The work concerns the optimization of the energy management of the real F40 tertiary building of the Casaccia Research Center of ENEA in Rome. Multi-objective optimizations of the thermal power and comfort functionals expressed with the PMV parameter were performed. The algorithms of the Swarm Intellingence sector, Particle Swarm Optimization (PSO) and Multi-objective PSO were used to minimize the two opposing functionals. The algorithms chosen, and tested with different calibrations, use an iterative approach of biological inspiration which, based on local research, attempts to avoid the problem of being trapped in local maxima / minima. The optimization was performed on a data-driven model that ensured a very important calculation speed allowing the analysis to be carried out over a long period of time, in this case 27 months equal to 19827 samples per hour. The work was developed in a MATLAB / Simulink environment using a simulator already created by the Marche Polytechnic University. The simulator models the F40 building and all its thermal and electrical components. The system control variables are the temperature [° C] of the air set-point in the areas and the temperature [° C] of the set-point of the water leaving the heating system. In the first phase of the work, target values were chosen for each control variable and simulations of both the summer and winter seasons were carried out with all the combinations of the variables. The work then developed into the construction of the data-driven model. Significant variables were chosen to build, for both seasons, the model that would output the thermal power. The data-driven model was refined by adjusting the input variables. On the results achieved, the models were built for both seasons, which returned the comfort expressed both with the PMV and with the PPD. Once the predictive capacity of the models was verified, the work was completed with optimization. The results of the optimization were encouraging and confirmed the potential for energy efficiency in buildings and the goodness of the Multi-objective PSO algorithm.
Il lavoro riguarda l’ottimizzazione della gestione energetica dell’edificio terziario reale F40 del Centro Ricerche Casaccia di ENEA a Roma. Sono state eseguite ottimizzazioni multi-obiettivo dei funzionali della potenza termica e del comfort espresso con il parametro PMV. Per la minimizzazione dei due funzionali contrapposti sono stati utilizzati gli algoritmi del settore della Swarm Intellingence, Particle Swarm Optimization (PSO) e Multi-objective PSO. Gli algoritmi scelti, e provati con diverse calibrazioni, utilizzano un approccio iterativo di ispirazione biologica che sulla base della ricerca locale per tentativi prova ad evitare il problema di rimanere intrappolati in massimi/minimi locali. L’ottimizzazione è stata eseguita su un modello data-driven che ha garantito una velocità di calcolo molto importante permettendo di eseguire l’analisi su un lungo arco temporale, in questo caso 27 mesi pari a 19827 campioni orari. Il lavoro è stato sviluppato in ambiente MATLAB/Simulink utilizzando un simulatore già realizzato dall’Università Politecnica delle Marche. Il simulatore modella l’edificio F40 e tutti i suoi componenti termici ed elettrici. Le variabili di controllo del sistema sono la temperatura [°C] del set-point dell’aria nelle zone e la temperatura [°C] del set-point dell'acqua in uscita dall'impianto termico. Nella prima fase del lavoro sono stati scelti dei valori target per ciascuna variabile di controllo e sono state effettuate le simulazioni sia della stagione estiva sia della stagione invernale con tutte le combinazioni delle variabili. Il lavoro poi si è articolato nella costruzione del modello data-driven. Sono state scelte le variabili significative per costruire, per entrambe le stagioni, il modello che restituisse in output la potenza termica. È stato affinato il modello data-driven adeguando le variabili in ingresso. Sui risultati raggiunti sono stati costruiti i modelli, per entrambe le stagioni, che restituissero il comfort espresso sia con il PMV sia con il PPD. Verificata la capacità predittiva dei modelli si è concluso il lavoro con l’ottimizzazione. I risultati dell’ottimizzazione sono stati incoraggianti ed hanno confermato le potenzialità di efficientamento energetico negli edifici e la bontà dell’algoritmo Multi-objective PSO.
Ottimizzazione multi-obiettivo della gestione energetica di un edificio del settore terziario equipaggiato con generazione distribuita
CARNALI, MATTEO
2019/2020
Abstract
The work concerns the optimization of the energy management of the real F40 tertiary building of the Casaccia Research Center of ENEA in Rome. Multi-objective optimizations of the thermal power and comfort functionals expressed with the PMV parameter were performed. The algorithms of the Swarm Intellingence sector, Particle Swarm Optimization (PSO) and Multi-objective PSO were used to minimize the two opposing functionals. The algorithms chosen, and tested with different calibrations, use an iterative approach of biological inspiration which, based on local research, attempts to avoid the problem of being trapped in local maxima / minima. The optimization was performed on a data-driven model that ensured a very important calculation speed allowing the analysis to be carried out over a long period of time, in this case 27 months equal to 19827 samples per hour. The work was developed in a MATLAB / Simulink environment using a simulator already created by the Marche Polytechnic University. The simulator models the F40 building and all its thermal and electrical components. The system control variables are the temperature [° C] of the air set-point in the areas and the temperature [° C] of the set-point of the water leaving the heating system. In the first phase of the work, target values were chosen for each control variable and simulations of both the summer and winter seasons were carried out with all the combinations of the variables. The work then developed into the construction of the data-driven model. Significant variables were chosen to build, for both seasons, the model that would output the thermal power. The data-driven model was refined by adjusting the input variables. On the results achieved, the models were built for both seasons, which returned the comfort expressed both with the PMV and with the PPD. Once the predictive capacity of the models was verified, the work was completed with optimization. The results of the optimization were encouraging and confirmed the potential for energy efficiency in buildings and the goodness of the Multi-objective PSO algorithm.File | Dimensione | Formato | |
---|---|---|---|
Tesi_Carnali_Matteo.pdf
Open Access dal 22/07/2022
Descrizione: Ottimizzazione multi-obiettivo della gestione energetica di un edificio del settore terziario equipaggiato con generazione distribuita
Dimensione
6.97 MB
Formato
Adobe PDF
|
6.97 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.12075/1793