Abstract
Almost 60 % of Italian school buildings were built before 1974, and even if around
50 % of these schools went through major maintenance works in the last decade, more
than 30 % of them requires urgent interventions (Legambiente, 2012) due to aging or
poor quality of construction. This situation is quite similar in all European countries,
given the widespread aged building stock.
Moreover, the current European policy on energy saving, with the Commission
Delegated Regulation (EU) 244/2012, is oriented to the re-definition of energy requirements
both for new and existing buildings (European Commission, 2012). The reference
methodology to be implemented consists in a cost-optimal analysis of retrofit improvements,
starting from a reference building which has to be representative of a building
category. The definition of this reference building could be a problem of data mining.
Data mining is a way to explore a huge quantity of data in order to find relations and
patterns between them. Many algorithms can be used for the analysis of a huge number
of data. One of these techniques is the clustering method, which allows to divide a sample
of data in homogeneous groups with similar characteristics that differentiate each
other. The aim of this work is to explore the possibility of supporting the energy audit of
existing and historical buildings stocks using some synthetic metrics calculated starting
from a few real data. To achieve this objective, regression analysis followed by cluster
analysis has been applied to a group of about 60 schools located in the province of Treviso,
Italy. The aim was to find architectural types representative of the building stock,
the so-called reference school, and to find a few parameters that are the discriminant to
assess of the energy consumption for air heating and hot water production.
In Italia quasi il 60% degli edifici scolastici risale a prima del 1974 e, anche se
nell’ultima decade circa il 50% di queste scuole ha subito interventi di manutenzione
straordinaria, più del 30% richiede urgenti interventi di riqualificazione a causa dell’età e
della conseguente scarsa qualità energetica. [Legambiente Ecosistema Scuola 2010].
Questa situazione è piuttosto simile in tutti i paesi europei, data la diffusa obsolescenza
del patrimonio edilizio scolastico.
Inoltre, l’attuale politica europea sul risparmio energetico [Regolamento Delegato
della Commissione n. 244/2012] è orientata alla ridefinizione dei requisiti energetici sia
di edifici nuovi sia degli esistenti. Il metodo di riferimento consiste in una analisi di costoptimal
di una serie di interventi di riqualificazione a partire da un edificio di riferimento
che deve rappresentare la categoria edilizia studiata. La definizione dell’edificio di riferimento
può essere un problema di data mining. Per data mining si intende il modo di
analizzare una grande quantità di dati per trovare relazioni e associazioni tra essi. Diversi
sono gli algoritmi che si possono usare. Uno di questi è il clustering che permette di dividere
un campione di dati in gruppi omogenei con caratteristiche simili tra loro e che
differenziano il gruppo dagli altri.
Lo scopo del presente lavoro è di esplorare la possibilità di fare un audit energetico
al patrimonio edilizio esistente e storico usando alcuni indicatori sintetici calcolati a partire
da pochi dati reali. Per definire la metodologia l’analisi di clustering è stata applicata
ad un gruppo di circa 60 scuole collocate nella provincia di Treviso per individuare una
o più tipologie archittettoniche rappresentative del patrimonio scolastico, la cosiddetta
scuola di riferimento, e per individuare alcuni parametri che siano discriminanti per la
stima del consumo energetico per riscaldamento e produzione di acqua calda.