Identifying important variables and profiles of domestic hot tap water energy use in Norwegian buildings by using statistical methods

Abstract

Domestic hot water (DHW) systems are an integral component of buildings and a substantial consumer of energy. Due to the introduction of highly insulated structures, the share of DHW heat use in the total energy balance of buildings is continuously increasing. In modern passive houses, DHW heat use already exceeds the energy need for space heating. Despite this fact, the application of sustainable and energy efficient solutions in DHW systems is not widespread in Norway. The significant opportunities for energy savings have yet to be realized. Therefore, improving energy efficiency in DHW systems offers substantial potential for further energy savings in buildings in Norway. Utilization of demand side management, better design and sizing, progressive tariffs, low-temperature heating systems, wastewater technologies, combined DHW systems based on traditional and renewable energy sources, and other sustainable technologies and management solutions in DHW systems are essential for achieving energy efficiency in buildings. The proper implementation of these solutions requires the use of advanced data analysis, representative profiles, and accurate predictive models of DHW heat use. Nevertheless, the regulations applied for DHW heat use analysis and modeling, as well as knowledge about actual DHW heat use in buildings in Norway, contain many gaps. This PhD work aimed to improve the methods of DHW heat use analysis and achieve a better understanding of the DHW heat use in buildings in Norway. The thesis starts with the consideration of the problems associated with the collection and preprocessing of the DHW heat use data. Firstly, the attention in this thesis was paid to the issue of restoring information about the DHW heat use in conditions when only the total heat use in buildings is measured. Further, the selection of influencing variables and prediction modeling for DHW heat use were investigated. Finally, the methods for development and analysis of representative DHW heat use profiles for residential and nonresidential buildings were presented. At the end of the thesis, the work addressed the problems of total heating and DHW heat use planning and profiles analyses for buildings in Norway in normal conditions and during the COVID-lockdown. In this thesis, the study of DHW heat use was carried out based on data measured in hotels, nursing homes, schools, and apartment blocks. The periods of data collection varied for different buildings. In most cases, the hourly values over 1-3 years were received. However, for the particular buildings, only the monthly DHW heat use and 2-second measurements for several months were collected. Therefore, depending on the data availability, different data processing techniques were used to analyze DHW heat use. The data handling and modeling in the presented work were performed with the Python software tools. The obtained from different sources data revealed that imperfection of measurement systems in buildings was a serious obstacle for DHW heat use analysis. Unfortunately, in many buildings in Norway, the heat meters measure the total heat use only, typically not divided into space heating (SH) and DHW. Therefore, the method for splitting the hourly total heat use into SH and DHW heat use was proposed. The method was based on the energy signature curve and the singular spectrum analysis. The results showed that the application of this method allowed us to extract useful information about hourly DHW heat use. Further, the PhD thesis addressed the DHW heat use prediction modeling in two widespread situations. The first situation considers the prediction based only on historical data of DHW heat use. In the second situation, additional variables that affect DHW heat use were selected and applied for the modeling. These variables were identified by using the Wrapper approach. The most accurate model for DHW heat use was selected from different time series and machine learning techniques. For a hotel building, the Prophet model performed best for accurate prediction in both situations. The comparison of the actual DHW heat use in building with existing national and international standards showed that the standards commonly used in Norway are not accurate enough and cannot correctly express the daily variation of DHW heat use. Application of these profiles in building simulation tools may lead to significant overestimation of the heat use. To improve the existing approaches for profiles development, the methods that allowed us to build unified profiles for the months and days of the week with similar characteristics of the DHW heat use were recommended. The profiles based on measurements for different categories of the building were proposed. After, the method for statistical grouping of the DHW hourly heat use was applied to recognize the timing of the peak, average, and low heat use in the considered buildings. The data from the educational institutions in Norway were used for the analysis of the total heat use in normal conditions and during the COVID-lockdown. The investigation found that the shape of the heat use profiles on weekdays before and during the COVID-lockdown remains almost unchanged, although the occupancy was largely reduced. This fact showed that some buildings during the COVID-lockdown were using energy inefficiently. Moreover, the month after the reopening of the buildings was characterized by a remarkable increase in heat use, regardless of the warmer weather conditions. For heat use planning in educational institutions, the following scenarios were developed: operation according to a normal year setting; reducing the heating to the level of the night heat use; and using settings that were applied during the lockdown. The study showed that applying the proper setting of the heating system during a pandemic may help us to reduce energy use in buildings. This thesis proposed methods for DHW heat use analysis, predictive models, and profiles prediction to provide the basis for further implementation of energy saving measures and improving the energy efficiency of DHW systems in Norway.

Sammendrag Varmtvannssystemer er en integrert komponent i bygninger og en betydelig forbruker av energi. På grunn av strengere byggtekniske krav som medfører sterkt isolerte konstruksjoner, øker andelen varmtvannsbruk i det totale energiforbruket til bygninger kontinuerlig. I moderne passivhus overstiger bruk av varmtvann allerede energibehovet for romoppvarming. Til tross for dette er anvendelsen av bærekraftige og energieffektive løsninger i varmtvannssystemer ikke utbredt i Norge. De betydelige mulighetene for energibesparelser har ennå ikke blitt realisert. Forbedring av energieffektivitet i varmtvannssystemer gir derfor et betydelig potensiale for ytterligere energibesparelser i bygninger i Norge. Utnyttelse av ulike teknologier som såkalt behov-utnyttelse (demand response) i bygninger, bedre design og dimensjonering, progressive tariffer, lavtemperatursystemer, spillvarme, kombinerte varmtvannssystemer basert på tradisjonelle og fornybare energikilder, og andre bærekraftige teknologier samt med styringsløsninger i varmtvannssystemer er avgjørende for å oppnå energieffektivitet i bygninger. Riktig implementering av disse løsningene krever bruk av avansert dataanalyse, representative profiler og nøyaktige prediktive modeller for varmtvannsbruk. Likevel er det fortsatt nødvendig å forbedre regelverket som benyttes som underlag for analyser og modellering av varmtvannsbruk, samt kunnskap om faktisk varmtvannsbruk i bygninger i Norge. Dette doktorgradsarbeidet hadde som mål å forbedre metodene for varmtvannsanalyse og oppnå en bedre forståelse av varmtvannsbruken i bygninger i Norge. Oppgaven starter med å vurdere problemene knyttet til innsamling og forbehandling av varmtvannsforbruksdataene. Deretter ble spesiell oppmerksomhet gitt til spørsmålet om å hente igjen informasjon om varmtvannsbruk under forhold der kun det totale varmeforbruket i bygninger måles. Videre ble det valgt ut påvirkningsvariabler og prediksjonsmodellering for varmtvannsbruk ble undersøkt. Følgelig ble metodene for utvikling og analyse av representative varmtvannsforbruksprofiler for bolig og andre bygningstyper presentert. Til slutt tok arbeidet for seg problemene med total oppvarming og planlegging av varmtvannsbruk, og profilanalyser for bygninger i Norge under vanlige forhold og under COVID-nedstengning. I denne oppgaven ble studien av varmtvannsforbruk basert på måledata fra hotell, sykehjem, skoler og boligblokker. Perioden for datainnsamling varierte for de forskjellige bygningene. I de fleste tilfellene ble data over 1-3 år mottatt. For de utvalgte bygningene ble det imidlertid bare samlet inn månedlige varmtvannsforbruk og 2-sekunders målinger for flere måneder. Avhengig av datatilgjengelighet, ble de forskjellige databehandlingsteknikkene brukt til å analysere varmtvannsforbruk. Datahåndteringen og modelleringen i det presenterte arbeidet ble utført med Python sine programvareverktøy. De innhentede dataene avslørte at ufullkommenhet i målesystemer i bygningene var en alvorlig hindring for varmtvannsanalyse. Dessverre er det slik at i mange bygninger i Norge måler varmemålere bare det totale varmeforbruket, og det er vanligvis ikke delt inn på romoppvarming og varmtvann. Derfor ble det foreslått en metode for oppdeling av det totale timebruken av varme på romoppvarming og varmtvannsforbruk. Metoden var basert på energisignaturkurven og singular spektrumanalyse. Resultatene viste at anvendelsen av denne metoden gjør det mulig å hente ut nyttig informasjon om bruk av varmtvann hver time. Videre adresserte avhandlingen modellering av forutsigelse av varmtvannsforbruk i to utbredte typer situasjoner. Den første situasjonen er prediksjonen kun basert på historiske data om varmtvannsbruk. I den andre situasjonen ble flere variabler som påvirker varmtvannsbruk brukt og valgt for modelleringen. Disse variablene ble identifisert ved hjelp av Wrapper-tilnærmingen. Den mest nøyaktige modellen for varmtvannsbruk ble valgt fra forskjellige tidsserier og maskinlæringsmetoder. For en hotellbygning fungerte Profetmodellen best i begge situasjoner. Sammenligningen av faktisk varmeforbruk for varmtvann i bygging med eksisterende nasjonale og internasjonale standarder viste at standardene som ofte brukes i Norge ikke er nøyaktige nok og ikke kan uttrykke den daglige variasjonen av varmtvannsbruk. Anvendelse av disse profilene i bygningssimuleringsverktøyet kan føre til betydelig overvurdering av varmebruk til varmtvannssystemer. For å forbedre eksisterende metoder for profilutvikling, ble det anbefalt å bruke metodene som tillot oss å utvikle lignende profiler for månedene og ukedagene med lignende egenskaper ved varmtvannsforbruk. Profilene basert på målinger for forskjellige kategorier av bygningen ble foreslått. Deretter ble metoden for statistisk gruppering av varmtvannsforbruk for hver time brukt for å gjenkjenne tidspunktet for topp-, gjennomsnitts og lavvarebruk i de aktuelle bygningene. Data fra utdanningsinstitusjoner i Norge ble brukt til analysen av den totale varmebruken under normale forhold og under COVID-nedstengning. Undersøkelsen fant at formen på varmebrukprofilene på ukedager før og etter COVID-nedstengning forble nesten uforandret, til tross for at belegget ble svært redusert. I tillegg var det slik at måneden etter gjenåpning av bygningene var karakterisert av en formidabel økning av varmebruk, uavhengig av værforholdene. For planlegging av varmebruk i utdanningsinstitusjonene, ble følgende scenario utviklet: styring i tråd med et normalt år, redusere varmen til nivå for nattbruk, bruk av innstillingene som ble brukt under nedstengningen. Studien viste at anvendelse av rett innstilling på varmesystemet under en pandemi kan hjelpe oss å redusere energibruk i bygninger. Denne oppgaven foreslo metoder for analyse av varmtvannsforbruk, utvikling av prediktive modeller samt med profileringsprognoser for å gi grunnlag for videre implementering av energisparetiltak og forbedring av energieffektiviteten til varmtvannsanlegg i Norge.