Critical analysis of the smart readiness indicator (SRI) methodology with application to a real deep retrofit case study in Milan

Building smartness is increasingly vital for improving energy efficiency, flexibility, and occupant comfort in the EU’s energy transition. It relies on digital technologies that allow buildings to adapt to user needs and grid signals, supporting renewable integration, smart technologies and demand-side management. The Smart Readiness Indicator (SRI) provides a framework to measure smartness, helping policymakers, designers, and owners benchmark performance and identify retrofit strategies that enhance sustainability and resilience. Although several studies have examined SRI in different scenarios, such as before and after retrofit, most rely on a single assessment method without offering a direct comparison. The few studies that applied both methods were largely based on hypothetical buildings rather than real case studies. Consequently, there is still a significant research gap in evaluating Method A and Method B within the same real building across both pre- and post-retrofit stages. This thesis critically examines the Smart Readiness Indicator methodology by applying it to a real deep retrofit case study in Milan. The city’s mixed climate, characterized by hot summers and cold winters, makes both heating and cooling particularly important for occupant comfort. The case study building underwent a deep retrofit within the RE-SKIN project, which provided both the technical renovation and the project documentation from which real pre- and post-retrofit data were extracted. The SRI of the building was calculated using both Method A and Method B before and after the retrofit. Pre-retrofit results were very low, 13.5% (Method A) and 6.3% (Method B) indicating that the building had almost no smartness. Following the retrofit, which integrated prefabricated envelope solutions, a heat pump, building-integrated photovoltaic thermal roof, second-life battery storage, water fan coil and a Building Energy Management System, the scores improved significantly to 43.9% (Method A) and 37.0% (Method B). These values demonstrate that the retrofit was performed effectively, elevating the building to an acceptable level of smart readiness. While Method A consistently yields slightly higher scores than Method B, the discrepancy between the two is not substantial, especially considering the additional time and effort required for Method B’s detailed calculation. A sensitivity analysis was also performed to assess the influence of regional context. Using the post-retrofit case study, the SRI was recalculated across different European regions for both methods. Results showed that Method A provides higher and more uniform SRI scores across all orientations, whereas Method B produces lower scores with slightly greater variability. This comparison highlights that methodological choice has a much greater impact on the outcome than regional orientation in non-residential scenarios. By benchmarking the case study against findings in the SRI Outlook 2024, this research confirms that deep retrofits aligned with smart technologies not only improve building performance but also contribute to the EU’s broader objectives of energy efficiency, decarbonization, and digital transition.

I sistemi che abilitano l’edificio a funzioni 'smart' sono sempre più vitale per migliorare l’efficienza energetica, la flessibilità e il comfort degli occupanti nella transizione energetica dell’UE. Essa si basa su tecnologie digitali che permettono agli edifici di adattarsi alle esigenze degli utenti e ai segnali della rete, supportando l’integrazione delle rinnovabili, le tecnologie intelligenti e la gestione della domanda. Lo Smart Readiness Indicator (SRI) fornisce un quadro per misurare la smartness, aiutando decisori politici, progettisti e proprietari a confrontare le prestazioni e individuare strategie di retrofit che aumentino sostenibilità e res*lienza. Sebbene diversi studi abbiano esaminato l’SRI in scenari differenti, come prima e dopo un retrofit, la maggior parte si basa su un unico metodo di valutazione senza offrire un confronto diretto. I pochi studi che hanno applicato entrambi i metodi erano in gran parte basati su edifici ipotetici piuttosto che su casi reali. Di conseguenza, esiste ancora un significativo gap di ricerca nella valutazione del Metodo A e del Metodo B all’interno dello stesso edificio caso studio del progetto horizon RE-SKIN sia nella fase pre- che post-retrofit. Questa tesi esamina criticamente la metodologia dello Smart Readiness Indicator applicandola a un caso reale di deep retrofit a Milano. Il clima misto della città, caratterizzato da estati calde e inverni rigidi, rende particolarmente importanti il riscaldamento e il raffrescamento per il comfort degli occupanti. L’edificio oggetto di studio ha subito un profondo intervento di riqualificazione nell’ambito del progetto RE-SKIN, che ha fornito sia la ristrutturazione tecnica sia la documentazione progettuale da cui sono stati estratti i dati reali pre- e post-retrofit. Lo SRI dell’edificio è stato calcolato utilizzando sia il Metodo A che il Metodo B, prima e dopo il retrofit. I risultati pre-retrofit erano molto bassi, 13,5% (Metodo A) e 6,3% (Metodo B), indicando che l’edificio non possedeva praticamente alcun livello di smartness. Dopo il retrofit, che ha integrato soluzioni di involucro prefabbricate, una pompa di calore, un tetto BIPVT, batterie di seconda vita, ventilconvettori ad acqua e un sistema di gestione energetica dell’edificio, i punteggi sono migliorati in modo significativo fino al 43,9% (Metodo A) e al 37,0% (Metodo B). Questi valori dimostrano che il retrofit è stato eseguito con efficacia, portando l’edificio a un livello accettabile di smart readiness. Sebbene il Metodo A produca costantemente punteggi leggermente superiori rispetto al Metodo B, la discrepanza tra i due non è sostanziale, soprattutto considerando il tempo e lo sforzo aggiuntivi richiesti dal calcolo dettagliato del Metodo B. È stata inoltre condotta un’analisi di sensitività per valutare l’influenza del contesto regionale. Utilizzando il caso studio post-retrofit, l’SRI è stato ricalcolato in diverse regioni europee con entrambi i metodi. I risultati hanno mostrato che il Metodo A fornisce punteggi SRI più alti e uniformi in tutte le orientazioni, mentre il Metodo B produce punteggi più bassi con una variabilità leggermente maggiore. Questo confronto evidenzia che la scelta metodologica ha un impatto molto più rilevante sull’esito rispetto all’orientamento regionale negli scenari non residenziali. Confrontando il caso studio con i risultati presentati nello SRI Outlook 2024, questa ricerca conferma che i deep retrofit orientati alle tecnologie smart non solo migliorano le prestazioni degli edifici, ma contribuiscono anche agli obiettivi più ampi dell’UE in materia di efficienza energetica, decarbonizzazione e transizione digitale.