Flamingohuset i Taulov - Styring

Styringsstrategi for vores varmeanlæg

I dag styres vores varmeanlæg af den styring der medfulgte anlægget fra sabetoflex. Denne styring er forholdsvis avanceret og sørger for at det varme vand holder sig på en forudindstillet temperatur samtidig med at vores gulvarmetemperatur opnår en mindsteværdi baseret på den konkrete udetemperatur og husets isolering. Herudover er der en lang række muligheder for at styre anlægget med timere, finindtrimning af varmeoverførsel fra solfangeren, diverse kølemuligheder gennem ventilationsanlæg og bortledning af overskudsvarme til jordvarmeslangerne.

Vi pusler dog med at udvikle en mere anvanceret styring, der tager højde for den øjeblikkelige elpris og vejrudsigten, så vi på den måde kan placere vores nødvendige varmepumpeproduktion i de timer, hvor der er lavest elpris og evt. fremrykke eller udskyde varmeproduktionen i nogle timer baseret på kendskab til de kommende timers vejudsigt med hensyn til solindfald, udtemperatur og vind. Herved tror vi på at vi kan spare yderligere ca. 500 kr/år. For større varmepumpeanlæg, der forsyner mere almindelige boliger, som ikke er lavenergi, kan besparelsen ved denne styreform godt komme op på 1-2.000 kr om året.

Indtil videre er vi igang med at udvikle konceptet og indsamle vejrdata fra DMI, elpriser fra den nordiske elbørs Nordpool og endelig elproduktionsdata fra energinet.dk. Elproduktionsdata kan anvendes til at lave et estimat på, hvorledes den øjeblikkelige CO2-udledning er fra den danske elproduktion. Dette kunne også være en styringsparameter så vores elforbrug placeres i timer med mindst mulig miljøpåvirkning. Data ses herunder.

Den første graf viser en beregning af vores varmebehov og solindfald i huset de næste ca. 48 timer. Derudover er der vist hvor varmeproduktionen fra varmepumpen mest optimalt kunne placeres i forhold til elprisen.

Den anden graf viser elprisen siden midnat og de næste 12-36 timer, samt en beregning af CO2-indholdet i elproduktionen og hvor stor en andel vindproduktionen udgør af det samlede forbrug. Endelig er vores varmepumpes elforbrug vis i grafen, så det kan ses hvor godt styringsstrategien følges. Varmepumpen styres endnu ikke efter strategien, men det kommer...

De to næste grafer er data fra DMI Salg og Erhverv, som vi venligts har fået stillet til rådighed for optimeringen. Data herfra indgår i beregningen af varmebehovet i den første graf for de kommende ca. 48 timer.

Styringen lærer selv varmebehovet at kende

Styringen beregner dagligt ved simpel regression, hvordan varmepumpeeffekten afhænger af varmebehovet og solindfald på baggrund af data opsamlet i fyringssæsonen. På samme måde bestemmes gulvvarmebehovet som funktion af udetemperatur og solindfald. På den måde lærer styringen selv husets varmebehov at kende og det er muligt på den måde at opdage pludselige afvigelser fra det normale. Varmepumpens effektivitet (COP-faktor) bestemmes ligeledes dagligt og styringen lærer derfor efterhånden, hvordan anlægget performer og kan anvende denne viden ved fastlæggelsen af styringsstrategien. Denne viden kan også benyttes ved diagnostisering på anlægget ved pludselige ændringer i performance.

Grafen herunder viser den fundne sammenhæng mellem varmepumpeeffekten, varmebehovet og solindfaldet. Den nødvendige varmepumpeeffekt falder ved stigende solindfald, da solvarmen så tilfører varme til varmtvandstanken. På grafen ses de realiserede data, der ligger til grund for regressionsanalysen. De tre rette linier afspejler 3 forskellige gennemsnitlige daglige solindfald. Numrene på punkterne afspejler tidspunktet for registreringen siden fyringssæsonstart. Det højeste nummer er den seneste registrering. R²-værdien for regressionen er angivet på grafen, ligesom den gennemsnitlige COP faktor for varmepumpen er angivet (hældningen af linierne).

Grafen herunder viser den fundne sammenhæng mellem gulvvarmebehovet, udetemperaturen og solindfaldet. Gulvvarmebehovet falder ved stigende udetemperatur, men også ved stigende solindfald, da solen opvarmer huset gennem vinduerne. På grafen ses de realiserede data der ligger til grund for regressionsanalysen. Som på den anden graf er R²-værdien angivet ligesom bygningens energisignatur (ES) er vist. Energisignaturen angiver hvor meget varmebehovet øges, hvis temperaturen falder 1 grad.

Grafen herunder viser tabet fra varmtvandsbeholderen. Tabet bestemmes udfra data for temperaturfaldet i de perioder, hvor der ikke leveres varme fra hverken sol eller varmepumpe og hvor der heller ikke trækkes varme til gulvvarme eller varmt vand.

Grafen herunder viser rumtemperaturfaldet i de perioder, hvor der ikke leveres gulvvarme. Temperaturfaldet er et udtryk for, hvor godt bygningen kan opretholde en given rumtemperatur uden varmeforsyning. Dette anvendes sammen med beregningen af bygningens gulvvarmebehov til at beregne bygningen varmekapacitet.