PreHEAT – selvlærende model og prognosebaseret multizone energistyring til bygninger

PreHeat sigter på udvikling af et intelligent, selvlærende, cloudbaseret energistyringssystem, som kan optimere energiforbruget og komforten i kontor- og institutionsbygninger.

Energistyringssystemet vil via dataopsamling og termo- dynamisk modellering af bygningens varmebehov kunne levere prognosebaserede styresignaler til de individuelle bygningszoner, så varme, ventilation og køling styres optimalt. Dette forventes at kunne forbedre komforten ved blandt andet at reducere overtemperaturer og samtidig reducere energiforbruget til opvarmning.

At systemet er selvlærende vil sige, at det selv lærer byg- ningen at kende og gradvist tilpasser varmetilførslen, så varmetilførslen nedreguleres, hvis der f.eks. bliver solskin i løbet af dagen.

Projektets udgangspunkt var at udvikle en dynamisk datadrevet varmestyring til bygningen oven på de eksi- sterende styringer.

En komplet integreret og prognosebaseret styring til alle systemer på zoneniveau viste sig at være for kompleks
i første omgang. Projektet har i stedet fokuseret på de- monstrering af styringer til systemerne individuelt.

Arbejdet var delt op i følgende faser:

• Etablering af dataopsamling og styring i bygninger til test og demonstration
• Analyse af bygningsperformance på baggrund af data
• Udvikling og demonstration af en cloudbaseret styring
• Forretningsmodellering til løsningen.