Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Metodi ed algoritmi per la progettazione, gestione il controllo di distretti urbani intelligenti il progetto EFFICITY

96 views

Published on

3° Presentazione del workshop finale del progetto EFFICITY

Metodi ed algoritmi per la progettazione, gestione il controllo di distretti urbani intelligenti: il progetto EFFICITY

Sito web del progetto: www.efficity-project.it

Published in: Engineering
  • Be the first to comment

  • Be the first to like this

Metodi ed algoritmi per la progettazione, gestione il controllo di distretti urbani intelligenti il progetto EFFICITY

  1. 1. Politecnico di Milano – Polo di Piacenza, 30 Aprile 2019 Progetto Efficity (Bando Regione Emilia-Romagna DGR 1097/2015 - POR-FESR 2014-2020) Metodi ed algoritmi per la progettazione, la gestione ed il controllo di distretti energetici intelligenti: il progetto EFFICITY Prof. Emanuele Martelli – Politecnico di Milano
  2. 2. Politecnico di Milano, Polo di Piacenza, 30/04/2019 2 Evoluzione dei sistemi energetici a servizio di edifici Soluzione centralizzata con caldaia Soluzione centralizzata con cogeneratore + caldaia
  3. 3. Politecnico di Milano, Polo di Piacenza, 30/04/2019 3 Evoluzione dei sistemi energetici a servizio di edifici Scelte progettuali: - Tecnologie e taglie - Siti/edifici di installazione e topologia della rete di distribuzione Scelte operative: - On/off e carichi unità - Gestione accumuli - Acquisto/vendita energia elettrica - Portate e temperature rete distribuzione - Gestione temperatura interna edifici (DSM) Vincoli: - Bilanci energetici - Performance e costi delle unità - Vincoli operativi (rampe, numero max accensioni/giorno, etc) - Sbilanciamenti» di export/import (VPP) Distretti Energetici Dal 2010 più di 10,000 articoli scientifici!
  4. 4. Politecnico di Milano, Polo di Piacenza, 30/04/2019 Il Progetto EFFICITY 4 Motivazione Classici criteri progettuali e semplici logiche gestionali non adatti: - Eccessivamente conservative - Sub-ottime dal punto di vista ambientale ed economico - Possono causare «sbilanciamenti» della rete elettrica Opportuno sviluppare metodi sistematici che sfruttino tutte le possibili SINERGIE operative tra le unità e gli accumuli. Obiettivo del progetto EFFICITY Rendere SMART gli impianti energetici al servizio di distretti urbani sviluppando una piattaforma di codici per: - L’ottimizzazione del progetto/riqualificazione - L’ottimizzazione della gestione/controllo - La simulazione dinamica (test in ambiente simulato)
  5. 5. Politecnico di Milano, Polo di Piacenza, 30/04/2019 5 Il Partenariato Laboratori e Centri per l’innovazione LEAP – Laboratorio Energia e Ambiente Piacenza (coordinatore) CIDEA – Centro Interdipartimentale Energia e Ambiente – Università degli Studi di Parma CIRI-EA – Centro Interdipartimentale di Ricerca Industriale Energia e Ambiente – Università di Bologna CERR – Confindustria Emilia-Romagna Ricerca Soc cons. arl Enti locali Comune di Parma
  6. 6. Politecnico di Milano, Polo di Piacenza, 30/04/2019 6 • Impresa Allodi Srl – Edilizia e costruzioni • Impresa CELLA GAETANO Srl – Edilizia e costruzioni • Croci Costruzioni Srl – Edilizia e costruzioni • ANTAS Srl – Servizi integrati di gestione agli edifici, principalmente servizio energia • Consorzio Centrale Termica P.E.E.P. Corticella Soc. Coop – Produzione e distribuzione servizio calore ed acqua calda sanitaria per il comparto PEEP Corticella • CPL Concordia Soc. Coop – Costruzione di opere di pubblica utilità per il trasporto dei fluidi • SIRAM Spa – Installazione di impianti idraulici, di riscaldamento e condizionamento dell'aria in edifici o in altre opere di costruzione • Optit Srl – Sviluppo software avanzati di ottimizzazione CONSORZIO CENTRALE TERMICA P.E.E.P. CORTICELLA S.C.R.L. Il Partenariato
  7. 7. Politecnico di Milano, Polo di Piacenza, 30/04/2019 7 Piattaforma di codici «Efficity» Previsione delle domande energetiche Ottimizzazione della gestione Controllo real- time Simulazione dinamica Progettazione
  8. 8. Politecnico di Milano, Polo di Piacenza, 30/04/2019 8 Previsione della domanda energetica Approccio «fisico»: analizzare e modellizzare i fenomeni fisici coinvolti per riprodurre il rapporto causa (condizioni meteo e esigenze utenti) – effetto (consumi energetici) Approccio «data-driven»: utilizzare algoritmi machine learning per «imparare» il rapporto causa-effetto senza modellizzare i fenomeni fisici coinvolti
  9. 9. Politecnico di Milano, Polo di Piacenza, 30/04/2019 9 Single layer feedforward neural network Collaborazione con il Politecnico di Milano, DEIB: Prof. E. Amaldi e Dr. A. Manno Previsione della domanda elettrica e termica Approccio Black-box: machine learning Machine Learning: Algoritmi capaci di ricostruire in modo approssimato il legame funzionale tra cause ed effetti dall’osservazione di dati storici
  10. 10. Politecnico di Milano, Polo di Piacenza, 30/04/2019 10 (+) Non richiede la conoscenza delle caratteristiche energetiche degli edifici  immediata applicabilità (+) Ottima accuratezza anche nella previsione dei consumi elettrici (difficile con modelli classici) (+) Auto-adattivo (training svolto con approccio “rolling horizon”) Approccio Black-box: machine learning Collaborazione con il Politecnico di Milano, DEIB: Prof. E. Amaldi e Dr. A. Manno
  11. 11. Politecnico di Milano, Polo di Piacenza, 30/04/2019 11 Ottimizzazione della gestione di energy districts Dati: ➜ Previsione della produzione da rinnovabili ed incertezza ➜ Previsione dei profili di domanda energetica ed incertezza ➜ Curve di performance delle unità installate ➜ Limiti operative delle unità (start-up, ramp-up, etc) ➜ Capacità ed efficienza in carica/scarica dei sistemi di accumulo ➜ Topologia, caratteristiche, limiti della rete termica ed elettrica Variabili di ottimizzazione: Set-points delle unità: on/off delle unità, carichi, gestione accumuli, portate & temperature della rete distribuzione Vincoli: domande energetiche, comfort, curve di performance delle unità, vincoli di rampa, etc Funzione obiettivo: Minimizzare il costo operativo (o le emissioni di CO2) Problema formulato come un MILP (Mixed Integer Linear Program)
  12. 12. Politecnico di Milano, Polo di Piacenza, 30/04/2019 Controllo real-time: 3-CENTO – Complex Energy Networks Tool Optimizer 12 1. Ottimizzazione dei carichi delle unità di generazione 2. Ottimizzazione delle portate/pressioni della rete di distribuzione Minimizzare consumi dei sistemi energetici e della rete (pompaggi e perdite termiche) Molteplici nonlinearità  Algoritmo Genetico 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 PM#1 PM#2 PM#3 PM#4 ElectricPower[kW] hour/day 0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 PM#1 PM#2 PM#3 PM#4 ThermalPower[kW] hour/day
  13. 13. Politecnico di Milano, Polo di Piacenza, 30/04/2019 Il Progetto EFFICITY 13 1. Libreria di modelli dinamici dei componenti delle reti energetiche (edifici, accumuli, condotti, scambiatori di calore, etc) 2. Codice in Simulink® per la simulazione del funzionamento di reti complesse 3. Verifica transitori ed evoluzione temperatura interna edifici Simulazione dinamica delle reti energetiche
  14. 14. Politecnico di Milano, Polo di Piacenza, 30/04/2019 14 Ottimizzazione del progetto di energy districts Dati: ➜ Previsione della produzione da rinnovabili ed incertezza ➜ Previsione dei profili di domanda energetica ed incertezza ➜ Previsione dei prezzi dell’energia ➜ Elenco delle possibili tecnologie installabili con relative costi ➜ Limiti operative delle tecnologie installabili (start-up, ramp-up, etc) Variabili di ottimizzazione: Tecnologie da installare, taglia e sito di installazione Topologia della rete termica di distribuzione (centralizzata vs. distribuita) Vincoli: domande energetiche, comfort, curve di performance delle unità, vincoli di rampa, etc da soddisfare Funzione obiettivo: Economica e/o energetica/ambientale Problema formulato come un MILP (Mixed Integer Linear Program)
  15. 15. Politecnico di Milano, Polo di Piacenza, 30/04/2019 Il Progetto EFFICITY oDistretto situato nella parte nord della città di Bologna (22 ettari); o17 utenze: • 13 condomini (960 unità abitative); • un supermercato; • un day-hospital; • una scuola materna; • una scuola elementare 15 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1516 17 1819 20 21 22 23 24 25 26 27 28 29 30 3132 33 34 35 3637 3839 4041 42 43 44 45 4647 48 49 50 51 52 53 54 55 56 57 58 59 60 6162 68 64 65 66 67 63 69 70 71 72 73 74 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 2223 24 25 26 2728 29 3032 31 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 Percorso critico #1 Percorso critico #2 Caso studio «Campus Univ. Parma» Caso studio «Corticella» • Superficie: 77 ettari • 21 edifici • 4 reti di distribuzione del calore Caso studio Ospedale «tipo» Rappresentativo di un ospedale di dimensione media Campus Univ. Parma Corticella
  16. 16. Politecnico di Milano, Polo di Piacenza, 30/04/2019 Il Progetto EFFICITY 16 GRAZIE PER L’ATTENZIONE Prof. Emanuele Martelli Progetto EffiCity - Sistemi energetici efficienti per distretti urbani intelligenti www.efficity-project.it Efficity è un progetto co-finanziato dalla Regione Emilia-Romagna nell’ambito del Bando per progetti di ricerca industriale strategica in ambito energetico (DGR 1097/2015), emesso in attuazione al POR-FESR 2014-2020.

×