Referansemodell for pålitelig estimering av energi- og effektbehov for kontorbygninger på områdenivå

Abstract

Energibruk i bygninger står i dag for minst en tredjedel av verdens energiforbruk, og i utviklingen av en klimavennlig bygningsmasse har det blitt mer vanlig med prosjektering av energieffektive bygningsområder. Parallelt går Norge mot et mer elektrifisert samfunn, og dette fører til et økende effektbehov i kraftnettet, noe som kan bli et problem i mange områder. For å imøtekomme disse retningene samtidig, er det et behov for å kunne estimere pålitelige energi- og effektprofiler for bygninger på områdenivå.

Målet med oppgaven er å utvikle en brukervennlig metode for å estimere timesprofiler av varme- og elektrisitetsbehov for et bygningsområde. Metoden som er utviklet baserer seg på en blanding av fysisk modellering med IDA ICE og en matematisk informasjonsbasert tilnærming gjennom Microsoft Excel og Monte Carlo-simulering.

Oppgaven tar utgangspunkt i kontorbygninger, med fokus på samtidighet på grunn av forskjellig drift og bruk av bygninger. Innenfor samtidighet baseres deler av resultatene på en sammenlagringsfaktor, som vil si at når topplasten inntreffer i en bygning, vil den ikke nødvendigvis inntreffe på samme tidspunkt i en annen bygning. Når timesprofilene da legges sammen vil effektbruken som funksjon av antall bygninger gå ned.

Kort oppsummert består metoden av følgende oppskrift: - Finne kilder med utgangspunkt i valgt referansebygning, som er basert på standarder, fagbøker og forskning. Deretter samles informasjon innenfor bygningsgeometri, bygningskropp, tekniske systemer, samt drift og bruk. - Referansebygningen simuleres i IDA ICE og typiske bruksvariasjoner for kontorbygninger etableres. Disse variasjonene implementeres som egne versjoner av referansebygningen og simuleres i IDA ICE separat. - Informasjon om varme- og elektrisitetsbehov hentes fra resultatene i IDA ICE og overføres til Microsoft Excel. Et gjennomsnitt og standardavvik defineres for hver time i løpet av et år, og benyttes i Monte Carlo-simuleringen. I tillegg vil to ulike stokastiske sannsynlighetsverdier, avhengig av om tidspunktet er i- eller utenfor driftstid, skape tilfeldige variasjoner mellom bygningsprofilene. - Ønsket antall bygningsprofiler produseres med Monte Carlo-simuleringen og hver bygning aggregeres til en felles energi- og effektprofil for hele området.

Metoden resulterte i en sammenlagringsfaktor på 0,89 for varmebehovet til et område med 80 kontorbygninger. I tillegg gjorde aggregeringen det mulig å estimere maksimal effekt per bygning fra en usikkerhet på 32-40 kW, til mer presist 32 kW. Tilsvarende for elektrisitetsbehovet, en sammenlagringsfaktor på 0,86 og en usikkerhet mellom 36-44 kW maksimal effekt til mer presist 34 kW per bygning.

Energy use in buildings accounts for at least one third of the world's energy consumption today, and in the development towards a climate-friendly building stock, it has become more common to design energy efficient building areas. In parallel, Norway is moving towards a more electrified society, and this leads to increasing load demand in the power grid, which may be a problem in many areas. To meet these two directions at the same time, it is necessary to estimate reliable energy- and load profiles for buildings at area level.

The goal of the thesis is to develop a user-friendly method to estimate hourly profiles of heating and electricity demands for an area of buildings. The method is based on a mixture of physical modeling with IDA ICE and a mathematical information-based approach through Microsoft Excel and Monte Carlo simulation.

The research is based on office buildings, with focus on concurrency due to different operations and use of buildings. Parts of the results are based on the coincidence factor, this means when the peak load occurs in one building, it will not necessarily occur at the same time in another building. Then, when the hour profiles are added together, the load demand as a function of the number of buildings will decrease.

The method consists of the following recipe: - Finding sources based on a chosen reference building, which is a building based on standards, subject books and research. Information is then gathered within the topics building geometry, building body, technical systems and operation and use. - The reference building is simulated in IDA ICE and typical variations of use for office buildings are established. These variations are implemented as separate versions of the reference building and are simulated in IDA ICE. - Information on heating and electricity demands is obtained from the results in IDA ICE and transferred to Microsoft Excel. A mean value and standard deviation are defined for each hour of the year and used in the Monte Carlo simulation. In addition, two different probability values will create random variations between the building profiles, depending on whether its inside or outside operating hours. - The desired number of building profiles is produced with the Monte Carlo simulation and each building is aggregated into a common energy and power profile for the entire area.

For the heat demand and an area of 80 office buildings, the method resulted in a coincidence factor of 0,89. In addition, the aggregation made it possible to estimate the maximum load per building more precisely to 32 kW, starting with an uncertainty between 32- 40 kW. Correspondingly for the electricity demand, it resulted in a coincidence factor of 0,86 and a precise maximum load of 34 kW per building, starting with an uncertainty of 36- 44 kW.