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.