Tema: Värme | 19 sep

AI-styrning gav jämnare värme

Med Algenos AI-baserade värmestyrning har stora bostadsföretag fått jämnare och lägre inomhustemperaturer i byggnaderna. Det har lett till färre klagomål från hyres-gästerna och minskad energianvändning. Samtidigt går det att styra och övervaka värmesystemen på distans.

Stena fastigheter och Örebrobostäder (Öbo) har implementerat Algenos lösning för AI-styrning i stor skala i sina bestånd. Under den senaste säsongen har Algenos lösning styrt ungefär 2 000 byggnader i Sverige och Norge, varav de flesta ägs av Stena fas­tigheter och Öbo.

– Genom att använda vår teknik minskar värme­svinnet i fastigheter med hjälp av AI. Energianvändningen blir lägre och effekttopparna för fjärrvärmebolagen reduceras. Resultatet blir både sänkta kostnader och minskat klimatavtryck, säger Algenos vd Per Adolfsson.

När systemet kopplas in börjar det att läsa av inomhustemperaturen i byggnaderna med hjälp av givare i lägenheterna. Under två till tre veckor byggs därefter AI-modellen. Inomhustemperaturen sjunker sedan successivt till den måltemperatur som kunden har valt och stabiliseras där.

– Med en stabil temperatur blir det färre klago­mål från hyresgästerna och du kan ha en lägre medeltemperatur. Hyresgäster upplever generellt sett inte en stabil temperatur som jobbig. Hellre en stabil temperatur på 21 grader än att den pendlar mellan 20 och 22 grader, även om medeltemperaturen är densamma, säger Per Adolfsson.

Med hjälp av webbbgränssnittet går det att läsa av temperaturerna i både en enskild fastighet eller ett helt bestånd.

– Vi är inte ute i fastigheten utan erbjuder en molnbaserad lösning. Om förutsättningarna är rätt i fastigheten går systemet enkelt och snabbt att koppla på och av, säger Per Adolfsson.

Lösningen styr framledningstemperaturen i främst vattenburna värmesystem, men har även börjat användas i luftburna. Framledningstemperaturen styrs så långt ut i byggnaden som möjligt, ofta via en undercentral men även i undershuntar och den bakomliggande ventilen. Det sker genom att koppla upp sig mot fastighetsägarens centrala styrsystem.

Lösningen använder så kallad modellbaserad prediktionsstyrning. För varje punkt som kan styras i fastigheten byggs automatiskt en matematisk modell i mjukvaran. Modellen uppdateras kontinuerligt och anpassar sig till fastighetens behov för tillfället.

– Det är inte samma styrning i februari som i oktober eftersom fastigheter beter sig olika vid olika tider på året och då behöver man styra värmen olika. Vi skapar modellen och säkerställer att den optimerar styrningen, men det är fastighetsägaren som bestämmer villkoren, exempelvis måltemperatur, säger Per Adolfsson.

Styrningen är prognosbaserad och inte bara reaktiv. Om det finns ett mönster i fastigheten, att den exempelvis brukar bli varmare vid en viss tidpunkt på dygnet, sänks temperaturen i förväg.

– Om det är soligt, och vindstilla väder är på ingående justeras temperaturen ned inför det eller om det väntas regn och blåst höjs temperaturen innan det, säger Per Adolfsson.

Fastighetsägarna kan fritt välja det styrsystem som passar bäst för deras behov och är inte låsta till en viss leverantör.

– Om vi inte presterar väl, kan fastighetsägaren byta ut oss som en modul. Om vi är bra på vissa typer av fastigheter och andra på andra kan man ha olika styrningar, säger Per Adolfsson.

För att lösningen ska fungera krävs en central infrastruktur. Algeno ska kunna skicka in och ta emot värden för styrning genom att interagera med fastigheternas överordnade system. Det krävs också temperatursensorer i fastigheten, i minst 30 procent av lägenheterna, för att kunna övervaka och justera värmestyrningen.

Det måste också finnas möjlighet att överstyra i undercentralen via DUC eller PLC.

– Där spelar lokala temperaturkurvor en viktig roll. Dessa justeras var 15:e minut, oftast nedåt, för att få en stabil temperatur och spara energi. Samtidigt skapar det ett bra inomhusklimat för att minimera klagomål från hyresgäster, säger Per Adolfsson.

Om det blir klagomål kan fastighetsägare utifrån data från hela byggnaden och enskilda lägenheter avgöra vilka åtgärder som behöver göras. Ibland kan måltemperaturen behöva höjas generellt för huset. I andra fall kan det krävas åtgärder i en viss lägenhet, exempelvis att reparera en radiator, täta fogar eller göra en injustering.

AI-modellen väljer automatiskt bort sensorer som levererar fel värden. Samtidigt kan fastighetsägaren uppmärksammas på att värdena inte överensstämmer med fastigheten i övrigt. Det går då att upptäcka om givare har placerats fel, är trasiga eller har problem med uppkopplingen.

– Om den digitala infrastrukturen finns är vår tjänst snabb och enkel att få igång. Till exempel har vi rullat ut vår lösning i nästan hela Stena fastigheters bestånd under en värmesäsong. De flesta stegen har blivit automatiserade, säger Per Adolfsson.

– Vi behöver inte ta reda på om det är tvåglas- eller treglasfönster, om det är betong eller trästomme. Det upptäcker vår AI-modell genom datan som kommer in.

Genom tekniken och Stena fastigheters arbetssätt kan fastighetsteknikerna styra och övervaka värmesystemen på distans.

– Tidigare kunde temperaturerna i fastigheterna variera kraftigt exempelvis på grund av vädret. Nu har vi lyckats stabilisera temperaturen till cirka 20 grader hela tiden, vilket ger ett bättre inomhus­klimat och lägre energianvändning, säger Marcus Bromér, energicontroller i Stockholm på Stena fastigheter.

Samtidigt har klagomålen på inomhustemperaturerna från hyresgäster minskat kraftigt till fastighetsvärdarna.

– Det sparar både tid och interna resurser. När vi tittar på Stena fastigheters bestånd i stort ser vi att kundnöjdheten har ökat med sju procent på frågan om inomhustemperatur samtidigt som vi minskat energianvändningen. Nu kan fastighetsvärdarna fokusera på uppgifter som de verkligen ska göra och slippa lägga ned tid på det som borde fungera, säger Marcus Bromér.

Vi behöver inte ta reda på om det är tvåglas- eller treglasfönster, om det är betong eller trästomme. Det upptäcker vår AI-modell genom datan som kommer in

Samtidigt har det påverkat fastighetsteknikernas arbete positivt.

– Vårt arbete har blivit lättare sedan lösningen infördes. Tidigare klagade hyresgästerna ofta på att det var för kallt. Under vår och höst behövde vi springa runt och mäta temperaturen i lägenheterna flera gånger dagligen. Nu har klagomålen försvunnit nästan helt, säger Amir Alkaffagi, fastighetstekniker i Stockholm på Stena fastigheter.

Förut kunde temperaturen sjunka snabbt, exempelvis från 24 till 22 grader. Hyresgästerna uppfattade då att det var för kallt även om temperaturen egentligen var tillräckligt hög. Det kunde också vara stora temperaturskillnader mellan olika lägenheter.

– Nu följer alla samma temperaturkurva, vilket tydligt visar att systemet fungerar som det ska, säger Marcus Bromér.

Även i Stena fastigheters bostäder i Malmö har inomhustemperaturen blivit jämnare och klagomålen från hyresgästerna minskat. För tre år sedan gjordes ett pilotprojekt där med lösningen. För två år sedan började det användas skarpt i hela lägenhetsbeståndet där, totalt cirka 100 fastigheter. I höst väntar tredje uppvärmningsperioden.

Under det andra året sänktes måltemperaturen till 21 °C.

– Här i Skåne tog det längre tid än vanligt innan värmesäsongen kom igång. Det var varmt ända in i november månad. Det gjorde att cirkulationspumparna inte gick igång alla dagar. Då blev fastigheterna utkylda och klagomålen ökade temporärt, men det berodde ju inte på Algenos lösning. Vi åtgärdade problemen i vårt överordnade styrsystem, säger Daniel Espenkrona Lokind, som är energi­ingenjör på Stena fastigheter.

Stena fastigheters mål är att energianvändningen i beståndet ska minska med 2 procent, och det har uppnåtts båda första åren i Malmö.

– För 2024 kan vi se att vi håller samma nivåer och detta trots att januari var en väldigt kall månad, säger Daniel Espenkrona Lokind.

Värmekurvorna i fastigheterna justeras nu utifrån systemets rekommendationer. I många fall går det att sänka temperaturen med mellan en och fyra grader. Den nya kurvan lärs sedan in av systemet och optimerar driften ytterligare.

– Tidigare kunde inomhustemperaturen variera med två grader från dag till dag, men nu rör det sig om en variation på endast en halv grad.

I dagsläget finns sensorer i minst 25 procent av lägenheterna i varje fastighet och upp till 100 procent där Algenos lösning används. Planen är att det ska bli fler lägenhetsgivare för att kunna få en bättre helhetsbild av fastigheterna.

En del av lägenheterna har injusterats innan lösningen började användas och i andra återstår det att göra eftersom det behövs.

– För vissa lägenheter har vi behövt höja måltemperaturen eftersom de är för kalla för att klara den tänkta temperaturen. Dessa kommer vi nu att injustera, säger Daniel Espenkrona Lokind.

För att förbättra vattenkvaliteten i värmesystemet har påsfilter och magnetstavar installerats. Även avgasare kommer att installeras och systemtrycken kommer att ses över.

Sedan Algeno anställde Catrine Anderson som projektledare tidigare i år görs det regelbundna avstämningar med Stena fastigheter om måluppfyllnaden.

– Det är värdefullt för det är svårt att själv avsätta tid för det i vardagen. Nu har vi veckovisa avstämningar om vilka fastigheter som inte har uppfyllt sina rekommendationer. Då kan vi successivt göra punktinsatser där. Samtidigt får Algeno en bättre förståelse för hur våra fastigheter fungerar, säger Daniel Espenkrona Lokind.

Stena fastigheters bestånd i Malmö värms uteslutande med fjärrvärme. Som stöttning finns en del frånluftsvärmepumpar.

– För framtiden tittar vi på en AI-lösning som tar hänsyn till priset för både fjärrrvärme och el för stunden och om det just då är billigare att använda värmepumpar i stället för fjärrvärme. Förhoppningsvis kan vi börja använda den om något år, säger Daniel Espenkrona Lokind.