Automazione dei sistemi HVAC sulla base dei dati: uno studio sperimentale in un'aula studio universitaria

Thermal comfort is linked to occupants' satisfaction with their surrounding environment and should be considered one of the primary indicators of building performance. Human comfort sensations depend on two factors: objective aspects related to the building itself, and subjective aspects concerning the physiological and psychological characteristics of individuals. Achieving a state of comfort for all individuals in each environment is quite challenging due to the numerous characteristics that influence it. This thesis study proposes a framework for controlling HVAC systems in university study rooms that integrates a data-driven model capable of predicting the likelihood of user interaction with heating and ventilation systems. This model is based on variables such as thermal sensation votes (TSV), perceived air quality (PAQ), and microclimatic parameters, including air and operative temperature, air velocity, relative humidity, and CO₂ concentration. The experiment allowed participants to engage in their usual study or work activities without the need for supervision. This approach minimized psychological conditioning and made their experience and interaction with the environment and systems as natural as possible. Data analysis revealed that operative temperature is the primary factor influencing occupants' thermal perception, while perceived air quality is related not only to CO₂ concentration but also to thermal sensation and air velocity. Additionally, three predictive models (heating, cooling, and indoor air quality) were developed, estimating the likelihood of user interaction with the system, with R² values ranging from 0,85 to 0,94. The heating phase model was tested by automating the heating system through the developed framework and comparing users' thermal sensations before and after automation. The adoption of these models improved users' thermal comfort, increasing it from 39% to 82%, thereby demonstrating the effectiveness of the system.

Il comfort termico è legato alla soddisfazione degli occupanti con l’ambiente circostante e deve essere considerato come uno dei principali indicatori di prestazioni edilizie. Le sensazioni di comfort dell’essere umano sono funzione di due fattori: gli aspetti oggettivi, legati alla struttura edilizia e gli aspetti soggettivi, che riguardano le caratteristiche fisiologiche e psicologiche della persona. Il raggiungimento dello stato di comfort per tutti gli individui di un determinato ambiente è molto compresso proprio per le molteplici caratteristiche da cui è influenzato. Questo studio di tesi propone un framework per il controllo dei sistemi HVAC nelle sale studio universitarie che integra un modello basato sui dati capace di prevedere la probabilità di interazione degli utenti con i sistemi di condizionamento e ventilazione, basato su variabili come il voto di sensazione termica (TSV), la qualità dell’aria percepita (PAQ) e parametri microclimatici, tra cui la temperatura dell’aria e la temperatura operativa, la velocità dell’aria, l’umidità relativa e la CO2. L’esperimento ha consentito ai partecipanti di svolgere le proprie attività di studio o lavoro senza la necessità di essere supervisionati. Ciò ha consentito agli occupanti di non essere condizionati psicologicamente e ha reso la loro esperienza e interazione con l'ambiente e i sistemi il più naturale possibile. L’analisi dei dati sperimentali ha rilevato che la temperatura operativa è il fattore principale che influisce sulla percezione termica degli occupanti, mentre la qualità dell’aria percepita è legata non solo alla concentrazione di CO2, ma anche alla sensazione termica e alla velocità dell’aria. Inoltre, dai dati sperimentali sono stati ottenuti tre modelli predittivi (riscaldamento, raffrescamento e IAQ), che stimano la probabilità di interazione dell’utente con il sistema, con valori di R2 compresi tra 0,85 e 0,94. Il modello per la fase di riscaldamento è stato testato automatizzando il sistema di riscaldamento attraverso il framework sviluppato e confrontando le sensazioni termiche degli utenti prima e dopo l’automazione. L’adozione di questi modelli ha migliorato il comfort termico degli utenti, incrementandolo dal 39% all’82%, dimostrando così l’efficacia del sistema.