A Survey on Semantic Modeling for Building Energy Management

Sintesi Tecnica: Un'indagine sulla modellazione semantica per la gestione dell'energia negli edifici

Problematica
La gestione dell'energia negli edifici (BEM - Building Energy Management) è fondamentale per ridurre il consumo energetico e le emissioni di CO2 nel settore edilizio. Sebbene le tecnologie Internet of Things (IoT) abbiano ampliato la disponibilità di dati operativi, il settore affronta sfide significative in termini di interoperabilità semantica. L'eterogeneità dei dati tra dispositivi, vendor, protocolli e strumenti software impedisce lo sviluppo di applicazioni BEM generalizzabili, autonome e consapevoli del contesto. I modelli semantici esistenti offrono spesso rappresentazioni mature degli asset fisici degli edifici (topologia, apparecchiature, sensori), ma mancano di una copertura coerente dei concetti operativi astratti essenziali per il processo decisionale intelligente, come gli indicatori chiave di prestazione (KPI), la logica di controllo, i compiti di ottimizzazione e i flussi di lavoro computazionali. Inoltre, le indagini precedenti si sono spesso concentrate sulla disponibilità di ontologie piuttosto che analizzare come tali modelli siano applicati nella pratica, specificamente riguardo alla tracciabilità delle mappature concetto-classe nei casi d'uso reali.

Metodologia
Questa indagine impiega una metodologia di ricerca ibrida che combina una ricerca nei database orientata al metodo PRISMA con l'identificazione di fonti complementari.

• Raccolta dati: È stata condotta una ricerca strutturata tramite parole chiave su cinque database principali (ACM DL, IEEE Xplore, Lens, Scopus, Web of Science), recuperando oltre 34.000 record.
• Screening: È stato applicato un processo di screening multistadio (deduplicazione, pre-screening basato sull'ambito, screening dei titoli basato su regole e revisione manuale di abstract/testo completo). I criteri di inclusione richiedevano contributi basati esplicitamente su ontologie per compiti operativi edilizi (ad es. monitoraggio, rilevamento guasti, controllo, ottimizzazione) utilizzando modelli semantici basati su grafi (RDF, OWL, JSON-LD).
• Corpus: Il corpus analitico finale consiste in 109 articoli sottoposti a revisione paritaria (peer-reviewed), supportati da 41 documenti tecnici (rapporti, specifiche, libri).
• Framework di analisi: Lo studio esamina 60 modelli semantici e analizza oltre 20 casi d'uso concreti di BEM. Tali casi d'uso sono categorizzati in base alla strategia di modellazione: singola ontologia, doppia ontologia e multipla ontologia.
• Nuove metriche: L'indagine introduce la Completezza dell'Evidenza Ontologica (OEC - Ontology Evidence Completeness) per valutare se gli studi forniscano mappature tracciabili dai concetti operativi alle classi ontologiche (categorizzate come Complete, Parziali o Assenti). Analizza inoltre il Tasso di Istanziazione dell'Ontologia (OIR - Ontology Instantiation Rate) e la necessità di estensione (la proporzione di concetti che richiedono nuove classi).

Contributi Chiave

1. Revisione Comprensiva: Una caratterizzazione di 60 modelli semantici rilevanti per le operazioni edilizie, dettagliandone l'ambito, i concetti principali e i limiti.
2. Analisi dei Casi d'Uso: Un'analisi di concrete applicazioni BEM basate sulle loro strategie di modellazione semantica (singola, doppia o multipla ontologia).
3. Completezza dell'Evidenza Ontologica (OEC): L'introduzione dell'OEC come metrica per valutare la trasparenza e la tracciabilità dell'evidenza semantica negli studi basati su ontologie, distinguendo tra studi che mappano esplicitamente i concetti e quelli che si affidano a assunzioni implicite.
4. Sintesi Quantitativa: Una valutazione quantitativa dell'OIR, dei concetti mancanti e delle specifiche strategie di modellazione (specializzazione, eredità esterna, riutilizzo, integrazione, estensione) utilizzate per colmare le lacune semantiche.
5. Identificazione delle Lacune: L'identificazione di ricorrenti lacune nella ricerca, in particolare nella rappresentazione dei processi computazionali astratti, nelle pratiche di estensione delle ontologie e nelle risorse di flessibilità energetica.

Risultati

• Disparità di Copertura: Gli attuali modelli semantici rappresentano in modo più efficace le entità fisiche (struttura dell'edificio, sistemi tecnici, sensori, attuatori e dati osservabili) rispetto ai concetti operativi astratti e dinamici. Concetti quali KPI, valutazioni, servizi, logica di controllo, compiti di ottimizzazione e flussi di lavoro computazionali rimangono meno costantemente coperti.
• Strategie di Modellazione: Gli studi BEM applicati fanno spesso ricorso al riutilizzo, all'integrazione, alla specializzazione, all'eredità esterna o ad estensioni specifiche dell'applicazione per colmare le lacune di copertura.
  • Gli scenari a singola ontologia richiedono spesso l'eredità esterna (ad es. per le unità di misura) o estensioni specifiche dell'applicazione quando i compiti superano l'ambito principale dell'ontologia.
  • Gli scenari a multipla ontologia sono comuni per compiti complessi (ad es. zonizzazione termica, calcolo dei KPI), dove vengono integrate ontologie complementari (ad es. BOT per la topologia, SAREF per i dispositivi, SSN/SOSA per le osservazioni e ontologie personalizzate per i KPI).
• Completezza dell'Evidenza: Una parte significativa degli studi rivisti presenta un'OEC "Parziale" o "Assente", il che significa che menzionano le ontologie ma non forniscono sufficienti prove a livello di classe per tracciare i concetti rilevanti per il compito. Ciò limita la riproducibilità e la valutazione quantitativa della copertura semantica.
• Paesaggio delle Ontologie: Nessuna singola ontologia fornisce una copertura completa per la BEM operativa. Modelli core come BOT, SAREF (e le sue estensioni), SSN/SOSA e Brick fungono da strati fondamentali, ma sono spesso insufficienti senza integrazione o estensione per compiti operativi specifici.

Significatività e Rivendicazioni
L'articolo sostiene che la sfida principale per la BEM operativa non sia l'assenza di ontologie, ma il modo incoerente in cui i modelli esistenti rappresentano, combinano ed estendono i concetti necessari per le applicazioni pratiche. L'indagine chiarisce che, sebbene i modelli semantici siano essenziali per l'interoperabilità e la consapevolezza del contesto, gli ecosistemi attuali sono frammentati.

Gli autori sostengono che il progresso futuro dipenda meno dall'invenzione di nuove ontologie isolate e più da:

• Il miglioramento della guida alla modellazione esplicita e dei meccanismi di estensione.
• Il potenziamento dell'allineamento tra i modelli semantici esistenti.
• Una migliore rappresentazione dei processi computazionali e di supporto decisionale (l'"intelligenza" dietro i dati).
• L'adozione di strategie di integrazione rigorose per gestire la complessità della flessibilità energetica e l'interazione con la rete.

L'indagine conclude che realizzare il potenziale dei sistemi BEM intelligenti e consapevoli del contesto richiede rappresentazioni semantiche che vadano oltre la descrizione degli asset fisici, per catturare esplicitamente i flussi di lavoro computazionali e i processi di supporto decisionale che interpretano i dati e attivano le azioni.