Effetto del clima sulla domanda di energia elettrica per la climatizzazione: una proposta di modellazione inversa mediante approccio top-down applicato alla città di milano

Il presente studio propone l’analisi, mediante strumenti statistici, della correlazione tra il consumo di energia elettrica della città di Milano nel quinquennio 2013-2017 e la temperatura esterna della stessa località con scala temporale mensile, giornaliera ed oraria. L’obiettivo di tale analisi è stato la determinazione dell’effetto del clima sulla domanda di energia elettrica per il riscaldamento ed il raffrescamento degli ambienti, in base alla realtà edilizia presente. I consumi energetici mensili della città di Milano sono stati correlati alla temperatura ed analizzati utilizzando un modello a cinque parametri applicato a ogni settore merceologico. I risultati hanno evidenziato una correlazione soddisfacente nei settori residenziale e commerciale ed una correlazione scarsa in quello industriale. L’analisi giornaliera è stata limitata ai giorni lavorativi per filtrare l’effetto delle variabili diverse da quelle climatiche. La domanda di energia elettrica e la temperatura esterna sono state correlate utilizzando un modello parametrico al fine di evidenziare fenomeni fisici rilevanti e di identificare il valore di parametri caratteristici del patrimonio edilizio. Sono stati proposti un modello esponenziale ed un modello modificato a cinque parametri (5MPM) basato sul secondo principio della termodinamica, utilizzando la temperatura effettiva che tiene in considerazione l’effetto della temperatura passata. Il confronto tra i dati effettivi dei giorni lavorativi dell’intero periodo quinquennale ed i consumi elettrici ottenuti con il 5MPM ha evidenziato una buona corrispondenza tra le due distribuzioni, confermata dal valore del coefficiente di determinazione (R^2 = 0,93), dal valore dell’errore quadratico medio normalizzato (NRMSE = 2,3%) e dal valore dell’errore assoluto medio percentuale (MAPE = 1,3%). Il modello di regressione è stato poi applicato all’analisi del consumo elettrico orario, utilizzando lo sviluppo di Fourier a cinque armoniche in funzione dell’ora del giorno per identificare il consumo indipendente dalla temperatura. Aumentando il numero dei dati e la loro disaggregazione, si potrebbe adottare l’approccio della regressione di serie storiche di dati di consumo energetico per applicazioni che, attualmente, vengono affrontate con simulazione diretta o con misurazioni sul campo. In questa prospettiva, l’analisi dei “big data” e la stima di parametri possono diventare strumenti per l’interpretabilità dei modelli di consumo energetico.