Tester ut Model Predictive Control

 
Tester ut Model Predictive ControlProfessor Natasa Nord forsker på å effektivisere kontrollsystemer for oppvarming, inkludert den typen som brukes på campus Gløshaugen. Foto: Geir Mogen/NTNU
NTNU har testet et system for å forutse oppvarmingsbehovet på campus Gløshaugen. Testen viser at vi kan spare mer der vi allerede bruker overskuddsvarme.

Mye forskning viser at overskuddsvarme fra for eksempel datasentre egner seg bra som varmekilde. Men vi vet lite om hvordan kontrollsystemer for slike systemer kan spare oss for enda mer energi og penger.

Det ville forskerne Juan Hou, Haoran Li og Natasa Nord gjøre noe med. Resultatet presenterer de i en fersk forskningsartikkel. Her ble Gløshaugen campus brukt som case for å teste ut det vi for enkelthets skyld kan kalle et «spåkule-system», men som forskerne kaller Model Predictive Control (MPC).

NTNU varmer seg på heten fra matematiske utregninger

Først litt om oppvarmingen av byggene som forskerne og studentene på Gløshaugen oppholder seg i. Visste du at på noen dager i året er overskuddsvarmen fra superdatamaskinene på Gløshaugen nok til å varme opp hele campus? Kaldt vann føres til supermaskinene slik at de kjøles ned, og det oppvarmede vannet flyttes videre dit den trengs andre steder på campus.

Bildet: Juryen som ga Energispareprisen til NTNU Driftsavdelingen i 2015, beskrev resultatene som var oppnådd som «oppsiktsvekkende», etter at forbruket av fjernvarme ble redusert med over 40 prosent. Foto: Aziz Nasuti 

Om vinteren trengs oppvarming fra fjernvarmenett i tillegg, men på de varmeste dagene er det kun superdatamaskinene som står for oppvarmingen på campus. Den vannbårne varmen fra fjernvarmenettet, overskuddsvarmen fra datamaskinene og annet utstyr til oppvarming via varmepumper må styres av et felles system. Det er altså dette kontrollsystemet som forskerne mener kan bli enda mer effektivt.

Introduserer spåkonesystem for å spare enda mer

– Å predikere, eller å forutsi, er jo egentlig noe helt annet enn å spå. Mens spåkona gnir på kulen og henter spådommen sin fra løse lufta, er MPC forskningsbasert, påpeker Natasa Nord, professor ved NTNUs Institutt for energi- og prosessteknikk.

Model Predictive Control (MPC) er en styringsmodell foret med en mengde data om det konkrete oppvarmingssystemet. Dette gjelder alt fra tidligere lokale værmeldinger til temperaturer i bygningene gjennom året til de forskjellige komponentene som gir overskuddsvarme. Når så all dataen er fôret inn i systemet, blir det en faktabasert og treffsikker spåkule.

Nord forklarer at tradisjonelle kontrollsystemer baserer seg på regler og erfaringer fra vidt forskjellige bygninger. Altså en mal som skal passe «alle», i motsetning til MPC som er skreddersydd og kjenner de lokale forholdene ut og inn. I studien tok forskerne utgangspunkt i data for hver måned i 2017-2018, og testet MPC via simuleringer. Deretter sammenlignet forskerne med den faktiske strømbruken og strømregningen.

Bildet: Einar Næss Jensen ved superdatamaskinen Vilje. Einar Næss Jensen jobber med daglig drift av databehandlingen som superdatamaskiner ved NTNU utfører. Foto: Thor Nielsen/NTNU

Liten spareprosent kan utgjøre mye når prisene er høye

Etter testen fant forskerne at det var mulig å spare 1,8 prosent i energikostnader i måneden med MPC, men Natasa Nord understreker at dette var med prismodellen fra 2021.

 – Vi kan anta at effekten av strømsparingen hadde vært større i dag, uten at jeg vil spekulere i hvor mye. I dag er det for eksempel forskjellige prismodeller for natt og dag. Uansett: Testen vår viser at med MPC kan vi maksimalisere økonomisk besparing for varmekonsumenter slik som campus Gløshaugen. Dessuten viser resultatene at MPC var mer stabil og robust enn det tradisjonelle kontrollsystemet, noe som er positivt for sikkerheten i systemet, sier Natasa Nord.

Bildet: Nedkjøling og oppvarming henger uløselig sammen, kjøling handler tross alt om å flytte varme fra ett sted til et annet. Foto: Geir Mogen/NTNU

Kan også brukes for systemer med andre typer overskuddsvarme

Det er ikke mange steder her til lands som bruker overskuddsvarme fra superdatamaskiner til oppvarming.

Bildet: I et forenklet kart over Gløshaugen viser forskerne hvordan datasenteret (blå stjerne nederst) og campus-nettverket for fjernvarme med de forskjellige bygningene er koblet sammen med kommunens fjernvarmenettstasjon (rød stjerne øverst til venstre). Ill: Hou, Li og Nord.

– MPC kunne like gjerne vært brukt sammen med annen overskuddsvarme, slik som det for eksempel kjøling i matindustrien, sier Nord.

Det er nemlig ikke bare varmekrevende industri, men også kjøling som gir spillvarme. I skrivende stund pågår et prosjekt på Leangen isbane i Trondheim, der man forsøker å utnytte overskuddsvarmen fra nedkjølingsanlegget. Mye matindustri krever også nedkjøling. Nord forklarer at en utfordring med å innføre MPC ligger i å få de forskjellige systemene til å snakke sammen.

– Å få gode data som vi kan implementere i programmeringen kan være krevende. Noen komponenter har protokoller vi sliter å kommunisere med. Dette krever en del tilpasningsarbeid i programmeringen. Men implementering er noe vi jobber kontinuerlig med, og det er noe som vi forskerne på NTNU kan hjelpe andre aktører med, sier hun.

Forskningen i denne artikkelen ble støttet gjennom NFRs program FRIPRO/FRINATEK.

Referanse: Hou, Juan & Li, Haoran & Nord, Natasa. (2022). Model predictive control for a data centre waste heat-based heat prosumer in Norway. E3S Web of Conferences. 362. 10.1051/e3sconf/202236206007.

KILDE: Gemini.no

comments powered by Disqus
 

 
 
 
 

Aktivitetskalender

Vis alle

  

Aktuelle prosjekter

Vis alle

  

Bransjekommentar

Vis alle

  

Kurs og Seminarer

Vis alle

  

Produktnyheter

Vis alle

  

Nyttekjøretøy

Vis alle

  

 
 
 
Retningslinjer for datahåndtering, personvern og informasjonskapsler

Ved å surfe videre på vår hjemmeside og bruke våre tjenester godkjenner du at vi samler inn data om dine besøk. I vår personvernerklæring forklarer vi hvilke data vi samler inn, hvorfor vi samler dem inn og hva vi bruker dem til. Les mer...

OK, jeg forstår