Development of a methodology for the optimal sensor placement to optimize air temperature monitoring in large spaces.

The present PhD thesis summarizes the development and validation of a tool called Sensor Optimization Unit (SOU), meant to be used by HVAC engineers, for the optimization of temperature sensors placement in large spaces, where the HVAC system provides indoor thermal comfort conditions, which involves mostly air temperature control, without taking into account the indoor air temperature distribution inside the space on the monitoring task. The SOU allows approaches based on simulation model, field measurement or calibrated simulation model to characterize the indoor horizontal air temperature distribution. A modular optimization approach based on a novel measurement performance index is proposed, which evaluates the sensor network design, determining the optimal sensors location that provides the maximum measurement accuracy, using the minimum number of sensors. The optimization process evaluates, also, the impact of the measurement deviation on thermal comfort and energy consumption due to HVAC operation. The entire methodology was applied and validated on three different case studies. The incorrect placement of an existing thermostat, inside an indoor swimming pool, showed that the measurement uncertainty was higher than the sensor uncertainty (value from sensor datasheet) for the 42% of the period considered. The optimized sensor network design decreased that period to 1.5% of the overall time. The entire optimization procedure was also applied to a fitness room. The optimal monitoring solution retrieved by application of the measurement performance index was compliance with the one calculated as measurement uncertainty impact on thermal comfort and energy consumption. The measurement performance index was applied to an open space office equipped with a widespread set of temperature sensors controlled by a BMS. The selection of two of the six sensors available, still assuring a measurement accuracy inside the uncertainty of the sensor.

La presente tesi descrive lo sviluppo e la validazione di un tool, Sensor Optimization Unit (SOU), per l’ottimizzazione della misura della temperatura dell’aria in grandi ambienti, dove impianti HVAC mantengono condizioni di comfort termico ottimali, tramite un controllo basato sulla misura della temperatura dell’aria all’interno dell’ambiente, trascurando la distribuzione della stessa. Il SOU caratterizza la distribuzione del gradiente orizzontale di temperatura all’interno dell’ambiente attraverso simulazione, misurazioni o un approccio ibrido. Un algoritmo di ottimizzazione, basato su un innovativo indice di performance di misura, definisce il numero minimo e la posizione ottimale di sensori da installare all’interno dell’ambiente, al fine di massimizzare l’accuratezza nella misura della temperatura. L’ottimizzazione continua valutando l’impatto dell’errore di misura sul comfort termico e sui consumi energetici dell’HVAC. La metodologia sviluppata è stata applicata e validata su tre casi di studio reali. L’errato posizionamento di un termostato, all’interno di una piscina indoor, ha generato un valore di incertezza della misura superiore all’accuratezza del sensore stesso per il 42% del periodo preso in considerazione. La soluzione ottima calcolata dal SOU ha ridotto questo il valore al 1.5% del periodo stesso. L’applicazione del SOU in una sala fitness ha confermato come soluzione ottima, calcolata dal tool, tramite l’applicazione dell’indice di performance, coincida con quella calcolata tramite valutazione dell’impatto dell’incertezza di misura sul comfort e consumi dell’HVAC. L’indice di performance di misura è stato applicato ad un ufficio open space, dove il monitoraggio della temperatura avviene tramite una rete di sensori controllati da un BMS. La selezione ottimizzata di soli due, dei sei sensori disponibili, garantisce un’accuratezza della misura all’interno dell’incertezza del sensore stesso.