Diagnostica energetica in real time di uno smart building

6 
 
Introduzione 
 
Le attività di stage e tesi, svolte presso l’ Agenzia nazionale per le nuove tecnologie, 
l’energia e lo sviluppo economico sostenibile ENEA, s’inquadrano nell’ambizioso 
progetto internazionale sulle Smart Cities che negli ultimi anni sta assumendo una 
considerazione preponderante. 
Non esiste una definizione univoca di smart city: lo studioso olandese Peter Nijkamp 
nel documento Smart cities in Europe afferma che una città è smart quando “ gli 
investimenti in capitale umano e sociale, le infrastrutture di comunicazione tradizionali 
(trasporti) e moderne (ICT), alimentano una crescita economica sostenibile ed 
un’elevata qualità della vita, con una sapiente gestione delle risorse naturali, 
ricorrendo ad una governance partecipata.”[1]. 
Il concetto di smart city è divenuto un paradigma su cui si focalizzano amministratori, 
urbanisti, sociologi, economisti, ricercatori, che individua un modello urbano in grado 
di migliorare il benessere degli abitanti in essa residenti nella consapevolezza che, 
tanto più una città è vivibile, tanto più aumenta il livello di creatività, delle opportunità 
di sviluppo, di lavoro, di partecipazione, d’integrazione e di coesione sociale.  
I principali aspetti che rientrano in questo contesto sono [2]: 
 
 Governance partecipativa: rivedere le strategie amministrative e decisionali 
coinvolgendo i cittadini nei temi di rilevanza pubblica; intraprendere iniziative e 
investire le fonti di finanziamento a disposizione su temi d’interesse comune 
volte all’integrazione sociale , alla libera fruizione dei servizi da parte del 
cittadino e all’eliminazione delle barriere sociali ; utilizzare strumenti tecnologici 
per digitalizzare ed abbreviare gli iter burocratici;  
 Ambiente: incentivare la riduzione della quantità di rifiuti e la raccolta 
differenziata; razionalizzare l’illuminazione pubblica e l’edilizia, così da 
abbattere l’imp atto del riscaldamento e della climatizzazione; salvaguardare le 
aree verdi e recuperare quelle dismesse; sviluppare soluzioni tecnologiche per 
lo sfruttamento delle fonti rinnovabili e per i relativi sistemi di distribuzione per 
conseguire l’obiettivo di avere una città completamente sostenibile;
7 
 
 Mobilità: semplificare gli spostamenti quotidiani dei cittadini grazie 
all’infomobilità e al mobility management e sviluppare tecnologie innovative e 
sistemi funzionali per rendere i trasporti pubblici efficienti, a basso impatto 
ambientale e minimizzando le emissioni di gas serra; 
 Turismo e beni culturali: valorizzare, in modo informatico, il territorio, il 
patrimonio e le tradizioni culturali e promuovere l’i mmagine turistica in 
Internet, come bene collettivo per i visitatori e per i cittadini stessi; 
 Educazione: puntare sulle nuove generazioni offrendo un contesto di studio 
globale e interconnesso, potenziando le opportunità di condivisione della 
conoscenza e l’accesso al mondo del lavoro, indispensabili per la crescita di 
ogni individuo; 
 Cloud Computing: sfruttare le più moderne ed accessibili smart technologies in 
termini di gestione e di condivisione dei dati, di protezione delle risorse e della 
privacy, d’interconnessione tra i sistemi urbani esistenti, di comunicazione 
ovunque e in ogni momento, semplificando così il modo di lavorare, 
ottimizzando le risorse interne e mettendo al centro la figura del cittadino. 
 
Numerose sono le iniziative in ambito internazionale ed italiano incentrate sulla 
diffusione del concetto di città intelligenti e sullo sviluppo di soluzioni innovative, 
basate su tecnologie ICT, per renderle efficienti e sostenibili. 
In primis, il piano strategico per le tecnologie energetiche (SET Plan) propone iniziative 
e progetti per il miglioramento dell’efficienza energetica e il conseguente 
abbattimento delle emissioni di CO
2 
con lo sfruttamento delle energie alternative. 
In ambito europeo di primaria importanza è anche il Joint Programme promosso 
dall’EERA ( European Energy Research Alliance) relativo alle Smart Cities; tale 
programma è strutturato in 4 sezioni e si prefigge l’obiettivo di sviluppare metodi e 
strumenti scientifici finalizzati all’ottimizzazione della gestione d ell’energia, in base 
all’effettiva domanda , e all’integrazione di fonti rinnovabili entro le aree urbane.  
Sempre a carattere internazionale, nei bandi europei previsti all’interno del nuovo 
Programma Quadro di Ricerca e Innovazione 2014-2020 (Horizon 2020) la tematica 
smart cities sarà predominante e porterà ad un’accesa competitività europea per 
l’ingente budget messo a disposizione di 80 miliardi di Euro.
8 
 
A livello italiano, i finanziamenti più rilevanti sono quelli stanziati dal Ministero 
dell’Istruzione, Università e Ricerca (MIUR), attraverso dei bandi Smart Cities and 
Communities. Alcune iniziative progettuali e sperimentazioni sono state avviate presso 
gli enti di ricerca e in diversi comuni del territorio nazionale. In particolare, nel Centro 
Ricerche Casaccia di ENEA è in corso un importante programma sperimentale al fine 
realizzare un prototipo dimostrativo di Smart Village che possa trovare applicazione su 
larga scala nei grandi centri urbani: le applicazioni “intelligenti” finora implementate 
riguardano attività relative all’illuminazione pubblica, alla mobilità ed alla gestione 
energetica degli edifici. 
Questa tesi, con la collaborazione dell’Università degli S tudi di Roma Tre e il Politecnico 
di Torino, si colloca nel segmento riguardante gli Smart Building, dal punto di vista 
energetico e ambientale, attraverso il monitoraggio continuo dei consumi elettrici e 
termici e la conseguente gestione e ottimizzazione. 
In particolare, è stato analizzato il data fusion dei segnali provenienti dai numerosi e 
diversi sensori, installati all’ interno dell’edificio F40 del Centro Ricerche Casaccia 
dell’ENEA. Tutti i dati, in seguito ad opportune elaborazioni, sono stati inseriti in un 
particolare database facente parte dell’omonima piattaforma ICT ( Information and 
Communications Technology) Smart-Town affinché fossero sempre accessibili e, 
quindi, presi in analisi durante il processo di diagnostica avanzata dell’intero sistema.  
L’obiettivo della tesi è stato, quindi, l’implementazione, tramite codice JAVA, di un 
metodo sicuro e affidabile in grado di individuare in modo automatico e in tempo reale 
eventuali anomalie, evidenziandone anche la criticità, e risalire alle cause che le hanno 
generate in maniera diretta, rapida e semplice senza dispersione di forze e di tempo 
per la ricerca del guasto. 
La tesi è articolata in 7 capitoli: il primo esamina i metodi di rilevamento delle 
anomalie e di diagnosi presenti in letteratura, applicabili a qualsiasi tipologia di 
processo, facendo una distinzione tra quelli che si basano su modelli o sui dati storici.   
Il secondo capitolo introduce il concetto di commissioning applicato agli edifici e si 
sofferma sui diversi approcci di FDD (Fault Detection and Diagnosis), applicabili agli 
stessi. 
Il terzo capitolo entra in dettaglio nel progetto Smart-Town di ENEA, inizialmente dal 
punto di vista prettamente informatico con la descrizione della piattaforma ICT per
9 
 
arrivare a considerare la sensoristica installata in loco e i principi su cui si basano 
l’acquisizione e la gestione dei dati.  
Nel quarto capitolo sono illustrati lo studio teorico e gli steps concettuali sulla base dei 
quali viene elaborata l’attività di diagnostica che viene infine implementata mediante 
codice JAVA per avere un riscontro sui risultati ottenuti sperimentalmente. 
Il quinto capitolo riporta le modifiche e gli accorgimenti che sono stati necessari 
affinché il sistema nel suo complesso fosse integrato nell’intero progetto Smart -Town 
e funzionasse in real-time e in modo sincronizzato con il programma di rilevamento dei 
picchi di consumo elettrico. Infine sono mostrati i risultati della siffatta analisi 
diagnostica, durante il mese di marzo su cui ci si è focalizzati. 
Nel sesto capitolo è condotta un’analisi delle caratteristiche dell’illuminazione naturale 
negli ambienti interni, definendo le principali grandezze illuminotecniche coinvolte e il 
fattore di luce diurna; sono riportate inoltre le potenzialità dei software di simulazione 
con i quali è possibile stimare l’andamento dell’illuminamento negli ambienti interni e 
verificare, dinamicamente, in quali condizioni e in quali aree siano garantiti i valori 
minimi stabiliti dalle disposizioni normative a riguardo.  
Il settimo capitolo costituisce un elemento aggiunto della tesi in cui sono definiti i 
criteri per lo studio e la messa in atto della seconda regola diagnostica.
10 
 
Capitolo 1 
Stato dell’arte del FDD 
 
1.1 Introduzione 
 
Per il miglioramento dell’affidabilità, sicurezza ed efficienza, oltre che per ragioni 
economiche, senza tralasciare tuttavia, la robustezza e la stabilità, metodi sempre più 
complessi, automatizzati ed avanzati di supervisione sono divenuti di fondamentale 
importanza per molti processi tecnici ad elevate prestazioni e ad alti standard 
qualitativi di produzione. Ad esempio, le moderne industrie di larga scala operano con 
un numero elevato di variabili e si basano su strumentazioni che hanno a che fare con 
una mole di dati sfruttabili anche per l’individuazione di anomalie dovute al 
malfunzionamento di un componente o al verificarsi di un qualsiasi evento inaspettato. 
Sono stati, così, presi fortemente in considerazione e hanno trovato pieno sviluppo 
negli ultimi anni i sistemi diagnostici.  
In relazione alle funzionalità cui assolvono ed alle performances, tali sistemi sono 
chiamati FDD (Fault Detection and Diagnosis), FDI (Fault Detection and Isolation) o 
FDIA (Fault Detection, Isolation and Analysis) proprio al fine di effettuare una ricerca 
dei guasti, risalendo alle cause che le hanno generate ed isolando, il prima possibile, 
quei fattori che ne hanno dato origine. Gli output sono segnali di allarme classificati 
che mostrano quale anomalia si è verificata o dati di tipologia definita che ne riportano 
informazioni circa l’entità e la pericolosità per il processo o i processi ad essa correlati. 
Di seguito è riportata, per evitare ambiguità, la corrente terminologia inerente i 
concetti principali dello stato di un sistema e dei segnali ad esso correlati: 
 
 FAULT (anomalia): deviazione non consentita di almeno una proprietà 
caratteristica o un parametro del sistema dal valore corretto; 
 
 FAILURE (guasto): permanente interruzione dell’abilità del sistema di effettuare 
una funzione richiesta sotto specifiche condizioni operative e può derivare da
11 
 
un’anomalia. Un fondamentale problema risiede nel contesto del trade-off tra il 
non rilevamento e i falsi allarmi; 
 
 MALFUNCTION (malfunzionamento): irregolarità intermittenti nell’esecuzione 
del processo; 
 
 RESIDUALS (residui): indicatori, definiti sulla deviazione tra le misurazioni 
effettuate e i calcoli (reali o teoricamente corretti), basati su equazioni di 
modelli di una variabile d’output. Dovrebbero rimanere piccoli (idealmente 
nulli) per il tempo in cui non c’è un’anomalia e divengono sufficientemente 
grandi da notare quando avviene un malfunzionamento; 
 
 DISTURBANCE (disturbo): input incontrollato e non noto che agisce sul sistema; 
 
 SYMPTOM (sintomo): cambiamento di una quantità osservabile dal normale 
comportamento. 
 
Per molti anni il processo di FDD è stato un’attiva area d’investigazione e sviluppo 
nell’ambito aerospaziale, co ntrollo di processi, di produzione, nucleare e di difesa 
nazionale. Negli ultimi anni l’attenzione si è focalizzata sulla possibilità di 
automatizzare e di estendere tale metodologia anche ad applicazioni più contenute, 
quali edifici, e a tutti quei sistemi che necessitano di un continuo controllo al fine di 
garantire la miglior performance e la sicurezza di coloro che operano [3,4].  
 
1.2 Il processo di FDD 
 
L’obiettivo primario di un processo di FDD è la preventiva rilevazione di anomalie e la 
diagnosi delle cause che le hanno generate, con conseguente correzione del fault, 
prima che si verifichi un ulteriore danneggiamento del sistema o una perdita di 
efficienza. Questo è garantito da un continuo monitoraggio dell’ operatività
12 
 
individuando eventuali condizioni abnormi, valutandone la gravità e decidendo come 
agire di conseguenza. In fig.1.1 è mostrato in modo schematico il funzionamento di un 
processo di FDD automatizzato, in supporto dell’operati vità e della gestione di un 
qualsiasi engineered system, che consiste in quattro fasi distinte [5]: 
 
1. Rilevamento dell’anomalia attraverso il continuo monitoraggio del sistema 
fisico o del dispositivo in questione; 
 
2. Diagnosi dell’anomalia e determinazione delle cause che l’hanno generata : 
questi primi 2 punti costituiscono, nel loro insieme, il processo di FDD; 
 
3. Valutazione dell’anomalia, dal punto di vista dell’entità e dell’impatto su lle 
performances del sistema stesso (in termini di consumi energetici, costi, 
disponibilità, sicurezza) o di altri sistemi eventualmente coinvolti; 
 
4. In base all’entità dell’anomalia, viene presa una decisione su come intervenire 
(ad esempio applicando un’azione correttiva). 
 
Figura 1.1 -- Schema del processo di Fault Detection and Diagnosis
13 
 
Per quanto riguarda le funzionalità di un processo di FDD è necessario evidenziare i 
seguenti aspetti, riportati in modo cronologico alla loro esecuzione:  
 
 FAULT DETECTION: processo che determina la presenza di un’anomalia nel 
sistema e il tempo di rilevamento; 
 
 FAULT ISOLATION: processo che isola la specifica anomalia che si è verificata e 
ne determina sia la tipologia sia la locazione registrando il momento in cui si è 
verificata; 
 
 FAULT IDENTIFICATION: determina l’entità e il comportamento al variare del 
tempo dell’anomalia . Segue il fault isolation; 
 
 FAULT DIAGNOSIS: indica l’unione delle funzionalità del fault detection e fault 
identification. Segue il fault detection; 
 
 MONITORING: un continuo task real-time relativo ad un sistema fisico che 
registra informazioni, riconosce e rileva anomalie nel comportamento; 
 
 SUPERVISION: monitora il sistema e compie determinate azioni per mantenere 
l’operatività in caso di malfunzionamento. 
 
In letteratura è presente una moltitudine di approcci usati per rilevare e diagnosticare 
anomalie che variano, ad esempio, nella sequenzialità di queste 2 operazioni: in alcuni 
casi, il sistema di rilevamento funziona continuamente mentre quello diagnostico è 
triggerato, ossia agisce solo in presenza dell’anomalia; in altri casi, i 2 processi 
agiscono in parallelo ed in alcune applicazioni sono eseguiti nello stesso momento. 
I criteri vanno da metodi basati su modelli fisici ed analitici a quelli che si basano sui 
dati delle performances, usando l'intelligenza artificiale (reti neurali) o tecniche 
statistiche. In materia di metodi di valutazione e di decisione in letteratura sono 
riscontrabili pochi studi [3,4,5,6].
14 
 
1.3 Sviluppo storico del processo di FDD 
 
Il metodo tradizionale per ottimizzare l’attendibilità e l’affidabilità di un particolare 
sistema consiste nel migliorare la qualità, l’efficienza e la robustezza di ogni relativo 
componente, come sensori (d’input e di output), attuatori, controllori (fig.1.2). Anche 
così, tuttavia, non può esserne garantita la perfetta operatività in quanto si possono 
presentare perturbazioni o sorgenti di rumore, non prevedibili, quanto meno 
incontrollabili, che interferiscono e determinano risultati d’output che si discostano da 
quelli attesi [4,6].  
 
In fig.1.3 è riportata una prima classificazione delle svariate tecniche diagnostiche 
presenti in letteratura e, brevemente, ne sono illustrati gli schemi di principio. 
Figura 1.2 -- Schema di un tipico sistema e dei relativi componenti 
Figura 1.3 -- Classificazione delle tecniche di FDD
15 
 
 Hardware (o physical) redundancy based fault diagnosis: consiste nella 
riproduzione dei componenti di processo usando componenti hardware 
ridondanti. Un’anomalia è individuata se il valore d’output di un dispositivo 
risulta diverso da quello ridondante corrispondente (fig.1.4). Il vantaggio di 
questo schema è la sua elevata attendibilità e il diretto isolamento 
dell’eventuale fault; al contrario, risulta molto costoso per l’uso di componenti 
hardware extra e per lo spazio addizionale necessario in cui collocarli. L’uso di 
tale procedura è, quindi, destinato ad un numero limitato di applicazioni.   
 
 
 
 
 
 
 
 
 
 
 
 Plausibility based fault diagnosis: si basa sul controllo di semplici leggi fisiche 
sotto le quali opera uno o più componenti di processo. Sulla concezione che 
un’anomalia porta ad una perdita di plausibilità, controllando tale aspetto si 
potranno ricavare informazioni circa il fault d’interesse. Il test, per la sua 
efficienza nella rilevazione e nell’isolamento di fault , risulta limitato in sistemi 
complessi (fig.1.5). 
 
 
 
 
 
 
 
 
 
Figura 1.4 -- Hardware redundancy based fault diagnosis 
Figura 1.5 -- Plausibility based fault diagnosis