DANMARK: Ny teknologi kan spare energi på skoler og kontorer, men krever for tiden dyrt og komplisert oppsett. Et nytt prosjekt har som mål å automatisere prosessen.
Prediktiv kontroll, det vil si et system som forutsier og tilpasser seg fremtidige forhold som vær og strømpriser, kan redusere energiforbruket til ventilasjon og temperaturkontroll i skoler og kontorer. Men teknologien brukes sjelden fordi den krever komplisert og dyrt oppsett. I et nytt prosjekt skal SAAVER, Teknologisk Institut, Airmaster og Aalborg Universitet utvikle en selvlærende algoritme som vil eliminere manuelt arbeid.
Teknologisk Institut og Airmaster har i et tidligere ELFORSK-prosjekt vist at et ventilasjonssystem kan optimalisere driften ved å tenke fremover og tilpasse seg værmeldinger, bruksmønstre og svingende strømpriser.
Risiko for menneskelige feil
Men for at et system skal fungere optimalt, må det først konfigureres manuelt med data om det enkelte rommets isolasjonsevne, rommets volum, type vinduer og deres orientering mot solen, samt eventuell solskjerming osv. Det er en tidkrevende oppgave med risiko for menneskelige feil, og de høye kostnadene gjør at teknologien sannsynligvis bare vil bli brukt sporadisk i praksis.
— Prediktiv styring har et dokumentert potensial, men i dag krever det spesialkunnskap for å sette den opp riktig for hvert enkelt rom, og feil innstillinger kan i verste fall øke energiforbruket snarere enn å redusere det. Med SAAVER skal vi undersøke om systemet i stedet kan beregne hvordan rommet reagerer termisk. Hvis det lykkes, fjerner vi en betydelig barriere for å spre teknologien, sier prosjektleder Jakob Wulff Andersen fra Teknologisk Institut i en pressemelding.
SAAVER står for Selvlærende Adaptive Algoritmer for Ventilasjon og Energireduksjon, og her må man undersøke om man kan endre seg. Prosjektet har et totalbudsjett på 5,25 millioner DKK og er støttet med 2,6 millioner DKK av Energiteknologisk Utviklings- og Demonstrasjonsprogram (EUDP) under Energistyrelsen.
Målet: Oppsett uten ekspert.
Ved hjelp av maskinlæring og tidsserieanalyse er ambisjonen å utvikle en algoritme som kan estimere et roms termiske egenskaper basert på data fra systemets egne sensorer – uten at en tekniker må konfigurere det manuelt.
I tillegg til selve selvkalibreringen, vil prosjektet også teste hvordan funksjoner som koordinert solskjerming, forbedret nattkjøling og en modell for trekk og luftlagdeling kan bidra til ytterligere besparelser og bedre komfort.
Bygger på dokumenterte resultater
Prosjektet er basert på et tidligere ELFORSK-prosjekt, hvor prediktiv styring over en måleperiode på tre sommermåneder resulterte i energibesparelser på 44 prosent sammenlignet med en fast temperaturinnstilling på 23 °C. Målet med det nye prosjektet er å oppnå ytterligere besparelser i tillegg til dette – men på årsbasis og i en normal driftssituasjon forventer partnerne mer moderate tall.
— Besparelsene avhenger mye av bygningen, årstiden og hva du sammenligner den med. Noen av funksjonene vi ønsker å utvikle er fortsatt på idéstadiet, og en stor del av prosjektet handler nettopp om å avklare hva som faktisk kan gjøres i praksis, sier Jakob Wulff Andersen.
Tilpasset lokale forhold
Airmaster A/S, som produserer desentraliserte ventilasjonssystemer, vil etter hvert kommersialisere resultatene som en programvareoppdatering, blant annet for selskapets AMX4-system, som har en integrert varmepumpe.
— Vi vet fra tidligere analyser at det allerede er store energibesparelser knyttet til å tilføre friskluft desentralt, fordi vi unngår energitap i distribusjonen gjennom kanaler. Samtidig gjør systemets innebygde varmepumpe det til et opplagt valg for oppvarming og kjøling av rommet, fordi det har høy virkningsgrad. Vi har tidligere vist at MPC-teknologi gir store energibesparelser fordi den i praksis kan «se inn i fremtiden», sier Erik Bjørn, leder for teknologi og innovasjon hos Airmaster A/S.
– Med SAAVER sørger vi via maskinlæring for at systemet automatisk kan tilpasse seg lokale forhold, selv når de endrer seg over tid. Dette betyr at vi har et fremtidssikkert system hvis energiforbruk bare er en brøkdel av mange av de litt eldre løsningene som finnes i bygninger i dag, sier Erik Bjørn.
Laboratorie- og fullskalatesting
Aalborg Universitet bidrar med den matematiske modelleringen. En sentral utfordring vil være å få de beregningsintensive algoritmene til å kjøre lokalt på anleggets egen maskinvare, slik at løsningen ikke blir avhengig av skytjenester eller en konstant internettforbindelse.
De første prototypene vil bli testet under kontrollerte forhold i Teknologisk Institutts inneklimalaboratorium i Taastrup. Systemet vil deretter bli testet i full skala på et demonstrasjonssted hos Kamstrup A/S i Stilling, hvor 28 AMX4-systemer allerede er installert. Resultatene vil bli kontinuerlig formidlet gjennom blant annet fagartikler, konferanser og en vitenskapelig publikasjon.
Fakta om SAAVER:
- Formål: Å forske på og utvikle en selvlærende algoritme for prediktiv kontroll (MPC) av desentralisert ventilasjon som automatisk kan estimere et roms termiske parametere, og dermed eliminere behovet for manuelt oppsett.
- Prosjektperiode: 1. januar 2026 – 31. mars 2028.
- Totalbudsjett: 5,25 millioner DKK, hvorav 2,6 millioner DKK i støtte fra EUDP under Energistyrelsen.
- Partnere: Dansk Teknologisk Institut (prosjektleder), Airmaster A/S og Aalborg Universitet.
- Demonstrasjonssted: Kamstrup A/S, Stilling.
