Potential for Heating Demand Reduction and Energy Flexibility by Improved Control and Automation of Heaters for Typical Norwegian Residential Buildings
Abstract
Den norske bygningsmassen har et særdeles høyt strømforbruk i kalde måneder grunnet romoppvarming. En reduksjon i oppvarmingsbehov vil både gi besparelser og bidra i kampen mot global oppvarming ved å redusere CO2-utslipp. En annen utfordring er at mange boligbygg gjerne har sitt høyeste energiforbruk på like tider av døgnet, noe som øker presset på strømnettet. Dette er spesielt viktig nå som vi har begynt med mer uforutsigbare energikilder som sol- og vindenergi. Siden norske husholdninger bruker så mye energi på romoppvarming, er det å kunne unngå oppvarming i tidspunkter med høyt strømforbruk i landet et viktig steg mot energifleksibilitet for forbrukere. Dette vil gi et potensial for besparelser for hver husholdning på grunn av de dynamiske strømprisene (og trolig kommende dynamisk nettleie). I tillegg vil en slik energifleksibilitet kunne redusere behovet for å utvide infrastrukturen for det økende strømforbruket. Basert på dette har denne oppgaven to hovedmål (1) å undersøke hvordan forbedring av kontroll og automasjon av varmeovner kan redusere oppvarmingsbehov, og (2) å finne de forventede varighetene av PÅ/AV-sykluser samt endringer i operativ temperatur når varmeovner skrus på/av. Disse verdiene vil forhåpentligvis kunne bli brukt for å oppnå energifleksibilitet ved å programmere varmeovnene slik at de unngår tidene på døgnet med høyt strømforbruk, noe som vil gjøre varmeovnene enda smartere.
Bygget i dette studiet var en frittstående enebolig med lav termisk masse. Varmeovnene var 100% elektriske og krever ingen ny hardware, noe som tilsier at den økte smartheten heller kommer fra software i varmeovnen. For å finne reduksjonen i oppvarmingsbehov ved en økt smarthet, ble kontroll/automasjonsfunksjoner fra standarden NS-EN 15232-1 modellert for fire forskjellige energiklassifiseringer i simuleringsprogrammet IDA ICE. Disse klassene ble brukt for å klassifisere den energimessige yteevnen til funksjonene. Det ble undersøkt fire bygningskropper med økende kvalitet, noe som ga totalt 16 simuleringer. For å undersøke varigheten av sykluser og endring i operativ temperatur ble 8 nye simuleringer utført, med en ny makro som baserer seg på temperaturgrenser og optimaltemperaturer som endrer seg basert på temperaturen utendørs. De åtte simuleringene var delt opp i to set. Det første var for de fire bygningskroppene med åpne innvendige dører. Det andre settet var identisk, utenom at dørene heller var lukket. Varigheten på syklusene og de relevante temperaturene ble loggført og prosessert. Etter dette ble en lineær regresjonsanalyse utført for de prosesserte dataene, for å finne trendlinjer og deres stigningstall (forventet temperaturnedgang/-økning). Trendlinjenes pålitelighet ble målt med R^2.
Resultatene viser at det var merkbar reduksjon i oppvarmingsbehov når automasjon/kontroll ble oppgradert for alle fire bygningskroppene (20-25%) basert på NS-EN 15232-1. Når det gjelder mål 2 viser resultatene at syklusene var lengre for casene med nyere bygningskropper og de økte ytterligere når dørene var åpne. I tillegg varte AV-syklusene lengre enn PÅ-syklusene. Stigningstallene derimot var lavere, noe som betyr at temperaturen sank/økte tregere for bedre bygningskropper og når dørene var åpne. R^2 var direkte knyttet varigheten av syklusene, da den ble dårligere ved lengre sykluser. For å oppsummere trendlinjenes pålitelighet: de var svært pålitelige for PÅ-sykluser med lukkede dører, men for åpne dører gjaldt dette kun for de to eldste bygningene. Derfor er det mulig å bruke resultatene for slike caser. På den annen side var trendlinjene ikke pålitelige for casene med åpne dører, for AV-syklusene. Resultatene fra de resterende casene (både AV- og PÅ-sykluser) var kun delvis pålitelig, men kan fortsatt vise seg nyttige. Anbefalinger for videre forskning kan være å finne en måte å bruke denne typen data på, og å undersøke hvordan disse kan bli benyttet i sammenheng med det første målet, for ytterligere å forbedre kontroll/automasjon. The Norwegian residential building stock uses a substantial amount of energy on space heating during colder months. Reducing the heating demand would not only lead to cost savings but also be helpful in combating global warming by reducing CO2 emissions. Another current issue is that many residential buildings have their peak load(s) during the same time of the day, putting pressure on the electrical grid. This is especially an issue, as we move towards more volatile and unpredictable energy sources (e.g., sun and wind). Since Norwegian households use a lot of energy on space heating, having the option to avoid heating during peak hours will be an important step towards demand-side energy flexibility. This will provide a potential for cost savings for the individual household due to the dynamic electricity prices (and presumably soon-to-be dynamic tariff pricing). Additionally, it may reduce the need to build new infrastructure to cover the ever-increasing energy consumption. This thesis thus has two main objectives, (1) to investigate how improved control and automation of heaters can reduce heating demand, and (2) to find the expected durations for ON/OFF-cycles and the changes in operative temperature whenever electrical heaters are turned off/on. These values may be used as a measure to hopefully achieve energy flexibility by programming the heaters to avoid peak hours, improving their smartness even further.
The building in this study was a detached single-family house of low thermal mass. The heaters were fully electric and requires no additional hardware, meaning the improved smartness comes from the software in the heater itself. To find the heating demand reduction by upgrading the smartness, control/automation functions from the standard NS-EN 15232-1 were modelled for four different efficiency classes in the simulation tool IDA ICE. The classes are used to classify the energy performance of the implemented functions. Four increasingly better envelopes were investigated, making a total of 16 cases. Additionally, to investigate the cycle durations and operative temperatures, eight new simulations were carried out, this time with a macro for the heating system based on adaptive thermal limits and optimal temperatures. The eight cases were the four envelopes, with all internal doors either closed or open. The cycle durations and relevant temperatures were logged and processed. Afterwards, linear regression was performed on the processed data, to find regression lines and their slopes (expected temperature drops/increases). Their reliability was measured with R^2.
The results show that there was a noticeable reduction in heating demand for all four envelopes (20-25%) when upgrading automation/control in line with NS-EN 15232-1. Regarding objective 2, the results show that cycle durations were longer for newer envelopes, and increased even further when the doors were open. Additionally, the OFF-cycles lasted longer than the ON-cycles. The slopes of the temperature changes were however smaller, meaning the temperature dropped/increased slower for newer buildings and when the doors were open. The R^2 was directly linked with the duration of the cycles, as it was worse when the durations were longer. To summarize the reliability: the regression lines were highly reliable for the ON-cycles with closed doors, and with open doors, only for the older buildings. Thus, results from cases such as these might be used. On the other hand, the regression lines were unreliable for all cases with open doors, during OFF-cycles. The results from the remaining cases (both ON and OFF-cycles) were only decently reliable, though they might prove useful to some extent. Suggestions for further work could be to find a way to use this kind of data and investigate how they might be utilized in conjunction with objective 1, to improve the control/automation functions even further.