Ottimizzazione multi-obiettivo intelligente del comfort termico e delle prestazioni di ventilazione nel progetto di ventilazione a strati

Perché l'aria intorno alla tua scrivania conta

Passiamo la maggior parte della nostra vita al chiuso, eppure l'aria invisibile che ci circonda influenza profondamente quanto ci sentiamo sani, vigili e a nostro agio. I sistemi di riscaldamento e raffreddamento sono spesso progettati in modo frammentario—uno strumento per prevedere le condizioni, un altro per ridurre i consumi energetici, un terzo per supportare le decisioni—lasciando gli operatori degli edifici a destreggiarsi con compromessi per tentativi ed errori. Questo studio mostra come questi elementi possano essere cuciti insieme in un unico processo di progettazione “intelligente” per un sistema promettente chiamato ventilazione a strati, che fornisce aria fresca direttamente nella zona di respirazione invece di limitarsi a mescolare l'aria di tutta la stanza.

Aria fresca mirata invece del modello unico per tutti

I sistemi tradizionali spesso mescolano tutta l'aria di una stanza o la spingono dal pavimento verso l'alto. La ventilazione a strati segue un percorso diverso: fornisce aria pulita e condizionata orizzontalmente all'incirca all'altezza della testa, così gli occupanti respirano aria più fresca con meno sforzo e, in molti casi, con un consumo energetico inferiore. La sfida è che comfort, qualità dell'aria ed efficienza del riscaldamento tirano in direzioni diverse. Cambiando la velocità del getto d'aria, l'angolo della bocchetta, la temperatura dell'aria, il calore della parete, o persino il grado di copertura degli indumenti, questi tre obiettivi possono migliorare o peggiorare insieme in modi complessi. Gli autori utilizzano simulazioni computerizzate dettagliate di un ufficio tipo e le trasformano in dati che possono insegnare a un sistema intelligente come questi fattori interagiscono.

Insegnare a un computer a prevedere comfort e freschezza

Partendo da 50 simulazioni accuratamente validate, il team addestra reti neurali artificiali—modelli computazionali vagamente ispirati al cervello—per prevedere quattro risultati chiave: quanto caldo percepiscono in media le persone, quanto tempo l'aria impiega a essere rinnovata, quanto differiscono le temperature tra testa e caviglie, e quanto efficacemente viene utilizzata l'energia per il riscaldamento. Poi lasciano che due metodi di ricerca, un algoritmo genetico e una strategia detta “Harris hawks”, sintonizzino automaticamente le manopole interne di queste reti in modo che le previsioni si allineino il più possibile ai dati delle simulazioni. L'algoritmo genetico, di stampo evolutivo, si dimostra leggermente migliore, raggiungendo coefficienti di correlazione superiori a 0,995, il che significa che le previsioni del modello coincidono quasi perfettamente con i risultati originali delle simulazioni.

Cercare i punti ottimali, non un singolo punto perfetto

Una volta che il computer è in grado di prevedere le prestazioni istantaneamente, gli autori permettono a un ottimizzatore multi-obiettivo di esplorare migliaia di possibili impostazioni di progetto. Invece di inseguire una sola risposta migliore, costruisce un “fronte di Pareto” di compromessi: punti di funzionamento in cui non è possibile migliorare il comfort, o la freschezza dell'aria, o l'uniformità verticale della temperatura senza danneggiarne almeno uno degli altri. I risultati rivelano schemi chiari. Le persone si sentono più neutre quando l'aria di mandata è abbastanza veloce ma non crea corrente (circa 1,18–1,20 m/s), leggermente calda (intorno a 22 °C), e quando l'isolamento degli indumenti è più o meno quello di un leggero maglione. La freschezza migliora con angoli di bocchetta ridotti e getti più robusti, che spazzano via l'aria vecchia più rapidamente, mentre l'indesiderato stratificarsi di aria calda in alto e aria più fredda in basso si attenua con angoli di bocchetta più ampi e superfici murarie moderatamente calde. Sorprendentemente, l'efficienza del riscaldamento rimane alta e quasi costante attraverso tutte queste soluzioni in competizione.

Trasformare una nuvola di opzioni in scelte concrete

Per i progettisti e i gestori degli impianti, una nuvola di opzioni equivalenti è comunque un enigma pratico. Per rendere i risultati utilizzabili, gli autori applicano un metodo decisionale chiamato VIKOR che classifica le soluzioni ottimizzate in base a priorità diverse. Costruiscono dieci “scenari” rappresentativi. Uno privilegia il comfort puro—ideale per uffici dirigenziali o stanze ospedaliere. Un altro si concentra sul rapido rinnovo dell'aria, più adatto a cliniche o aule affollate dove il rischio di infezione è una preoccupazione. Altri bilanciano comfort, freschezza e uniformità verticale della temperatura per grandi sale, palestre o uffici open-space. Ogni scenario è accompagnato da intervalli specifici per l'angolo della bocchetta, la velocità dell'aria, la temperatura dell'aria e delle pareti, e il livello di abbigliamento previsto, trasformando l'ottimizzazione astratta in semplici manopole che un operatore dell'edificio può impostare.

Cosa significa per gli edifici di tutti i giorni

Per un non specialista, il messaggio è semplice: non dobbiamo più procedere per tentativi per ottenere aria interna confortevole, sana ed efficiente. Combinando strumenti avanzati di previsione, ricerca automatizzata e classifiche trasparenti delle opzioni, questo studio offre una tabella di marcia per regolare i sistemi di ventilazione a strati in base ai diversi tipi di spazi e priorità. In pratica, ciò potrebbe significare uffici dove le persone si sentono a proprio agio senza accendere al massimo il riscaldamento, reparti ospedalieri dove l'aria fresca raggiunge i pazienti in modo più affidabile, e grandi luoghi dove si limita il fastidio di testa calda e piedi freddi. Il lavoro dimostra che una progettazione intelligente può trasformare la promessa astratta di una migliore ventilazione in impostazioni concrete e regolabili che funzionano nel mondo reale.

Citazione: Hammouda, N.G., Ahmed, Z., Omar, I. et al. Intelligent multi-objective optimization of thermal comfort and ventilation performance in stratum ventilation design. Sci Rep 16, 6272 (2026). https://doi.org/10.1038/s41598-026-36233-7

Parole chiave: qualità dell'aria indoor, comfort termico, ventilazione a strati, edifici a efficienza energetica, ottimizzazione con apprendimento automatico