Bättre koll på energin – utan all information
Lukas Lundström, Eskilstuna, visar i en doktorsavhandling att flygskanning och digitala verktyg gör det möjligt att modellera och analysera energianvändningen hos en byggnad och dess komponenter.
Lukas Lundström är energistrateg på Eskilstuna Kommunfastigheter. Under flera år har han, som företagsdoktorand, på deltid forskat kring digital energikartläggning vid Mälardalens högskola.
Jag har försökt att få en relativt robust metodik. Det går att kalibrera och få ut mer kunskap, även om vi inte har så mycket data.
Varför valde du just det här ämnet?
– Utgångspunkten var att få en metod att digitalisera energikartläggning av byggnaderna i Eskilstuna. Med en detaljerad information om en byggnads energiprestanda och termiska egenskaper är det möjligt att energieffektivisera och säkerställa god inomhuskomfort. Därtill har vi en utveckling där byggnader förväntas vara allt mer aktiva komponenter i energisystemet för att möjliggöra för högre andelar förnybar och ofta intermittent energiproduktion. Det ställer höga krav på att vi ska kunna modellera och simulera byggnaderna på ett verklighetstroget sätt.
– Vi har också haft en snabb utveckling av digitalisering och tillgång till data, men saknar ofta metoder för att tillgängliggöra all den information som gömmer sig i dessa datamängder. I min forskning har jag tagit fram en metodik för att integrera information från olika datakällor och estimera värden när de saknas. Exempel på datakällor som kan integreras med metoden är byggnadens och omgivningens geometri utifrån flygskanningsdata, meteorologiska data, satellitbildsbaserade solinstrålningsdata och mätdata från byggnaden.
– Ofta saknas digitaliserad information om byggnadens termiska egenskaper och ibland även på de tekniska systemen, och dessa estimeras med hjälp av byggnadsenergisimulering och en probabilistisk, det vill säga sannolikhetsbaserad, kalibreringsmetod.
Är informationen i energideklarationerna användbar?
– Jag har programmerat själv, byggnadsenergimodellen är baserad på nya ISO 52016-standarden och kalibreringsmetoden är implementerad i det probabilistiska programmeringsspråket Stan.
När du utvecklade modellen använde du mätserier från flerfamiljshus i Eskilstuna. Är det flera olika hustyper eller bara en i ett område?
– Valideringsstudien gjordes med tre flerfamiljshus, byggda på 1970-talet och med en gemensam anslutning till fjärrvärme. Dessa valdes ut främst för att vi hade god tillgång till mätdata på dem, men även för att de kan anses representativa för det svenska beståndet av fjärrvärmeanslutna flerfamiljshus. Vi planerar att använda oss av metoden i en större del av vårt bestånd som en del av vårt energikartläggningsarbete enligt lagen om energikartläggning i stora företag.
Kan den här metoden överföras direkt på andra byggnader?
– Absolut, framför allt flerfamiljshus, som är enklare att modellera. De har ofta likartade förutsättningar. För mindre byggnader, som villor, får de boendes vanor större genomslag på energianvändningen, vilket gör estimeringen mindre tillförlitlig. Sedan behöver modellen utvecklas om den ska användas i andra typer av fastigheter. När det kommer till lokaler blir det mer komplicerat eftersom verksamheten är mer diversifierad och man måste ha information om eller estimera aktiviteten i byggnaden.
På vilket sätt kan simuleringen komma till nytta, om man inte känner till alla parametrar om byggnaden?
– Jag har försökt att få en relativt robust metodik. Det går att kalibrera och få ut mer kunskap, även om vi inte har så mycket data. Då får vi fortfarande utfall, men med mera osäkerheter. Om det finns en näraliggande byggnad, som har mycket data och liknande förutsättningar, kan man överföra kunskapen därifrån. I slutänden ger det en hint om var vi har stora energiflöden. Då fungerar modellen som en metod att sålla inför en mer ingående undersökning. Man kanske bara behöver gå ut till tio procent av byggnaderna i beståndet.
Text: Maria Åslund
Fakta
Doktorsavhandling
Lukas Lundströms doktorsavhandling har titeln ”Probabilistic Calibration of Building Energy Models”.