A semi-automatic procedure for the identification of building thermal model with restricted information

Since air conditioning systems contain a considerable portion of energy consumption in building sectors, it is important to improve the efficiency of plants and building’s structure in order to optimize the required energy for heating and cooling systems. Researchers and investigators have been working with this issue for over a decade; yet it remains a challenge. They mostly focus on modelling of thermal behaviour of buildings for energy analysis and prediction purposes. There are several approaches to obtain a sufficiently accurate model ranging from data-driven methods, such as black-box modelling techniques, to complex emulators, such as Energy Plus. All these approaches require a number of information in terms of building structure, geometric info, internal gains and etc. However, there is still a need of an approach to provide a reliable and accurate model without using extensive amount of data. The main purpose of this thesis is to propose a semi-automatic procedure capable to quickly identify a model without requiring complex and detailed information to be valid for energy analysis and control. This procedure has been developed with different objectives. First, it does not require a long period of data, i.e. it can be developed using data collected in normal condition, even while the system is under control. The second objective is the generalization of the approach, in order to be valid and tuneable for a given class of buildings. The last objective is the exploitation of the advantages of available emulators and physics-based models to propose a sufficiently reliable control-oriented model. In this document the procedure is described in detail, and it is simulated using four different models, three of them are based on physical equations, the last one using Energy Plus. Moreover, data-driven technique is utilized for comparison purposes. The proposed approach is experimentally validated under the Bi-Smart project using the real data collected from a building located in Milan metropolitan.

Il condizionamento dell’aria, tramite sistemi di raffreddamento o di riscaldamento, è una delle principali cause di consumo di energia, e pertanto un’importante area di ricerca allo scopo di analizzare i consumi, ottimizzarli e migliorare l’efficienza degli impianti. La ricerca di un modello che rappresenti accuratamente il comportamento termodinamico di un edificio è stato un punto chiave per questi sviluppi negli ultimi anni. Esistono diversi approcci che consentono l’identificazione di un modello, come tecniche di modellazione black-box o l’utilizzo di emulatori complessi, come Energy Plus. Tuttavia, questi approcci richiedono una rilevante quantità di dati e informazioni dettagliate del sistema reale. L’obiettivo di questa tesi è individuare una procedura per l’identificazione capace di utilizzare pochi dati per fornire un modello valido per analisi e controllo dei consumi. Pertanto, questa procedura si pone diversi obiettivi, primo fra tutti il ridimensionamento dei periodi di raccolta dati. Inoltre, viene imposto il vincolo di utilizzare dati raccolti in situazione di normale funzionamento del sistema, questi non sono ricchi di informazioni sulla dinamica del sistema, ma facili da raccogliere. Il secondo obiettivo è la generalizzazione della procedura, in modo che sia valida e applicabile a un’ampia categoria di edifici. Infine, la procedura proposta è strutturata in modo indipendente da un modello matematico composto da relazioni fisiche, pertanto consente di sfruttare i vantaggi di simulatori complessi e utilizzarli insieme ai dati reali per ottenere un modello sufficientemente affidabile e adatto agli obiettivi di analisi e controllo. In questo documento la procedura verrà spiegata nel dettaglio, e simulata su quattro modelli, tre basati su relazioni fisiche, uno su un modello in Energy Plus. Inoltre, viene eseguito un confronto utilizzando un approccio data-driven. L’approccio proposto è validato sperimentalmente utilizzando dati del progetto Bi-Smart raccolti da un condominio situato nell’area metropolitana di Milano.