Smart buildings: a methodological approach to data design, analysis and exploitation

During the last decades, improving energy efficiency in buildings has emerged as an important societal issue and research area, motivated by a pressing quest to design, develop and implement effective and affordable energy demand reduction strategies. The ultimate goal is to optimize the trade-off between energy consumption and the occupants' comfort, aiming at reducing the high-energy demand and carbon footprint without compromising the occupants' quality of life. In this perspective, current research trends focus on Information and Communication Technologies (ICT) to enhance energy efficiency in buildings and communities. Buildings, especially existing, non-residential ones, and occupants are the two key elements of the stated problem, to be opportunely monitored, dynamically controlled and made aware in order to pursue the desired optimization goal. In this context, ICT supports the following challenges: it empowers the adoption of Building Management Systems (BMSs) and Energy Management Systems (EMSs), equipped with sensors and actuators, with the mission to optimize the available resources and operational goals thus improving occupants comfort while saving energy; it enables the integration between building systems, e.g., lighting, ventilation, Heating Ventilation And Cooling (HVAC) systems; it supports the collection and storage of real-time information, e.g., indoor conditions, energy consumption, as well as the modeling of information about the building and its systems, e.g., constructive features, sensor positions, system technical details; and it contributes to the definition of an integrated infrastructure useful to extract from the available heterogeneous, multi-facet data the information needed to provide an overarching picture of the building ecosystem thus empowering dynamic operation strategies. Nonetheless, it introduces the need to master the heterogeneous, multi-facet data collected from the building ecosystem and to effectively exploit it. This challenge requires to address data quality issues, by designing ad-hoc processing approaches and to develop effective analysis methods able to support the discovery of useful knowledge and to enhance results interpretation. In this scenario, the main contribution of this thesis is the introduction of the Building Monitoring and Exploitation (BuildME) methodological framework to drive the design of building monitoring and exploitation processes. The framework identifies the relevant aspects to be investigated toward an effective design of monitoring campaigns and an efficient exploitation processes of the harvested data. The methodology outlines for each of these aspects a set of alternatives by clarifying their impact on the collected data and thus on the exploitation process results. The BuildME framework was defined in the context of a field study, that provides an experimental setup, a set of requirements for the monitoring campaign and multiple exploitation goals, with reference to the mission of the EMS and occupants thermal comfort assessment. A further contribution to the definition process spawned from field studies reported in literature that were analyzed to compare monitoring strategies and analysis approaches tailored on different goals including energy audit, models calibration, data visualization and building dynamic control. Furthermore, the framework were applied to two case studies, focused respectively on passive buildings performance and heat loss analysis, to discuss its flexibility in dealing with different goals and complex real scenarios. Future work comprises the application of the framework to new case studies, to include a wider set of characteristics related to the scenario, such as intended usages, building features, and pursuing a broader group of goals, such as occupants' behavior and model calibration. Moreover, it would be beneficial a deeper comparison of the BuildME framework with international standards, e.g., ASHRAE guidelines and procedures, and certifications, e.g., LEED v4. Nonetheless, the introduction of more rigorous monitoring strategies would enhance the quality of the harvested data thus enabling a more effective data exploitation towards the improvement of building operational strategies and the optimization of resource usage.

Negli ultimi decenni il miglioramento dell'efficienza energetica negli edifici è emerso come importante tema di ricerca volto a progettare, sviluppare ed attuare strategie di riduzione del loro fabbisogno energetico. In particolare, l'obiettivo è ottimizzare il trade-off tra il consumo di energia e il benessere degli occupanti, con l'obiettivo di ridurre la domanda di energia senza compromettere il benessere degli occupanti. Per perseguire l’obiettivo di efficientamento energetico è possibile agire su due fondamentali attori: gli edifici, in particolare edifici esistenti ed edifici di tipo non residenziale, e gli occupanti. Mentre i primi devono essere dotati di sensori e sistemi di controlli, i secondi devono essere coinvolti attivamente nel processo di efficientamento. In questa prospettiva, l’ICT ricopre un ruolo chiave nella sfida dell’efficientamento energetico degli edifici e delle comunità intelligenti. Essa, infatti, consente l'adozione di sistemi intelligenti di gestione degli edifici (Building Management Systems (BMS)) e dell'energia (Energy Management Systems (EMS)), dotati di sensori e attuatori, con l'obiettivo di ottimizzare le risorse disponibili e, nel rispetto degli obiettivi operativi, e di garantire un certo livello di benessere per gli occupanti attraverso un utilizzo efficiente dell’energia. Inoltre, supporta la raccolta e l'archiviazione di informazioni in tempo reale, quali ad esempio condizioni ambientali degli spazi interni, consumi energetici, nonché la modellazione di informazioni sull'edificio e sui suoi sistemi, inclusi caratteristiche costruttive, posizionamento dei sensori, dettagli tecnici dei sistemi, e contribuisce alla definizione di un'infrastruttura integrata utile ad estrarre dai dati eterogenei e multidimensionali collezionati le informazioni necessarie a fornire una rappresentazione generale e dettagliata dell'ecosistema edificio. La disponibilità dei dati collezionati, introduce la necessità di gestire ed elaborare i dati eterogenei e multiformi raccolti dall'ecosistema edificio e di analizzarli efficacemente per estrarne conoscenza. Questa sfida richiede di risolvere problemi legati alla qualità dei dati, progettando approcci di elaborazione ad-hoc, di sviluppare metodi efficaci in grado di supportare l’analisi dei dati raccolti e di migliorare l'interpretazione dei risultati ottenuti. In questo scenario, il contributo principale di questa tesi è l'introduzione del framework metodologico Building Monitoring and Exploitation (BuildME) per guidare la progettazione dei processi di monitoraggio e sfruttamento dei dati. Il framework identifica gli aspetti fondamentali da analizzare per un’efficace progettazione delle campagne di monitoraggio e un efficiente processo di utilizzo dei dati raccolti. La metodologia delinea per ciascuno di questi aspetti un insieme di alternative, chiarendo il loro impatto sui dati collezioanti e quindi sui risultati del processo di sfruttamento. Il framework BuildME è stato definito nel contesto di un caso di studio sperimentale, che ha fornito un insieme di requisiti per la campagna di monitoraggio e molteplici obiettivi di sfruttamento dei dati con riferimento alla missione dell’EMS e al miglioramento del benessere termico degli occupanti. Un ulteriore contributo al processo di definizione è stato fornito dai casi di studio riportati in letteratura che sono stati analizzati per confrontare le strategie di monitoraggio e gli approcci di analisi valutando un ampio spettro di obiettivi, inclusi processi di diagnosi energetica, calibrazione di modelli di controllo dinamico, e visualizzazione e sintesi dei dati collezionati. Inoltre, il framework è stato applicato a due casi studio, incentrati rispettivamente sugli edifici passivi e sull'analisi delle perdite di calore, per valutarne la flessibilità nella gestione di obiettivi di monitoraggio diversi e di casi di studio complessi. Gli sviluppi futuri comprendono l'applicazione del framework a nuovi casi di studio, al fine di includere un insieme più ampio di caratteristiche relative allo scenario, ad esempio in termini di destinazione d’uso e caratteristiche costruttive, e valutare un gruppo più esteso di obiettivi, quali ad esempio l’analisi comportamentale degli occupanti e la calibrazione di modelli di controllo. Inoltre, sarebbe utile un confronto più approfondito del framework BuildME con gli standard internazionali, incluse linee guida e procedure proposte da ASHRAE e certificazioni, ad esempio LEED v4. L'introduzione di strategie di monitoraggio più rigorose migliorerà la qualità dei dati raccolti, consentendo uno sfruttamento dei dati più efficace con l’obiettivo di migliorare le strategie di gestione degli edifici ed ottimizzare l’uso delle risorse energetiche.