Gebäude Intelligent Simulieren Planung, Betrieb und Regelung. Gerhard Zucker AIT Austrian Institute of Technology Energy Department

Transkript

1 Gebäude Intelligent Simulieren Planung, Betrieb und Regelung Gerhard Zucker AIT Austrian Institute of Technology Energy Department

2 AIT Energy Department Facts & Figures Employees: 125 Highly interdisciplinary team: Architecture, Constructional Engineering, Mechanical Engineering, Electrical Engineering, Physics, Multicultural team: i.e. Austria, Germany, France, Serbia, Italy, Sweden, Brazil, Lithuania, Bosnia, Slovakia, China, Pakistan Average Age: 35 years Gerhard Zucker AIT Energy 2

3 Energy in Buildings Development of new design concepts shape envelope characteristics thermal mass storage Integration of energy efficient and renewable energy supply systems compression & absorption heat pumps solar thermal systems Controls and building management load management energy storage concepts Integration of energy efficient and renewable energy supply systems Energy management and control strategies Gerhard Zucker AIT Energy 3

4 Simulationsunterstützung in der Planung SGMS-Hit: Smart Grid Modellregion Salzburg Häuser als interaktive Teilnehmer im Smart Grid Gerhard Zucker Georg Siegel, Reiner Braun - AIT Energy Department - Sustainable Building Technologies

5 SGMS - HiT Übersicht und Ziele Pläne Bau der Gebäude 130 Wohneinheiten / 7 Gebäude m² Wohnnutzfläche (WNF) m² Brutto Grundfläche (BGF) Netzfreundlich d.h. das Gebäude muss zur Reduktion der Lastspitzen im Stromnetz beitragen können Anlage muss auf Anforderungen des Stromnetz reagieren können thermisch-elektrische Kopplung Fernwärme, Blockheizkraftwerk, Wärmepumpe, Photovoltaik, Speicher Einbindung E-Mobility Smart Home & Energiefeedback Fragestellung: Wie sieht eine optimale Anlagenkonfiguration bei diesen Randbedingungen aus? 5

6 SGMS - HiT Methode Wärmebedarfsprofil Gebäudesimulation Anlagensimulation Endenergiebedarf Anpassung Anlage Strombedarfsprofil Anlagenoptimierung Netzoptimierung

7 SGMS - HiT Gebäudemodell

8 Thermische Energie [kwh/m²a] Thermische Energie [kwh/m²a] SGMS - HiT Simulationen Jahresenergiebilanz bei 22 C Innentemperatur Das Gebäude B1 hat einen durchschnittlichen Heizwärmebedarf von 54 kwh/(m²*a) bezogen auf die BGF (Innentemperatur 22 C) Jahresenergiebilanz Haus B1 EG / 1 OG / 2 OG Jahresenergiebilanz Haus B1 3 OG / 4 OG EG OG OG OG Heizen Interne Gewinne 4 OG Solare Gewinne Kühlen Infiltration 0.0 Lüftung Transmission Heizen Interne Gewinne Solare Gewinne Kühlen Infiltration Lüftung Transmission 0 0 Gewinne VerlusteGewinne VerlusteGewinne VerlusteGewinne VerlusteGewinne Verluste

9 SGMS - HiT Optimierung der Wärmeerzeugung Ziel Erzeugen eines CO 2 - optimierten Lastprofiles Strom, Fernwärme, Erdgas Strom, Fernwärme, Biogas Erzeugen eines kostenoptimierten Lastprofile Strompreis fix, Fernwärme, Biogas fix Strompreis dynamisch; Fernwärme, Biogas fix Optimierung bedeutet in diesem Fall das Minimum (Emissionen bzw. Kosten) zu finden

10 SGMS - HiT Optimierung der Wärmerzeugung durch Optimierung des Speichers (Parameterstudie) Positionen Vor- und Rücklauf (Fernwärme, Blockheizkraftwerk, Wärmepumpe) Aktivierungsbedingungen (Setpoints) (Fernwärme, Blockheizkraftwerk, Wärmepumpe) Positionen der Temperaturfühler TFW_Matrix = {'80','70','63'}; % Setpoint FW [ C] TBHKW_Matrix = {'80','75'}; % Setpoint BHKW [ C] TWP_Matrix = {'55','50'}; % Setpoint WP [ C] IN1_Matrix= {'0.99','89'}; % Höhenvariation des FW doubleports [0...1] OUT1_Matrix={'0.75','0.55 } % Höhenvariation des FW doubleports out [0...1] SENS1_Matrix = {'0.9','0.8'}; % Höhe des Sensors für die FW [0...1] IN2_Matrix= {'0.8','0.7'}; % Höhenvariation des BHKW doubleports [0...1] OUT2_Matrix= {'0.6','0.5'}; % Höhenvariation des BHKW doubleports out [0...1] SENS2_Matrix = {'0.8','0.7'}; % Höhe des Sensors für das BHKW [0...1] IN3_Matrix= {'0.3','0.2'}; % Höhenvariation des WP doubleports [0...1] SENS3_Matrix = {'0.3'}; % Höhe des Sensors für die WP [0...1] Die Einstellungen der Setpoints und der Höhen haben einen erheblichen Einfluss auf die Ergebnisse

11 SGMS - HiT 13

12 SGMS - HiT Optimierung der Wärmeerzeugung Ergebnisse / Parameter CO2 Erdgas Kosten Erdgas CO2 Biogas Kosten Biogas Biogas Kosten_dyn Ö Erdgas Kosten_dyn Ö FW [ C] BHWK [ C] WP [ C] IN FW [m] OUT FW [m] SENS FW [m] IN BHKW [m] OUT BHKW [m] SENS BHKW [m] IN WP [m] SENS WP [m]

13 SGMS - HiT Ergebnisse mit Biogas CO 2 optimiert Kosten optimiert CO 2 [kg] Kosten [ ] Jahresgang des Strombedarfs Rot (H0 - Haushalte) Grün (Bedarf der Anlage Haushalte, haustechnische Anlagen und PV) FW [%] BHKW [%] WP [%]

14 Elektrische Lastverschiebung mit Wohngebäuden

15 B2G - Building to Grid Problemstellung o Wie können Spitzen im Stromnetz vermieden werden? o Gebäude als wesentliche Verbraucher werden nur aus Gebäudesicht ohne Rücksicht auf Netz optimiert Methodik Gebäudesimulation zur Vorhersage von Status und (Speicher)-Kapazitäten Ausrüstung von 10 Testobjekten mit adaptierter Gebäudeleittechnik und Serveranbindung Modellversuch mit 10 realen Testobjekten Zielsetzung Kooperative Einbindung der Gebäude durch intelligente Gebäudeleittechnik ins Smart Grid Ausnutzung von Freiheitsgraden der Gebäude (verschiebbare Lasten, Lastabwurf, Teillastbetrieb) zur Optimierung des Netzbetriebs Kopplung Gebäude- und Netz- Optimierung Ergebnisse Verbesserte Lastmodelle von Gebäuden Potential von Gebäuden als Energiespeicher und aktiver Teilnehmer im Smart Grid

16 Ergebnisse Typ Baujahr Heizenergie im Jahr [kwh/m²a] Abkühlzeitkonstante [h] Abkühlung von 22 ºC auf 20 ºC [h] Wohnbau ,3 Wohnbau ,5 Wohnbau ,2 Wohnbau ,7 Büro ,4 Example for cooling times (air exchange rate is 0.5 1/h, outside temperature -12ºC, no inner thermal loads) 20

17 Innenraumtemperatur [ C] Validierung durch Monitoring Sensor x93 Sensor x83 Sensor x / Datum Gerhard Zucker AIT Energy gerhard.zucker@ait.ac.at

18 Elektrische Leistung/MW Lastverschiebepotenzial Elektrodirektheizungen Elektrodirektheizungen installiert in Salzburg Lastabwurfsanfrage über 2 Stunden ab 12 Uhr 5 ºC Außentemperatur Abwurfpotential beträgt durchschnittlich ca. 400 MW Rebound Verwirklichter Lastabwurf und Rebound Uhrzeit Gerhard Zucker AIT Energy gerhard.zucker@ait.ac.at 22

19 Simulationsunterstützung in Anlagenund Gebäudeautomatisierung

20 KOMBINE Optimierung der Regelung eines kompakten kombinierten Solarthermie/Pelletskessels Florian Stift Sustainable Building Technologies

21 Aufgabenstellung (1) Konzept für eine Heizungsanlage bestehend aus Solarthermie und Pelletsofen Ziel: optimierter Sommer- und Winterbetrieb mit reduziertem Pelletsverbrauch (2) Optimierung des bestehenden Regelkonzeptes. (3) Implementierung eines modellbasierten Regelkonzeptes und Anbindung an das HKL System direkt über das Automatisierungssystem der Anlage.

22 Regelung der KOMBINE Anlage drei entkoppelte Regelkreise Frischwassermodul Heizkreis 26

23 Temperatur in C Pelletsmassenstrom in kg Modellierung des Kombisystems 90 [SIM_REF] T_Speicher_O [SIM_REF] T_Speicher_U [SIM_REF] Pellets [MON] T_Speicher_O [MON] T_Speicher_U [MON] Pellets Stunde des Jahres

24 Optimierung der bestehenden Regelung Regelstrategien werden mit Optimierungsalgorithmus GenOPT modifiziert Referenz möglicher Optimierte Bereich Parameter Kollektorkreis Einschalttemperaturdifferenz in C Speichertemperatur Oben Soll in C Speichertemperatur Hysterese in C Speichertemperatur Mitte Soll in C Energiequellen Minimaltemperatur in C

25 Energie / (kwh) Ergebnisse Simulation/Monitoring Anlage KOLLER Pellets Pellets SIM Pellets OPT Solar Solar SIM Solar OPT Jan 2012 Feb 2012 Mar 2012 Apr 2012 Mai 2012 Jun 2012 Jul

26 Energie / (kwh) Results Variants BIOMASS Anlage KOLLER - PELLETS Referenz Optimierung -23% Verlustkoeff. -33% Verlustkoeff. -50% Verlustkoeff. +2m² Kollektor +4m² Kollektor Optimierung / -33% Verlustkoeff. Optimierung / -50% Verlustkoeff Jan 2012 Feb 2012 Mar 2012 Apr 2012 Mai 2012 Jun 2012 Jul

27 Regelung der KOMBINE Anlage Modellbasierter Regelansatz optimale Regelung Frischwassermodul Heizkreis (1) Optimierung auf Energiemanagementebene (Online-Optimierung durch z.b.: Verschiebung von Sollwerten) (2) Optimierung auf Prozessebene (Modellprädiktive Regelung) 31

28 Automationssysteme Konventioneller Ansatz für Prozess-Regelungen Rule-based control PI control state of the art continuous controllers for building management systems 32

29 Modellbasierte Regelung 33

30 Desiccant Evaporative Cooling (DEC) Systeme: Lüftungsanlagen mit Solarer Kühlung

31 Solar cooling (DEC-system) Concept of operation: DEC-system delivers conditioned fresh air in summer 100% solar thermal driven solar cooling system by 285m² flat plate collectors Usage of DEC-system for humidity and heat recovery in winter Source: AIT 35

32 Monitoring evaluation Composition of primary energy demand: Reference system: highest demand for heating coils (supply air 22 C; 42% r.h.) Solar DEC system: heating demand in winter much lower due to enthalpy rotor Electricity demand for solar system in summer very low Source: AIT Source: AIT 36

33 Monitoring evaluation Primary energy savings (absolute per year): Summer (June, July, Aug): kwh 18,2% Transition time (April, May and Sept): kwh 7,9% Winter (Jan March and Oct Dec): kwh 73,9% Highest primary energy saving potential absolute in winter time for Austrian climate Humidity recovery in winter with sorption wheel Used parameters according to Task 38 monitoring procedure: PE conversion electricity: 2.5 PE conversion gas: 1.11 SPF compression chillers: 2.8 Efficiency gas boiler: 0.95 SPF heat pump (measured): 3.2 Source: AIT 37

34 Dankeschön! Gerhard Zucker AIT Energy Department Gerhard Zucker AIT Energy 40