
Datadrevet oppvarming reduserer energibruken i bygg
Ved å forutsi det faktiske oppvarmingsbehovet i et bygg kan man spare mye energi.

Energiprisene
skyter i været, og de som forvalter næringseiendom, må styre energibruken
bedre. Det er mye å spare på oppvarming.
Varmer opp når det
faktisk er behov for det
SINTEF samarbeider med Kiona og
DNB Næringseiendom for å finne ut hvordan vi kan varme opp byggene våre på en
smartere måte. I prosjektet Databygg utvikles algoritmer som kan styre
temperaturen i varmedistribusjonssystemet til et bygg basert på om det
faktisk er et varmebehov.
I dag er det mest vanlig at
turtemperaturen, det vil si temperaturen på vannet som går inn i radiatorene,
er avhengig av utetemperaturen. Turtemperaturen blir høyere når det blir
kaldere ute. Dette er allerede et tiltak for energieffektivisering, men som
ikke tar godt nok hensyn til det faktiske varmebehovet i bygget.
- Styringsalgoritmene vi nå
utvikler, tar hensyn til flere faktorer enn utetemperatur, deriblant
værmeldinger og planlagt bruk av byggene. Målet er å tilføre akkurat så mye
energi som er nødvendig for å opprettholde den romtemperaturen vi ønsker,
sier FoU-ansvarlig i Kiona Åsmund Svinndal.
Sparer energi fra dag
én
Basert på detaljerte måledata
over en periode på to år er det utviklet en datadrevet modell for prediktiv
styring av oppvarmingssystemet. Det vil si en modell som kan forutsi hvilke
romtemperaturer som oppnås gitt en viss radiator-turtemperatur.
- Det viste seg at variasjonen i
dataene var for begrenset til å trene opp modellen til å fungere slik den var
ment, sier John Clauß, forsker ved SINTEF og prosjektleder for Databygg.
Derfor ble det utviklet
algoritmer som automatisk og fortløpende endrer radiatortemperaturen basert
på målt romtemperatur. Algoritmene leser romtemperaturen hvert 30. minutt for
å avgjøre om det er behov for oppvarming. Hvis det ikke er oppvarmingsbehov,
reduseres temperaturen i radiatorkretsen. Når romtemperaturen synker og
rommene blir for kalde, økes turtemperaturen igjen. Risikoen for dårligere
termisk komfort er lav når temperaturen sjekkes hvert 30. minutt.
Energibruken gikk ned
10-15%
Løsningen ble testet ut i et
kontorbygg i Trondheim Sentrum i høst. Energibruken til oppvarming har gått
ned 10-15 prosent mens man har beholdt ønsket romtemperatur. I tillegg økes
temperaturen på varmen til radiatorene gradvis for å unngå energitopper når
turtemperaturen økes.
- Algoritmene har bidratt til
energibesparelser fra dag én, sier Erlend Kaland Simonsen, direktør i DNB
Næringseiendom.
Forbedret modell skal
spare enda mer energi
I tillegg til å spare energi,
genererer de implementerte algoritmene flere data som igjen brukes til å trene
modeller for å forutsi fremtidige romtemperaturer mer nøyaktig. Disse
modellene skal videre brukes i en prediktiv styringsalgoritme som forutsier
oppvarmingsbehovet.
Algoritmen bruker nye data for å
løse et optimaliseringsproblem en gang i timen. Basert på måledata fra bygget
foreslår algoritmen en turtemperatur som skal sikre ønsket romtemperatur for
de neste 12 timene. Det vil bidra til ytterligere energibesparelser.
- Vi skal ta i bruk prediktive
algoritmer i flere av våre bygg, sier Erlend Simonsen. Fram mot sommeren 2023
skal vi også se på hvordan vi kan redusere energibruken i kjølesystemet.
Om prosjektet Databygg
Databygg er et IPN-prosjekt med
støtte fra Norges Forskningsråd, med en total ramme på 26 MNOK. Kiona er
prosjekteier, DNB Næringseiendom er prosjektpartner og SINTEF er FoU-partner.
Prosjektet varer ut 2023.