R&D

Il futuro del clima è a un bivio. C’è una crescente consapevolezza rispetto agli sfidanti obiettivi di i riduzione del 55% delle emissioni di CO2 entro il 2030 e l’abbattimento
totale entro il 2050

R&D

Il futuro del clima è a un bivio. C’è una crescente consapevolezza rispetto agli sfidanti obiettivi di i riduzione del 55% delle emissioni di CO2 entro il 2030 e l’abbattimento totale entro il 2050

Il momento giusto in cui agire è ora

Negli ultimi anni l’evoluzione delle nuove tecnologie ha fatto passi da gigante: da tempo ormai IoT e AI fanno parte delle nostre case. Anche se questo sviluppo farebbe pensare che la tecnologia sia diffusa ovunque, il settore della regolazione degli edifici è ancora molto indietro, sia che gli edifici siano del terziario, sia industriali che condominiali. Il gruppo R&D di Enerbrain lavora a stretto contatto con i centri di ricerca Europei per rispondere prontamente alle diverse sfide poste dalla comunità Europea stessa.

Il team R&D di Enerbrain lavora all’integrazione delle tecnologie, per riuscire da un lato a massimizzare l’efficientamento energetico, e dall’altro a ottenere una soluzione con un fattore plug&play molto elevato per rendere la soluzione sempre più scalabile.
Il team R&D è composto da matematici, fisici, ingegneri elettronici, energetici e informatici e ogni anno incrementa il suo staff. L’obiettivo è creare un team di innovazione per dare il proprio contributo con soluzioni che generano efficientamento energetico, facilmente installabili per ottenere un impatto immediato.

Innovazione dei sistemi HVAC attraverso l’IA

La ricerca di Enerbrain si è concentrata in particolare sulla regolazione dei sistemi HVAC, perché il loro consumo è una componente importante, soprattutto nel settore non residenziale, sebbene negli ultimi anni siano stati apportati miglioramenti significativi in termini di efficienza energetica.
Una delle principali sfide legate alla gestione ottimale dei sistemi HVAC consiste nel gestire la non linearità delle variabili di controllo come: comportamento degli occupanti o condizioni meteorologiche esterne.

Pertanto, i ricercatori hanno concentrato la loro attenzione su strategie di controllo innovative per gli impianti HVAC, in grado di mantenere condizioni di comfort termico interno e, allo stesso tempo, ridurre il consumo di energia. Queste strategie devono essere anche in grado di gestire i segnali dalla rete elettrica al fine di soddisfare i requisiti di alimentazione e migliorare l’affidabilità e la stabilità della rete.

Queste opportunità sono state fornite dall’introduzione di strumenti ASO (Automated System Optimization) basati sull’intelligenza artificiale (AI), che possono contribuire in modo significativo a migliorare la flessibilità energetica di un edificio. La flessibilità energetica rappresenta una caratteristica fondamentale degli edifici intelligenti che definisce la loro capacità di adattamento e di risposta alle richieste della rete, condizioni climatiche e esigenze degli utenti.

Previsione intelligente

I controllori tradizionali, come ON / OFF o Controllo proporzionale-integrativo-derivativo (PID), potrebbero essere inadeguati a causa della loro incapacità di prevedere i cambiamenti dinamici che influiscono sul funzionamento dei sistemi energetici. Il controllo ON / OFF regola un processo operante entro i confini, mentre il PID richiede la messa a punto dei parametri di controllo prima della sua implementazione. Sebbene quest’ultimo abbia prestazioni migliori rispetto ai controller ON / OFF, potrebbe essere ancora inadeguato perché le prestazioni del PID diminuiscono notevolmente quando le condizioni operative sono diverse dalle condizioni di tuning in cui vengono tarate le costanti che regolano il controllo.

Cybersecurity

L’Internet Of Things (IoT) rappresenta l’evoluzione tecnologica che oggi consente l’interconnessione sempre più pervasiva tra dispositivi e oggetti di qualsiasi tipologia.
Il protocollo MQTT è alla base della comunicazione tra i dispositivi e la Rete e permette infatti di distribuire messaggi da uno a più destinatari così come di disaccoppiare all’occorrenza le applicazioni.

L’evoluzione degli algoritmi di controllo

Oggi i PID sono i sistemi di controllo di livello inferiore più comuni, mentre il controllo basato su regole Rule Based Controller (RBC) è considerato lo standard per l’ottimizzazione della gestione di alto livello dei sistemi HVAC, ma i risparmi energetici che ne derivano sono limitati. In effetti nel controllo RBC le strategie sono fisse e non scalabili su diverse condizioni climatiche o caratteristiche dell’edificio, incapaci di prevedere i cambiamenti nei sistemi HVAC.
Per superare tali limitazioni, l’applicazione di strategie di controllo basate su modelli sono stati esplorati negli ultimi anni. In particolare, il Model Predicted Control (MPC) è diventato la strategia di controllo dominante nella ricerca sul funzionamento intelligente degli edifici.
Tuttavia, nonostante l’implementazione del MPC abbia dimostrato la sua eccellente capacità di migliorare il comfort termico e di ridurre i consumi energetici, la sua natura basata su modelli rappresenta in alcuni casi un aspetto critico. In effetti, un problema significativo del MPC è correlato alla dipendenza delle prestazioni dalla definizione del modello per l’ottimizzazione della strategia di controllo, spesso difficile da progettare con buona precisione. Inoltre, è difficile generalizzare il suo utilizzo su diversi tipi di impianti ed edifici. Di conseguenza, i controllori MPC non sono stati adottati come previsto nel settore edile, nonostante i risultati promettenti.
La ricerca si è concentrata anche sullo sviluppo di controller model-free basati su Machine Learning (ML), che ha mostrato un grande potenziale di miglioramento delle prestazioni degli edifici, in particolare quando si basa sul Reinforcement Learning (RL). L’interesse per le strategie di controllo basate su RL è in crescita, ed Enerbrain sta contribuendo alla ricerca in questo ambito.

I progetti di ricerca nei quali siamo coinvolti

Nazionali

Help2Grow-Tecnologie innovative per una agricoltura cibernetica

Help2Grow vuole dare vita ad una agricoltura cibernetica per la farm del futuro (Farm 4.0), proponendo nuove tecnologie e risorse rinnovabili gestite da algoritmi di intelligenza artificiale per rendere lo spazio agricolo più energeticamente efficiente e per permettere una crescita delle piante con un basso utilizzo di fitofarmaci.

Periodo
in corso, Marzo 2020-Marzo 2022

Finanziamento
Bando PRISM-E, F.E.S.R. 2014/2020, Regione Piemonte

Soggetti coinvolti
Partner industriali: ATM SERVICE S.R.L.
Enti di Ricerca: Università degli Studi di Torino – Centro AGROINNOVA; Politecnico di Torino – Dipartimento di Scienza Applicata e Tecnologia; Università degli Studi Milano Bicocca – Dipartimento di Ingegneria dei Materiali