Integrazione di dati da BIM a BMS e BEM per lo sviluppo di un Digital Twin orientato alla gestione del servizio energia: applicazione al caso studio SMACT

Over the past few decades, several factors have contributed to the increase in global energy consumption, including the construction and operation of buildings, which account for nearly 40% of energy demand. A significant portion of this consumption is due to heating and cooling activities, which are essential for ensuring the occupants’ thermal and hygrometric comfort. Optimizing energy management in buildings is therefore a crucial challenge for reducing consumption and improving environmental sustainability. One of the main obstacles to the effective implementation of a Digital Twin (DT) in smart buildings is the lack of interoperability among the various technologies involved in building design, management, and performance simulation. In particular, Building Information Modeling (BIM), Building Management Systems (BMS), and Building Energy Modeling (BEM) operate with different formats and data structures, making integration complex. This thesis proposes a method for developing a DT capable of overcoming these barriers, enabling advanced data management through the use of relational SQL databases. The DT is conceived as a convergence point for integrating building data, ensuring a structured information flow between the geometric and informational model of the building, real-time system data, and predictive energy simulation. To ensure effective interoperability, BIM data is converted into SQL format according to the method described by Bock & Eder (2020), while BMS data, acquired through the EcoStruxure Building Operation (EBO) platform, is managed in a relational database to facilitate real-time analysis and monitoring. The results produced by the energy model are also converted into .sql format to compare simulated and real data, identifying discrepancies and opportunities for optimization. The results obtained demonstrate that the integration of BIM, BMS, and BEM is not only possible but also represents an effective approach to improving building energy management, reducing consumption, and facilitating the transition to greater sustainability. The DT’s ability to aggregate and analyze heterogeneous data in real time enables informed decision-making, optimizing system operations and reducing the gap between design and operational performance. Future developments of this work include the implementation of an energy optimization algorithm based on the building’s actual consumption, occupant scheduling, and meteorological data collected from local weather stations. The goal is to further refine the system’s predictive control, allowing for a more dynamic and efficient energy management approach in smart buildings.

Nel corso degli ultimi decenni, diversi fattori hanno contribuito all'incremento del consumo energetico globale, tra cui la costruzione e il funzionamento degli edifici, che rappresentano quasi il 40% del fabbisogno energetico. Una parte significativa di questo consumo è dovuta alle attività di riscaldamento e raffreddamento, essenziali per garantire il comfort termico igrometrico degli occupanti. L’ottimizzazione della gestione energetica degli edifici è quindi una sfida cruciale per ridurre i consumi e migliorare la sostenibilità ambientale. Uno dei principali ostacoli all’efficace implementazione di un Digital Twin (DT) negli smart building è la mancanza di interoperabilità tra le diverse tecnologie coinvolte nella progettazione, gestione e simulazione delle prestazioni edilizie. In particolare, il Building Information Modeling (BIM), il Building Management System (BMS) e il Building Energy Modeling (BEM) operano con formati e strutture di dati differenti, rendendo complessa la loro integrazione. Questa tesi propone un metodo per lo sviluppo di un DT capace di superare queste barriere, consentendo una gestione avanzata dei dati attraverso l’uso di database relazionali SQL. Il DT viene concepito come un punto di convergenza per l’integrazione dei dati dell’edificio, garantendo un flusso informativo strutturato tra il modello geometrico e informativo dell’edificio, i dati in tempo reale degli impianti e la simulazione energetica previsionale. Per garantire un’interoperabilità efficace, i dati BIM vengono convertiti in formato SQL secondo il metodo descritto da Bock & Eder (2020), mentre i dati BMS, acquisiti tramite la piattaforma EcoStruxure Building Operation (EBO), sono gestiti in un database relazionale per facilitare l’analisi e il monitoraggio in tempo reale. I risultati prodotti dal modello energetico vengono convertiti anch’essi in formato .sql per il confronto tra dati simulati e dati reali al fine di indentificare discrepanze e opportunità di ottimizzazione. I risultati ottenuti dimostrano che l’integrazione tra BIM, BMS e BEM non solo è possibile, ma rappresenta un approccio efficace per migliorare la gestione energetica degli edifici, ridurre i consumi e facilitare la transizione verso una maggiore sostenibilità. La capacità del DT di aggregare e analizzare dati eterogenei in tempo reale permette di prendere decisioni informate, ottimizzando il funzionamento degli impianti e riducendo il divario tra prestazioni progettuali e operative. Gli sviluppi futuri di questo lavoro includono l’implementazione di un algoritmo di ottimizzazione energetica basato sui consumi reali dell’edificio, sulla calendarizzazione degli occupanti e sui dati meteorologici rilevati dalle stazioni locali. L’obiettivo è affinare ulteriormente il controllo predittivo del sistema, consentendo una gestione più dinamica ed efficiente dell’energia negli smart building.