Selvlærende varmestyringssystem sparer energi

Kan bygninger lære at redde helt af sig selv? Det mener Empa-forskere. I deres eksperimenter, de fodrede et nyt selvlærende varmestyringssystem med temperaturdata fra det foregående år og den aktuelle vejrudsigt. Det "smarte" kontrolsystem kunne herefter vurdere bygningens adfærd og handle med god forventning. Resultatet:større komfort, lavere energiomkostninger.

Fabrikshaller, lufthavnsterminaler og højhuse i kontorbygninger er ofte udstyret med automatiserede "foregribende" varmesystemer. Disse arbejder med foruddefinerede scenarier, der er specielt beregnet til bygningen og hjælper med at spare bygningsejere for en masse varmeenergi. Imidlertid, sådan individuel programmering er for dyr for individuelle lejligheder og private hjem.

Sidste sommer, en gruppe Empa-forskere beviste for første gang, at det faktisk kunne være meget enklere end som så:Intelligent varme- og kølestyring skal ikke nødvendigvis programmeres, systemet kan lige så nemt lære at reducere omkostningerne af sig selv og baseret på de seneste ugers og måneders data. Programmeringseksperter er ikke længere nødvendige. Med dette trick, den omkostningsbesparende teknologi vil snart også være tilgængelig for familier og singler.

Det afgørende eksperiment fandt sted i Empas forskningsbygning NEST. UMAR-enheden (Urban Mining and Recycling) tilbyder de bedste betingelser for denne test:Et stort spisekøkken er indrammet på begge sider af to elevværelser. Begge værelser er 18 kvadratmeter hver. Hele vinduesfronten ser øst-sydøst mod morgensolen. I UMAR-enheden, opvarmet eller forkølet vand strømmer gennem en rustfri loftbeklædning og sikrer den ønskede rumtemperatur. Energiforbruget til opvarmning og køling kan beregnes for hvert enkelt rum ved hjælp af de respektive ventilpositioner.

Smart afkøling - takket være vejrudsigten

Da projektleder Felix Bünning og hans kollega Benjamin Huber ikke ønskede at vente på fyringsperioden, de startede et køleeksperiment i juni 2019. Ugen fra 20. til 26. juni begyndte med to solrige, men stadig ret kølige dage, efterfulgt af en overskyet dag, endelig brændte solen over Dübendorf og drev udetemperaturen til lige under 40 grader.

I de to soveværelser, temperaturen bør ikke overstige 25 grader i løbet af dagen, om natten er grænsen sat til 23 grader. En konventionel termostatventil sørgede for køling i et rum. I det andet rum, det eksperimentelle kontrolsystem udstyret med kunstig intelligens (AI) udviklet af Bünning og Huber og deres team var på arbejde. AI'en var blevet fodret med data fra de sidste ti måneder - og den kendte den aktuelle vejrudsigt fra MeteoSwiss.

Større komfort med mindre energi

Resultatet var krystalklart:Det smarte varme- og kølekontrolsystem levede meget tættere på de forudindstillede komfortspecifikationer – mens det brugte omkring 25 % mindre energi. Det skyldtes primært, at om morgenen, når solen skinnede gennem vinduerne, systemet afkølede rummene på forhånd. Den konventionelle termostat i det andet rum, på den anden side, kunne først reagere, når temperaturen gik gennem loftet. For sent, for hektisk og med fuld kraft. I november 2019, en kølig måned med lidt sol, masser af regn og kølig vind, Bünning og Huber gentog eksperimentet. Nu handlede det om at varme de to rum op. Da dette nummer gik i trykken, evalueringen var stadig i gang. Men Bünning er overbevist om, at hans forudsigende varmestyringssystem også samler point her.

Empa-teamet har allerede forberedt det næste trin:"For at teste systemet i et virkeligt miljø, vi har planlagt en større felttest i en bygning med 60 lejligheder. Vi vil udstyre fire af disse lejligheder med vores intelligente varme- og kølestyringssystem. Bünning er nysgerrig på resultaterne. "Jeg tror, ​​at nye controllere baseret på maskinlæring giver en kæmpe mulighed. Med denne metode kan vi konstruere et godt, energibesparende eftermonteringsløsning til eksisterende varmesystemer ved hjælp af relativt enkle midler og de registrerede data."