数据驱动供暖降低建筑物的能源消耗

数据驱动的供暖减少了建筑物的能源消耗。随着价格飙升，商业物业经理必须更聪明地控制能源消耗——而供暖可以节省大量能源。

挪威研究机构SINTEF目前正在与软件开发商Kiona和物业管理公司DNBNæringseiendom合作，以了解如何更智能地为建筑物供暖。作为名为Databygg的项目的一部分，正在开发可以根据供暖需求调节建筑物热分配系统温度的算法。

传统上，送入暖气片的水温(所谓的流动温度)取决于室外温度。室外越冷，供水温度越高。此类系统旨在提高能源效率，但仍未能充分考虑建筑物的实际供暖需求。

“我们在这个项目中开发的控制算法不仅考虑了室外温度，还考虑了天气预报和建筑物的计划利用”，负责Kiona研发的CBDOÅsmundSvinndal说。“我们的目标是提供与维持所需室温所需的能量一样多的能量，”他说。

从第一天开始节能

基于两年时间的详细测量，我们开发了一个数据驱动模型，用于供暖系统的预测控制。该模型能够预测对于给定的散热器流动温度将达到的室温。

SINTEF的研究科学家兼Databygg项目经理约翰·克劳斯(JohnClauss)说：“然而，事实证明，数据的变化太有限，无法训练模型按预期运行。”

出于这个原因，开发了一种算法，可以根据测得的室温自动连续调节散热器温度。算法每30分钟记录一次室温，作为判断是否需要供暖的依据。如果不需要加热，则降低散热器回路中的温度。如果室温下降并且房间变得太冷，则供水温度会再次升高。如果每隔30分钟检查一次温度，则出现较差的热舒适度的可能性很低。

能耗降低10%至15%

去年秋天，该系统在特隆赫姆市中心的一座办公楼内进行了测试。用于加热的能源减少了10%到15%，同时保持了所需的室温。此外，散热器中的温度逐渐升高，以避免在流动温度升高时出现能量峰值。

“这些算法从第一天起就帮助系统节省了能源”，DNBNæringseiendom开发和数字化总监ErlendKalandSimonsen说。

增强型将节省更多能源

除了节省能源外，实施的算法还能生成更多数据，这些数据又可用于训练模型，以更准确地预测未来的室温。这些模型将在未来作为预测供暖需求的预测控制算法的一部分应用。

该算法使用新数据来解决每小时生成一次的优化问题。根据在建筑物中进行的测量所生成的数据，该算法会建议一个供水温度，以确保在接下来的12小时内达到所需的室温。这将有助于进一步节约能源。

“我们的目的是在我们的几栋建筑中使用预测算法”，西蒙森说。“今年夏天之前，我们还将研究如何降低冷却系统的能耗”，他说。