Skattning av värmedynamik i byggnader för energioptimering
- Diarienummer
- FID22-0052
- Projektledare
- Jirstrand, Mats
- Start- och slutdatum
- 231101-280430
- Beviljat belopp
- 2 500 000 kr
- Förvaltande organisation
- Fraunhofer-Chalmers Centre
- Forskningsområde
- Beräkningvetenskap och tillämpad matematik
Summary
Syftet med detta projekt är att utveckla nya metoder för robust skattning av värmedynamik i byggnader genom data-drivna metoder. Metoderna kommer, särskilt i de senare faserna av projektet, baseras på mixed effects-modellering över byggnadsbestånden för ett effektivt användande av data. De skattade modellerna kommer i sin tur att användas i designen av robust modellbaserad styrning, baserad på stokastisk programmering och scenariogenerering. En viktig komponent i de skattade modellerna är att kunna ge tillförlitliga skattningar av framtida värmelaster, vilket kan vara till nytta i det förmodat ökade behovet av flexibilitetslösningar inom uppvärmning som en konsekvens av till exempel övergången från fjärde till femte generationens fjärrvärme. Sammanfattad arbetsplan 1. Utveckling av adaptiva modeller, inkluderat skattning av strukturella parametrar, för skattning av värmedynamik för en enskild byggnad. (År 1) 2. Utveckling av validerings- och regulariseringsmetoder för modellskattning. (År 2-3) 3. Adaptiv mixed effects-modellering för byggnadspopulationer. (År 2-3) 4. Modellbaserad styrning av byggnadspopulationer med osäkerhet. (År 3-4) De förväntade resultaten från projektet inkluderar algoritmer för robust modellbaserad värmestyrning på stadsnivå, utvärderad med data från fastighetsbestånd som motsvarar svenska förhållanden, och empiriskt validerad på mindre skala.
Populärvetenskaplig beskrivning
Byggnader står för omkring 40% av den totala energiförbrukning, och inom EU för 36% av växthusgaserna, där en majoritet används för uppvärmning. Både EU-kommissionen och Fossilfritt Sveriges färdplan för bygg- och anläggningssektorn pekar ut effektiviseringar inom det befintliga fastighetsbeståndet som viktiga åtgärder det närmaste decenniet för att kunna nå slutmålen om nettonollutsläpp 2045 respektive 2050. Detta projekt syftar till att utveckla metoder för bättre skattning av värmedynamik, vilket kan förbättra och minska barriärer för energieffektiv styrning av byggnaders värmesystem. I regel styrs värmesystem av relativt enkla och oprecisa metoder, även om det finns forskning där mer avancerad modellbaserad styrning (eng. model predictive control, MPC) framgångsrikt har använts för att åstadkomma besparingar upp till 20%. Tack vare de senaste årens trender inom förbättrad beräkningskraft och uppkopplade sensor har tillämpbarheten för MPC inom värmestyrning ökat markant. Dock finns det fortfarande hinder för en beståndsövergripande övergång då MPC kräver information om byggnadernas värmedynamik, vilket typiskt saknas för det stora antalet äldre och energiineffektiva byggnader. För att uppnå besparingar genom uppskalad driftsättning av MPC i hela byggnadsbeståndet finns det därför ett behov av att med minimal manuell handpåläggning skatta värmedynamik. Automatisk skattning av värmedynamik kan vara utmanande på grund av externa störningar som exempelvis säsongsvariationer. Vi vill i detta projekt utnyttja den stora mängden nya uppkopplade sensorer från många olika byggnader som möjliggör storskalig matematisk modellering av dynamik. I synnerhet fokuserar vi på statistiska modeller där egenskaper på både populationsnivå och individnivå, som i detta fall kan motsvaras av städer respektive byggnader, kan kombineras för bättre skattningar. Utöver besparingar i energikonsumtion kan MPC vara till nytta för flexibel värmestyrning och lastförflyttning, vilket på energisystemnivå har potential att kapa effekttoppar eller omvänt utnyttja kortvariga toppar från intermittent produktion. På grund av skattningsfel av värmedynamiken riskerar en sådan flexibilitetslösning bli opålitlig för energisystemet eller alternativt försämra inomhuskomforten. För att adressera detta kommer vi att utnyttja populationsegenskaper för att modellera konfidensen i skattningar av värmedynamiken, vilket i sin tur kan ge ökad robusthet och tillförlitlighet i styrningen.