verticale

Caratterizzazione dei consumi energetici per la climatizzazione invernale di un'area urbana

La riduzione dei consumi energetici degli edifici rappresenta una delle priorità della Commissione Europea per il raggiungimento dei target ambientali al 2050. Molti studi in letteratura presentano procedure per modellizzare i consumi energetici degli edifici a diverse scale, dal singolo edificio al parco edilizio nazionale. Le metodologie a scala di singolo edificio sono ormai robuste e largamente utilizzate da architetti ed ingegneri di tutto il mondo; nuove principali sfide di ricerca consiste nell'integrare a questi studi le analisi di comportamento dell’occupante.

Scarica il PDF Scarica il PDF
Aggiungi ai preferiti Aggiungi ai preferiti


Articoli tecnico scientifici o articoli contenenti case history
La Termotecnica, marzo 2017

Pubblicato
da Alessia De Giosa




Settori: 

Parole chiave: 


Estratto del testo
Tecnica Energia & Edifici 52 LA TERMOTECNICA MARZO 2017 INTRODUZIONE
La riduzione dei consumi energetici degli edifici rappresenta una
delle priorità della Commissione Europea per il raggiungimento dei
target ambientali al 2050. Molti studi in letteratura presentano pro-
cedure per modellizzare i consumi energetici degli edifici a diverse
scale, dal singolo edificio al parco edilizio nazionale.
Le metodologie a scala di singolo edificio sono ormai robuste e
largamente utilizzate da architetti ed ingegneri di tutto il mondo [1];
nuove principali sfide di ricerca consiste nell''integrare a questi studi
le analisi di comportamento dell''occupante [2, 3].
La definizione di una metodologia standardizzata per modellizzare
gruppi di edifici o intere aree urbane è invece tutt''ora in fase di
sviluppo [4]. Infatti, l''applicazione dei modelli molto dettagliati
applicati al singolo edificio non sono idonei per le scale più ampie
a causa dell''immensa quantità di dati richiesta e dei conseguenti
elevati costi computazionali.
La normativa EPBD [5] richiede a tutti gli stati membri di identificare
degli edifici tipo, ''Reference Building', per creare una base comune
per stimare il potenziale di riqualificazione e risparmio energetico
a scala nazionale e regionale. Identificare i ''Reference Buildings'
permette di definire edifici rappresentativi per modellizzare, in mo-
do semplificato ma sufficientemente accurato, le performance attuali
e future di un gruppo di edifici attraverso la simulazione energetica
[6; 7]. Il progetto Europeo TABULA [8] è nato con l''obiettivo di
creare una base comune per l''identificazione e la caratterizzazione
dei ''Reference Buildings' a partire dai dati statistici nazionali e/o
regionali. Attraverso il progetto TABULA, è stato possibile ottenere
una valutazione preliminare dei consumi energetici associati al par-
co edilizio nazionale. Altri tentativi hanno sfruttato dati top-down
di tipo statistico, gli standard e la normativa corrente per definire
le tipologie edilizie ed i relative consumi di energia primaria [9;
10]. Panayiotou et al. [11] hanno proposto una metodologia che si basa sia sull''audit energetico che sulla simulazione energetica per
classificare gli edifici residenziali in base alle zone climatiche, il
periodo di costruzione e le dimensioni.
La diffusione di strumenti GIS, accompagnata da uno sviluppo delle
capacità computazionali degli strumenti di calcolo, ha permesso
una ulteriore spinta nell''analisi, rendendo possibile dettagliare e
approfondire le analisi energetiche del parco edilizio, in particolare
a scala locale. Una procedura che si basa su strumenti GIS è stata
proposta e applicata alla città di Milano [4]: l''approccio utilizza dati
statistici per stimare le performance energetiche degli edifici urbani
e per definire svariati scenari di risparmio energetico. Nella Regione
Lombardia, attraverso supporto GIS, i dati energetici statistici sono
stati integrati con i risultati di audit energetici [12]. Nella città di
Benevento, semplificando la metodologia proposta dalla normativa
europea EN ISO 13790, sono state create delle mappe energetiche
relative al centro storico [13]. A Ferrara, Fabbri et al. [14] hanno
creato un database geo-referenziato contenente i dati ottenuti dalle
certificazioni energetiche; essi hanno evidenziato come tale pratica
può contribuire all''identificazione di indicatori energetici. Mattinen
at al. [15] hanno presentato una metodologia di calcolo per stimare
e visualizzare le emissioni ed i consumi energetici a livello di distretto
urbano. Nella città di New York, Howard et. al [16] hanno valutato
le intensità energetiche dei principali servizi energetici di uso finale
(climatizzazione invernale ed estiva, acqua calda sanitaria e con-
sumi elettrici). Essi hanno considerato gli usi finali come dipendenti
dalle destinazioni d''uso degli edifici (uffici, residenziali etc.).
Dagli studi precedentemente citati è emerso come una caratteriz-
zazione spaziale del parco edilizio sia fondamentale per le analisi
energetiche territoriali. La scelta della metodologia chiaramente
dipende dalla disponibilità di dati e dal livello di dettaglio richiesto
dall''analisi.
In questo articolo vengono riassunte le principali caratteristiche dei di G. Mutani , C. Delmastro, S. P. Corgnati Caratterizzazione dei consumi energetici per la
climatizzazione invernale di un''area urbana
In questi anni, la transizione verso nuovi modelli urbani ''low carbon' ha incrementato lo sviluppo di nuovi processi di pianificazione energetica. Uno
dei punti essenziali per sostenere lo sviluppo di piani energetici consiste in una corretta elaborazione di dati di natura eterogenea. Questo articolo
introduce una metodologia per caratterizzare il parco edilizio residenziale di un area urbana in termini di distribuzione degli edifici per tipologia
edilizia, destinazione d''uso e fabbisogni termici per il riscaldamento invernale. CHARACTERIZATION OF BUILDING THERMAL ENERGY CONSUMPTION AT THE URBAN SCALE
The ongoing transition toward decarbonized urban energy systems has raised the attention on energy planning practices. Besides the multiple actors
involved in the planning process, the complexity of the urban energy systems requires the elaboration of heterogeneous data. This paper introduces
a GIS-based methodology for supporting the spatial characterization of the urban building stock in terms of building distribution, destination use and
space heating energy consumption. Guglielmina Mutani , Chiara Delmastro, Stefano P. Corgnati
Dipartimento di Energia - Politecnico di Torino Tecnica Energia & Edifici LA TERMOTECNICA MARZO 2017 53 modelli utilizzati per la caratterizzazione energetica degli edifici
della città di Torino. Per quanto riguarda gli edifici residenziali,
vengono presentati due modelli: il primo è basato sul concetto di
''Reference Building' (Sessione 2.1) ed il secondo su metodi di re-
gressione lineare (Sessione 2.2). Entrambe le metodologie sono di
tipo bottom-up e si basano sulla geo-referenziazione degli edifici
e successivo loro raggruppamento in base alle caratteristiche ter-
mofisiche. I due modelli permettono successivamente di associare a
ciascun edificio un valore di intensità energetica per il riscaldamento
invernale. Un terzo modello viene proposto per caratterizzare il
parco edilizio non residenziale in termini di destinazione d''uso e
fabbisogni per la climatizzazione invernale (Sessione 2.3). I modelli
vengono validati utilizzando dati di tipo top-down (dati di censi-
mento, dati statistici, risultati derivanti dai report connessi al Patto
dei Sindaci [17], etc.). Le Sessioni 3 e 4 riassumono rispettivamente
i risultati dei modelli e le principali conclusioni. METODOLOGIA
In questa Sessione si descrivono le basi modellistiche che hanno sup-
portato la caratterizzazione energetica del parco edilizio residen-
ziale della città di Torino. Due modelli relativi agli edifici residenziali (Model 1 e Model 2 di Fig.1) sono stati applicati e confrontati. Viene
inoltre descritto ed applicato un terzo modello (Model 3) specifico
per gli edifici non residenziali. Lo schema concettuale della meto-
dologia è riassunto in Fig. 1. Gli step principali consistono in: i. la
creazione di un database geo-referenziato per raccogliere e gestire
i dati relativi ai singoli edifici; ii. lo sviluppo di modelli energetici
di tipo bottom-up per stimare i fabbisogni termici di riscaldamento
degli edifici residenziali; iii. la validazione e correzione dei modelli
tramite dati top-down; iv. la creazione di un modello energetico per
caratterizzare il parco edilizio non residenziale.
L''analisi condotta in questo studio ha le proprie base nei progetti di
ricerca ''Cities on Power' [18- 22], incentrato sui risparmi energetici
e la penetrazione di fonti rinnovabili a scala urbana, e TABULA [8].
La base comune dei tre modelli presentati consiste nell''utilizzo di
strumenti GIS per identificare la distribuzione delle caratteristiche
geometriche degli edifici all''interno del contesto urbano. Gli edifici
vengono raggruppati in base alle principali variabili che influenza-
no i consumi per la climatizzazione invernale. I principali driver di
tale uso finale di energia consistono nelle condizioni climatiche, le
caratteristiche termo fisiche dell''involucro e la compattezza dell''edi-
ficio [18]. In questo studio, come comunemente avviene nel contesto FIGURA 1 - Schema concettuale della metodologia Tecnica Energia & Edifici 54 LA TERMOTECNICA MARZO 2017 italiano [12, 18- 22], gli edifici residenziali sono stati classificati
in base al fattore di forma (compattezza) e l''epoca di costruzione
(materiali, caratteristiche strutturali degli edifici, standard edilizi).
Gli edifici non residenziali vengono invece categorizzati in base
alla loro destinazione di uso finale (uffici, scuole etc.) e al volume.
Dalla municipalità di Torino [23, 24] e dai dati di censimento ISTAT
2011 [25] è possibile ottenere informazioni relative al numero di
piani e all''epoca di costruzione di ciascun edificio e al tasso di
occupazione medio per sezione di censimento. Questi dati possono
essere associati alla carta tecnica comunale geo-referenziata al fine
di calcolare le variabili geometriche degli edifici: perimetri, superfici
riscaldate, volumi etc [21, 22]. La Tabella 1 riassume i principali dati
riferiti alle volumetrie della città di Torino.
Nel momento in cui le caratteristiche dimensionali sono state as-
sociate agli edifici, il secondo step consiste nell''associazione dei
consumi energetici agli stessi. I Modelli proposti si basano su una
rappresentazione spaziale dettagliata degli edifici e sono validati
con i dati del ''Turin Energy Action Plan' [17] che si riferiscono all''an-
no 2005. Tutti i consumi fanno dunque riferimento alle condizioni
climatiche di tale anno (Gradi Giorno GG 2703). Gli edifici costruiti
dopo il 2006 sono stati conseguentemente inseriti nelle valutazioni
in seguito alla validazione dei Modelli. Modello 1: caratterizzazione dei consumi residenziali per
la climatizzazione invernale tramite l''utilizzo di ''Reference
Buildings'
Il primo modello proposto si basa sul concetto di ''Reference Buil- dings' [6, 8], a ciascuno dei quali viene associate una valore di
intensità energetica di riferimento. I ''Reference Buildings' sono
stati identificati considerando sia le informazioni provenienti da
strumenti GIS che quelle derivanti dalla statistica nazionale [8, 18,
25]. Gli edifici vengono quindi suddivisi in 36 ''Reference Buildings'
dipendenti da: i. 4 classi di fattore di forma: monofamiliare (SF,
S/V > 0.8 m-1), villette a schiera (TH, 0.6 < S/V <= 0.8 m-1), multi-
familiari (MF, 0.4 < S/V <= 0.6 m-1) e blocchi di appartamenti (AB,
S/V <= 0.4 m-1); ii. nove epoche di costruzione: C1=1900-1918;
C2= 1919-1945; C3= 1946-1960; C4 = 1961-1970; C5= 1971-
1980; C6= 1981 -1990; C7= 1981-2000; C8= 2001-2005; C9=
2006-anno corrente.
Ciascuna classe è caratterizzata dai materiali tipici del rispettivo
periodo di costruzione e da caratteristiche geometriche medie ot-
tenute con strumenti GIS. Le performance energetiche associate a
ciascun ''Reference Building' devono essere rappresentative del
comportamento energetico degli archetipi. Tali valori, possono
essere preliminarmente stimati tramite software di simulazione ener-
getica (e.s. TRNSYS) e poi arricchiti con dati reali derivanti da audit
energetici o monitoraggi.
In questo modello i dati utilizzati fanno riferimento al lavoro di Del-
mastro et al. [26] che si basa sia su dati reali, sia su lavori precedenti
[8, 18]. Quando il campione è statisticamente rappresentativo, i dati
reali possono migliorare l''accuratezza dei risultati riducendo il gap
tra risultati simulati e reali. In questo studio, sono stati utilizzati i
dati reali riferiti a 300 edifici per tre diverse stagioni consecutive di
riscaldamento (2011/2012, 2012/2013 e 2013/2014). Tali dati TABELLA 1 - Volumetrie
degli edifici in Torino
FIGURA 2 - Caratteristiche di alcuni ''Reference Buildings' [8, 26] Tecnica Energia & Edifici LA TERMOTECNICA MARZO 2017 55 sono stati normalizzati con i dati climatici al 2005 e analizzati stati-
sticamente. Sono stati dunque eliminati gli edifici con comportamenti
atipici e sono stati associati i valori di consumo per riscaldamento. I
dati TABULA [8] e le normative energetiche [27] sono stati utilizzati
per tutti gli edifici costruiti dopo al 2006. In Fig. 2 sono esposte
alcune caratteristiche relative ai ''Reference Buildings' della città
di Torino. Modello 2: caratterizzazione dei consumi residenziali per
la climatizzazione invernale al livello di singolo edificio
Considerando il database geo-referenziato, come è stato fatto an-
che con il Modello 1, le principali variabili che influenzano i consumi
per il riscaldamento sono state selezionate: il volume riscaldato, il
periodo di costruzione e il rapporto di forma [20]. I dati di volume
riscaldato ed efficienza media dei sistemi energetici, derivanti dal
censimento ISTAT 2011, sono stati utilizzati per migliorare il Mo-
dello. Per ciascuna epoca di costruzione, viene dunque sviluppato
un modello di regressione lineare per stimare il valore di intensità
energetica per riscaldamento (kWh/m2/a) al variare del fattore di
forma [18, 22].
Il modello semplificato che ne risulta non considera alcuni fattori
di grande importanza quali: apporti solari, temperature dell''aria
indoor/outdoor e la possibile riqualificazione degli edifici che può
aver variato i consumi negli anni. Per tale motivo, un fattore cor-
rettivo [22], dipendente dalla tipologia di ambiente costruito e dai
dati di bilancio energetico [17], dovrà essere apportato al Modello
per adattarlo a rappresentare il reale comportamento del parco
edilizio. Nella Tabella 2 sono riassunte le principali caratteristiche
dei modelli di regressione lineare. Modello 3: Caratterizzazione energetica
del parco edilizio non residenziale
Dal bilancio energetico cittadino [17] si possono ottenere i consumi
totali per il riscaldamento invernale associati agli edifici non residen-
ziali. Inoltre, il database GIS contiene la distribuzione in volume per
tipologia di destinazione d''uso degli edifici. Combinando dunque tali informazioni con analisi statistiche e letteratura precedente, è
conseguentemente possibile calcolare dei consumi specifici per il
riscaldamento medi per ciascuna destinazione d''uso (Tabella 3). RISULTATI
La procedura è stata applicata alla città di Torino ed è stata validata
utilizzando i dati di bilancio energetico al 2005 (2703 GG at 20°C).
La caratterizzazione spaziale degli edifici permette di effettuare
analisi multi-scala (Fig.3): i. a livello di singolo edificio: destinazione
d''uso, posizione, periodo di costruzione, caratteristiche geometri-
che; ii. a livello di sezione di censimento, distretto o scala urbana:
il numero di edifici residenziali e non, il volume totale e il volume
effettivamente occupato, le tipologie edilizie e le destinazioni d''uso.
Dalla Fig. 3 si osserva come il volume costruito prima del 2006 ed
attualmente occupato sia parti a 139 Mm3 (177 Mm3 totali) di cui
più del 75% è caratterizzato da elevata compattezza (AB) e più del
90% è stato costruito prima degli ani ''80. Il volume costruito dopo
il 2006 ammonta a 0.3 Mm3 (dati di censimento 2011). Gli edifici
non-residenziali occupano un volume totale pari a 36.23 Mm3 dei
quali il 68.1% utilizzato per attività industriali, il 16.4% per attività
educative, il 11.8% con destinazione uffici, il 1.7% sono destinati
ad attività sportive, il 1.4% sono chiese e lo 0.6% sono attività
commerciali.
I Modelli 1 e 2 sono stati dunque applicati alle volumetrie residenziali
per stimare i consumi relativi alla climatizzazione invernale. Il bilan-
cio energetico [17] stima i consumi di riscaldamento, acqua calda
sanitaria ed usi di cucina pari a 6.84 TWh/a. La letteratura corrente
[28] e i dati statistici valutano i consumi relativi alla produzione
di acqua calda sanitaria e usi di cucina pari al 14% dei consumi
termici domestici, mentre i consumi per il riscaldamento invernale
pari allo 86%. In base a tali stime, il consumo per riscaldamento
associato al volume costruito prima del 2006 risulta 5.88 TWh/a.
Applicando il Modello 1 i consumi per riscaldamento risultano pari
a 6.39 TWh/a, sovrastimando i dati di bilancio energetico di circa
8% mentre il Modello 2 richiede un fattore correttivo pari a 1.24.
Entrambi i Modelli permettono dunque di stimare con una buona TABELLA 2 - Modello lineare per stimare i consumi specifici di riscaldamento (kWh/m2/a) al variare del rapporto
di forma S/V (2703 GG). Volume riscaldato: 71.3%, Fattore correttivo 1.24
TABELLA 3 - Consumi specifici per il riscaldamento (kWh/m3/a) in funzione del volume riscaldato (2703 HDD) Tecnica Energia & Edifici 56 LA TERMOTECNICA MARZO 2017 FIGURA 3 - Distribuzione degli edifici residenziali a scala urbana FIGURA 4 - (a) Distribuzione dei consumi specifici per il riscaldamento a livello di sezione di censimento kWh/m3
(b) Distribuzione dei consumi termici a scala di distretto TW
Tecnica Energia & Edifici LA TERMOTECNICA MARZO 2017 57 accuratezza i consumi energetici a scala territoriale. Valutazioni
separate sono state riservate agli edifici costruiti dopo il 2006 che
risultano occupare un volume di 0.3 Mm3 e consumano 4.2 GWh/a.
Applicando il Modello 3 agli edifici non-residenziale si evince che il
consumo per il riscaldamento ammonta a 3.6 TWh/a.
Complessivamente, l''ambiente costruito urbano di Torino consuma
9.49 TWh/a considerando 2703 GG. Se si assumono i GG della
normativa corrente (2617 GG), il consumo urbano risulta 9.19
TWh/a di cui il 62% legato ad edifici residenziali e il 38% ai non-
residenziali(Fig. 4a e 4b).
In Fig.5a e Fig.5b si può osservare la variazione di densità energe-
tica nel contesto urbano. Come ci si aspetta, le densità energetiche
più alte, come anche i consumi più elevati (Fig. 4b), si trovano nelle
aree in prossimità del centro urbano, mentre i consumi specifici più
elevati si osservano nelle aree in cui le compattezza degli edifici
sono minori (Fig. 5a). CONCLUSIONI
In questo articolo è stata descritta la metodologia applicata alla città
di Torino per supportare la caratterizzazione spaziale ed energetica
dell''ambiente costruito. Sono stati proposti due modelli per gli edifici
residenziali e un modello per il parco edilizio non residenziale. Essi
sono modelli di tipo bottom-up supportati da strumenti GIS e validati
con dati top-down di bilancio energetico. Tali modelli verranno
perfezionati analizzando come il contesto urbano può influenzare
i consumi di energia degli edifici soprattutto per la climatizzazione
invernale ed estiva [29, 30].
I risultati delle metodologie presentate in questo articolo possono
essere utili a diversi attori urbani: i) ai decisori politici per compren-
dere la situazione energetica di un territorio ed identificare le aree
con maggiori criticità; ii) ai cittadini per visualizzare i propri con-
sumi energetici; iii) ai ricercatori per creare una base per ricerche successive a scala urbana.
Queste metodologie, oltre a consentire una piena caratterizzazione
del parco edilizio, rappresentano la base di partenza per analisi
di scenario di lungo periodo connesse al processo di pianificazio-
ne energetico strategico. In particolare, sono la base per analisi
integrate di sistema per analizzare la competizione tra i diversi
possibili investimenti riguardanti le misure di risparmio energetico
e di decarbonizzazione (es. riqualificazione edilizia, diffusione di
pompe di calore, sviluppo di reti di teleriscaldamento etc.).
Infatti, le analisi spaziali possono contribuire a descrivere l''intero
sistema energetico e allo sviluppo di modelli energetici integrati
in grado di descrivere contemporaneamente domanda e offerta
energetica.
Il concetto di ''Smart City' come anche quello di ''Low Carbon City'
richiedono l''analisi di scenario di corto e lungo periodo tramite
metodologie integrate. La metodologia proposta si integra bene nel
contesto di ricerca europeo, focalizzato sui concetti di città intelli-
genti, resilienti e sostenibili, come è dimostrato dal recente progetto
EU FP7 InSmart (http://www.insmartenergy.com). Essa può infatti
essere integrata con numerosi strumenti e metodologie (es. metodi
multicriteria, modelli di sistema energetico etc.) al fine di supportare
la stesura di Piani Energetici Strategici Sostenibili che considerano
criteri economici, ambientali e sociali. BIBLIOGRAFIA
1. Harish VSKV, Kumar A. A review on modeling and simulation of building energy systems, Renewable and Sustainable Energy
Reviews 2016;56: 1272''1292. 2. Hong T, Taylor-Lange SC; D''Oca S; Yan D; Corgnati SP. Advan- ces in research and applications of energy-related occupant be-
havior in buildings. Energy and Buildings 2016; 116: 694-702. 3. Kazmi H, D''Oca S, Delmastro C, Lodeweyckx S, Corgnati SP. FIGURA 5 - (a) Densità energetica per unità di superficie della sezione di censimento kWh/m2 (b) Densità
energetiche per unità di superficie della sezione di censimento e per unità di volume riscaldato kWh/m2/m3
Tecnica Energia & Edifici 58 LA TERMOTECNICA MARZO 2017 Generalizable occupant-driven optimization model for domestic
hot water production in NZEB. Applied Energy 2016; 175: 1-15. 4. Caputo P, Costa G, Ferrari S. A supporting method for defining energy strategies in the building sector at urban scale. Energy
Policy 2013; 55: 261''270. 5. European Commission. Guidelines accompanying Commission Delegated Regulation (EU) No 244/2012 of 16 January 2012
supplementing Directive 2010/31/EU of the European Parlia-
ment and of the Council, Off. J. Eur.Union. (2012) 6. Corgnati SP, Fabrizio E, Filippi M, Monetti V. Reference Building for Cost-optimal analysis: method of definition and application.
Applied energy 2013; 102: 983-993. 7. Lombardi P, Trossero E. Beyond energy efficiency in evaluating sustainable development in planning and the built environment.
International journal of sustainable building technology and
urban development 2013; 4: 274-282. 8. EU TABULA project. Available online: http://www.building- typology.eu, last access: October 2015. 9. Fracastoro GV, Serraino M. A methodology for assessing the energy performance of large scale building stocks and possible
applications. Energy and Buildings 2011; 43: 844''852. 10. Brownsword RA, leming PD, Powell JC, Pearsall N. Sustainable cities - Modelling urban energy supply and demand. Applied
Energy 2005, 82(2), pp.167''180. 11. Panayiotou GP, Kalogirou SA, Florides GA, Maxoulis CN, Papa- dopoulos AM, Neophytou M, Fokaides P, Georgiou G, Symeou
A, Georgakis G. The characteristics and the energy behaviour
of the residential building stock of Cyprus in view of Directive
2002/91/EC. Energy and Buildings 2010; 42: 2083''2089. 12. Dall''O'' G, Galante A, Torri M. A methodology for the energy performance classification of residential building stock on an
urban scale. Energy and Buildings 2012; 48: 211''219. 13. Ascione F, De Masi RF, de Rossi F, Fistola R, Sasso M, Vanoli GP. Analysis and diagnosis of the energy performance of buildings
and districts: Methodology, validation and development of Ur-
ban Energy Maps. Cities 2013; 35: 270''283. 14. Fabbri K, Zuppiroli M, Ambrogio K. Heritage buildings and energy performance: Mapping with GIS tools. Energy and Buil-
dings 2012; 48: 137''145. 15. Mattinen MK, Heljo J, Vihola J, Kurvinen A, Lehtoranta S, Nis- sinenA. Modeling and visualization of residential sector energy
consumption and greenhouse gas emissions. Journal of Cleaner
Production 2014; 81: 70''80. 16. Howard B, Parshall J, Thompson J. Spatial distribution of urban building energy consumption by end use. Energy and Buildings
2012; 45: 141''151. 17. AA.VV., TAPE Torino Action Plan for Energy. (2012). Website: http://www.comune.torino.it/ambiente/bm~doc/tape-3.pdf.
Accessed: May 2016. 18. Mutani G, Pairona M. A model to evaluate the heating energy consumption for residential buildings in Turin. L''Ufficio Tecnico
2014. Ed. Maggioli, Italy, 21-36, ISSN 0394-8293 (in Italian). 19. Gargiulo G. L., Minucci F., Mutani G. Analisi energetica e le ricadute sulla pianificazione urbanistica, LA TERMOTECNICA,
vol. 2, 2009, pp. 57-61. 20. Mutani G, Vicentini G. Analisi del fabbisogno di energia termica degli edifici con software geografico libero. Il caso studio di
Torino', G. Mutani, G. Vicentini, LA TERMOTECNICA, vol. 6,
2013, pp. 63-67. 21. Mutani G, Vicentini G. Evaluating the potential of roof-inte- grated photovoltaic technologies using an open geographic
information system, 8th Energy Forum on Advanced Building
Skins, 2013; 87''92. 22. Mutani G, Vicentini G. Buildings'' energy consumption, energy savings and the availability of renewable energy sources in
urban contexts: the potential of GIS tools, Journal of Civil Engine-
ering and Architecture Research2015; Vol 2, N 11; 1102''1115. 23. Municipality of Torino, Geoportale website: http://www.comu- ne.torino.it/geoportale/. Accessed: May 2016. 24. Piedmont Region, Geoportale website: http://www.geoporta- le.piemonte.it/geocatalogorp/'sezione=catalogo. Accessed:
May 2016. 25. ISTAT. (2015). ISTAT website homepage: http://www.istat.it. Accessed: May 2016. 26. Delmastro C, Mutani G, Corgnati SP, A supporting method for selecting long-term energy retrofit policies for residential buil-
dings at the urban scale, Energy Policy 99, 42-56. 27. UNI TS 11300. Energy performance of buildings. Part 1: Eva- luation of energy need for space heating and cooling. Part 2:
Evaluation of primary energy need and of system efficiencies
for space heating, domestic hot water, ventilation and lighting
for non-residential buildings. UNI, Ente Italiano di Normazione,
2014. 28. Fracastoro GV, Serraino M. Statistical analysis of the energy performances of the building stock in the Turin Province (2009).
http://www.provincia.torino.gov.it/ambiente/file-storage/
download/energia/pdf/sesto_rapporto/fracastoro.pdf Acces-
sed: May 2016. 29. Delmastro C., Mutani G., Pastorelli M., Vicentini G. Urban morphology and energy consumption in Italian residential buil-
dings, 4th International Conference on Renewable Energy Rese-
arch and Applications ICRERA-2015, IEEE Conference Publica-
tions, pp: 1603-1608, DOI: 10.1109/ICRERA.2015.7418677. 30. Mutani G., Gamba A., Maio S. Space heating energy con- sumption and urban form. The case study of residential buildings
in Turin (Italy), 11th Conference on Sustainable of Energy, Water
and Environmental Systems, SDEWES2016.0441, 1-17, Lisbon,
September 2016, ISSN 1847-7178.


© Eiom - All rights Reserved     P.IVA 00850640186