Qualità dei dati e confidenza

Uno studio TESSA attinge a più livelli di dati — estrazioni automatiche degli edifici, modelli statistici di domanda, valori sostitutivi forniti dall'utente — e ciascun livello ha un diverso grado di certezza. Capire da dove proviene ogni valore aiuta a individuare gli edifici che richiedono una verifica manuale e quanta fiducia riporre nei risultati aggregati.

Campi di origine

Per le tre grandezze più importanti degli edifici — superficie di riferimento energetico (ERA), domanda di calore per il riscaldamento degli ambienti e domanda di acqua calda — TESSA registra un'etichetta di testo che indica come è stato ricavato il valore. Questi campi di origine sono visibili nell'esportazione della tabella degli edifici e nell'inspector degli edifici.

Valori di origine dell'ERA

L'ERA (superficie di riferimento energetico) è la superficie riscaldata — il singolo input più importante del calcolo della domanda. Il valore utilizzato da TESSA è determinato da una cascata: vince la prima fonte utilizzabile.

Più si scende nella cascata, minore è la certezza dell'ERA. Un edificio con l'etichetta total_surface non ha subito alcuna correzione della frazione riscaldata, il che può sovrastimare l'ERA per edifici con ampie aree non riscaldate (cantine, autorimesse, capannoni industriali).

Valori di origine della domanda

I valori derivati da archetipi e norme sono medie statistiche — accurate a livello di portafoglio ma potenzialmente errate di ±50% per il singolo edificio.

Cosa indicano in pratica i campi di origine

flowchart LR
    MEASURED["Misurato / fornito<br/>──────────────<br/>era_origin = input ERA<br/>qh_origin = measured data"]
    MODEL["Modellato statisticamente<br/>──────────────<br/>era_origin = total_surface * a_s<br/>qh_origin = AVG Value per SIA"]
    FALLBACK["Ripiego / incerto<br/>──────────────<br/>era_origin = total_surface<br/>qh_origin = Default Value per Archetype"]

    MEASURED --> |"confidenza più alta"| MODEL --> |"confidenza più bassa"| FALLBACK

    classDef high fill:#c8e6c9,stroke:#2e7d32,stroke-width:1.5px,color:#1b5e20
    classDef med fill:#fff3e0,stroke:#ED6000,stroke-width:1.5px,color:#bf360c
    classDef low fill:#ffccbc,stroke:#bf360c,stroke-width:1.5px,color:#bf360c

    class MEASURED high
    class MODEL med
    class FALLBACK low

Nella verifica di un quartiere:

• Gli edifici con era_origin = input ERA e valori di domanda misurati hanno la confidenza più alta. Non serve alcuna verifica, a meno che i valori non appaiano palesemente errati.
• Gli edifici con domanda derivata da archetipi o norme meritano un controllo incrociato con gli eventuali dati misurati disponibili per l'area, soprattutto per gli edifici non residenziali, per i quali gli archetipi sono meno dettagliati.
• Gli edifici la cui ERA è ricaduta su total_surface vanno ispezionati — la loro domanda può essere sovrastimata o sottostimata in modo significativo. Valutare di modificare direttamente l'ERA nell'editor degli edifici o di fornire un file di input corretto.

Confidenza a livello di portafoglio e di singoli edifici

I modelli statistici di domanda sono calibrati su grandi dataset. A livello di quartiere (centinaia di edifici), gli errori individuali tendono a compensarsi e la domanda totale è di solito accurata entro ±10–20%. A livello di singolo edificio, gli errori possono essere molto maggiori — è un comportamento atteso e non un difetto del modello.

Per il dimensionamento della rete, la potenza di picco è più sensibile agli errori dell'energia annua. Un edificio con ERA sovrastimata produrrà una stima di domanda di picco più alta, con una tubazione leggermente sovradimensionata. In pratica, TESSA dimensiona in base al picco aggregato del quartiere, quindi i singoli valori anomali hanno un effetto limitato, a meno che non rappresentino una frazione significativa del carico totale.

Migliorare la qualità dei dati

Per aumentare la confidenza su edifici specifici:

1. Modificare gli edifici sulla mappa — utilizzare l'editor degli edifici per correggere ERA, periodo di costruzione o tipo di edificio per gli edifici classificati in modo errato.
2. Caricare una tabella di edifici — fornire i propri valori di ERA e di domanda ricavati da audit energetici o dati misurati. Vedere Modello di dati degli edifici.
3. Utilizzare i dati OSM — OpenStreetMap può fornire impronte e numero di piani dove mancano i dati del registro. Vedere la guida per l'utente su come utilizzare i dati OSM.

Dopo le modifiche, rieseguire "Generate building demands" per aggiornare i valori di domanda e le etichette di origine.

Dove proseguire

• Origine dei dati degli edifici — da dove TESSA ricava i dati svizzeri degli edifici (RegBL, Swisstopo TLM3D).
• Modello della domanda di calore — come vengono calcolati i valori di domanda basati su archetipi.
• Modello di dati degli edifici — il formato per caricare i propri dati degli edifici.
• Glossario delle variabili degli edifici — tutte le colonne della tabella degli edifici, compresi i campi di origine.