Presentazione della tesi di Laurea di Gianpiero Pasquale Sorrentino

Una metodologia GIS basata sul dato LIDAR e il modello 3D della città per la stima del potenziale fotovoltaico a livello urbano Il caso studio della Città di Portici

Ing. Giampiero P. Sorrentino

ENERGIE RINNOVABILI Lavoro di tesi svolto presso il Laboratorio di iSensing & Geomatics coordinato dalla dott. Grazia Fattoruso ENEA CR Portici Laboratorio TERIN/FSD/SAFS

In collaborazione con il Dipartimento di Ingegneria Civile Edile ed Ambientale (DICEA) Università di Napoli Federico II Prof. Massimiliano Fabbricino

2/42

ENERGIE RINNOVABILI

Il 53 % del fabbisogno elettrico nazionale è rappresentato dal settore residenziale e terziario

3/42

ENERGIE RINNOVABILI 2020: Pacchetto Clima-Energia

Il 60% dei tetti in Europa è adatto ad ospitare le tecnologie solari

(Nearly Zero Energy Buildings)

Obiettivo dell’UE al 2030: 32% del fabbisogno energetico coperto dalle fonti rinnovabili

4/42

OBIETTIVO Stimare il potenziale fotovoltaico dei tetti urbani con un’accuratezza elevata

Servendosi di una metodologia GIS ad alta risoluzione spaziale

5/42

METODOLOGIA

MODELLAZIONE 3D DELL’AREA URBANA

DETERMINAZIONE DEL POTENZIALE SOLARE

CALCOLO DEL POTENZIALE FOTOVOLTAICO

6/42

IL CASO STUDIO: LA CITTÀ DI PORTICI

MODELLO 3D

Superficie comunale

4.5 kmq

N° Edifici

2500 edifici

Superficie edifici

1.20 kmq

Popolazione comunale

54000 abitanti

Rapporto medio tra superficie e volume degli edifici

0.08 m^-1

Altezza media edifici

13 m

POTENZIALE SOLARE

POTENZIALE FV 7/42

IL DATO LiDAR

LiDAR (Light imaging Detection And Ranging) Tecnica di telerilevamento ottico che utilizza la luce laser per campionare densamente la superficie della terra

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 8/42

IL DATO LiDAR

Source: Geo-portale Nazionale del Ministero dell’Ambiente MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 9/42

IL DATO LiDAR - CLASSIFICAZIONE

GROUND

UNCLASSIFIED

GROUND UNCLASSIFIED LOW VEGETATION MEDIUM VEGETATION

HEIGHT VEGETATION BUILDINGS

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 10/42

DIGITAL ELEVATION MODEL

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 11/42

FOOTPRINT

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 12/42

3D URBAN MODEL …della Città di Portici

Ottenuto dal LiDAR+DEM+Footprint dal tool Local 3D Government Basemap di ArcGIS Pro MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 13/42

3D URBAN MODEL

… di Piazza S. Ciro

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 14/42

3D URBAN MODEL Piazza S. Ciro

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 15/42

3D URBAN MODEL

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 16/42

3D URBAN MODEL - VALIDAZIONE Il modello ottenuto è stato validato attraverso la piattaforma Google Earth Pro

C.R. ENEA MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 17/42

3D URBAN MODEL - VALIDAZIONE … dal tool di Editing spaziale

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 18/42

SUPERFICIE POTENZIALE DEI TETTI

Superficie comunale N° Edifici esaminati Superficie edifici Superficie tetti flat Superficie tetti inclinati

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 19/42

MODELLO RADIAZIONE SOLARE …della Città di Portici

Ottenuto dal DSM+3D Urban Model dal tool Calculate Solar Radiation di ArcGIS Pro MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 20/42

RADIAZIONE SOLARE 3D SUI TETTI Bosco di Portici

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 21/42

MODELLO RADIAZIONE SOLARE - VALIDAZIONE

…CONFRONTO del valore mensile di radiazione solare simulato dal processo di calcolo con il relativo valore misurato dal piranometro ENEA

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 22/42

MODELLO RADIAZIONE SOLARE - VALIDAZIONE

...nella posizione del piranometro ENEA utilizzando le misurazioni del piranometro in media mensilmente negli anni 2007-2009 e nell'anno 2019

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 23/42

MODELLO RADIAZIONE SOLARE - VALIDAZIONE

...confrontando i valori di radiazione solare PVGIS con i valori correlati simulati dal processo di calcolo basato su ArcGIS Posizione del punto: Piranometro ENEA

Risoluzione spaziale: • ArcGIS (2mx2m) • PVGIS(90mx90m)

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 24/42

ANALISI DI IDONEITÀ DEI TETTI

Fattori di riduzione dell'architettura Construction restrictions (CCON) • Protected buildings (CPROT)  Shading effects (CSH) • Service Area (CSA) • ….

•

Fattori di riduzione solare  Orientation losses (CAZ)  Slope of the roof (CSL) • Separation of the PV panels (CGCR)  Solar insolation reduction by PM2,5 (CPM2.5) • PV modules efficiency (ηef) • Performance ratio (ηPR) • Temperature and irradiance losses (η𝐓𝐇) •

MODELLO 3D

…

POTENZIALE SOLARE

POTENZIALE FV 25/42

MODELLO DI RIDUZIONE DELL’IRRAGGIAMENTO Stima dell'impatto del particolato fine sulla radiazione solare incidente su una superficie.

Relazione (Nocerino, et al., 2020) : 𝐶𝑃𝑀2.5 =

𝐼𝑃𝑀2.5 − 𝑃𝑀2.5 = exp 𝐼0 250

o 𝐼0 = 𝑟𝑎𝑑𝑖𝑎𝑧𝑖𝑜𝑛𝑒 𝑠𝑜𝑙𝑎𝑟𝑒 𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑡𝑒 𝑠𝑢 𝑑𝑖 𝑢𝑛𝑎 𝑠𝑢𝑝𝑒𝑟𝑓𝑖𝑐𝑖𝑒; o 𝐼𝑃𝑀2.5 = 𝑟𝑎𝑑𝑖𝑎𝑧𝑖𝑜𝑛𝑒 𝑠𝑜𝑙𝑎𝑟𝑒 𝑎𝑓𝑓𝑒𝑡𝑡𝑎 𝑑𝑎𝑙𝑙𝑎 𝑝𝑟𝑒𝑠𝑒𝑛𝑧𝑎 𝑑𝑒𝑙 𝑃𝑀2.5 ; o

𝑃𝑀2.5 = 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝑃𝑀2.5 𝑒𝑠𝑝𝑟𝑒𝑠𝑠𝑎 𝑖𝑛 𝜇𝑔/𝑚𝑐.

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 26/42

MONITORAGGIO DELLA CONCENTRAZIONE DI PM2.5

Rete regionale di monitoraggio del particolato fine gestita dall'ARPAC N° Stazioni: 24

Media giornaliera e oraria di [PM2.5]

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 27/42

DISTRIBUZIONE DELLA RIDUZIONE DA PM2.5

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 28/42

EFFETTO DEL PM2.5 SULL’IRRAGGIAMENTO

Radiazione solare con 0 μg/mc [GWh/anno] Radiazione solare ridotta dal PM2.5 [GWh/anno] Radiazione persa [GWh/anno] Riduzione [%]

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 29/42

ANALISI DI IDONEITÀ DEI TETTI CRITERI DI IDONEITÀ per gli edifici urbani C1. I tetti adeguati devono essere piatti o avere una pendenza fino a 45 gradi

C2. I tetti adeguati non devono essere rivolti a nord

C3. Area minima sul tetto = 30 m2

C4. Irraggiamento minimo in entrata che raggiunge i pannelli fotovoltaici= 800 kWh/m2/year

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 30/42

POTENZIALE DI ENERGIA SOLARE L’utilizzo dei fattori che diminuiscono la radiazione solare e/o la superficie dei tetti è riassunto nel Fattore di Utilizzazione 𝑼𝑭 : 𝑛

𝑈𝐹 =

𝐶𝑖 𝑖=𝑛

La radiazione solare incidente sulla superficie dei moduli FV è pari a: 𝐼𝑃𝑉 = 𝐼𝑃𝑂𝑇 ∗ 𝑈𝐹 Dove 𝐼𝑃𝑂𝑇 corrisponde alla radiazione potenziale dei incidente sui tetti MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 31/42

POTENZIALE TECNICO FOTOVOLTAICO Sono stati considerati 3 diversi SCENARI di diverse tecnologie commerciali per i calcoli del potenziale fotovoltaico Scenario

Tecnologia

Efficienza [%]

A

Wafer-based silicon modules monocrystalline

20

B

Wafer-based silicon modules multicrystalline

16

C

Thin film modules

11

𝑛

𝐸𝑃𝑉 = 𝑆𝑃𝑉 ∗ 𝐼𝑃𝑉 ∗

𝜂𝑖 𝑖=1

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 32/42

POTENZIALE TECNICO FOTOVOLTAICO

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 33/42

EMISSIONI DI CO2 EVITATE

MODELLO 3D

POTENZIALE SOLARE

POTENZIALE FV 34/42

POTENZIALE ECONOMICO FOTOVOLTAICO

35/42

POTENZIALE ECONOMICO FOTOVOLTAICO

36/42

CONCLUSIONI • Strumento di supporto per la pianificazione urbanistica • Riduzione significativa del consumo e delle emissioni di energia primaria • Importanza dei dati di input • Creazione di un catasto 3D delle città e di un catasto solare • Possibile sviluppo futuro degli studi sul contributo delle facciate 37/42

PUBBLICAZIONI A CONFERENZA I risultati ottenuti sono stati oggetto di 3 pubblicazioni: CONFERENZA INTERNAZIONALE ICCSA 2020 Estimating air pollution related solar insolation reduction in the assessment of the commercial and industrial rooftop solar PV potential Fattoruso G., Nocerino M., Sorrentino G., Manna V., Fabbricino M., Di Francia G. DOI: 10.1007/978-3-030-58802-1_48

WORKSHOP AISEM 2020/ENEA-Portici Assessing The Impact Of Haze On Solar Energy Potential Using Long Term Pm2.5 Concentration And Solar Insolation Field Data In Naples, Italy Nocerino M., Fattoruso G, Sorrentino G., Manna V., De Vito S., Fabbricino M., Di Francia G. DOI: 10.1007/978-3-030-69551-4_18

MDPI Atmosphere 2020 Site Suitability Analysis for Low Cost Sensor Networks for Urban Spatially Dense Air Pollution Monitoring

Grazia Fattoruso, Martina Nocerino, Domenico Toscano, Luigi Pariota , Giampiero Sorrentino, Valentina Manna, Saverio De Vito, Armando Cartenì, Massimiliano Fabbricino and Girolamo Di Francia DOI: 10.3390/atmos11111215

38/38

Contatti Ing. Giampiero P. Sorrentino giamp.sorrentino@gmail.com

GRAZIE PER L’ATTENZIONE!

Dott. Grazia Fattoruso

Prof. Massimiliano Fabbricino

ENEA CR Portici

Università di Napoli Federico II

grazia.fattoruso@enea.it

massimiliano.fabbricino@unina.it