Energieprestaties garanderen, hoe moeilijk is dat?
2016 02-04 reactie laure itard hh-tud
1. Smart Buildings; What ICT can do?
Lectoraat Energie & de
Gebouwde omgeving
Leerstoel Housing Quality
(assessment of energy policies
for residential buildings)
Laure Itard
2. Wat is het probleem?
Energiebeleidsdoelen worden neit behaald
Gebouw(installaties) gebruiken meer energie dan
verwacht (tot 30%)
Terugverdientijd van maatregelen is hoger dan
verwacht
Kwaliteit van het binnenklimaat laat vaak te
wensen over
Er doen zich veel problemen voor tijdens de
onderhoud
3. ‘Hoe kunnen de prestaties van bestaande installaties
blijvend verbeterd worden?’
Techniek Niet-technisch
Diagnose systemen Opleidingen
Smart regelstrategieën Bedrijfsvoering
Beschrijving Installaties2020
5. Bevindingen tot nu to
SURF
Grote kenniskloof tussen actoren in de keten
Wensen van FM over (GBS) interfaces
Hoe monitoring data te ontsluiten
Fouten in sensoren of dataverkeer moeten ook
gediagnosticeerd worden
Diagnostiek kan gebaseerd worden op rules,
modellen of historische data
Om een diagnose te stellen is veel detective-werk
nodig (cases study, data analyse, ‘spooronderzoek’)
Behoefte aan een systeemarchitectuur
8. • Gebruik kennis uit gebouwmodellen voor het vaststellen
van de ‘planned consumption’
• Maak een verschil tussen ‘bewoner’ / Facility Manager /
Gebouw Beheerder.
• Wat zegt een kWh? CO2? visualisatiemethoden
• Benchmarking, Privacy & Tijdstap
11. Data is vaak afgeschermd, niet beschikbaar voor
de eigenaar, niet leesbaar, niet overdraagbaar
behoefte aan open protocols en duidelijkheid in
contracten
Wie is de eigenaar van de data?
Privacy (by design)
Traceren van sensoren en hun locatie is moeilijk
en tijdrovend
Behoefte aan precieze en dynamische
documentatie (BIM?)
Firewalls
Feest der erkenning
12. Zijn de metingen te vertrouwen?
SENSORFOUTEN MOETEN OOK
GEDETECTEERD WORDEN
Sensoren zijn de ruggengraat van het diagnose
system
Aannemen dat die correct werken levert meer
problemen dan het oplost
Sensoren zijn ook de ruggengraat van het
regelsystem
13. Ventilatieproblemen in room D2.014
November 2014: klachten over warme en muffe lucht bij
aanwezigheid van meer dan 2 mensen
CO2 concentratie bleek vaak boven 1000 ppm
Historische data: dit was zo sinds juni 2014
Klepstanden worden door de klepregelaar naar de Octalix
server gestuurd
Er is geen controlemiddel of de data bij de server is
aangekomen.
Deze klepstanden komen dus niet altijd aan bij de server
Het versturen van data van de server naar de regelaars wordt
wel gecontroleerd
Kortom: de luchtkleppen waren offline
Na een ‘software’ reset van de
kleppen, fonctioneerde de ventilatie
weer normal (25 November 2014)
15. Rule-based diagnostiek
Kennisregels:
Temperaturen in een uit een
warmtewisselaar moeten gelijk zijn als geen
warmte uitgewisseld wordt.
Als niemand aanwezig is en er is 100%
ventilatie van buiten CO2inside =CO2
outdoor
Makkelijke te begrijpen, effectief maar case-
specific en vaak suboptimaal
16. Diagnostiek gebaseerd op modellen
Modellen:
Grey-box model : Een eenvoudig (gebouw)
model wordt gebruikt om het thermisch
gedrag te voorspellen(predictive control)
Modellen kunnen zelf-lerend zijn.
Virtuele testen zijn mogelijk (optimalisatie),
maar calibratie en training kost erg veel tijd.
Real time gebruik is lastig
17. Diagnostiek gebaseerd op historische data
Historische data
Training van modellen
Statistiek & pattern recognitions (FP7,
knowholEM)
Diagnostiek gebaseerd op trends (bv COP
die steeds slechter wordt)
Krachtig in combinatie met modellen/rules
(expert system), MAAR hoe weten wij hoe
optimaal de prestaties in het verleden waren?
18.
19. Behoefte aan systeem -architecture
van case-specific naar generiek
Tijdstap voor data opslag/analyse: kleiner is niet
noodzakkelijk beter
20.
21. Detectie van symptomen
Systeemtheorie
energie balans van (sub)systemen
Massa en druk balans om meer symptomen te
detecteren
Extra procesinformatie
Rules
Historische data
Klachten binnenklimaat
Inspectieverslagen
22. Diagnostiek
Begint met de lijst van symptomsen in systemen
en subsystemen
Door combinatie van symptomen kan de ziekte
(fout) vastgelegd worden
Het resultaat is de waarschujijnlijkheid van een
ziekte
Redenering sluit goed aan bij die van experts
Combinatie van symptomen: Bayesians Belief
Networks (probability)
23. Zoom on a/b systems: virtual experiment
Energy balance in a and b are wrong because TT3 is wrong. Can we
detect that?
24. Zoom on a/b systems: virtual experiment
Energy balance in a and b are wrong because TT3 is wrong. Can we
detect that? P(fault)= 5% for all sensors
Symptoms: 2 wrong energy balances (a and b).
Fault can be in all sensors (equal P(5%)) no diagnose is possible
25. Zoom on a/b systems: virtual experiment
Energy balance in a and b are wrong because TT3 is wrong. Can we
detect that? P(fault)= 5% for all sensors
Symptoms: 2 wrong energy balances (a and b).
Fault can be in all sensors (equal P(5%)) no diagnose is possible
26. Zoom on a/b systems: virtual experiment
Energy balance in a and b are wrong because TT3 is wrong. Can we
detect that? P(fault)= 5% for all sensors
P(fout)= 31%
P(fout)= 8%
27. Zoom on a/b systems: virtual experiment
Energy balance if a and b are wrong because TT3 is wrong. Can we
detect that? P(fault)= 5% for all sensors
P(fout)= 51%P(fout)= 0%
P(fout)= 0%
Additionele informatie: COP analyse:
28. Zoom on a/b systems: virtual experiment
Energy balance if a and b are wrong because TT3 is wrong. Can we
detect that? P(fault)= 5% for all sensors
P(fout)>90%
P(fout)= 0%
P(fout)= 0%
Mass balance condensor
29. Stellingen / Discussie
Privacy by design is a must. Benchmarking kan
alleen op vrijwillige of geaggregeerde basis (welke
aggregatieniveau is toelaatbaar?)
‘KWh’ en absolute waarden begrijpen de meeste
mensen niet. User interface moet anders zijn voor
Technische beheerders/ FM/’bewoners’. Ze
moeten betrokken worden bij de ontwikkeling.
Historische data zijn niet bruikbaar zonder
systeemkennis. ICT heeft altijd een context.
De monitoringsysteem moet gemonitord worden.
30. Koppeling GBS en FMIS (en BIM) is onontbeerlijk.
Door optimalisatie FM proces is veel energie en
geld te besparen
Er moeten dringend (open) protocollen komen voor
data opslag en ontsluiting. Data exchange moet
mogelijk zijn
Data-eigendom moet contractueel vastgelegd
worden.
W- en E-installaties kunnen niet meer zonder IT.
Kan IT zonder W /E?
Wat betekent dat voor onderwijs?
Stellingen/ Discussie