Messico.
Fabbisogni specifici annui [kWh/m²anno]
Modello base
Config. ottimale 1
Differenza tra la config. ottimale 1 e il modello base
Config. ottimale 2
Differenza tra la config. ottimale 2 e il modello base
Riscaldamento 0.00 0.08 + 0.08 1.58 + 1.58
Raffrescamento 98.55 58.69 - 39.86 11.96 - 86.59
Illuminazione 45.81 47.26 + 1.45 47.12 + 1.31
Acqua calda sanitaria
33.20 33.20 - 33.20 -
Energia primaria 177.56 139.23 - 38.33 93.86 - 83.70
La Figura 6.9.15 seguente evidenzia il potenziale di risparmio offerto da questo metodo di
ottimizzazione rispetto ad un metodo di progettazione tradizionale delle facciate, mostrando la
significativa riduzione dei consumi energetici legati al raffrescamento.
Figura 6.9.15 Prestazioni energetiche del modello base e dei due modelli ottimizzati
a Città del Messico.
La configurazione dell’involucro edilizio trovata nelle due ottimizzazioni é caratterizzata, come si può
vedere nella Tabella 6.9.16, dagli stessi parametri. Le uniche diversità tra le due configurazioni
trovate risiedono nello spessore dell’isolante del solaio del piano terra, che nella prima
configurazione ottimale risulta come da progetto pari a 0.10 m, mentre nella seconda configurazione
è stato ottimizzato al valore di 0 m, e nella tipologia di vetro dell’orientamento nord-ovest che nella
prima configurazione risulta selective darker, mentre nella seconda ottimizzazione è un selective
0
20
40
60
80
100
120
140
160
180
200
Riscaldamento Raffrescamento Illuminazione Acqua calda sanitaria
Energia primaria
Fab
bis
ogn
i sp
ecif
ici a
nn
ui
[kW
h/m
²an
no
]
Modello base Configurazione ottimale 1 Configurazione ottimale 2
200
dark. Le principali differenze tra le due configurazioni ottimali e la configurazione dell’involucro del
modello base sono rappresentate dai parametri legati alle parti vetrate, la cui trasmittanza termica
(Uw) viene aumentata dal valore di progetto di 0.95 W/m²K al valore massimo di 1.10 W/m²K.
Inoltre la quantità di superficie vetrata dell’involucro, essendo pari a 347.34 m² nel modello di base e
pari a 370.30 m² nei due modelli ottimizzati, subisce un significativo aumento. Le percentuali vetrate
ottimizzate rimangono pressoché invariate rispetto a quelle del modello base solo per le pareti
orientate a nord-ovest, sud-ovest e nord-est, mentre triplicano per l’orientamento nord-ovest delle
“dita”, raddoppiano per l’orientamento sud-est, vengono dimezzate nell’orientamento sud-est delle
“dita” e ridotte di un terzo nell’orientamento nord-est delle “dita”. Le tipologie di vetro ottimizzate
sono per tutti gli orientamenti mutate dai vetri selective clear del modello base ai vetri selective
darker per tutti gli orientamenti, ad eccezione delle pareti della seconda configurazione ottimale
orientate a nord-ovest, in cui vengono assunti vetri selective dark.
Tabella 6.9.16 Parametri caratteristici dell’involucro del modello di base e delle configurazioni
ottimali a Città del Messico.
Caratteristiche
dell'involucro
Modello base Configurazione
ottimale 1
Configurazione
ottimale 2
Trasmittanze [W/m²K]
Pareti perimetrali 0.153 0.20 0.20
Coperture 0.114 0.10 0.10
Vetri 0.95 1.10 1.10
Spessore isolante base [m]
0.10 0.10 0.00
Percentuale vetrata [%]
Nord-ovest 16 20 20
Nord-ovest "dita" 6 20 20
Sud-ovest 23 20 20
Sud-est 33 60 60
Sud-est "dita" 41 20 20
Nord-est 27 30 30
Nord-est "dita" 74 20 20
Tipologia di vetro
Nord-ovest selective clear selective darker selective dark
Nord-ovest "dita" selective clear selective darker selective darker
Sud-ovest selective clear selective darker selective darker
Sud-est selective clear selective darker selective darker
Sud-est "dita" selective clear selective darker selective darker
Nord-est selective clear selective darker selective darker
Nord-est "dita" selective clear selective darker selective darker
201
6.9.4 Intervallo di soluzioni ottimali
Nel caso della prima ottimizzazione svolta a Città del Messico, come riassunto nella Tabella 6.9.17
l’intervallo di soluzioni ottimali comprende tutte le configurazioni caratterizzate da un fabbisogno
energetico annuo che va da 139.23 kWh/m²anno a 140.23 kWh/m²anno. In questo intervallo sono
comprese 327 diverse configurazioni dell’involucro edilizio. Nel caso della seconda ottimizzazione,
migliore rispetto alla prima ottimizzazione sia dal punto di vista delle prestazioni energetiche che del
comfort abitativo, l’intervallo delle soluzioni ottimali comprende invece tutte le configurazioni
dell’involucro che comportano un consumo energetico primario annuo che va dal consumo minimo
di 93.86 kWh/m²anno ad un consumo di 94.86 kWh/m²anno. All’interno di questo intervallo sono
state trovate 1012 diverse configurazioni dell’involucro.
Tabella 6.9.17 Caratteristiche degli insiemi delle soluzioni ottimali di Città del Messico.
Simulazioni totali
N. delle diverse
configurazioni
Fabbisogno specifico annuo di energia
primaria Qp’ minimo [kWh/m²anno]
Fabbisogno specifico annuo di energia
primaria Qp’ massimo [kWh/m²anno]
Prima ottimizzazione
6400 327 139.23 140.23
Seconda ottimizzazione
6400 1012 93.86 94.86
Le tabelle seguenti pesano in percentuale i parametri che caratterizzano le configurazioni comprese
all’interno del secondo insieme di soluzioni ottimali. Come appare nella Tabella 6.9.18 le pareti
perimetrali possono assumere, con una buona varietà di soluzioni, tutti i valori di trasmittanza
termica implementati nell’ottimizzazione, con una predominanza delle configurazioni, il 46.6%, che
assume il valore di trasmittanza termica massima pari a 0.20 W/m²K. Per quanto riguarda la
trasmittanza termica delle coperture e delle parti trasparenti i valori caratterizzanti le configurazioni
ottimali più ricorrenti sono rispettivamente 0.10 W/m²K e 1.1 W/m²K. Inoltre nell’insieme delle
soluzioni ottimali di Città del Messico, nessuna configurazione dell’involucro edilizio è caratterizzata
dalla presenza dell’isolante nel solaio del piano terra.
202
Tabella 6.9.18 Trasmittanze termiche e spessore dell’isolante del solaio di base presenti nel secondo
insieme delle soluzioni ottimali di Città del Messico.
Pareti perimetrali Coperture Solaio piano terra Parti trasparenti
Trasmittanza Up [W/m²K]
% Trasmittanza Ur [W/m²K]
% Spessore
[m] %
Trasmittanza Ur [W/m²K]
%
0.10 4.7 0.10 85.4 0.10 - 0.7 0.1
0.12 12.7 0.12 10.3 0.08 - 0.8 -
0.14 15.2 0.14 0.9 0.06 - 0.9 0.8
0.16 8.6 0.16 2.9 0.04 - 1.0 5.0
0.18 12.2 0.18 0.1 0.02 - 1.1 94.1
0.20 46.6 0.20 0.4 0 100
Nella Tabella 6.9.19 sono mostrate invece le diverse percentuali vetrate per i sette orientamenti
considerati. In particolare si nota che per tutti gli orientamenti, ad eccezione delle pareti nord-est,
esiste una percentuale vetrata nettamente predominante corrispondente, per ciascun orientamento,
alla percentuale vetrata che caratterizza la configurazione ottimale. Nel caso dell’orientamento nord-
est invece, non esiste una percentuale predominante: le configurazioni ottimali sono in generale
caratterizzate da una percentuale vetrata che va dal 20% al 40%. Solo gli orientamenti nord-ovest
“dita” e nord-est “dita” consentono infine configurazioni caratterizzate da tutte le percentuali vetrate
implementate nel processo di ottimizzazione.
Tabella 6.9.19 Percentuali vetrate presenti all’interno del secondo insieme delle soluzioni ottimali
trovato a Città del Messico.
Percentuali vetrate
[%]
Percentuali delle soluzioni trovate per i diversi orientamenti
nord-ovest
nord-ovest “dita”
sud-ovest sud-est sud-est “dita”
nord-est nord-est “dita”
20 97.2 94.0 97.9 6.2 92.7 24.3 83.3
30 2.5 2.7 2.1 0.7 5.6 39.6 8.3
40 0.3 1.4 - - 1.1 33.0 5.7
50 - 1.1 - 0.9 0.3 3.1 1.8
60 - 0.8 - 92.2 0.3 - 0.9
Come appare nella Tabella 6.9.20 la libertà progettuale maggiore, sempre restando all’interno
dell’intervallo delle soluzioni ottimali, viene concessa per ogni orientamento dalla scelta della
tipologia di vetro. I tipi di vetro adottati dalla maggior parte delle configurazioni sono i vetri selective
darker e in misura minore i selective dark. Prestazioni ottimali sono raggiungibili tuttavia anche con
vetri basso emissivi adottabili esclusivamente, per restare all’interno dell’insieme delle soluzioni
ottimali, nelle pareti delle “dita” del piano terra, e nelle pareti sud-est del primo piano.
203
Tabella 6.5.20 Tipi di vetro presenti all’interno del secondo insieme delle soluzioni ottimali
trovato a Città del Messico.
Tipi di vetro Percentuali delle soluzioni trovate per i diversi orientamenti
nord-ovest
nord-ovest “dita”
sud-ovest sud-est sud-est “dita”
nord-est nord-est “dita”
Low-e - 3.6 - 1.4 1.0 - 6.7
Sel. clear 0.6 10.4 0.6 7.8 1.4 3.9 9.0
Sel. standard 1.3 4.7 1.3 5.5 4.1 2.5 6.4
Sel. dark 8.8 9.8 8.8 15.1 13.7 6.7 14.5
Sel. darker 72.3 71.5 89.3 70.2 79.8 86.9 63.3
6.9.5 Confronto con gli standard energetici.
Nel caso della prima configurazione ottimale di Città del Messico la domanda di energia primaria per
tutti i servizi energetici (Qp1’), come mostrato nella Figura 6.9.16, essendo pari a 139.23
kWh/m²anno, non rientra nel limite di 120 kWh/m²anno imposto dallo Standard Passivhaus. Anche il
fabbisogno specifico annuo di energia richiesta per il raffrescamento (Qcp1’), essendo pari a 58.69
kWh/m²anno, risulta molto superiore al limite di 15 kWh/m²anno imposto per il raggiungimento
dello Standard Passivhaus nei climi caldi, mentre il fabbisogno specifico annuo per il riscaldamento si
mantiene su valori molto bassi pari a 0.08 kWh/m²anno.
La seconda ottimizzazione fornisce invece un modello caratterizzato da una domanda di energia
primaria per tutti i servizi energetici (Qp2’) pari a 93.86 kWh/m²anno e quindi inferiore al limite di
120 kWh/m²anno imposto dallo Standard Passivhaus. Anche il fabbisogno specifico annuo di energia
per il riscaldamento (Qhp2’), essendo pari a 1.58 kWh/m²anno, soddisfa la limitazione di 15
kWh/m²anno imposto dallo Standard Passivhaus e permette al modello di rientrare nella classe
energetica A+ caratteristica degli edifici a bassi consumi. A differenza della prima ottimizzazione e dei
casi di Genova e di Palermo, anche il fabbisogno specifico annuo di energia per il raffrescamento
Qcp2’ pari a 11.96 kWh/m²anno della seconda configurazione ottimale consente il raggiungimento
dello Standard Passivhaus, in quanto è compreso nel limite di 15 kWh/m²anno imposto per i climi
caldi.
204
Figura 6.9.16 Classe energetica, riferita al consumo di energia primaria, dei modelli di Palermo.
177.56 kWh/m²anno
0 50
100 120 150
200
250
300
350
400
>400
Limite Passivhaus
Modello base
93.86 kWh/m²anno
139.23 kWh/m²anno
1° Modello ottimizzato
2° Modello ottimizzato
Figura 6.9.17 Classe energetica, riferita al consumo di energia per il riscaldamento,
dei modelli di Palermo.
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180
G
F
E
D
C
B
A
Passivhaus
A +
2° Modello …
1° Modello …
Modello base
[kWh/m²anno]
Cla
ssi e
ne
rge
tich
e
0.00 kWh/m²anno
1.58 kWh/m²anno
0.98 kWh/m²anno
205
6.6 Conclusioni
Il caso studio dell’asilo KITA Campus Riedberg ha mostrato che, in tutti i contesti climatici considerati,
un programma di simulazione energetica come EnergyPlus può essere efficacemente integrato
nell'ottimizzazione di GenOpt per trovare la soluzione progettuale ottimale degli involucri edilizi al
variare delle condizioni ambientali esterne. Tutte le ottimizzazioni svolte attraverso l’uso degli
algoritmi genetici Particle Swarm, si sono rilevate molto efficienti sia in termini di convergenza che di
diffusione delle soluzioni, portando a miglioramenti significativi sia delle prestazioni energetiche che
del comfort abitativo e consentendo di trovare non solo la configurazione ottimale dell’involucro
edilizio, ma soprattutto un insieme di configurazioni le cui prestazioni energetiche sono comprese
all’interno dell’intorno di 1 kWh/m²anno dalla configurazione ottima. Ciò permette di mettere a
disposizione dei progettisti un ampio spettro di soluzioni progettuali buone che tengono conto sia
delle prestazioni energetiche che del benessere interno. Come appare nella Tabella 6.6.1, per tutte le
ottimizzazioni svolte, gli algoritmi Particle Swarm hanno analizzato un totale di 6400 simulazioni,
simulando cioè meno del 3% delle totali soluzioni possibili, ed hanno minimizzato la funzione
obiettivo all’interno delle 100 generazioni. Infatti, tranne che nel caso della prima ottimizzazione
svolta a Genova e della seconda ottimizzazione svolta a Palermo, la soluzione ottimale è stata trovata
svolgendo addirittura meno di 50 generazioni. A dimostrazione dell’efficacia dei processi di
ottimizzazione, oltre al basso numero della prima generazione che trova l’ottimo, contribuisce anche
l’elevato numero delle simulazioni che ripetono la configurazione ottimale. In tal senso si può
ritenere che il processo di ottimizzazione più efficiente sia stato quello svolto a Città del Messico in
cui la soluzione ottimale è stata trovata alla 37-esima generazione ed è stata ripetuta per 1503
simulazioni, mentre il processo di ottimizzazione peggiore è stato quello svolto a Palermo, in cui la
soluzione ottimale è stata trovata alla 81-esima generazione ed è stata ripetuta solo 31 volte.
Tabella 6.6.1 Caratteristiche delle diverse ottimizzazioni.
Località N. simulazioni
N. diverse configurazioni
Totali
N. diverse configurazioni nell’intervallo di 1kWh/m²a
N. simulazioni che trovano
l’ottimo
N. della prima generazione
che trova l’ottimo
Francoforte 6400 3759 885 450 56
Helsinki 6400 3832 754 1061 44
Genova 6400 3874 623 580 61
6400* 4380* 677* 572* 49*
Palermo 6400 3291 435 1455 41
6400* 3859* 1096* 31* 82*
Città del Messico
6400 3119 327 1503 37
6400* 3485* 1012* 1146* 43* * Ottimizzazioni che implementano la variazione dello spessore dell’isolante del solaio a contatto con il terreno.
206
Per il caso studio dell’asilo KITA Campus Riedberg è stato svolto un processo di ottimizzazione uguale
per tutti i contesti climatici, il quale ha portato, a fronte di una progettazione standard, un generale
miglioramento delle prestazioni energetiche e dei livelli di comfort abitativo di tutti i modelli base.
Tuttavia, come mostrato nella Figura 6.6.1 solo per il caso di Francoforte sul Meno e di Helsinki il
fabbisogno di energia primaria è sceso al di sotto del limite di 120 kWh/m²anno imposto dallo
Standard Passivhaus. Nei casi di Genova, Palermo e Città del Messico questo non è stato possibile per
via degli alti fabbisogni specifici annui legati alla necessità di raffrescamento come mostrato nella
Figura 6.6.2 ed è stato previsto un ulteriore processo di ottimizzazione.
Figura 6.6.1 Fabbisogni specifici annui di energia primaria ottenuti dalle prime ottimizzazioni.
Figura 6.6.2 Fabbisogni specifici annui ottenuti dalle prime ottimizzazioni svolte in tutte le località.
0
20
40
60
80
100
120
140
160
180
200
Francoforte Helsinki Genova Palermo Città del Messico
Fab
bis
ogn
o s
pec
ific
o a
nn
uo
di e
ner
gia
p
rim
aria
Qp
' [kW
h/m
²an
no
]
Modello base 1ᵃ Ottimizzazione Limite Passivhaus
0
10
20
30
40
50
60
70
80
Francoforte Helsinki Genova Palermo Città del Messico
Fab
bis
ogn
i sp
ecif
ici a
nn
ui [
kWh
/m²a
nn
o]
Riscaldamento Raffrescamento
Illuminazione Acqua calda sanitaria Limite Passivhaus
207
Per migliorare le ottimizzazioni svolte nei climi caldi di Genova, Palermo e Città del Messico dal punto
di vista del fabbisogno energetico legato al raffrescamento, sono stati introdotti tra i parametri da
ottimizzare anche gli spessori dell’isolante del solaio di base. Con queste nuove ottimizzazioni, come
appare nella Figura 6.6.3, anche per i climi caldi è stato così possibile raggiungere fabbisogni specifici
annui di energia primaria al di sotto del limite imposto dallo Standard Passivhaus. Ciò è dovuto alla
notevole diminuzione dei fabbisogni specifici annui per il raffrescamento, come appare dal confronto
diretto tra la Figura 6.6.2 e la Figura 6.6.4.
Figura 6.6.3 Fabbisogni specifici annui di energia primaria ottenuti dalle seconde ottimizzazioni.
Figura 6.6.2 Fabbisogni specifici annui ottenuti dalle seconde ottimizzazioni svolte nei climi caldi.
0
20
40
60
80
100
120
140
160
180
200
Francoforte Helsinki Genova Palermo Città del Messico
Fab
bis
ogn
o s
pec
ific
o a
nn
uo
di e
ner
gia
p
rim
aria
Qp
' [kW
h/m
²an
no
]
Modello base 1ᵃ Ottimizzazione 2ᵃ Ottimizzazione Limite Passivhaus
0
10
20
30
40
50
60
70
80
90
Francoforte Helsinki Genova Palermo Città del Messico
Fab
bis
ogn
i sp
ecif
ici a
nn
ui [
kWh
/m²a
nn
o]
Riscaldamento Raffrescamento
Illuminazione Acqua calda sanitaria
Limite Passivhaus
208
Tutti i modelli ottimizzati hanno così raggiunto le prestazioni tipiche di edifici a bassi consumi
energetici, con i consumi legati all’energia primaria inferiori a 120 kWh/m²anno, uno dei limiti
imposti dallo Standard Passivhaus. Tuttavia solo nelle località di Francoforte sul Meno e di Città del
Messico è stato possibile raggiungere completamente lo Standard Passivhaus rispettando non solo il
limite imposto sull’energia primaria, ma anche quello legato al fabbisogno di energia per il
riscaldamento e nel caso di Città del Messico anche il limite imposto per il consumo legato al
raffrescamento. A Città del Messico lo Standard Passivhaus è stato raggiunto direttamente con il
secondo processo di ottimizzazione, mentre nel caso di Francoforte sul Meno è stato necessario
affiancare al primo processo di ottimizzazione una rete di teleriscaldamento, che, caratterizzata da
un fattore di energia primaria pari a 0.54, ha consentito di portare il fabbisogno specifico annuo di
riscaldamento al di sotto dei 15 kWh/m²anno imposti dallo Standard Passivhaus. Non è stato
possibile raggiungere lo Standard Passivhaus per tutte le località, in quanto i modelli, essendo
caratterizzati da un alto indice di compattezza, il rapporto (S/V) è infatti pari a 0.74 m¯¹, partono da
una condizione geometrica svantaggiata. La bassa compattezza dell’edificio e l’elevata quantità di
superficie disperdente hanno causato sia alti consumi legati alla necessità di riscaldamento come nel
caso di Helsinki, in cui il calore fornito negli ambienti si disperde verso l'esterno, sia elevati consumi
per il raffrescamento come nei casi di Genova e Palermo a causa dell’ingresso del calore dall'esterno.
Inoltre, nel caso dei climi più freddi di Francoforte sul Meno e di Helsinki, dato che i risultati ottenuti
con le ottimizzazioni hanno mostrato bassi consumi relativi al raffrescamento, è stato pensato di
eliminare l’impianto di raffrescamento dai modelli e di valutare le conseguenti condizioni di comfort
interno. I fabbisogni di energia primaria, già al di sotto del limite Passivhaus, sono stati ovviamente
migliorati, tuttavia mentre nel caso di Helsinki le condizioni di comfort, anche senza l’impianto di
raffrescamento, sono state rispettate per entrambe le zone termiche, nel caso di Francoforte sul
Meno, in corrispondenza del primo piano le temperature operative estive sono apparse superiori,
per il 6.7% delle ore di tutto l’anno, al limite di comfort di 27 °C.
Al fine di trovare l’equilibrio ottimale tra i tre fattori chiave per l'efficienza energetica, ossia tra i
consumi legati al riscaldamento, al raffrescamento e all’illuminazione artificiale (i consumi necessari
per la produzione di acqua calda sanitaria rimangono costanti in quanto dati di progetto), è stato
interessante osservare come, per tutti i contesti climatici analizzati, le configurazioni ottimizzate,
rispetto a quelle dei modelli base, hanno portato ad una riduzione dei fabbisogni energetici legati al
riscaldamento e al raffrescamento mentre hanno causato un leggero aumento dei consumi legati alle
necessità di illuminazione artificiale. Inoltre tutte le configurazioni ottimali sono caratterizzate nella
maggioranza dei casi dai valori massimi o minimi dei parametri introdotti nei processi di
ottimizzazione: i valori intermedi non compaiono quasi mai tra i valori ottimali, ad eccezione di
qualche orientamento in cui si ha una percentuale di superficie vetrata intermedia pari al 40% o al
209
30% e in cui si ritrovano tipologie di vetro selective clear o selective dark caratterizzate da valori
intermedi sia di fattore solare che di trasmissione luminosa.
Come prevedibile, confrontando le configurazioni ottimali di tutti i contesti climatici, si può osservare
che tutti gli involucri edilizi sono caratterizzati da un elevato livello di isolamento con i valori minimi
di trasmittanza termica pari a 0.10 W/m²K sia per le pareti perimetrali che per le coperture. L’unica
eccezione è rappresentata dalla seconda ottimizzazione svolta a Città del Messico in cui,
esclusivamente per le pareti perimetrali, è stata ritrovata la trasmittanza termica massima pari a 0.20
W/m²K ad indicazione del fatto che per contesti climatici più caldi, l’elevato isolamento dell’involucro
non è una caratteristica imprescindibile nella realizzazione di edifici a bassi consumi energetici. Come
appare nella Tabella 6.6.2 le maggiori variazioni si ritrovano nelle variabili relative alle parti vetrate
per cui è stata ottimizzata, a seconda dei contesti climatici, o la trasmittanza termica minima di 0.7
W/m²K caratteristica per i climi più freddi di Francoforte sul Meno, di Helsinki e di Genova o la
trasmittanza termica massima di 1.10 W/m²K propria dei climi più caldi di Palermo e di Città del
Messico con l’unica eccezione della seconda configurazione ottimale di Palermo in cui la trasmittanza
termica delle parti vetrate è minima.
Tabella 6.6.2 Trasmittanze termiche delle configurazioni ottimali.
Up pareti perimetrali [W/m²K]
Ur coperture [W/m²K]
Uw parti vetrate [W/m²K]
Francoforte sul Meno 0.10 0.10 0.7
Helsinki 0.10 0.10 0.7
Genova 1° Modello 0.10 0.10 0.7
2° Modello 0.10 0.10 0.7
Palermo 1° Modello 0.10 0.10 1.10
2° Modello 0.10 0.10 0.7
Città del Messico
1° Modello 0.10 0.10 1.10
2° Modello 0.20 0.10 1.10
Inoltre, nei climi caldi di Palermo e di Città del Messico, caratterizzati da una temperatura media
annua del suolo superiore ai 19°C, è risultato più vantaggioso avere un solaio al piano terra non
isolato, in modo da consentire durante i mesi caldi la dissipazione del calore interno verso il terreno
più freddo. Ciò non è stato confermato anche per il caso di Genova, caratterizzato da una
temperatura media annua del suolo pari a 14.3 °C, in cui, dato che le condizioni invernali non sono
trascurabili, è risultato conveniente non eliminare completamente l’isolante nel solaio di base, bensì
ridurlo ad uno spessore di 0.02 m sia per non comportare eccessivi consumi legati al riscaldamento
sia per non creare una superficie eccessivamente fredda che in inverno causerebbe condizioni di
discomfort locale.
210
Le ottimizzazioni svolte in tutti i contesti climatici hanno permesso così di valutare analiticamente
che i fabbisogni energetici legati al riscaldamento e al raffrescamento diminuiscono all’aumentare
del livello di isolamento delle pareti perimetrali e della coperture. Inoltre, se da un lato un maggior
isolamento del solaio a contatto con il terreno riduce il fabbisogno di energia per il riscaldamento,
dall’altro, durante l’estate, é necessario considerare come un solaio di base molto isolato in edifici a
uno o due piani, come il caso considerato, porti ad un aumento delle necessità di raffrescamento. Il
peso di tale effetto e la scelta del livello di isolamento ottimale é strettamente legata al clima: in climi
caldi il cui periodo critico è quello estivo, è favorito un solaio a contatto con il terreno poco o
addirittura non isolato, mentre in climi freddi, caratterizzati da inverni rigidi, coibentare il solaio a
contatto con il terreno diventa fondamentale. Le ottimizzazioni svolte hanno permesso di
confermare anche che per i contesti climatici più caldi non risulta vantaggioso isolare uniformemente
gli involucri edilizi. Le combinazioni che riducono maggiormente il fabbisogno di raffrescamento sono
quelle caratterizzate da un elevato isolamento delle pareti perimetrali e del tetto, da maggiori
trasmittanze termiche delle parti vetrate e da una coibentazione limitata o addirittura assente del
solaio di base che permette di smaltire verso il suolo l’energia termica accumulata nelle strutture.
Nonostante la geometria molto particolare dell’edificio analizzato e gli orientamenti delle facciate
non perfettamente allineati con i quattro punti cardinali, le ottimizzazioni svolte hanno permesso di
confermare analiticamente anche alcune valutazioni qualitative riguardanti le percentuali di
superficie vetrata e le tipologie di vetro da adottare per i vari orientamenti.
Come prevedibile la percentuale di superficie vetrata delle pareti orientate a sud-est è risultata
massima per tutti i contesti climatici, pari al 60%, mentre è risultata minima, pari al 20%, per tutte le
altre pareti ad eccezione delle pareti orientate a nord-est per cui si hanno percentuali vetrate
variabili dal 40% al 20% a seconda del contesto climatico. In inverno le parti vetrate delle pareti
orientate a sud-est ricevono infatti la radiazione solare massima, fornendo utili guadagni solari che
consentono di ridurre la domanda di riscaldamento. Per questo motivo la percentuale di superficie
vetrata è massima in tutti i contesti climatici e la tipologia di vetro ottimale è nel caso estremo di
Helsinki un vetro low-e mentre negli altri casi, Francoforte sul Meno compreso, in cui occorre evitare
eccessivi surriscaldamenti estivi, è un vetro selettivo scuro: selective dark o darker a seconda dei casi.
Il caso dell’orientamento nord-est presenta invece un comportamento a parte a causa della diversa
influenza che la radiazione solare incidente presenta su questo lato dell’edificio a seconda del
contesto climatico. Come appare nella Tabella 6.6.3, a Francoforte sul Meno infatti la percentuale
vetrata è stata ottimizzata al 40% con vetri di tipo selective darker, mentre ad Helsinki la percentuale
vetrata ottimale è pari al 20% e i vetri sono selective clear. Per le prime ottimizzazioni svolte a
Genova, a Palermo e a Città del Messico la percentuale è sempre del 30% con vetri selective darker,
piccole variazioni si hanno nel caso delle seconde ottimizzazioni come appare nella Tabella 6.6.4.
211
Tabella 6.6.3 Percentuali vetrate e tipologie di vetro delle prime ottimizzazioni svolte.
Percentuale vetrata e tipologia di vetro
Orientamenti Francoforte sul
Meno
Helsinki Genova Palermo Città del Messico
Nord-ovest 20%
Selective clear
20%
Low-e
20%
Selective dark
20%
Selective darker
20%
Selective darker
Nord-ovest
“dita”
20%
Selective darker
20%
Selective darker
20%
Selective darker
20%
Selective darker
20%
Selective darker
Sud-ovest 20%
Selective darker
20%
Selective clear
20%
Selective darker
20%
Selective darker
20%
Selective darker
Sud-est 60%
Selective dark
60%
Low-e
60%
Selective dark
60%
Selective darker
60%
Selective dark
Sud-est
“dita”
20%
Selective darker
20%
Selective darker
20%
Selective darker
20%
Selective darker
20%
Selective darker
Nord-est 40%
Selective darker
20%
Selective clear
30%
Selective darker
30%
Selective darker
30%
Selective darker
Nord-est
“dita”
20%
Selective darker
20%
Selective darker
20%
Selective darker
20%
Selective darker
20%
Selective darker
Tabella 6.6.4 Percentuali vetrate e tipologie di vetro delle seconde ottimizzazioni
svolte nei climi caldi.
Percentuale vetrata e tipologia di vetro
Orientamenti Genova Palermo Città del Messico
Nord-ovest 20%
Selective clear
20%
Selective dark
20%
Selective dark
Nord-ovest
“dita”
20%
Selective darker
20%
Selective darker
20%
Selective darker
Sud-ovest 20%
Selective darker
20%
Selective darker
20%
Selective darker
Sud-est 60%
Selective clear
60%
Selective dark
60%
Selective dark
Sud-est
“dita”
20%
Selective darker
20%
Selective darker
20%
Selective darker
Nord-est 20%
Selective darker
20%
Selective dark
30%
Selective darker
Nord-est
“dita”
20%
Selective darker
20%
Selective darker
20%
Selective darker
Considerando tutte le ottimizzazioni svolte, si può inoltre osservare che i tipi di vetro ottimali sono
risultati essere nella maggioranza dei casi i vetri selettivi, in particolare i vetri selective darker.
Questo è dovuto fatto che i modelli dell’asilo, a parte un sistema di semplici veneziane costituite da
lamelle orizzontali, le quali come mostrato all’interno del paragrafo 6.3.5 si sono mostrate molto più
efficaci se poste all’esterno piuttosto che all’interno delle superfici vetrate, non sono stati dotati di
un ombreggiamento esterno. Nelle configurazioni ottimali dei climi più freddi di Helsinki e di
212
Francoforte sul Meno e nel caso della seconda ottimizzazione svolta a Genova sono stati trovati, per
alcuni orientamenti, anche vetri basso emissivi low-e e vetri selective clear, caratterizzati entrambi
sia da alti fattori solari per permettere un adeguato guadagno termico durante l’inverno, che da alti
valori di trasmissione luminosa per favorire l’entrata della luce naturale. Nei climi caldi, come
prevedibile, sono invece stati ottimizzati i vetri selettivi più scuri, che sono in grado di controllare e
filtrare i raggi solari entranti nell'edificio riducendo, grazie ai bassi fattori solari che li caratterizzano,
il rischio di un surriscaldamento estivo.
Mentre il modello di casa a basso consumo energetico e di Passivhaus sviluppati per un clima nord
europeo hanno mostrato la necessità di un elevato isolamento di tutto l’involucro edilizio, nei climi
caldi, grazie alle condizioni climatiche più miti, è possibile utilizzare criteri meno stringenti per quanto
riguarda l’isolamento del solaio a contatto con il terreno e la trasmittanza delle superfici trasparenti
che rimane tuttavia superiore alla pratica costruttiva attuale. Ciò è dovuto al fatto che gli inverni più
moderati e le estati più critiche comportano una differente ripartizione del fabbisogno energetico
primario totale: la domanda di energia per il raffrescamento estivo risulta predominante su quella
per il riscaldamento invernale. Le ottimizzazioni svolte hanno infatti mostrato che per i climi caldi un
elevato isolamento del solaio al piano terra penalizza molto le condizioni legate al raffrescamento
estivo ed hanno mostrato come sia conveniente modificare alcuni parametri degli involucri edilizi, ed
utilizzare vetri selective darker al fine di minimizzare le prestazioni energetiche e di assicurare buone
condizioni di comfort abitativo interno.