Gebäude Intelligent Simulieren Planung, Betrieb und Regelung Gerhard Zucker AIT Austrian Institute of Technology Energy Department
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 28.05.2013 Gerhard Zucker AIT Energy gerhard.zucker@ait.ac.at 2
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 gerhard.zucker@ait.ac.at 3
Simulationsunterstützung in der Planung SGMS-Hit: Smart Grid Modellregion Salzburg Häuser als interaktive Teilnehmer im Smart Grid Gerhard Zucker 22.1.2013 Georg Siegel, Reiner Braun - AIT Energy Department - Sustainable Building Technologies
SGMS - HiT Übersicht und Ziele Pläne Bau der Gebäude 130 Wohneinheiten / 7 Gebäude 8 826 m² Wohnnutzfläche (WNF) 12 421 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
SGMS - HiT Methode Wärmebedarfsprofil Gebäudesimulation Anlagensimulation Endenergiebedarf Anpassung Anlage Strombedarfsprofil Anlagenoptimierung Netzoptimierung 28.05.2013 6
SGMS - HiT Gebäudemodell 28.05.2013 7
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 140 120 100 80 60 40 20 EG 59.2 30.7 30.8 0.0 58.5 0.0 62.2 140 1 OG 120 2 OG 0.0 100 0.0 52.5 58.4 49.1 80 58.2 60 0.0 29.6 28.9 40 0.0 47.6 20 44.2 24.0 24.5 3 OG Heizen Interne Gewinne 4 OG 0.0 0.0 Solare Gewinne 62.3 67.1 Kühlen 51.6 58.5 Infiltration 0.0 Lüftung 0.0 30.8 29.6 Transmission 60.9 49.2 34.9 26.5 Heizen Interne Gewinne Solare Gewinne Kühlen Infiltration Lüftung Transmission 0 0 Gewinne VerlusteGewinne VerlusteGewinne VerlusteGewinne VerlusteGewinne Verluste 28.05.2013 8
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 28.05.2013 9
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 28.05.2013 12
SGMS - HiT 13
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] 76 73 66 64 77 74 BHWK [ C] 63 80 76 70 64 65 WP [ C] 53 54 59 60 53 53 IN FW [m] 14.5 14.8 17.5 17.3 14.6 15.9 OUT FW [m] 10.8 13.5 12.8 12.4 10.8 11.2 SENS FW [m] 13 16 15 14 14 15 IN BHKW [m] 13.8 13.7 14.3 13.6 13.6 13.9 OUT BHKW [m] 10.8 9.2 10.2 9.4 10.8 9.1 SENS BHKW [m] 14 12 10 11 14 14 IN WP [m] 6.1 7.8 8.0 8.9 5.0 5.9 SENS WP [m] 2.2 2.1 4.3 4.4 2.3 3.2 28.05.2013 14
SGMS - HiT Ergebnisse mit Biogas CO 2 optimiert Kosten optimiert CO 2 [kg] 12 868 16 097 Kosten [ ] 41 569 40 786 Jahresgang des Strombedarfs Rot (H0 - Haushalte) Grün (Bedarf der Anlage Haushalte, haustechnische Anlagen und PV) FW [%] BHKW [%] WP [%] 17.7 39.9 42.4 19.1 33.1 47.8 28.05.2013 15
Elektrische Lastverschiebung mit Wohngebäuden
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
Ergebnisse Typ Baujahr Heizenergie im Jahr [kwh/m²a] Abkühlzeitkonstante [h] Abkühlung von 22 ºC auf 20 ºC [h] Wohnbau 1992 104 122 7,3 Wohnbau 1994 75 124 7,5 Wohnbau 1994 108 86 5,2 Wohnbau 2003 35 128 7,7 Büro 2009 20 206 12,4 Example for cooling times (air exchange rate is 0.5 1/h, outside temperature -12ºC, no inner thermal loads) 20
Innenraumtemperatur [ C] Validierung durch Monitoring 24 23 22 21 20 19 18 17 Sensor x93 Sensor x83 Sensor x80 16 01.04/13 02.04 03.04 04.04 05.04 Datum 28.05.2013 Gerhard Zucker AIT Energy gerhard.zucker@ait.ac.at
Elektrische Leistung/MW Lastverschiebepotenzial Elektrodirektheizungen 18950 Elektrodirektheizungen installiert in Salzburg Lastabwurfsanfrage über 2 Stunden ab 12 Uhr 5 ºC Außentemperatur Abwurfpotential beträgt durchschnittlich ca. 400 MW Rebound 400 200 0-200 Verwirklichter Lastabwurf und Rebound -400-600 0 6 12 14 18 24 Uhrzeit 28.05.2013 Gerhard Zucker AIT Energy gerhard.zucker@ait.ac.at 22
Simulationsunterstützung in Anlagenund Gebäudeautomatisierung
KOMBINE Optimierung der Regelung eines kompakten kombinierten Solarthermie/Pelletskessels Florian Stift Sustainable Building Technologies
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.
Regelung der KOMBINE Anlage drei entkoppelte Regelkreise Frischwassermodul Heizkreis 26
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 80 70 60 50 40 30 20 10 0 216 240 264 288 312 Stunde des Jahres 28.05.2013 27
Optimierung der bestehenden Regelung Regelstrategien werden mit Optimierungsalgorithmus GenOPT modifiziert Referenz möglicher Optimierte Bereich Parameter Kollektorkreis Einschalttemperaturdifferenz in C 7.0 4.0 12.0 7.0 Speichertemperatur Oben Soll in C 85.0 60.0 85.0 63.0 Speichertemperatur Hysterese in C 20.0 1.0 20.0 10.0 Speichertemperatur Mitte Soll in C 80.0 60.0 80.0 62.0 Energiequellen Minimaltemperatur in C 40.0 35.0 60.0 35.0 28.05.2013 28
Energie / (kwh) Ergebnisse Simulation/Monitoring 3000 2500 2000 Anlage KOLLER Pellets Pellets SIM Pellets OPT Solar Solar SIM Solar OPT 1500 1000 500 0 Jan 2012 Feb 2012 Mar 2012 Apr 2012 Mai 2012 Jun 2012 Jul 2012 28.05.2013 29
Energie / (kwh) Results Variants BIOMASS 3000 2500 2000 Anlage KOLLER - PELLETS Referenz Optimierung -23% Verlustkoeff. -33% Verlustkoeff. -50% Verlustkoeff. +2m² Kollektor +4m² Kollektor Optimierung / -33% Verlustkoeff. Optimierung / -50% Verlustkoeff. 1500 1000 500 0 Jan 2012 Feb 2012 Mar 2012 Apr 2012 Mai 2012 Jun 2012 Jul 2012 28.05.2013 30
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
Automationssysteme Konventioneller Ansatz für Prozess-Regelungen Rule-based control PI control state of the art continuous controllers for building management systems 32
Modellbasierte Regelung 33
Desiccant Evaporative Cooling (DEC) Systeme: Lüftungsanlagen mit Solarer Kühlung
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
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
Monitoring evaluation Primary energy savings (absolute per year): Summer (June, July, Aug): 34.133 kwh 18,2% Transition time (April, May and Sept): 14.774 kwh 7,9% Winter (Jan March and Oct Dec): 138.470 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
Dankeschön! Gerhard Zucker AIT Energy Department 28.05.2013 Gerhard Zucker AIT Energy gerhard.zucker@ait.ac.at 40