Energibesparande renoveringspotential - Renoveringspotentialen för det svenska flerbostadshusbeståndet uppskattad med maskininlärning

Detta är en Master-uppsats från Lunds universitet/Institutionen för Energivetenskaper

Sammanfattning: Det Svenska flerbostadshusbeståndet från åren 1945-1975 är på väg att nå slutet på sin tekniska livslängd. Byggnaderna från denna tidsperiod är i stort behov av renovering samt energieffektiviserande åtgärder för att minska energianvändningen och möjliggöra fortsatt användning av byggnaderna i framtiden, samtidigt som ekonomiskt utsatta personer har råd att bo kvar i byggnaderna. Dagens utmaning är att en del särdrag hos byggnader, som behövs för att uppskatta renoveringspotentialen, saknas. Tack vare det faktum att samtliga EUs medlemsländer måste presentera en långsiktig renoveringsstrategi, som främjar investering av renovering för de byggnader som är i behov av det, intresserar sig Sveriges beslutsfattare kring denna frågeställning. För att göra renoveringstrategin realistisk behöver fler byggnadsspecifika särdrag tas fram. Kännetecken för flerbostadshusbeståndet kan tas fram genom tillämping av genererade maskininlärningsmodeller. Särdragen förväntas bidra till utvecklingen av en hållbar långsiktig renoveringsstrategi för Sverige. Projektet är utformat för att undersöka möjliga lösningar att identifiera byggnadsspecifika särdrag hos flerbostadshus från aktuell tidsperiod. Först utfördes observationer av byggnader genom att använda Google street view verktyget i Google maps. Denna information i kombination med information från energideklarationer gjorde det möjligt att utveckla användbara maskininlärningsmodeller. Därefter utvecklades, testades och optimerades maskininlärningsmodellerna för att uppnå en så hög träffsäkerhet som möjligt. Modellerna med bäst träffsäkerhet användes för prediktion av byggnadskategori samt byggnadskarakteristik. Baserat på denna information lämnades förslag på renoveringsplaner. Projektet visade att det var möjligt att använda maskininlärning för att förutse och således samla mer information om beståndet. Beroende på vad som skulle predikteras varierade resultatet. Det var enklare att förutse byggnadskategori, där en träffsäkerhet på ungefär 90% uppnåddes, jämfört med byggnadskarakteristik som resulterade i träffsäkerheter mellan 67-93%. Baserat på dessa prediktioner presenterades förslag på möjliga renoveringsplaner, med uppnådd energibesparing runt 35%, för att bidra till den långsiktiga renoveringstrategin.

  HÄR KAN DU HÄMTA UPPSATSEN I FULLTEXT. (följ länken till nästa sida)