Alternativa reglermetoder för en energieffektiv byggnad

Sammanfattning: Ungefär 60 % av den totala energianvändningen för uppvärmning (inklusive varmvatten) i Sverige går åt till att värma upp flerbostäder och lokaler, vilket ger en indikation på att det finns potential att minska energianvändningen ytterligare genom att hitta alternativa metoder för styr- och reglering av befintliga värmesystem. En viktig faktor oberoende av vilken metod som används är att veta byggnadens dynamiska egenskaper. Det finns en rad olika metoder på marknaden för att kunna minska energianvändningen och en del av dem är välbeprövande medan andra fortfarande är på forskningsnivå. Den beprövade metoden är prognosstyrning vilket också utvärderades vidare i examensarbetet genom en studie av tidigare utförda arbeten inom området. En gemensam och viktig faktor för att kunna spara energi för uppvärmning i byggnader är att veta byggnadens tidskonstant, även kallad värmetröghet. För att påvisa dess betydelse utfördes simuleringar i ett program som heter TEKNOsim som är utvecklat av Chalmers tekniska högskola. Resultatet från simuleringarna som utfördes för 6 olika scenarier visade att den stora faktorn som påverkade byggnaden var internvärmen från belysning, apparater och personer. En yttre påverkande faktor som också hade betydelse var solavskärmning för fönsterna vilket gav en jämnare rumstemperatur. Då simuleringarna anpassades till två olika driftfall för ventilationssystemet till ”kontorstid” och ”utanför kontorstid” höll sig rumstemperaturen inom ramen för högsta och lägsta temperatur under tiden då kontoret var bemannat. En annan metod som användes var en litteraturstudie för arbeten inom området prognosstyrning. För de arbeten som valdes ut undersöktes två olika leverantörer som är marknadsledande i Sverige, eGain och Kabona. I snitt visade resultaten en besparing på 10–15% för uppvärmningskostnaderna men den individuella spridningen för eGains prognosstyrning var stor. Vissa fastigheter hade ingen besparing alls medan andra hade en besparing på 26%. Den stora spridningen berodde antagligen på att det nya systemet endast varit igång i 6 månader då studiens utfördes, vilket är för kort tid för att få några tillförlitliga resultat. För Kabonas tjänst Ecopilot var resultaten mer jämna.