Wärmebedarfsprognose für Gebäude und Stadtquartiere, Entwicklungen an der HFT Stuttgart Prof. Dr. habil. Ursula Eicker Zentrum für angewandte Forschung nachhaltige Energietechnik Hochschule für Technik Stuttgart
Überblick Fragen Wie genau kann der Wärmebedarf von Städten modelliert werden? Welche Messdaten stehen zur Validierung zur Verfügung? Welcher Anteile erneuerbarer Energien kann lokal erzeugt werden? Fallbeispiele Neubau LOD1: Ludwigsburg, Scharnhauser Park Bestand LOD2: Karlsruhe Rientheim Methoden Wärmebedarfssimulation: von Gradtagzahlmodell über Monatsbilanzverfahren bis hin zu dynamischer Simulation Erneuerbare Energien: Photovoltaik, Solarthermie, Biomasse, KWK mit der Simulationsumgebung INSEL (www.insel.eu)
Übersicht Simulationsverfahren Insel Katasterdaten, Lärmkartierung Bestands- Aufnahme Cat3D 3D Modell- Generierung Analysierte Geometriedaten Thermische Merkmale Heizwärmebedarf Simulation * Klimadaten Gebäudekatalog pro Gebäudetypologiee Matlab / Ruby / Cat3D Ergebnis Auswertung 1) Datensammlung 2) Datenvorbereitung 3) Heizwärmebedarf Simulation (statisches Einzonenmodell) 4) Analyse und Farben * nach DIN 4108-6, Monatsbilanzverfahren 2D/3D Visualisierung 3
Thermische Datenaufbereitung für die Heizwärmebedarf Simulation Sachdaten Gebäudekatalog (IWU etc.) Aktualisierter Gebäudezustand nach Vor-ort Begehung
Geometrische Datenaufbereitung Automatisch generierter Energieausweis (pdf)
Fallstudie Bestand Ludwigsburg Grünbühl Datenbasis für die 3D Modellgenerierung (CityGML LOD1): Gebäudegrundrisse aus dem Kataster mittlere Gebäudehöhe aus der Lärmkartierung 2002 Automatische Analyse des 3D Stadtmodells für die Heizwärmebedarf Simulation GEBTEIL_ID FK_GEB_ID VOLUMEN DACH_FLAECHE GRUND_FLAECHE HOEHE_INKLUSIV_DACH HOEHE_EXKLUSIV_DACH FASSADETEIL_ID FK_FASSADE_ID FK_GEBTEIL_ID TYP AZIMUTH NEIGUNG WAND_FLAECHE AUSWAND_FLAECHE 6
Ergebnis der Heizwärmebedarf Simulation Visualisierung im 3D Modell Nachkriegs- Bauten BIMA Sanierungen 2005-2006 Wärmbilanzberechnung auf Basis von 3D Gebäudemodell LOD1 (ausschließlich Wohngebäude)
Vergleich Gasablesung / Simulation
Fallstudie Scharnhauser Park mit Neubauten und erneuerbarer Versorgung durch Biomasse KWK Ostfildern Area 150 ha Gross floor area Total investment 178.000 m2 267 Mill. Euro Population 10.000 80% renewable energy supply with biomass cogeneration plant and photovoltaics buildings: 30% less consumption than national standard School Residential Sport Center Town hall PV systems Biomass power plant
3D Modell LOD 1
Vergleich Simulation Messung Gesamtgebiet 10000 Heating energy consumption/demand in MWh 8000 6000 4000 2000 0 Row houses Multi-family houses Building group Measurement Model 1 Model2
Deviation in % Vergleich auf Gebäudeebene 240000 200000 160000 120000 80000 40000 0 100 50 0-50 -100-150 -200-250 -300-350 -400 1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 Heating consumption/demand in kwh 191 201 211 221 Mittlere Abweichung 26% Building ID Measurement Model 2 Deviation
Fallstudie Bestand Karlsruhe Rientheim source: VOLKSWOHNUNG GmbH source: Stadt Karlsruhe Topologically consistent extrusion of ground surfaces Roof areas from laser scanning data
Vergleich Messung Rechnung auf Gebäudeebene
Vergleich Messung Rechnung nach Gebäudetyp
Visualisierung der Ergebnisse Qh (heating energy consumption): < 30 kwh/m²a: dark green 30-60 kwh/m²a: light green 60-90 kwh/m²a: yellow 90-120 kwh/m²a: yellow orange 120-150 kwh/m²a orange >150 kwh/m²a red
Modellierung erneuerbarer Energien Section Tilted roof Flat roof Electrical power [kw] 30 25 20 15 10 5 measurement simulation Solar irradiation PV-System on the Roof PV-System on the south facade 900 750 600 450 300 150 Solar irradiation [W/m²] 0 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Time in h 0
Eigenverbrauch und erneuerbare Erzeugung
Gesamtpotential erneuerbarer Energien Total measured electricity consumption: 10700 MWh Buildings considered Whole district Buildings with suitable roof areas Nr Method/calculation of the PV production PV coverage [%] PV coverage [%] 1 PV energy production (total) 35 54 2 PV own consumption 17 26
Zusammenfassung Wärmebedarf von Stadtquartieren kann mit guter Genauigkeit mit 3D Modellen berechnet werden Grundinformationen über Gebäudealter, Bauteileigenschaften und Nutzung sind erforderlich Bei Einzelgebäuden führt variables Nutzerverhalten zu größeren Abweichungen zwischen gemessenem Verbrauch und berechnetem Bedarf (10-30%) Bei detaillierteren Gebäudekennwerten kann auch bei individuellen Gebäuden der Fehler auf 10% reduziert werden. Erneuerbare Energiepotentiale können ermittelt und Szenarien für erneuerbare Eigenversorgung analysiert werden 3D Datenmodell Grundlage für Smart City Konzepte der Zukunft (Anpassung Verbrauch Erzeugung, Lastmanagement, Visualisierung der Energieströme)