Energia: ENEA sperimenta l’intelligenza artificiale per interventi di efficientamento sempre più efficaci
ENEA ha condotto uno studio per valutare l’efficacia delle strategie di efficienza energetica del patrimonio edilizio italiano nel medio-lungo periodo attraverso l’uso dell’Intelligenza Artificiale (AI). Per validare l’efficacia di questa nuova tecnologia, il team di esperti dell’Agenzia ha scelto come caso studio la Regione Umbria, un contesto locale ma ben rappresentativo della situazione nazionale, dove quasi l’84% degli immobili è stato costruito prima degli anni ’90, ha una superficie utile compresa tra i 60 e i 150 m2 ed è dotata per lo più di impianti autonomi alimentati a gas naturale.
Una volta stimata la domanda energetica totale[1] del parco edilizio della Regione, i ricercatori ENEA hanno sviluppato una rete neurale artificiale[2], ossia un modello avanzato di elaborazione dati, capace di simulare i consumi energetici del patrimonio edilizio, in un intervallo temporale di 25 anni, e applicando sei diverse strategie di efficientamento energetico[3]. “In alcuni contesti, come quello umbro, gli interventi combinati su involucro e impianti, anche se più onerosi e dunque realizzabili su un numero limitato di edifici, permettono risparmi energetici più significativi rispetto a quelli derivanti da singoli interventi, come la sostituzione degli infissi, anche se replicati su molti più edifici”, spiega Iole Nardi, ricercatrice del Laboratorio ENEA di Efficienza energetica negli edifici e sviluppo urbano.
A partire dai primi risultati, gli esperti ENEA hanno deciso di continuare a mettere alla prova l’intelligenza artificiale, utilizzando le previsioni energetiche elaborate per individuare gli edifici da riqualificare in relazione anche al contesto climatico; il risultato è stato un aumento del risparmio energetico ottenibile (fino al 23%), grazie agli interventi sul patrimonio edilizio più energivoro della Regione e una riduzione complessiva della domanda energetica del settore pari al 13%.
“Questi risultati confermano le enormi potenzialità dell’intelligenza artificiale e, in particolare, delle reti neurali artificiali come sofisticato strumento di elaborazione dati e di analisi energetiche previsionali. La loro capacità di simulare il comportamento del cervello umano gli permette di “apprendere” attraverso l’esperienza; la AI, infatti, non viene programmata, ma “addestrata” ad eseguire compiti sempre più complessi attraverso un processo di apprendimento basato su dati empirici, come quelli che abbiamo utilizzato per questo studio in cui sono state elaborate anche informazioni contenute negli Attestati di Prestazione Energetica”, sottolinea Domenico Palladino, ricercatore del Laboratorio efficienza energetica negli Edifici e Sviluppo Urbano di ENEA.
In Italia l’edilizia è uno dei settori più energivori, con circa il 40% della domanda energetica totale e un incremento dei consumi dello 0,6% solo nel 2019. Negli ultimi anni sono state adottate numerose strategie di efficientamento del parco edilizio, finalizzate a raggiungere una riduzione energetica di 25,5 Mtep entro il 2020, obiettivo conseguito solo parzialmente dal momento che tra il 2014 e il 2019 è stato raggiunto un risparmio di 17,6 Mtep.
Estratto
Al fine di ridurre le emissioni di gas a effetto serra e migliorare l’efficienza energetica degli edifici, gli Stati membri europei devono pianificare strategie a medio-lungo termine il più affidabili possibile. In questo contesto, il presente lavoro si propone di discutere le potenzialità della Rete Neurale Artificiale (ANN) come strumento di supporto per l’analisi previsionale a medio-lungo termine delle strategie di efficienza energetica nella Regione Umbria (Italia centrale) scelte come caso di studio. Le simulazioni energetiche parametriche di diversi archetipi di edifici sono state effettuate nel rispetto delle vigenti normative italiane modificando la forma, le proprietà termiche, le condizioni al contorno e i sistemi tecnici di costruzione. Un ANN in grado di prevedere il fabbisogno di energia primaria è stato formato per prevedere il fabbisogno energetico del parco immobiliare della Regione Umbria e per valutare l’efficacia di diverse potenziali azioni energetiche (come il rivestimento termico o la sostituzione di sistemi tecnici di costruzione) nel corso degli anni. I risultati confermano il potenziale di utilizzo di ANN come strumento di supporto nell’analisi delle previsioni energetiche per gli Enti locali. ANN è in grado di prevedere diversi scenari futuri consentendo di pianificare correttamente le azioni energetiche da implementare e la loro priorità. I risultati si aprono a diversi scenari di interesse, come l’applicazione dello stesso approccio a livello nazionale.
