• consumi energetici reali
• algoritmo regressione
• metodo dinamico

È stato ampiamente riconosciuto in letteratura che esiste un allarmante divario di prestazioni tra il consumo energetico previsto e il consumo di energia contabilizzato degli edifici (talvolta questo “gap” è stato anche del 300%). Spesso tale differenza dipende dalle condizioni di utilizzo come la temperatura interna, il tasso di ventilazione e da altri parametri utilizzati nel modello di calcolo, influenzabili notevolmente dall’utenza.
Questo lavoro di ricerca ha come scopo il miglioramento della previsione dei consumi energetici di un edificio residenziale sociale, rivolgendo particolare attenzione al ruolo degli occupanti per stimare il fabbisogno energetico legato al riscaldamento e al raffrescamento, secondo la normativa vigente, al fine di ottenere previsioni più realistiche.
Si cercano di individuare i fattori che porterebbero l’utenza a consumare più o meno energia rispetto a quella stimata in fase di progettazione. Vengono analizzate in molti riferimenti in letteratura le differenze fra i valori derivanti da simulazioni energetiche e successivi monitoraggi, osservando l’interazione degli occupanti con l’edificio e gli impianti.
Attraverso un’approfondita analisi della bibliografia scientifica si descrive l’effetto del comportamento dell’occupante sulla gestione energetica dell’edificio e si definisce il concetto di rebound effect.
Viene sviluppata un’analisi di sensibilità fra i risultati ottenuti dai monitoraggi al variare delle variabili climatiche e in presenza di comportamenti dell’utente, e i risultati ottenuti dalla costruzione dei modelli di simulazione della prestazione energetica attraverso varie metodologie previsionali di calcolo (statiche e dinamiche). In questo modo è possibile migliorare la stima dei consumi reali, di conseguenza perfezionare il calcolo della prestazione energetica dell’intero edificio e ridurre la parte del “gap” derivante dalla fase di progetto.
Infine si sviluppa un’analisi di regressione allo scopo di identificare un algoritmo di calcolo che elimini quanto più possibile la quota parte del “gap” che non si può ridurre solamente con un’analisi dinamica, ovvero quella relativa al comportamento degli occupanti.