Tecnica

ottobre 2014
LA TERMOTECNICA
Energia & Edifici 55
di T. Terlizzese, C. Ricci, P. Vestrucci, C. Mandurino

Il database italiano di Test Reference Years

Un progetto Life+
La simulazione dinamica si sta sempre più diffondendo nello studio della prestazione energetica degli edifici, nella valutazione del potenziale di impianti
a fonte rinnovabile e nelle analisi ambientali, richiedendo dati meteorologici orari rappresentativi del clima della località in esame. Il Test Reference Year
(TRY) consiste in una sequenza di dati meteorologici orari realmente misurati ed estrapolati da serie storiche poliennali, ora disponibili online per tutto il
territorio italiano.
THE ITALIAN DATABASE OF TEST REFERENCE YEARS - A LIFE+ PROJECT
The dynamic simulation approach is growing more popular among professionals and researchers. Hourly meteorological data, reflecting the typical
weather condition of a specific location, are required in dynamic simulation software.
Test Reference Years (TRYs) meet these requirements, providing hourly meteorological data, actually measured and contemporaneous, extracted from
multi-year series. A database of TRYs for the whole Italian territory is now available online.

LA NECESSITÀ DI DATI METEOROLOGICI ORARI
La simulazione dinamica per lo studio del comportamento termico degli
edifici e per la valutazione della producibilità degli impianti è uno strumen-
to efficace che viene sempre più frequentemente adottato dai professionisti
di settore, sia per eseguire studi di fattibilità economica sia a supporto di
scelte tecniche progettuali. La maggiore sensibilità al tema del comfort in-
terno degli edifici, tema che richiede un approccio dinamico, e la necessità
di effettuare valutazioni sempre più precise della producibilità di impianti a
fonti rinnovabili, visto il continuo calo degli incentivi economici, comporterà
una ulteriore diffusione di tale strumento di analisi.
Il quadro normativo sta evolvendo verso una quantificazione più precisa
dei fabbisogni mediante simulazione dinamica e la necessità di dati
meteorologici orari è una diretta conseguenza. La questione successiva è
la scelta di quali dati meteorologici orari prediligere: un anno specifico,
considerando ad esempio i dati meteorologici orari dell’anno 2007 per
la località di interesse, non è sufficientemente rappresentativo, occorre
pertanto processare le serie storiche registrate per costruire un anno rap-
presentativo o anno-tipo.
Nel mondo sono state elaborate diverse tipologie di anni-tipo, chiamati
Test Reference Year (TRY) nella notazione europea e Typical Meteorological
Year (TMY) in quella americana. In generale, un TRY è una sequenza di
8.760 dati orari, il numero di ore contenute in 365 giorni, effettivamente
misurati per ognuna delle variabili meteorologiche considerate. Attraverso
opportuni criteri statistici, da una serie storica quanto più lunga possibile,
per ciascun mese si seleziona quello più rappresentativo della serie storica
stessa, pervenendo in tal modo a un anno di dati costituito, ad esempio,
da Gennaio 2006, Febbraio 2002, Marzo 1999 etc.
ANNO METEOROLOGICO TIPO, UNA PANORAMICA
In diversi Paesi del mondo, i dati meteorologici orari sono già disponibili,
se pure elaborati seguendo metodi eterogenei. In Germania, il territorio è
stato suddiviso in 15 regioni climatiche, individuando per ciascuna regio-
ne una località rappresentativa; i TRY sono stati generati per tali località
secondo la metodologia sviluppata dall’Università di Berlino e dal Servizio
Meteorologico Tedesco; i periodi meteorologici effettivi sono selezionati in
modo tale da rappresentare al meglio la media mensile, la media annua
e la deviazione standard di lungo periodo per i parametri climatici consi-
derati (in particolare la temperatura dell’aria). Le serie storiche processate
sono molto lunghe (1988-2007) e specifiche di ciascuna regione climatica.
Il set completo di TRY è disponibile in dvd a pagamento dal sito del Ministero
Federale dei Trasporti, dell’Edilizia e dello Sviluppo Urbano [1].
Nel Regno Unito, la Chartered Institution of Building Services Engineers
(CIBSE) fornisce a pagamento il TRY e il DSY (Design Summer Year), en-
trambi disponibili per 14 località sul territorio. Le serie storiche utilizzate,
anche se non sempre complete, si riferiscono al periodo (1983-2005) [2].
Negli Stati Uniti, coesistono due importanti enti fornitori di anni me-
teorologici tipo: il NREL (National Renewable Energy Laboratory) ha
prodotto TMY per circa 1.000 località, disponibili gratuitamente online
[3]; l’ASHRAE ha sviluppato anni meteorologici tipo per 51 località negli
USA, oltre a circa 3.000 località nel mondo, disponibili a pagamento. Il
protocollo ASHRAE è stato poi adottato anche da Canada e Australia.
In Italia, il CTI (Comitato Termotecnico Italiano) ha creato e messo a
disposizione online un database contenente TRY per tutti i capoluoghi di
provincia [4] [5] [6].
In tutti i casi sopra citati, i TRY sono stati elaborati solo per applicazioni
su edifici, in particolare per il dimensionamento degli impianti termici e il
calcolo del fabbisogno energetico annuo (d’ora in poi TRY-termico).
IL PROGETTO LIFE+2009 ET-IDEA
NIER Ingegneria e l’Università di Bologna hanno completato il Progetto
ET-IDEA, con l’obiettivo di rendere disponibile a Enti pubblici, professionisti
e ricercatori un nuovo database di TRY per il territorio italiano in grado di
raggiungere un inedito livello di capillarità geografica. L’aspetto innovativo
del Progetto consiste nella creazione di tre nuove tipologie di TRY, oltre al

Ing. T. Terlizzese, Ing. C. Ricci - NIER Ingegneria Spa

Ing. P. Vestrucci - Dipartimento Ingegneria Industriale - Università di Bologna
Ing. C. Mandurino - Protom Group Spa
 Tecnica
56 Energia & Edifici
TRY-termico, ossia: TRY per applicazioni fotovoltaiche (TRY-fotovoltaico),
eoliche (TRY-eolico) e ambientali (TRY-ambientale). Ciascuna tipologia si
basa su uno specifico set di variabili meteorologiche, secondo specifici criteri
di selezione dei mesi per la composizione dell’anno meteorologico tipico.
Il Progetto ha richiesto il reperimento e la successiva elaborazione di una no-
tevole quantità di dati meteorologici. In Italia, a differenza di altri Paesi, non
esiste un sistema di monitoraggio meteorologico unico a livello nazionale.
Aeronautica Militare e CMA sono i soli enti a gestire stazioni meteo sull’in-
tero territorio, ma in numero limitato. Agenzie Regionali per la Protezione
Ambientale, Servizi Agrometeorologici, Protezione Civile sono invece gli
enti che gestiscono il maggior numero di stazioni, notevolmente eterogenee
in termini di età, variabili monitorate, frequenza di monitoraggio, unità di
misura e oltretutto non uniformemente distribuite sul territorio.
Per le finalità specifiche del Progetto sono state identificate 2.697 stazioni.
Di queste, sono stati acquisiti dati meteorologici relativi a 1.471 stazioni. Non
essendo sempre presente il dato orario di radiazione solare, si è scelto di
integrare i dati meteorologici raccolti con quelli di radiazione solare diretta
e diffusa da satellite (satelliti geostazionari Meteosat gestiti da EUMETSAT).
La verifica dell’affidabilità dei dati di radiazione satellitare avviene attraverso
un confronto continuo, a livello mondiale, dei dati registrati da satellite con
dati registrati a terra da 12 stazioni campione [7]. Nelle elaborazioni dei TRY
si è scelto di utilizzare il dato di radiazione solare registrato a terra, quando
questo era disponibile, altrimenti il dato satellitare.
I dati acquisiti sono stati sottoposti a un’analisi qualitativa iniziale, volta a
identificare possibili incongruenze e/o errori di misura, nonché una “rico-
struzione”, laddove possibile, delle lacune (ore di mancato rilevamento).
Per quanto concerne la pulizia di dati errati, si sono adottati due diversi criteri
di controllo, facendo riferimento a quelli usati per la costruzione del TMY
di Petrakis et al. [8] [9], come riportato in Tabella 1. Il primo è un controllo
“assoluto”, che scarta i valori non appartenenti ai range di validità associati
a ciascuna variabile meteorologica; il secondo è un controllo “relativo”,
basato sulla valutazione delle differenze tra valori successivi rispetto a una
soglia massima stabilita.
TABELLA 1 - Criteri di controllo degli errori
Una volta eliminati i valori non accettabili, si sono identificate tutte
le lacune e, per la loro eventuale ricostruzione, sono state scelte
tecniche diverse a seconda della lunghezza della lacuna, cioè del
numero di ore mancanti, prediligendo in ogni caso metodologie già
collaudate, con errori di approssimazione marginali. Le lacune da
1 a 5 ore sono state ricostruite mediante spline cubica, polinomio
di terzo grado continuo, a tratti caratterizzato da un grado di ac-
curatezza più elevato rispetto ai polinomi interpolanti classici. Per
le lacune da 6 a 24 ore e da 25 a 72 ore si sono invece adottate
ottobre 2014
LA TERMOTECNICA
le tecniche di interpolazione lineare come per la generazione degli
anni tipici canadesi denominati IWEC [10]. Lacune di ampiezza
maggiore di 72 ore non sono state considerate e i relativi dati non
sono stati ricostruiti.
CREAZIONE DEL DATABASE DI TEST REFERENCE YEARS
Il metodo adottato per la creazione dei TRY è basato sul TMY2, ossia
sulle procedure sviluppate dai Sandia National Laboratories [11].
Tale metodologia, già impiegata in letteratura per il TRY-termico,
e successivamente adattata alle altre applicazioni sviluppate nel
Progetto [12] [13], prevede due step successivi per la selezione dei
mesi tipici.
Step 1. In primo luogo, per le variabili rilevanti per la specifica
applicazione (per il TRY-termico, temperatura dell’aria, umidità re-
lativa, radiazione solare e velocità del vento), si considerano oppor-
tuni parametri giornalieri, come ad esempio la temperatura media
giornaliera. Si calcola quindi la funzione di distribuzione cumulata
(CDF) per ciascuno di questi parametri e per ciascun mese dell’anno,
confrontandola successivamente con la funzione di distribuzione cu-
mulata pluriennale, mediante la statistica di Finkelstein-Schafer [14]:
1 N
FS = ∑δi
N i=1
dove δi è la differenza assoluta tra la CDF poliennale e quella del
mese candidato, mentre N è il numero di intervalli (o bin) in cui è stato
suddiviso il range dei possibili dati orari. Ad esempio, considerando
che i rilevamenti della temperatura dell’aria siano tutti compresi
tra -10 °C e 40 °C e dividendo questo range in 50 bin (ciascuno
di ampiezza 1 °C), N è pari a 50; la CDF rappresenta dunque la
probabilità che la temperatura dell’aria assuma un valore inferiore
a quello corrispondente a un determinato bin.
Poiché per una specifica applicazione, ad esempio il TRY-termico,
alcuni indici possono essere più o meno significativi di altri, si esegue
una somma pesata dei valori della statistica di Finkelstein-Schafer
ottenuti per i diversi parametri. I 5 mesi con la media pesata più
bassa sono selezionati quali migliori candidati alla generazione del
TRY, e di conseguenza passano allo Step 2. La definizione dei pesi
adottati e i metodi utilizzati per la loro individuazione sono trattati
al paragrafo seguente.
Step 2. I 5 mesi candidati sono classificati in base alla vicinanza del
mese alla media e mediana di lungo termine. Le differenze relative
sono calcolate per uno o due parametri considerati particolarmente
significativi per l’applicazione per cui si vuole costruire il TRY (ad
esempio per il TRY-termico l’analisi riguarda temperatura e radia-
zione solare). Il mese migliore secondo questo criterio viene usato
per la composizione del TRY.
L’ultimo passaggio consiste nello “smoothing”; i mesi che compon-
gono l’anno di riferimento apparterranno, nella maggior parte dei
casi, ad anni diversi. Le transizioni tra un mese e l’altro sono state
gestite mediante interpolazione lineare.
RISULTATI
In totale sono stati generati 1071 TRY per circa 600 stazioni me-
teorologiche (Figura 1 e Figura 2).

ottobre 2014
LA TERMOTECNICA
FIGURA 1- Stazioni meteorologiche con TRY elaborati per Regione
FIGURA 2 - Stazioni meteorologiche con TRY elaborati
Come risulta evidente, rispetto al numero di stazioni di cui si sono acqui-
siti dati meteorologici, quelle tecnicamente adeguate per la generazio-
ne di almeno una tipologia di TRY sono in numero molto inferiore. Ciò è
attribuibile da una parte alla brevità delle serie storiche disponibili per
l’intero set di variabili meteorologiche richieste, dall’altra alla scarsa
qualità dei dati: anche in presenza di serie temporali lunghe, si sono
infatti presentate lacune frequenti e spesso non ricostruibili.
Inoltre, le stazioni non risultano uniformemente distribuite sul territo-
rio, rivelando la scarsa omogeneità esistente tra le varie reti presenti
in Italia. La maggior parte dei TRY prodotti è stata comunque creata
usando serie storiche almeno decennali (912 casi), mentre i restanti
sono basati su serie storiche di 8-9 anni (152 casi) e molto raramente
di 6-7 anni (7 casi), principalmente per garantire la disponibilità di TRY
in aree geografiche particolarmente povere di dati. Tutti i TRY generati
sono stati sottoposti a opportuni controlli per garantire la loro coerenza
rispetto alle serie storiche di partenza.
Tecnica
Energia & Edifici 57
La Figura 3 rappresenta la distribuzione territoriale ottenuta per
le diverse tipologie di TRY prodotti.
FIGURA 3 - Distribuzione geografica dei TRY generati per tipologia
I TRY-eolici e i TRY-ambientali hanno risentito della frequente mancanza
di dati di velocità e direzione del vento. Il numero di anemometri installati
è ancora piuttosto limitato e i sensori tecnologicamente più completi e
affidabili sono stati installati in periodi recenti.
I 256 TRY-termici ottenuti nell’ambito del Progetto Europeo oggetto della
presente trattazione, integrati con i TRY- termici sviluppati dal CTI offrono
ai professionisti operanti sul territorio italiano un’ampia disponibilità di
dati meteorologici per applicazioni legate alla modellazione e analisi del
sistema edificio-impianto. I TRY del CTI, esclusivamente finalizzati all’ap-
plicazione termica, sono stati elaborati partendo dal criterio riportato nello
Standard tecnico Europeo EN ISO 15927-4:2005 [15]. La selezione si
basa su temperatura dell’aria, radiazione solare e umidità relativa come
variabili primarie, con la velocità del vento quale variabile secondaria.
I criteri di calcolo imposti dallo Standard adottato sono stati seguiti nei limiti
delle peculiarità del sistema meteorologico nazionale; in termini di qualità
dei dati acquisiti, considerato che validazioni ufficiali da parte degli enti
sono raramente disponibili, si sono scartati valori ritenuti non soddisfacenti
secondo criteri di tipo assoluto e statistico [16], assumendo però come
validi i restanti dati; in termini di lunghezza delle serie temporali, la norma
imporrebbe un minimo di 10 anni, ma in alcuni casi è stato scelto di proce-
dere anche con un numero minore [17], sempre nell’ottica di raggiungere
un soddisfacente livello di distribuzione geografica.
Per quanto riguarda i TRY-termici sviluppati all’interno del Progetto ET-
IDEA, è stato seguito un metodo differente, ben noto alla letteratura in-
ternazionale, ossia il TMY2. Si è scelto, infatti, un metodo che prevedesse
l’assegnazione di pesi alle variabili meteorologiche considerate nella
selezione dei mesi secondo la statistica di Finkelstein-Schafer, al fine di
valorizzare o meno l’importanza di una determinata variabile meteorolo-
 Tecnica
58 Energia & Edifici
gica in funzione dell’applicazione per cui è creato il TRY. In Tabella 2 sono
riportati i pesi utilizzati per tutte le quattro tipologie di TRY.
TABELLA 2 - Variabili e pesi utilizzati nelle due fasi di selezione
delle diverse tipologie di TRY
Per il TRY-termico, i pesi erano già collaudati, mentre per le altre tre
tipologie di TRY sono stati appositamente determinati; per il TRY-
fotovoltaico e per il TRY-eolico sono state eseguite analisi di simula-
zione utilizzando il software TRNSYS; per il TRY-ambientale invece si
è adottato un procedimento di confronto a coppie [18] consultando
un gruppo di esperti del settore.
I TRY prodotti sono stati resi disponibili a titolo gratuito sul sito www.
itmeteodata.com, in cui sono illustrate le tecniche adottate, lo sviluppo
del Progetto e i risultati ottenuti.
SVILUPPI FUTURI
L’archivio di dati meteorologici costituito si presta a numerose potenziali
elaborazioni, oltre che a costituire un esempio per simili ricerche in altri
Paesi; in particolare sono in corso di valutazione le seguenti estensioni:
-- Water-TRY: ha l’obiettivo di migliorare la progettazione dei serbatoi
di accumulo e di conseguenza a ottimizzare l’utilizzo di acqua per
usi domestici e industriali. Una maggiore diffusione di serbatoi per
l’acqua piovana, specialmente in ambito urbano, consentirebbe al-
tresì di ridurre il rischio di alluvioni.
--TRY-futuro: consiste nell’adattamento dei TRY attuali per prevedere
gli effetti del cambiamento climatico, mediante tecniche già speri-
mentate anche in altri Paesi [19]. Una progettazione più efficace
degli impianti di riscaldamento/raffrescamento degli edifici deve,
infatti, considerare che la vita utile di un edificio varia tipicamente
tra i 50 e i 100 anni, e che sarebbe opportuno costruire in modo
da far fronte al clima futuro.
-- TRY-estivo: trova applicazione nel calcolo del carico estivo di un edifi-
cio; i progettisti avrebbero a disposizione uno strumento molto potente
per dimensionare correttamente gli impianti di raffrescamento e per
definire le soluzioni architettoniche volte a ridurre il fabbisogno estivo
(ombreggiamenti, vetri selettivi, ecc.).
ottobre 2014
LA TERMOTECNICA
BIBLIOGRAFIA
1. J. Christoffer, T. Deutschlände, M. Webs, Testreferenzjahre von
Deutschland für mittlere und extreme Witterungsverhältnisse TRY.
Selbstverlag des Deutschen Wetterdienstes, Offenbach a. Main,
ISBN-Nr.: 3-88148-398-5, 2004
2. CIBSE, CIBSE Guide A: Environmental Design, Chartered Institution of
Building Services Engineers, 2006
3. Users’ Manual for TMY3 Data Sets S. Wilcox and W. Marion Technical
Report NREL/TP-581-43156, Revised May 2008
4. P. Baggio, V. Corrado, G. Murano, G. Riva, Definizione degli anni tipo
climatici delle province del Nord Italia, La Termotecnica, ATI, pp. 8, Vol.
9, 61-68, ISSN: 0040-3725, 2010
5. G. Riva, G. Murano, V. Corrado, P. Baggio, G. Antonacci, Definizione
degli anni tipo climatici delle province di alcune regioni italiane, Report
RdS/2010/185, 2010
6. G. Riva, G. Murano , V. Corrado, P. Baggio, G. Antonacci, Definizione
degli anni tipo climatici delle province delle regioni italiane del centro sud,
Report RdS/2011/9, 2011
7. CM SAF, Meteosat (MVIRI) Solar Surface Irradiance and effective Cloud
Albedo Climate Data Sets, SAF/CM/DWD/VAL/MVIRI_HEL, 2011
8. M. Petrakis, P. Lykoudis, P. Kassomenos, A software tool for the creation of a
Typical Meteorological Year, Environmental Software, 11:221-227, 1996
9. M. Petrakis, Director Institute for Environmental Research and Sus-
tainable Development National Observatory of Athens, Personal
Communication, 2006
10. D.J. Thevenard and A.P. Brunger, The development of typical weather
years for international locations: Part 1, algorithms, ASHRAE Trans,
108(2): 376-383,2002
11. Marion and Urban, User’s Manual for TMY2s. National Renewable En-
ergy Laboratory, Golden, CO, USA, 1995
12. C. Mandurino, P. Vestrucci, A test Reference Year (TRY) approach to gas dif-
fusion in atmosphere, Int. J. Environment and Pollution, Vol. 43, No. 4, 2010
13. C. Mandurino, P. Vestrucci, Using meteorological data to model pollutant
dispersion in the atmosphere, Environmental Modelling & Software 24,
270 - 278, 2009
14. Finkelstein and Schafer, Improved goodness-of-it tests, Biometrika 58 (3),
641 - 645, 1971.
15. UNI EN ISO 15927-4 2005. Hygrothermal performance of buildings,
calculation and presentation of climatic data. Part 4: Hourly data for
assessing the annual energy use for heating and cooling
16. G. Pernigotto, G. Antonacci, P. Baggio, A. Gasparella, J. Hensen, Long
term evaluation of building energy performance: comparison of the test
reference year and historical data series in the North Italian climates, 1st
IBPSA Italy Conference, Bozen-Bolzano, 2013
17. G. Antonacci, I. Todeschini, Derivation of meteorological reference year
with hourly interval for Italy, 1st IBPSA Italy conference Free University of
Bozen-Bolzano, 2013
18. P.R. Drake, Using the analytic hierarchy process in engineering education,
Journal of Engineering Education, 14(3): 191-196, 1998
19. L. Guan, J. Yang, A. Sidwell, and J.M. Bell, The Impact of Climate Change
on the Performance of Commercial Buildings: From the Perspectives of
Energy Performance and Thermal Comfort, Proceedings of 4th Inter-
national Conference on Construction Project Management, Singapore,
543-51, 2004