Data og algoritmer kan afsløre bygningers tilstande og vise, hvor der er de største energibesparelser at hente gennem renoveringer. Det kan give enorme CO2-besparelser. Løsningerne bliver allerede testet i tre store smart city-projekter på tværs af Øresund.
De kommende år skal Danmark gennemgå en omfattende grøn transformation. Politisk er der flertal for en CO2-reduktion på 70 pct. i år 2030, og Danmark har tilsluttet sig den internationale klimaaftale, Parisaftalen.
Løsningerne er stadig ukendte, men energieffektiviseringer og -renoveringer rummer et enormt potentiale. For opvarmning af bygninger står for 40 pct. af vores energiforbrug, og særligt i den ældre bygningsmasse er der store gevinster at hente ved at renovere. Over 80 pct. af bygningerne er mere end 20 år.
Men de nuværende metoder til at planlægge og udføre energieffektiviseringer, herunder metoderne til at udpege de relevante bygninger, hænger fast i gammel vanetænkning og mangel på ny teknologi, og de trænger til et eftersyn, mener professor og centerleder Henrik Madsen på Centre for IT-Intelligent Energy Systems (CITIES) på DTU Compute:
”Hvis man vil have størst CO2-besparelse for pengene, bør man tage kunstig intelligens til hjælp, fordi det kan give en form for røntgensyn, så man kan kigge ind i bygningernes skjulte lag og ’se’, om bygningen ’performer’ godt eller dårligt.”
Fra smart city-projekter ved DTU-forskerne, at data fra hyppige aflæsninger af fjernvarmemålere giver en evidensbaseret viden, som netop afspejler virkeligheden.
To ens huse er ikke ens
I dag baserer man energirenoveringer og energimærkningsordningen ved f.eks. hussalg på simuleringsbaserede metoder, hvor man ud fra tegninger indregner tykkelsen af isolering, opbygning af vægkonstruktion osv.
Det er et problem, fordi to typehuse eller boligblokke på tegningerne kan være fuldkommen identiske, men forskellige i praksis. Varmeregnskabet kan svinge enormt, både fordi beboerne opfører sig forskelligt, og på grund af forskel i kvaliteten og udførelsen af byggeriet. F.eks. kan der være tabt beton ned i isoleringen i nogle bygninger, så isoleringen er forringet, mens det ikke er tilfældet i andre bygninger.
”Vi kan med vores metode skabe et ’røntgensyn’ og zoome ind og se, at nogle bygninger er op til tre gange mere utætte end andre, selvom de på tegningerne er ens. Det betyder, at hvis vi har 100 mio. kr. til energirenovering, kan vi sætte ind de steder, hvor der vil være størst gevinst at hente.
F.eks. udskiftning af vinduer, isolering af loftet eller tætning af døre. Endelig kan metoden bruges til en forbedret og digitaliseret energimærkningsordning,” uddyber Henrik Madsen, som har været med til at udvikle ’røntgenmetoden’.
Kunstig intelligens tygger sig gennem data
Metoden består af analyse af big data og kunstig intelligens, hvor algoritmer tygger sig igennem hyppigt aflæste data om varmeforbrug og hyppige målinger af udeklimaet.
I modellen ligger energiforbruget til opvarmning som en funktion af vejrdata med sol, vind og temperatur. Hvis temperaturen ude er lav, er varmeforbruget højt – og omvendt.
”Vejrfænomenerne spiller også sammen, f.eks. vind og temperatur. Hvis udetemperaturen er høj, gør det ikke noget, at det blæser, for så blæser der bare varm luft ind. Men hvis det er koldt udenfor, blæser der kulde ind, og så kommer der et ekstra forbrug i bygningen. Det er også lagt ind som parameter i modellen, ligesom der er parametre for, hvor velisoleret bygningen er,” forklarer Henrik Madsen.
’Røntgensynet’ filtrerer brugeradfærd og bygningens performance fra hinanden i ligningen, eftersom adfærd har en stor betydning for varmeforbruget. Man antager bl.a., at brugeradfærden er den samme inden for et vist interval, f.eks. ved to minus- eller to plusgrader udenfor. Så hvis der opstår et merforbrug i den sammenhæng, skyldes det klimaskærmen, altså hvor god bygningens isolering er.
Fremtiden går mod databaseret styring
Ved udvikling af algoritmen til ’røntgensynet’ trækker DTU Compute på sin sektion for dynamiske systemer, hvor forskerne er eksperter i at analysere data, som kommer i form af tidsserier, dvs. tal, der kommer hvert sekund, hver time osv.
Forskerne har arbejdet på metoden i flere år, og den er testet på rækkehuse og boligblokke i Belgien og England. Metoden kan programmeres ind i software, som kan bruges på PC eller mobil, så både energikonsulenter og den almindelige borger i princippet kan bruge den. Men den bedste løsning ville være at lægge metoden ud i skyen, således at husejerne løbende kan holde øje med energiforbruget i deres bolig.
CITIES-projektet med Henrik Madsen i spidsen har løbende prøvet at påvirke især Energistyrelsen til at indføre metoden. Og nu arbejder tiden også for ’røntgensynet’.
Efter krav fra EU skal alle husstande inden udgangen af 2020 f.eks. have fjernaflæste elmålere, hvor de enkelte husstande også får adgang til dataene på timebasis. Det giver mulighed for at udbrede ’røntgensyns’-metoden til hele Europa.
I fremtidens smarte byer skal man opvarme bygninger, når der er masser af grøn energi i elnettet fra sol og vind. Og det kan man også styre ved hjælp af de nye modeller for bygningernes performance.
”Hermed vil vi gennem datastyret energirenovering kunne foretage en effektiv og accelereret grøn omstilling. For ti år siden havde man kun tegningerne. Nu begynder vi at kunne bruge data til andet end el- og varmeregningen,” pointerer Henrik Madsen.
Adfærdens betydning:
Adfærd spiller en stor rolle for varmeregningen. Henrik Madsen fortæller, at DTU Compute for år tilbage hjalp en grundejerforening med 80 ens rækkehuse.
En af ejerne følte sig forfulgt af grundejerforeningen, fordi familiens varmeregning var mange tusind kr. højere end de andres.
Det viste sig dog, at familien døgnet rundt året rundt havde et tagvindue stående 10-20 cm åbent, så familiens kat kunne komme ud. Katten kostede dermed familien mange tusind kr. i varme hvert år.
Fordele ved databaserede metoder:
- Identificere, hvor der bør sættes ind med energirenovering, så man kan gå efter den største samlede energibesparelse.
- Afdække, hvor der bedst sættes ind i det enkelte hus (isolering af loftet, vinduer, ydervægge, udskiftning af døre). F.eks. når data viser, at varmeforbruget altid stiger, når vinden kommer fra vest.
- Måle, om energispareforanstaltninger, som er nævnt i ovenstående punkt, reelt har en effekt.
- Forbedre styringen af varme- og kølesystemer.
- Etablere en automatisk energimærkning.
