L’intelligenza artificiale che dice quali interventi fare per avere una maggiore efficienza energetica degli edifici

In Italia, l’edilizia è uno dei settori che hanno un alto fabbisogno energetico: infatti, rappresenta il 40% della domanda di energia totale e ammonta a circa 870mila tonnellata equivalente di petrolio.

Per questo è già da qualche anno che è stata avviata una serie di azioni per rendere il patrimonio edilizio italiano più efficiente: l’obiettivo iniziale, raggiunto però solo in parte, era raggiungere una riduzione energetica di 25,5 Mtep entro il 2020.

L’ENEA ha ipotizzato che tramite l’intelligenza artificiale si potrebbe valutare l’efficacia delle strategie per l’efficientamento energetico, nel medio/lungo termine, degli edifici in Italia, e ha sviluppato una rete neurale artificiale capace di simularne i consumi energetici.

Come caso studio è stata scelta l’Umbria: qui circa l’84% degli immobili è stato realizzato prima degli anni Novanta, hanno una superficie utile che in genere è compresa tra 60 e 150 m² e principalmente sono dotati di impianti autonomi a gas naturale.

Per prima cosa, è stata fatta una stima della domanda energetica del patrimonio edilizio regionale, dopodiché con la rete neurale artificiale il team ENEA è stato in grado in grado di simulare i consumi energetici di questi nell’arco di 25 anni.

Successivamente, sono state elaborate sei strategie di efficientamento energetico, che riguardavano la:

• sostituzione degli infissi (Uw pari a 1.30 W/m2 K);
• sostituzione del generatore con uno a condensazione;
• sostituzione del generatore con una pompa di calore idronica;
• realizzazione dell’isolamento a cappotto e simultanea sostituzione degli infissi;
• realizzazione dell’isolamento a cappotto, sostituzione degli infissi e sostituzione del generatore di calore con uno a condensazione;
• realizzazione dell’isolamento a cappotto, sostituzione degli infissi e sostituzione del generatore di calore con una pompa di calore idronica.

Secondo le osservazioni di Iole Nardi, ricercatrice del Laboratorio ENEA di Efficienza energetica negli edifici e sviluppo urbano, guardando ai risultati ottenuti, nel contesto umbro i più importanti risparmi di energia sono dati dagli interventi realizzati in maniera congiunta sull’involucro e sugli impianti, piuttosto che da quelli realizzati singolarmente, anche se è innegabile che comportano un maggiore costo.

L’ENEA ha utilizzato l’intelligenza artificiale per le previsioni energetiche, allo scopo di individuare gli edifici da riqualificare in base al contesto climatico, ottenendo come risultato:

1. l’aumento del risparmio energetico ottenibile (fino al 23%), grazie agli interventi sul patrimonio edilizio più energivoro della Regione
2. la 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.