Prognosegest%c3%bctzte tabs steuerung von prof elmar bollin zum uponor kongress 2013
description
Transcript of Prognosegest%c3%bctzte tabs steuerung von prof elmar bollin zum uponor kongress 2013
© Prof. Elmar Bollin
Prognose gestützte TABS Steuerungals Beispiel für prädiktive Automation in der
Gebäudetechnik
Elmar Bollin
Leiter des Instituts für Energiesystemtechnik INES und der Forschungsgruppe net an der Hochschule Offenburg
In Zusammenarbeit mit Thomas Feldmann und Martin Schmelas Forschungsgruppe net der Hochschule Offenburg
© Prof. Elmar Bollin
Übersicht
Einführung Gebäudeautomationund TABS
Entwicklung der prädiktive Automations-verfahren in der für TABS
Betriebserfahrungen mit Prädiktiven Automationsverfahren
© Prof. Elmar Bollin
Klassifizierung von thermoaktiven Bauteilsystemen (TABS)
Im Folgenden: Betonkerntemperierung
© Prof. Elmar Bollin
TABS Eigenschaften 1
• Keine zusätzlichen Heiz- und Kühlelemente im Raum• Moderate Temperaturen zum Heizen und Kühlen • Kontrollierte thermische Aktivierung der Bauteile
© Prof. Elmar Bollin5
Estrich
Dämmung
Betondecke
Deckenputz
•Vorlauftemperaturen nahe der Raumtemperatur•Hohe Speicherfähigkeit•Selbstregeleffekt•Hohe Trägheit
TABS Eigenschaften 2
© Prof. Elmar Bollin
Thermoaktive Bauteilsystemen TABS Wärmetransport zum Raum
Temperatur
Weg in cm
© Prof. Elmar Bollin
TABS-Hydraulik mit Vierleiteranschluss
© Prof. Elmar Bollin
a) Dauerbetrieb der Pumpe b) nächtlicher Pumpenbetrieb (Tag-Nacht-Betrieb)c) kontinuierlicher Taktbetrieb der Pumpe d) diskontinuierlicher Taktbetrieb der Pumpe.
Unterschiedliche Betriebsmodi für TABS
© Prof. Elmar Bollin
Schematische Darstellung eines Raumes mit TABS zur Temperierung des Raumes
© Prof. Elmar Bollin
• Thermischer Komfort: Grenzwerte einhalten
• Minimierung des Energieeinsatzes
• Thermische Energie (Heizen und Kühlen)
• Elektrische Energie (Antrieb der Umwälzpumpe)
10
Zielsetzung TABS-Steuerung und -Regelung
17,0
19,0
21,0
23,0
25,0
27,0
29,0
-15,0 -5,0 5,0 15,0 25,0 35,0
Rau
mte
mpe
ratu
r in
°C
Außentemperatur in °C
© Prof. Elmar Bollin
Regelungstechnische BetrachtungenBeachte: TABS ist eine schwierige, träge Regelstrecke
weatherforecast
Änderungen des Stellsignals wirken sich erst mit großer Zeitverzögerung auf Regelgröße aus
© Prof. Elmar Bollin
Verzugszeit Tu Ausgleichszeit Tg Tu/Tg
Oberflächennahe
Temperierung0,08 h 2,73 h 0,029
Betonkernaktivierung
(Dicke von 16 cm0,26 h 18,28 h 0,014
Betonkernaktivierung
(Dicke von 24 cm) 0,7 h 26,93 h 0,026
Regelstrecke TABSSprungantwort mit großen Zeitkonstanten
© Prof. Elmar Bollin
Regelungstechnische BetrachtungenKonzepte: Regelung versus Steuerung (hat keine Rückführung)
© Prof. Elmar Bollin
Regelungstechnische BetrachtungenSteuerung bezieht Störgrößen mit ein
weatherforecast
weatherforecast
© Prof. Elmar Bollin15
Konventionelle TABS RegelungTABS-Vorlauftemperaturregelung
Automatisierungsgerät
© Prof. Elmar Bollin
Automationsschema TABS mit außentemperaturgeführte Vorlauftemperaturregelung
© Prof. Elmar Bollin17
Konventionelle TABS RegelungRaumtemperaturregelung mit Dreipunktregler und konstanter Vorlauftemperaturregelung
Automatisierungsgerät
© Prof. Elmar Bollin
Beispielhafte Änderung der Raum-, operativen und Oberflächentemperatur Dreipunktregelung unter Betrachtung der inneren und äußeren Lasten im Tagesverlauf
21 °C Raumtemperatur werden unterschritten: TABS im Heizbetrieb
Interne Wärmequellen lassen Raumtemperatur ansteigen: TABS aus!
Interne Wärmequellen führen zur Überhitzung des Raumes: TABS im Kühlbetrieb!
Dreipunkt-Regelung der Raumtemperatur führt zu Heiz- und Kühl-betrieb am selben Tag! Prädiktion soll un-nötiges Aufheizen des TABS verhindern.
Quelle:Schmelas, Bollin: UPONOR Praxishandbuch Bd. 2, 2013
© Prof. Elmar Bollin
Gebäudeautomation:Der Schlüssel zum effizienten Gebäudebetrieb
•
Nichtwohngebäude haben digitale Gebäudeautomation DDC mit dazugehöriger Leittechnik mit als Standard
DDC stellt einen Automationsverbund zwischen den TGA Gewerken her
Diese kommunikative Automationstechnik ermöglicht neue erweiterte Betriebswerkzeuge
Gebäudeautomation Teil der Ingenieurausbildung an der Hochschule Offenburg
DDC stellt einenAutomationsverbund zwischen den TG
© Prof. Elmar Bollin
Simulation
idGA
weatherforecast
idGA intelligente dynamische GebäudeautomationGebäudeautomation mit erweiterten Funktionen
• Simulation des Gebäudes und der TGA • Automatische Einbindung von
Wetterprognosen• Prädiktion des Wärme und Kältebedarfs• Automatische Auswahl des besten
Betriebsmodus• Minimierung des Energieeinsatzes
© Prof. Elmar Bollin
Warum vorausschauende, prädiktive Steuerung in der GA? Gebäudeautomation mit erweiterten Funktionen
Herkömmliche Regelung ist überfordert: Regelgröße schwankt, zu große Regelabweichungen. Dies führt zu unnötigen Energieverbräuchen und mangelhaftem Komfort
Übergang von Regelung zur Steuerung
Es gibt ausreichend Kenntnisse über das Auftreten der Randbedingungen und Störgrößen in naher Zukunft
Digitale Gebäudeautomation erlaubt Zugang zu Web-Services und freiprogrammierbare Algorithmen
© Prof. Elmar Bollin
Prädiktive VerfahrenWas wird dazu benötigt?
• Prognosedaten– Wettervorhersage– Nutzungspläne– Gebäudedaten
• Mathematische Modelle– Gebäude– Energiebereitstellung– Nutzerverhalten
• Optimierte BetriebsstrategienPrädiktion sinnvoll bei speicherbehafteten Systemen1. Thermisch aktive Bauteilsysteme (TABS)2. Nachtlüftung (Frei Kühlung)3. Lademanagement für elektrische Speicher (EM)
© Prof. Elmar Bollin
Prädiktive VerfahrenWetterprognosen im Angebot
• Stündliche Werte für fünf Tage– Außentemperatur– Solarstrahlung– Relative Luftfeuchte
• Empfang– Datenbankabfrage per Webservice– FTP Download– Langwellenfunk
Lokal abgestimmte Wetterdaten
Lokale Wetterprognosen Wetterdaten per Langwellenfunksignal
© Prof. Elmar Bollin
Erprobung prädiktiver Automations-VerfahrenAnwendungsgebiete und Objekte im Rahmen der Forschungsgruppe net
• Nachtlüftung mit Expertensystem
(sic Freiburg)
• Simulationsbasiertes Verfahren für TABS
(Electror Stuttgart)
• Regelbasiertes Energiemanagement
(Effizienzhaus Plus Berlin)
© Prof. Elmar Bollin
sic - Solar Info Center, FreiburgPilotprojekt: Nachtlüftung mit Fuzzy Logic - Expertensystem
Nächtliche freie Kühlung eines Bürogebäudes mit Hilfe einer vorhandenen Abluftanlage, ein Projekt im Rahmen des BWI-Vorhabens SolarbauMonitor
© Prof. Elmar Bollin
Demoprojekt sicVersuchs- und Referenzzone im sic
Versuchszonen C-2/3 mit prädiktive NachtlüftungReferenzzone C-1 mit konventioneller Nachtkühlung
C-1
C-2/3
t Start (75%)
02:11
t Start t Stop
00:15 08:00
Steuerung der Abluftanlage Stellgröße Lüftungsintensität: Darstellung der Stellgröße y = 75 %
M echanische LüftungFreie Lüftung
Abluftsystem im sic
© Prof. Elmar Bollin
Fuzzy Logic – ExpertensystemIm Solar Info Center
Fuzzy - System• Zwei Eingangsgrößen
– Raumtemperatur um Mitternacht als Indikator für den thermischen Zustand des Gebäudes
– Die für den kommenden Tag vorhergesagte maximale Außentemperatur
• Eine Ausgangsgröße– Lüftungsintensität (Lüftungsdauer und
Ventilatorleistung)
!?TRaum
Tprogn
ILüft
Wissensbasierte Lösung
© Prof. Elmar Bollin
Expertenwissen in Form von Regeln
hier 3 von insgesamt 25:
Wenn TRaum = kalt und TProgn = kalt dann Lüftung = aus
Wenn TRaum = angenehm und TProgn = warm dann Lüftung = viel
Wenn TRaum = warm und TProgn = heiss dann Lüftung = voll
Fuzzy Logic - Expertensystem im Solar Info Center
© Prof. Elmar Bollin
MeteocontrolFTP-Server
SAUTER GLTNova pro
SAUTER DDC
Textdatei
Wetterprognose per FTPim Solar Info Center
© Prof. Elmar Bollin
Zone C2/3
Zone C1
Darstellung: Stellsignal Abluftventilatoren
Prädiktive Freie Kühlung versus konventionellValidierung im sic-Betrieb im Sommer 2009
© Prof. Elmar Bollin
Messergebnis Energieverbrauch sicEnergieeinsparung 38 % beim Ventilatorenstrom in Vergleichszone
© Prof. Elmar Bollin
Simulationsbasiertes Verfahren für TABS BMBF Vorhaben Klima 2: Demoprojekt Electror, Stuttgart
Bürogebäude Elektror Airsystems, Stuttgart Ostfildern
© Prof. Elmar Bollin
MeteocontrolWebservice
SAUTER GLTNova pro SAUTER DDC
Wetterprognose per Webservice Projekt Elektror
XML
© Prof. Elmar Bollin
TRNSYS Gebäudesimulation Prognose des Kühlenergiebedarfs
• Für 121 typische Sommertage des Standortes wurde der Kühlenergiebedarf berechnet.
• Der Zusammenhang mit dem Wetterdaten am Standort Stuttgart wurde für den jeweiligen Tag dargestellt
Simulationsbasiertes Prädiktions-Verfahren Elektror Airsystems
© Prof. Elmar Bollin38
TRNSYS GebäudemodellSechs Zonen Modell
© Prof. Elmar Bollin39
TRNSYS: TABS FluidkreisläufeSechs Zonen Modell
© Prof. Elmar Bollin
1 2 3 4 5
Kühllast
Kühllastberechung auf Basis von• Hohen Außentemperaturen• Hohen Solareinstrahlungen verbunden mit hohen Temperaturen• Hohen Windgeschwindigkeiten verbunden mit hohen Einstrahlungen
Prädiktive Steuerungsstrategie für TABS Electror basierend auf 5-Tages-Wetterprognosen
Pulse width modulation of fluid pumpConstant fluid temperature of 18°CConstant flow rate of 300
Pulse width modulation of fluid pumpConstant fluid temperature of 18°CConstant flow rate of 300
© Prof. Elmar Bollin
Simulationsbasiertes Verfahren Analyse der Abhängigkeit Kühllast und Außentemperatur
Simulationsergebnis Kühlenergiebedarf
© Prof. Elmar Bollin42
Simulationsergebnis Kühlenergiebedarf
Simulationsbasiertes Verfahren Analyse der Abhängigkeit Kühllast von Außentemperatur und Solarer Einstrahlung
© Prof. Elmar Bollin
TABS Heiz- und Kühlkurve ElectrorFestlegung der TABS Vorlauftemperatur im konventionellen Betrieb: Heiz und Kühlkurve
© Prof. Elmar Bollin
DifferenzVorlauf - Rücklauftemperatur
Messergebnisse Electrorkonventionelle TABS-Steuerung
• Steuerung der Energiemenge durch Regelung der Vorlauftemperatur• Temperaturen nahe der gewünschten Raumtemperatur• Umwälzpumpen im Dauerbetrieb Geringe Differenz Vorlauf-Rücklauf
© Prof. Elmar Bollin
DifferenzVorlauf - Rücklauftemperatur
• Steuerung der Energiemenge durch die Pumpenlaufzeit• Temperaturen so niedrig wie möglich• Umwälzpumpen nur wenn notwendig
Messergebnisse ElectrorPrädiktive gesteuerter Nachtbetrieb
© Prof. Elmar Bollin
Konventioneller Dauerbetrieb
Prädiktiver Nachtbetrieb
Messergebnisse Elektror Airsystems Vergleich TABS-Betriebsstunden
© Prof. Elmar Bollin
Einsparung:70 % elektrisch7 % thermisch
Messergebnisse 2009 Elektror Airsystems Betriebstemperaturen und Energieverbrauch
© Prof. Elmar Bollin
Modell- und regelbasiertes PrädiktionsverfahrenEffizienzhaus Plus mit Elektromobilität, Berlin
Prädiktives Energiemanagement-SystemSpeicher-, Last- und Einspeisemanagement
© Prof. Elmar Bollin
Effizienzhaus Plus – Entwurf Werner Sobek
© Prof. Elmar Bollin
Effizienzhaus Plus Gebäudetechnik
© Prof. Elmar Bollin
Modell- und Regelbasiertes Energiemanagement im Effizienzhaus PlusEnergiefluss-Schema
VerteilungPV-Anlage
ÖffentlichesStromnetz
Prädiktives Energiemanagementsystem PEMS -Lastmanagement
Leis
tung
Prädiktives Energiemanagementsystem PEMS -Lastmanagement
Leis
tung
Prädiktives Energiemanagementsystem PEMS -Lastmanagement
Leis
tung
Prädiktives Energiemanagementsystem PEMS -Lastmanagement
ÖffentlichesStromnetz
Leis
tung
Prädiktives Energiemanagementsystem PEMS -Lastmanagement
Leis
tung
© Prof. Elmar Bollin
PEMS - Prädiktives Energiemanagementsystem
Vorhersagen bezüglich …
• Leistung der Photovoltaik-Generators • Wärmebedarf des Gebäudes für Heizung, Lüftung und Warmwasserbereitung• Energiebedarf der elektrische Verbraucher im Gebäude • Energiebedarf für die Ladung der Elektrofahrzeuge
Methoden• Mathematische Modelle• Statistische Verfahren
aS = alpha_S * pi /180; //SonnenazimutgS = gamma_S * pi /180; //Hoehenwinkel der Sonnez = pi /2 - gS ; //Zenitwinkel
rho = 0.2 ; //Albedo ( Standardwert : rho = 0.2 )
aE = (drehung-180)*pi/180; //Umrechnung auf SuedabweichunggE = neigung*pi/180;theta_gen_skalar = -cos(gS) * sin(gE) * cos(aS-aE) + sin(gS)*cos(gE);theta_gen = acos(theta_gen_skalar) ;
// Bestimmung , ob Direkteinstrahlung moeglichdirekt = 1-(theta_gen_skalar < 0 || gamma_S < 0 );
// Berechnung der einzelnen Strahlungsanteile nach Temps / Coulson / KlucherGbt = direkt*Gbh*cos(theta_gen)/sin(gS);Gst = (Gdh/2)*(1+cos(gE))*(1+FK*sin(gE/2)**3)*(1+FK*cos(theta_gen)**2*sin(z)**3);Grt = (Gh/2)*rho*(1-cos(gE))*(1+sin(z/2)**2)*abs(cos(aS-aE));
© Prof. Elmar Bollin
PEMS - Prognoseassistenten
Wetterprognose
Leistung Photovoltaik
Wärmebedarf Gebäude
Strombedarf Gebäude
Strombedarf Fahrzeuge
PEMS – Kern
Regeln
Entscheidungen Aktionen
PrognoseEnergiebilanz
© Prof. Elmar BollinPrinzip
PEMS – Prognoseassistent Wärmebedarf
Wärmebedarfsprognose Gebäude• Mathematisches Modell aus historischen Messdaten
• Energiebedarf für Heizung und Lüftung• Tagesmittelwert Außentemperatur• Tagesmittelwert der Globalstrahlung
o Statistisches Verfahren Multiple Lineare Regression
o Modell lernt aus dem realen Betrieb
• Prognose mit Modell aus Daten der Wetterprognose
Wetterprognose
© Prof. Elmar Bollin
PEMS – Prognoseassistent Wärmebedarf
Jeder Punkt zeigt Daten eines Tages
• Energiebedarf• Außentemperatur• Globalstrahlung
Multiple lineare Regression
Ebenengleichung
© Prof. Elmar Bollin
PEMS – Prognoseassistent Wärmebedarf
Jeder Punkt zeigt Daten eines Tages
• Energiebedarf• Außentemperatur• Globalstrahlung
Multiple lineare Regression
Ebenengleichung
© Prof. Elmar Bollin
Wärmebedarfsprognose GebäudeWetterprognose (Tamb, Iglob)
PEMS – Prognoseassistent Wärmebedarf
© Prof. Elmar Bollin63
Ausblick: Dissertation M. Schmelas: Prädiktive Algorithmen für Virtuelle Kraftwerke
© Prof. Elmar Bollin
Ausblick: Selbstlernende prädiktive VerfahrenPassivseminargebäude Gebäude E der Hochschule Offenburg 2013/14
Thermisch aktive Bauteilsysteme TABSSelbstlernende prädiktive Algorithmen im Gebäude E der HSO
© Prof. Elmar Bollin
Fazit: Prädiktive Gebäudeautomation
• TABS lassen sich schlecht regeln besser steuern• Speicherbehaftete Prozesse benötigen vorausschauendes
Handeln um Energieverbräuche zu minimieren• Kenntnisse bezüglich der kommenden Ereignisse sind verfügbar
(Wetter, Nutzung) und lassen sich in prädiktiver Steuerung nutzen• Prädiktive Steuerungen bieten besseren Komfort bei geringerem
Betriebsaufwand• Gerade bei der Nutzung regenerativer Energiequellen bedarf es
zunehmend prädiktiver Steuer- und Regelmechanismen
Der Nutzung Pädiktiver Automation im Gebäude wird zunehmen!
weatherforecast
weatherforecast
© Prof. Elmar Bollin
Forschungsgruppe netnachhaltige Energietechnik
fgnet.hs-offenburg.de