• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • En självlärande algoritm som hjälper till att spara värmeenergi

    Att byta ut konventionella radiatortermostatgivare med Danfoss Ally smarta termostater är enkelt och kan göras på bara några sekunder. Kredit:Empa

    En termostat som prediktivt styr inomhusklimatet och därmed förbättrar energieffektiviteten och komforten – Empa-forskarna Felix Bünning och Benjamin Huber kom på den här idén när de arbetade i Empas Urban Energy Systems-labb. De utvecklade en styralgoritm som kan beräkna en byggnads ideala energianvändning flera timmar i förväg baserat på väderprognoser och byggnadsdata. De första experimenten vid NEST, Empas och Eawags forsknings- och innovationsbyggnad, visade att detta tillvägagångssätt kan spara cirka 25 % av energin.

    I mars 2022 grundade de två forskarna tillsammans med Matthias Sulzer, Senior Researcher på Empa, ett spin-off-företag, viboo, för att få ut lösningen på marknaden. För att underlätta marknadsinträde måste dock algoritmen fortfarande genomgå fler fälttester.

    Pilotprojekt i en Empa-kontorsbyggnad

    "Vi strävar efter att integrera vår lösning i äldre byggnader utan integrerat byggnadshanteringssystem", förklarar Benjamin Huber. Av denna anledning beslutade de två nyentreprenörerna att ytterligare testa sin algoritm i äldre byggnader efter de framgångsrika experimenten i NEST. Till det behövde de ett passande testobjekt och ett partnerföretag som har smarta termostater i sin portfölj. Empas direktorat tillhandahöll det förstnämnda:en kontorsbyggnad, byggd på 1960-talet och renoverad 2009.

    Viboo-teamet hittade också ett lämpligt partnerföretag. "Med Danfoss kunde vi vinna en internationell tillverkare för projektet vars smarta radiatortermostater redan hade ett lämpligt gränssnitt. Styrvärdena som beräknas av viboo-algoritmen kan överföras från molnet till hårdvaran via detta gränssnitt", förklarar Huber.

    I ett första steg bytte teamet ut 150 befintliga analoga termostater i Empa-byggnaden med en smart lösning från Danfoss, Danfoss Ally. Därefter kopplade de hårdvaran till Danfoss-molnet. För att få kontrollvärdena för de smarta termostaterna kommunicerade Danfoss-molnet med viboo-molnet, som körde den självlärande algoritmen. Uppställningen var därmed klar för fälttester.

    De nya termostaterna styrde inomhusklimatet från julen 2021 till slutet av mars 2022. För att kunna göra en jämförelse ändrades driftlägena regelbundet, det vill säga från viboo-regulatorn till standardläget Danfoss Ally och tillbaka igen. I slutet av försöket undersökte teamet användarna för att förstå hur de uppfattade rummets komfort och om användarna accepterar sådana nya lösningar i allmänhet.

    Win-win:Mindre energi, bättre komfort

    Resultaten av detta pilotprojekt var mycket positiva. Totalt sett minskade energiförbrukningen med cirka 23 procent jämfört med samma uppvärmningsperiod föregående år — med samma eller ännu bättre användarkomfort. Som jämförelse sparade Danfoss Ally ensamt bara cirka tolv procent. "I våra undersökningar uttryckte väldigt få användare skepsis mot den nya tekniken. Detta gör oss säkra på att marknaden så småningom kommer att acceptera vår lösning", säger Felix Bünning.

    Partnerföretaget är också imponerat av de första resultaten. "Vi ser en stor potential i samarbetet med viboo och tror att lösningar som denna är framtiden – inte bara för styrning av en enskild byggnad, utan för hela energisystem", säger Andrea Cannarozzo, VD för Danfoss AG. From a visionary perspective, the viboo algorithm could in future optimize various smart home integrations such as heat pumps or solar systems, but also help operating the electrical grid or heating networks more sustainably.

    More projects already in the pipeline

    However, back to the near future. To further pave the way for market entry, viboo is conducting additional pilot projects in the upcoming heating period—together with Danfoss, but also other manufacturers such as ABB and Schneider Electric. The aim is to collect additional data and put the solution to the test in other environments.

    At the same time, there is already interest from the public sector in integrating the algorithm into existing buildings, for example from the Federal Office for Buildings and Logistics (BBL) and the municipality of Männedorf. The work at Empa is not yet finished for viboo and Danfoss either. In the future, the partners will equip further buildings on the Empa campus with their smart solution. + Utforska vidare

    Self-learning heat­ing control system saves energy




    © Vetenskap https://sv.scienceaq.com