Måling av bruk og forbruk. Bernt A. Bremdal Tina Løken Nilsson Rolv Møll-Nilsen

Transkript

1 2013 Bernt A. Bremdal Tina Løken Nilsson Rolv Møll-Nilsen Måling av bruk og forbruk Empiri og analyse som grunnlag for energieffektivisering og markedsintegrasjon

2 1 Måling av bruk og forbruk Empiri og analyse som grunnlag for energieffektivisering og markedsintegrasjon Bernt A. Bremdal, NCE SMART & Høyskolen i Narvik Tina Løken Nilsson, NCE SMART Rolv Møll-Nilsen, Tiny Mesh SSISG rapport for Statsbygg Sammendrag Denne rapporten beskriver et nytt, trådløst målerkonsept som ble utviklet i forskningsprosjektet «Styr Smart i SmartGrid» og testet ut for Statsbygg på Høyskolen i Østfold, avdeling Halden på Remmen. Rapporten beskriver forsøk som ble utført for å verifisere selve målerkonseptet og for å underbygge et teoretisk grunnlag utviklet i prosjektet. Dette teoretiske arbeidet har vært fokusert mot verdi- eller funksjonsorientert energieffektivisering hvor byggets intensjoner rundt bruk og brukeropplevelse relateres til energiforbruk. Ideen er at energieffektivisering har liten verdi dersom byggets grunnleggende funksjon ikke oppfylles. Rapporten dokumenterer empiri fra Remmen bygget og analyser utført for å underbygge nødvendigheten av et mer nyansert effektiviseringsbegrep. Dessuten diskuteres begrepet forbrukerfleksibilitet. I denne sammenhengen representerer forbrukerfleksibilitet et aktivum for å redusere driftskostnader, samt øke muligheten for et godt samspill mellom sentral energiforsyning og bygget. Dette kan bli viktig ettersom nye laster introduseres i nettet og Norge går i retning av en Smart Grid orientert elektrisitetsforsyning. Den empiri som er samlet på Remmen viser at bygningskomplekset disponerer en betydelig latent fleksibilitet som kan forløses gjennom mer differensiert styring av det sentrale SD-anlegget. Halden, Versjon 1.1 NCE Smart Energy Markets

3 2 Forord Denne rapporten inngår både som rapport i «Styr Smart i SmartGrid» prosjektet og som dokumentasjon på deler av det arbeidet som er utført spesielt for Statsbygg i perioden Arbeidet og de resultater som denne rapporten beskriver er et resultat av mange enkeltpersoners innsats og bidrag. Foruten Tina, Rolv og meg selv som har forfattet sluttrapporten for denne delen av prosjektet skal bidrag fra samtlige prosjektmedarbeidere anerkjennes. I tillegg må vi takke alle studentene som har bidratt både i forsøk, som intervjuere og som kreative medlemmer av prosjektgruppen. I den sammenhengen har Universitetet for Miljø- og Biovitenskap vært representert. Prosjektet har videre innlemmet studenter fra NTNU, Høgskolen i Narvik og Høgskolen i Østfold både i Halden og Fredrikstad. Følgende personer har vært sentrale bidragsytere: John Eidar Simensen, IFE Lars Erik Aas, Høgskolen i Østfold Alexandra Roos, UMB Stig Ødegaard Ottesen, NCE SMART og NTNU Guro Nereng, Bellona og Østfoldforskning Anne Rønning, Østfoldforskning Torstein Tønnesson, Tiny Mesh Knut E. Gustavsen, Tieto og senere esmart Systems Jan Berntzen, Tieto Norge Frank Westad, CAMO Per-Gunnar Fyhn, Høgskolen i Østfold Stine Sofie Grafto, Høgskolen i Østfold Satya Twanabasu, Høgskolen i Østfold Vi vil få lov til å takke Statsbygg for samarbeidet i perioden og for sin aktive rolle som use-case partner. Samtidig er vi takknemlig for Tieto Norges lederskap i prosjektet. Det er også på sin plass å anerkjenne det finansielle bidraget på 7,5 millioner kroner fra Norges forskningsråd. Det er viktig for meg å presisere at NCE SMART jobber med næringsorientert F&U. At «Styr Smart i SmartGrid» har medført at to nye selskaper og to nye produkter har sett dagens lys bør absolutt nevnes. Både Tiny Mesh og esmart Systems er barn av prosjektet. Tiny Mesh har siden 2011 bygget opp virksomhet både i Europa og Asia basert på resultater som er generert og som spesielt beskrives i denne rapporten. Den gryende merkevaren «Building Lab» favner ved terskelen til 2014 flere av de konseptene som presenteres her. Halden, desember 2013 Dr.ing. Bernt A. Bremdal Spesialrådgiver NCE SMART og Professor II Høgskolen i Narvik

4 3 Innhold Sammendrag... 1 Forord... 2 Bakgrunn... 5 Mål og hypoteser... 7 Målsetninger for prosjektet som helhet... 7 Målsetting for Statsbygg... 8 Sammendrag av state-of-the-art Funksjonell energieffektivitet i bygg Energimålinger i forbindelse med kjøling på Campus Remmen Utnyttelse av forbrukerfleksibilitet «demand-response» Sonebegrepet og primærfunksjoner ESCO Energy Service Company Metodisk tilnærming Forsøksarenaen Resultater Innledning Målerkonseptet Utplassering og testing Innhentet empiri Innledning Måling av forbruk Måling av bruk Ulike sensorer kan bestemme bruk av soner Observasjon av brukerne for å bestemme bruk Måling av inneklima Menneskelig toleranse Termisk treghet Latent forbrukerfleksibilitet Lastflytting og lastreduksjon Selv marginal realisering av latent fleksibilitet er interessant Dagens kraftavregning og fremtidig pris Oppsummering og diskusjon Anbefalinger... 66

5 4 Forslag relevant for dagens drift Fremtidig F&U Konklusjon Kildereferanser Vedlegg 1: Energisystemet på Campus Remmen Vedlegg 2: Utdrag fra aktive tester 22. februar og 26.februar Fredag 22.februar - last uten el-kjeler og last for ventilasjon... 77

6 5 Bakgrunn Denne rapporten bygger på arbeid utført innenfor rammen av forskningsprosjektet «Styr Smart i Smart Grid» og ble delvis finansiert av Norges forskningsråd. Både den opprinnelige søknaden og prosjektet ble forankret i næringsklyngen NCE Smart Energy Markets (NCE SMART) i Halden med Tieto Norge som prosjekteier. Prosjektet ble startet i januar Statsbygg kom inn i prosjektet som partner i løpet av Statsbyggs oppgave i dette prosjektet var å innta en anvender rolle og definere et sett med use-case sammen med NCE SMART. Tre use-case ble beskrevet. Hvert av use-case skulle være bidra med premisser for resten av prosjektet og forsøke å verifisere de resultater som ble produsert. I forhold til dette arbeidet lot Statsbygg prosjektet få lov til å disponere bygningskomplekset til Høyskolen i Østfold på Remmen i Halden som fullskala laboratorium. Innenfor dette miljøet ble ulike forsøk gjennomført og viktig empiri høstet. Energi i ulike former er helt avgjørende for vår hverdag og våre liv, men utgjør også en vesentlig årsak til lokale og globale utfordringer knyttet til miljø og klima. Dette skyldes i første rekke at mesteparten av verdens energiforbruk i 2013 er basert på fossile energikilder. Vi vet at omtrent 40 % av dette forbruket benyttes til oppvarming, kjøling og drift av eksisterende bygningsmasse. Dette gjelder i enda sterkere grad Norge. NCE SMART har i likhet med Statsbygg sterke ambisjoner om å øke energieffektiviteten i Norge og bidra til å tilrettelegge for økt bruk av energiformer som ikke truer en bærekraftig og miljøvennlig utvikling. Å øke kunnskap om hvordan energiforbruket i norske bygg kan utnyttes bedre og fungere i samspillet med resten av energisystemet er et uttalt felles mål. En grunnleggende problemstilling her er hvordan tilført energi kan bedre utnyttes i forhold til den hensikt og bruk bygget til enhver tid er tiltenkt. Varme, lys og tekniske installasjoner er ment å utfylle arkitektoniske og funksjonelle krav for å skape en attraktiv arbeidsplass, et komfortabelt hjem eller en arena for læring og personlig utvikling slik som en skole eller høyskole. Et grunnleggende spørsmål som er blitt stilt innledningsvis i «Styr Smart i SmartGrid» er om energibidraget i bygninger faktisk støtter opp om de funksjoner som bygget skal ivareta. Basert på tidligere makrovurderinger utført av Østfoldforskning ble svaret klart «nei» (Rønning 2007). Å utvikle ny parametri ble da en sentral oppgave i prosjektet. Teorien bak denne er delvis utviklet av Rønning et al. (2007, 2013) og Bremdal et al. (2011). Fig. 1 Smart Grid eller smarte el-nett. Hvordan dagens elektrisitetsforsyning vil kunne utvikle seg når AMS løsningen kommerpå plass i Norge.

7 6 Mye av arbeidet i «Styr Smart i SmartGrid» har tatt utgangspunkt i en visjon om en fremtid hvor energiforsyningen i hovedsak ivaretas av et smart el-nett. Per skal alle husstander i Norge være utstyrt med målere («smarte målere») tilsluttet et Advanced Metering System (AMS). Slike strømmålere kan håndtere målinger helt ned til 15-minutters oppløsning. De er i stand til å ivareta to-veis kommunikasjon mellom netteier og husstand som blant annet gjør automatisk fjernavlesning av forbruk mulig. Fjernavlesning gjør det praktisk mulig å skaffe seg innsyn i endenodene i et forsyningsnettverk inntil den nærmeste timen. Dette gjør det mulig å avregne forbruk per time basert på Nordpools timepriser. Dessuten skaper det muligheter i forhold til styring og regulering. De nye målerne vil også kunne måle eventuelt hvor mye egenprodusert strøm som fases ut på nettet og gjøre det mulig å bli avregnet på timesbasis i forhold til en slik produksjon. Dette danner et viktig grunnlag for utnyttelse av annen IKT som har kraft nok i seg til å transformere hele forsyningen og måten el-nettet vil fungere. En annen viktig del i denne sammenhengen er den del av målerspesifikasjonen som er knyttet til det som kalles «tredje parts grensesnitt» og som gjør det mulig for annet utstyr å kommunisere med måleren. AMS skaper en gjennomsiktighet i el-nettet som aldri har vært til stede før og øker muligheter for styring og overvåkning på helt andre måter enn før (Bremdal 2013c). Hvert år vil en husstand produsere 8760 timesverdier. Abonnementsområdet til Hafslund nett i Oslo og Akershus vil generere 5,7 milliarder måleverdier per år som skal håndteres. I et slikt datasett ligger det innbakt my viktig informasjon som kan gi betydelig innsikt av virksomhetsstrategisk og samfunnsmessig høy verdi. Dette trenger ikke nødvendigvis bare ha relevans for energirelaterte problemstillinger. Her er det viktig å påpeke at energi utgjør et grunnleggende gode og vårt forbruk er et uttrykk for hele vår livsførsel. Slik sett gir aggregerte forbruksmålinger alene eller kombinert med andre typer data også verdifull innsikt i samfunnsmessige anliggender som strekker seg langt utenfor energiområdet. I henhold til NVE s forskrift og mandat gitt til Statnett skal det også utvikles et nytt datanav for håndtering av målerverdier. Et slikt datanav skal være på plass innen høsten 2016 og kan på mange måter sammenlignes med den opprinnelige ideen bak Bankenes Betalingssentral. I tilknytning til den gjeldende spesifikasjonen vil det stilles krav om at det skal være mulig å uføre BI (Business Intelligence) oppgaver for tredje part på måledata som samles inn. Her stiller NVE og Statnett krav til at utveksling av data skal gå via tredjeparts grensesnittet på måleren. Denne tilkoplingen skal igjen håndteres av en gateway som tillater at ulike systemer kan benyttes slik at man ikke blir bundet til en leverandør. En slik beslutning har langtrekkende konsekvenser fordi den umiddelbart etablerer et fundament for det som er sentralt for et «smart hjem». En slik gateway er ikke bundet til applikasjoner innenfor energi. Utstyr ment å understøtte andre husholdningsoppgaver, applikasjoner innenfor fritid, velferd, helse, sikkerhet og omsorg kan også håndteres. Dessuten vil det være mulig å kople datastrømmer fra de ulike applikasjonene på uante måter. En slik gateway vil bli det smarte husets sentrale knutepunkt og har således en iboende kraft til å transformere både måten vi lever på og måten tjenester og produkter bør presenteres på og brukes. Som kjent representer det smarte huset det vi kan kalle et mikrokosmos for det mer globale begrepet «Internet of Things»). I sum betyr det at Norge står overfor en voldsom utvikling som drives fram av energibransjen. Den norske forbrukeren kommer til å innta en helt annen posisjon enn den vi ser i dag. Selv om ikke AMSforskriften omfatter bygg av den typen Statsbygg disponerer i dag vil brukerne av bygget som privatpersoner bli sterkt berørt. Slik sett kan dette danne grunnlag for vekst av prosumenter (Shandurkova 2012) som i 2020 forventer den samme type tjenester, miljøprofil og bekvemmelighet på arbeidsplassen i et større yrkesbygg som hjemme. Dette vil legge press på måten Statsbygg må drifte sine eiendommer i fremtiden. Dessuten kan man anta at brukernes bevissthet, økende markedskraft og effekten av avansert smart grid teknologi vil endre både energiforsyningen og energimarkedet. Det kan argumenteres med stor

8 7 kraft at fremtidens sluttbrukermarked vil bli «avkommodisert» ved at energisalg koples med høyverdi tjenester av ulik kvalitet og ulik pris (Bremdal 2013b). Hele markedet og forsyningen står derfor overfor en betydelig endring som kommer til å påvirke en så stor aktør i bygningsmarkedet som Statsbygg. Det er med dette bakteppet arbeidet i «Styr Smart i SmartGrid» er utført. Mål og hypoteser Målsetninger for prosjektet som helhet «Styr Smart i SmartGrid» har hatt som overordnet målsetting å utforske AM I (Advanced Metering Infrastructure) og AMS (Advanced Metering System) for å forbedre energistyringen i både i bygg og i private boliger. F&U arbeidet har hatt som målsetting å forstå på hvilke måter dette kan gjøres og hvilke muligheter som kan utnyttes i forbindelse med utrulling av en norsk AMS løsning. Prosjektet har inntatt en posisjon hvor filosofien har vært at fremtiden «blir elektrisk». Med dette menes at både sosiale, miljømessige, tekniske og økonomiske drivere peker i retning av økt bruk av elektrisk energi sammenlignet med det allerede høye nivået vi har i Norge dag. I denne sammenhengen har prosjektet også tatt som utgangspunkt at innføring av AMS-baserte el-system (smart grid) utgjør første skritt i en systematisk oppbygging av smarte el-nett, ikke minst på distribusjonssiden. Følgelig antyder det at AMS-forskriften i Norge datert legger sterke premisser for utvikling av hele energisystemet og utviklingen av det fremtidige energimarkedet. «Styr Smart i SmartGrid» har dermed vurdert ulike roller i markedet og hvordan disse vil bli påvirket. Forbrukere, netteier, produsenter, energiselgere vil måtte forholde seg til nye rammebetingelser og nye produkter og tjenester. Nye roller vil også oppstå i en slik sammenheng. «Prosument» (konsumenter som også produserer og/eller selger energi), «ESCO (Energy Service Company)», «SESP (Smart Energy Service Provider)», «VPP (Virtuelt kraftverk)» og «Aggregator (en form for virtuelt kraftverk)» er roller som med stor sannsynlighet vil følge i kjølvannet av en smart grid utbygging. Følgelig har prosjektet hatt fokus på et bredt spekter av roller og relasjoner mellom disse. Slike relasjoner har både teknisk, kommunikasjonsmessig, tjenestemessig, markedsmessig og samfunnsmessig karakter. I denne sammenhengen har det vært viktig å definere nye modeller for samspill, utveksling av produkter og tjenester samt nye modeller for energistyring. I forhold til det siste har prosjektet vært tydelig på at dagens etablerte form for energistyring har en for snever tilnærming. Tre svakheter er spesielt viktig å påpeke. Den ene er at energistyring i stor grad er et anliggende som knyttes til det enkelte bygg. Hypotesen i prosjektet har vært at dette medfører en sub-optimal utnyttelse av den energien som er tilgjengelig i hele energisystemet. En helhetlig tilnærming som ser på samspillet mellom de enkelte delene i dette systemet har både økonomisk og miljømessig verdi. Det andre er den utbredte bruken av kwh/m2 per år som parameter for å rangere energieffektivitet. Basert på arbeid som Østfoldforskning (Rønning??+) utførte på et tidligere tidspunkt har prosjektet sett at det er behov for en mer balansert parametri som også ser på anvendelsen av den energi inngår i årsforbruket. Dersom forbruket ikke kan settes i sammenheng med en bruk som underbygger byggets verdi og oppfyller dets bruksmessige formål er bruken av en teknisk parameter som kwh/m2 per år irrelevant på det grunnlaget at forbruket per kvadratmeter, selv når det er lite, er et rent spill. Energieffektivitet må derfor være målorientert og være like mye fokusert mot det effektivitetsbegrepet som på engelsk gjerne kalles «effectiveness» kontra «efficiency» som dagens praksis i stor grad er orientert rundt. Den tredje svakheten er knyttet til mangelfull forståelse og innsikt knyttet til kontroll av effekttopper, gjerne kalt laststyring. Denne problemstillingen som har stor betydning for både energimarkedet og elektrisitetsforsyningen utgjør i liten grad en del av den pågående ENØK- og effektiviseringsdebatten. Prosjektets hypotese har vært at dette er svært viktig og at laststyring må innta

9 8 en plass i effektiviseringsarbeidet. Det kan ha betydning for kostnadssiden for byggets drift. Samtidig kan store laster påføre både nett, produksjonssystem og marked store utfordringer som ikke bare svekker den totale effektiviteten, men bidra til å undergrave det miljørettede arbeidet som tradisjonell effektiviseringsfokus er ment å skulle bidra til å oppfylle. Med dette som utgangspunkt formulerte prosjektet følgende delmål. Prosjektet skal: Etablere økt forståelse, samt metode og modellgrunnlag for modellering av aktørene i sluttbrukermarkedet Utvikle analyse- og målemetoder for å overvåke energieffektivitet relatert til individuell oppførsel og forbruk Utvikle nye modeller for energihandel mellom markedet og forbrukeren Bidra til utvikling av en simulator for NCE SMARTs simulerings- og scenario-senter for å studere mikro- og makro-effekter i energimarkedet som en konsekvens av AMS/Smart Grid utviklingen. Utvikle minst to nye tjenestekonsepter og to nye produktprototyper rettet mot sluttbrukermarkedet Gjennomføre 3-5 piloter som underbygger konseptene. Understøtte utdannelsen av en doktorand. Publisere minst seks artikler i vitenskapelige publikasjoner og avholdes presentasjoner på konferanser I november 2012 gjennomgikk prosjekteier status rundt dette (Berntzen 2013) og konkluderte allerede da at prosjektet var i ferd med å oppfylle alle sine mål. Dette er videre dokumentert i den avsluttende rapporten til Forskningsrådet (Bremdal 2013) og som også er formidlet videre til Statsbygg. I og med at «Styr Smart i SmartGrid» har vært det som Forskningsrådet kaller et «Brukerstyrt innovasjonsprosjekt» har fokus på nye produkter, tjenester og prosesser vært sentrale. Ideen har vært at «Modellene skal lede til nye innovative tjenester og produkter som utnytter SmartGrid-tankegangen og kan knyttes opp eller integreres inn i et fremtidig AMS system». Prosjektet har bidratt til etablering av to nye selskaper som begge har hentet sitt forretningsmessige grunnlag fra de konseptene som ble utviklet i tilknytning til de delmål som er listet ovenfor. En særskilt prosess ble iverksatt i begynnelsen av 2013 hvor prosjektet tok sikte på å håndtere forhold knyttet til IPR og bidra til å utnytte konkrete resultater. I denne prosessen var også Statsbygg representert med bl.a. representanter fra avdeling U og E. Et av disse selskapene, Tiny Mesh a.s., ble spesielt tett koplet til en av de 3 pilotene som inngikk i prosjektet, og som ble definert av Statsbygg. Dette har senere utviklet seg til et mer omfattende bilateralt samarbeid. For mer detaljer om prosjektarbeidet som helhet, også med referanse til det empirisk orienterte arbeidet på Høyskolen i Østfolds Remmen Campus, henvises til ulike kilder som er publisert i løpet av det siste året eller vil bli publisert i løpet av kort tid (Bremdal 2013, Roos 2012, Svendby 2012, Aas 2012). Målsetting for Statsbygg Innenfor den konteksten som ble definert av «Styr Smart i SmartGrid» etablerte Statsbygg i samarbeid med prosjektet og NCE SMART særskilte delmål for de pilotene man søkte å utføre i tilknytning til hovedprosjektet. Pilotene ble definert som uavhengig «use case». Felles for de alle var at det skulle ta utgangspunkt i Høgskolen i Østfolds bygg på Remmen. Campus Remmen skulle benyttes på sett og vis som et fullskala laboratorium.

10 9 Det finnes en egen rapport (Ottesen 2013b) som omtaler problemstillinger og mål relatert til «Use-Case 3» og deler av «Use-Case 2». De problemstillinger og hypoteser som omfattes av «Use-Case 1» inngår i denne rapporten. Delmål i «Use-Case 2» som knytter seg til empiri og muligheter som springer ut av de målinger som er utført er også tatt med her. I Use-case 1 ble følgende målsettinger spesielt fremhevet: Målet med dette delprosjektet vil være å etablere høyoppløslige målinger for Campus Remmen i tråd med sonetankegangen utviklet i «Styr Smart i SmartGrid». Målingene skal ta høyde for både energiforbruk i forhold til ulike soner, samt bruk av disse sonene og bygget som helhet for å danne seg et bilde av energiforbruket og definere den funksjonelle energieffektivitet slik dette er definert i «Styr Smart i SmartGrid» (og presentert 27.9). Det skal utvikles tidsprofiler for både bruk og forbruk per sone. Disse skal sammenstilles med det forbruket/effektbruken som bygget avregnes i forhold til av sin strømleverandør. På bakgrunn av dette skal det bygges en driftsstrategi basert på utviklet teori som bidrar til å øke energieffektiviteten for bygget og redusere kostnadene. Metoden skal kunne være så generell at den skal kunne anvendes på alle tilsvarende bygg (eks. høyskoler) i Statsbyggs portefølje. Det er et viktig poeng at arbeidet som skal utføres bygger videre på det som tidligere er utført av Erichsen og Horgen. (Ivar??? 2011). Det skal poengteres at denne målformuleringen bygger på det teoretiske arbeidet som ble etablert i hovedprosjektet og presentert på det første dialogseminaret med Statsbygg på Campus Remmen Dette arbeidet ble også dokumentert og presentert særskilt på «Sustainable Building Conference 2011», SB11, i Helsinki høsten 2011 (Bremdal 2011). Et viktig oppgave i denne sammenhengen var å utvikle et målerkonsept (litt løslig kalt «undermålere per sone» i use-case definisjonen) basert på trådløs mesh-teknologi med verifiserte verdier. Det ble i case beskrivelsen gjort klare hentydninger til et arbeid utført av konsulentselskapet Erichsen & Horgens arbeid rundt energimålinger på Campus Remmen knyttet til kjøling av byggets som helhet, men med spesiell fokus på den fløyen som huser IT-avdelingen. Man ønsket en samlet rapport på energimåledata, «hvori inkorporerte data fra Erichsen & Horgen/kjøleprosjekt, dvs. rapport på hele tidsserien av data fra Remmen; 2012 og 2013». Denne målsettingen måtte oppgis ganske tidlig i og med at de tester og målinger prosjektet ønsket å gjennomføre ikke lot seg gjennomføre på den delen av bygget som hadde vært fokuset for den studien Erichsen og Horgen hadde gjennomført. Dette hadde bl.a. sammenheng med et meget begrenset budsjett som ikke tillot utvikling av et fullverdig målerkonsept som kunne dekke IT-avdelingen. Regulering og testing i områder med høy tetthet av teknisk utstyr bød på økt risiko. Dessuten ble man forestilt et område som tilsynelatende var mer reguleringsvennlig og benyttet av en mer hybrid brukergruppe. Det ble også formulert et delmål hvor optimalisering av energibruk i forhold til generell ENØK, bruksutnyttelse og forbrukerfleksibilitet sto sentralt. Dette hadde sammenheng med utvikling av «effectiveness» begrepet i tilknytning til energistyring. Ideen var å undersøke i hvilken grad laster kan flyttes på eller reduseres i et bygg som Campus Remmen. Referansen for dette skulle være det teoretiske arbeidet som var utviklet i prosjektet og som i stor grad var orientert rundt PUE (Power Utility Effectiveness) konseptet utviklet for grønne datasentra (Verdun 2008, Patterson 2010, Bremdal 2011).

11 10 Praktiske innspill til en revidert driftsstrategi for Campus Remmen og sammenlignbare bygg basert på prosjektets teoretiske metode, støttet med innhentet empiri utgjorde en viktig del av use-case spesifikasjonen. Målet var å kunne bidra med en reduksjon av energikostnadene med 5-10%.. I forhold til «Use Case 2» var hovedmålet å definere en rolle for Campus Remmen som en aktiv deltager i energimarkedet som prosument. Dette skulle danne grunnlaget for hvordan Statsbygg skal kunne utvikle sin portefølje av ulike bygg som en markedskraft i et fleksibelt og intelligent el-nett. Denne målsettingen har to sider. På den ene siden må man etablere en forståelse for hvilken fleksibilitet er tilgjengelig som gjør at effekttopper kan reduseres og laster flyttes i tid for å redusere den umiddelbare etterspørselen i markedet og belastningen i nettet. Herunder inngår også lagring og produksjon siden bruk av egen-generert kraft og utnyttelse av ulike typer energilager kan bidra til å redusere etterspørselen. Denne delen blir i det videre referert til «estimering av latent fleksibilitet» og må baseres på innhentet empiri. Bearbeiding av måledata, periodiske forbruks- og bruksprofiler så vel som prisdata for å kunne utnytte dette blant annet i simuleringer, optimaliseringsmodeller og som basis i BIM-relaterte presentasjoner ble fremsatt som et krav i UC-2. Den andre siden knytter seg til hvordan fleksibiliteten skal utnyttes. Dette handler om en systematisk utnyttelse av de muligheter som finnes. I denne sammenhengen handler dette om optimalisering og utvikling av et konsept for fremtidig beslutningsstøtte som gjør omdanner latent fleksibilitet om til en «asset» - en verdi som kan utnyttes i samspill med resten av energisystemet. Dette har utgjort en sentral del av doktorgradsarbeidet utført i prosjektet, og i stor grad vært utført parallelt med det empiriske arbeidet. Denne delen av UC-2 er sammen med UC-3 oppsummert i Ottesens (2013) rapport. Utvikling av en første versjon av et egnet beslutningsstøttesystem for å kunne utnytte fleksibilitet i forbindelse med planlegging av driften, basert på en simuleringsmodell av Campus Remmen ble realisert innenfor tidsrammene gitt av UC-2. Denne er blitt omtalt i en særskilt rapport (Svendby 2012). Sammendrag av state-of-the-art Funksjonell energieffektivitet i bygg NCE SMART har i ulike sammenhenger analysert og dokumentert state-of-the-art rundt AMS og smarte el-nett. I 2012 publiserte Shandurkova et. al(2012). en omfattende rapport som presenterer både definisjoner, konsepter og ulike initiativ rundt smart grid og prosumentvirkomhet i Europa. Denne rapporten dannet også grunnlag for den generelle tilnærmingen I Styr Smart I SmartGrid og er tidligere gjort tilgjengelig for Statsbygg. Som en del av UC-1 har Rønning et al. (2013) oppsummert forhold som er relevant for byggsiden i et smart energisystem. Rapporten tar som utgangspunkt behovet for å redusere klimagassutslipp. Den påpeker at smart grid teknologi og konsepter kan bidra til å redusere energiforbruket og kontrollere effekttopper generert blant annet av bygninger og husholdninger. Rapporten diskuterer videre byggets bidrag til energisituasjonen. En oversikt over eksisterende politiske virkemidler rettet mot byggsektoren er presentert. Disse instrumentene gjør, eller kunne påvirke energireduksjon eller konvertering, utrullingen av Smart Grid -teknologi og distribuert fornybar energi. En oversikt over noen av de barrierer mot gjennomføring av tiltak er også gitt. Den delen av denne dokumentasjonen som er mest relevant for denne rapporten knytter seg til det som omtales som funksjonell tilnærming til energimålinger. Indikatorer for energibruk bør innarbeide målrettet eller funksjonell energieffektivitet fremfor generell reduksjon. Dette kan illustreres som vist i Fig. 2. Fig. 3 viser hvilken effekt dette kan ha i rangering av bygg. Flere bygg som

12 11 fremstår som meget energieffektive i henhold til en generell kwh/m2 per år betraktning kommer dårligere ut dersom bruk tas med i betraktningen. Fig. 2 En definisjon på funksjonell energieffektivitet. Vi ser hvordan levert nyte definert i dette tilfellet som «bruker», «omsetning» og «produsert enhet» knyttes til energibruk, areal og tid. (Kilde: Østfoldforskning 2010) Med utgangspunkt i Østfoldforsknings tidligere arbeid så vi innledningsvis i prosjektet også på de energigevinster som er dokumenter som følge av innføring av EOS og SD anlegg. Dette er vist i Fig. 4. Som det fremgår av figuren har EOS og SD anlegg gitt størst gevinster for små bygg (ca. 30%). For bygg i størrelsesorden m2 er gevinsten noe lavere. For andre bygningsstørrelser er det ingen eller negativ gevinst. Dette kan forklares med manglende opplæring, mangelfull kalibrering eller svak organisering av driften. Uansett er kapitaliseringsgraden på investeringen generelt lite oppmuntrende. Dette i seg selv gir kwh/m Spesifikk tilført energibruk [kwh/m2] Gj.snittlig korrigert energibruk hensyntatt per sysselsatt og tid [kwh/(persontime)] B kwh/ persontime A Kilde: Rønning, Fig. 3 Energibehov for boliger og næringsbygg. Den grønne delen av grafen viser spesifikk tilført energibruk (kwh/m2). Den øvrige grafen viser det samme forbruket korrigert bruk (uttrykt i persontimer). Vi ser at en rekke enheter i det utvalget som er presentert fremstår som mindre effektive om bruken tas med i forbruksbetraktningen. (Kilde: Østfoldforskning 2013)

13 12 grunnlag for å finne nye måter å forbedre utnyttelsesgraden. I «Styr Smart i SmartGid» ble dette definert som en del av et måle- og bevisstgjøringsproblem. Dette gav opphav til hypotesen om økt gjennomsiktighet i forhold til energibruken fra ulike hold. Basert på denne erkjennelsen kan «Kjenn ditt bygg» fremstå som et fremtidsorientert motto for det forskningsarbeidet som ble definert. Fig. 4 Basert på tall fra ENOVA fram til 2010 gir denne figuren et inntrykk av gevinsten av innføring av energiledelsessystemer og tekniske anlegg for å redusere det generelle forbruket (Kilde: Østfoldforskning 2010) Fig. 5 Endring i forbruk per forbrukstype per kvadratmeter per år. For næringsbygg kan man registrere en betydelig reduksjon i forhold til romoppvarming mellom eksisterende og nye bygg. Men 30-40% av dette spises opp av en økning på andre områder. I sum synes det som om rehabilitering i liten grad har fokus på energieffektivisering.

14 13 Til tross for økt fokus på ENØK gjennom flere år er det tydelig at utviklingen ikke gir et entydig svar. Mye av innsatsen har vært fokusert mot romoppvarming. Der har man hentet store gevinster. Derimot ser vi at det er ingen gevinster å spore på vannoppvarming eller vifter og pumper. Tvert i mot kan man registrere en økning i forhold til oppvarming av ventilasjonsluft, kjøling og teknisk utstyr. I henhold til tabellen vist kan det synes som om rehabilitering i liten grad har fokus på en total energieffektivisering enten det gjelder boliger eller næringsbygg. Nye bygg kan vise til en nettogevinst på henholdsvis 15% for boliger og 18% for nøringsbygg. Energimålinger i forbindelse med kjøling på Campus Remmen Et annet utgangspunkt for prosjektet var det arbeidet som konsulentselskapet Erichsen og Horgen (Ørnes 2011) utførte for Statsbygg i forbindelse energimålinger i IT-fløyen på Campus Remmen. Dette arbeidet ble avsluttet i Arbeidets målsetting var «å utvikle kunnskap og beregningsmodeller for å bedre kunne dokumentere og redusere energibruken i næringsbygg med spesiell fokus på kjøling». Erichsen og Horgens arbeidshypotese var sentrert rundt avviket mellom teoretisk og virkelig energibruk. Ideen var at enkelte store varmelaster, samt bruk og forsyning av kjøleenergi ble mangelfullt eller overfladisk håndtert. Deres tanke var at avviket kunne reduseres ved å fremskaffe bedre dokumentasjon av varmelaster som forårsaker kjølebehov og bedre modellering av byggets energiforsyning. Rent metodisk valgt de å karleggebyggets samlede netto energibehov i et formålsdelt energibudsjett iht. NS Ved å sammenligne dette med teoretiske beregninger søkte man å avdekke årsaker til erfaringsmessige store avvik mellom beregnet energibehov og målt energibruk. Grunnlaget for målingene ble etablert gjennom montering av et antall energimålere som ville gi ønsket formålsinndeling av byggets energibruk. Til dette ble det benyttet måleutstyr som kunne produsere timesverdier. Disse ble igjen overført til et nettbasert energioppfølgingssystem. Erichsen og Horgen høstet ulike erfaringer. De registrerte til dels store avvik mellom standardiserte verdier fra NS 3031 og de faktiske forhold. Verdiene i NS 3031 baserer seg på et svært begrenset underlag. Store variasjoner innen samme bygningskategori gjør det vanskelig å fastsette representative verdier. Her er påpekte et behov for større erfaringsgrunnlag. Videre konkluderte konsulentselskapet med at et må skilles mellom standardiserte beregninger og beregninger på forventet energibruk. Enheter med store laster må med den type tilnærming som ble valgt behandles separat. Erichsen og Horgen opplevde en rekke utfordringer som skyldtes begrensinger og feil i selve måleropplegget. I sin vurdering av kjølesystemets energiforbruk i IT-fløyen konkluderte de blant annet med at det er nødvendig med betraktninger i prosjektering og anskaffelser som inntar et helhetlig perspektiv på energiytelsen. Fokus på kjølemaskinene alene blir for begrenset og gir store avvik i planlagt og erfart forbruk og effekt. De påpekte videre at måleresultatene for samlet energibruk til produksjon og levering av kjølenergi viser at det ved beregning av kjøleanleggets ytelsesfaktorer er viktig å utvide betraktningene til også å omfatte det sentrale distribusjonssystemet for kjøling. Kun hensyn til kjøleproduserende enheter alene gir et veldig feil bilde av anleggets faktiske energiytelse og gjør det umulig å forutse virkelig energibruk. Erichsen og Horgen registrerte store avvik mellom standardisert inndata som i dag benyttes til energiberegninger og de faktiske forhold. De største avvikene er knyttet til utstyr og romkjøling og skyldes i stor grad hvordan enkelte store varmelaster håndteres. Ved sammenligning av målt og beregnet energi kunne man registrere betydelige avvik som i hovedsak skyldtes begrensninger i beregningsverktøy og at byggene ikke driftes slik det fremgår av anleggets funksjonsbeskrivelser. På bakgrunn av dette etablerte vi bl.a. hypotesen om at tilsvarende forhold kunne avdekkes i forhold til romoppvarming, klimastyring og den fokus som var spesifisert i i Use Case 1.

15 14 Utnyttelse av forbrukerfleksibilitet «demand-response» Alexandra Roos har i tilknytning til prosjektet beskrevet ulike forhold knyttet til forbrukerfleksibilitet og laststyring eller såkalt «demand-response» og gjort en tidlig studie av potensialet for utnyttelse av forbrukerfleksibilitet på Campus Remmen. Denne beskrivelsen er en del av en masteroppgave ved Uinversitetet for Miljø og Biovitenskap og er utgitt som en egen prosjektrapport (Roos 2012). Denne rapporten kan benyttes som en innføring til de sentrale problemstillinger som diskuteres her. Grunnprinsippet består i at elektrisitetsforbruk kan justeres midlertidig og dermed bidra til å håndtere vanskelig forsyningssituasjoner i el-nettet, men også utnyttes for å redusere kostnader knyttet til ulike former for effektbaserte tariffer. Ved å endre utforming av byggets lastkurve og styre lastnivå kan man høste økonomiske, stabilitetsmessige og miljømessige gevinster. Det finnes 3 prinsipielle måter for å gjøre detter på. En er å redusere effekttopper, etablere nytt forbruk i lavlastperioder og å flyte laster (Sæle, 2005) Reduksjon av effekttopper i korte perioder uten at forbruket flyttes til andre perioder oppnås ved utkobling av f.eks. stand-by effekt, vifter, belysning, pumper o.l. Planlagte systematiske reduksjoner kan bidra til åredusere dimensjonerende effekt i nettet. Momentane reduksjoner etter signal fra balanseansvarlige kan benyttes for å holde forbruk og produksjon i balanse. Nytt forbruk i lavlastperioder innebærer at man i disse periodene tar i bruk elektrisitet, f.eks. når man skifter fra olje til elektrisitet ved lave kraftpriser. Nytt forbruk kan også benyttes til systembalansering, f.eks.ved overproduksjon. Lastflytting er et alternativ til lastreduskjon når forbruket er påkrevd, men ikke nødvendigvis på et bestemt tidspunkt. Da kan man flytte et slikt forbruk i tid fra topplastperioder. Lastflytting kan f.eks. brukes når man tilpasser sitt forbruk til en tariff med tidsdifferensiering og flytter ikke-kritiske prosesser til natt. Situasjoner med midlertidig energiknapphet kan håndteres ved hjelp av målrettet energisparing som innebærer at man reduserer energiforbruk over lengre tid (døgn, uke, måned) ved f.eks. omlegging til andre energibærere enn importert elektrisitet f.eks. ved å produsere strøm eller varme selv ved hjelp av solcellepaneler eller ved bruk av brenselceller. Smart styring av belastninger via sentrale driftssystemer kan også bidra til å redusere energiforbruk i bygninger over en lengre periode. Flere andre prosjekter har sett på forhold knyttet til aktiv og passiv laststyring. Demoprosjekter rettet mot «demand-reponse» er dokumentert relativt hyppig. «Demand-response» henspeiler på utnyttelse av fleksibel etterspørsel hvor flytting og reduksjon av laster på signal fra en aktør i energimarkedet eller energisystemet for øvrig finner sted. Flere slike prosjekter er dokumentert i Shandurkova et al. (2012). En systematisk liste over erfaringer og fra ulike forsøk er dokumentert av Strømback (2010 ). I Norge har flere nettselskaper eksperimentert med dette tidligere, typisk i samarbeid med SINTEF Energi. Her skal nevnes Skagerak Nett, EB og Hafslund. Et interessant eksempel er forsøket utført på 30 enheter i Malvik i Trøndelag. Detter forsøket er også beskrevet av Shandurkova (2012) og inneholder i tillegg en markedsøkonomisk analyse av de muligheter som knytter seg til denne type fleksibilitetsutnyttelse. I (Livik, 1997) presenteres det resultater av en detaljert analyse av 68 tjenesteytende bygg tilknyttet25 adresser. Byggene tilhører kategorier «sykehus», «skole», «kontorbygg». Det ble gjennomført byggbefaringer og tatt effektmålinger på noen elektriske installasjoner. Den regulerbare effekten er i hovedsak framkommet fra formålene romoppvarming, vannvarming, varmekabler,kjølekompressorer og ventilasjon. Den delen av regulerbar effekt som ut fra praktiske hensyn kan reguleres bort utgjør potensiale for effektreduksjon.

16 15 SINTEF Energi har lang erfaring med tekniske forsøk hvor ideen har vært å se på styringsaspektet a et nettselskaps side. Et unntak er samarbeidet med Statsbygg rundt Tambartun skole hvor bygget utgjorde vel så mye av utgangspunktet (Grande 2007). Fordelen med dette forsøket var at man benyttet et SD anlegg med høy styringsoppløsning som gjorde det mulig å regulere ulike forbruksenheter som varmekabler i tak og varmtvannsberedere i svømmehall individuelt og dermed registrere nøyaktig effektpådraget på de enkelte enhetene. Å styre i henhold til et formålsdelt budsjett var derfor relativt enkelt. Sonebegrepet og primærfunksjoner PUE (Power Utility Effectiveness) utgjør den mest sentrale delen i den effektiviseringstilnærmingen som såkalte «grønne datasentre» har adoptert (Verdun 2008). Denne parameteren bygger på det samme prinsippet som Østfoldforsknings funksjonelle energieffektivitet. Totalt forbruk dividert med det nytteorienterte forbruket gir PUE verdien for et bygg eller et driftssenter. Ved å se på hvor mye energi som går med til å prosessere data knyttet til de kontrakter man har inngått og sammenligne dette med det totale forbruket i datasenteret kan man enkelt finne PUE-verdien. Der hvor det totale forbruket også omfatter lys, kjøling av arealer utenom driftsanlegget og bruk av strøm til støttefunksjoner som i liten grad utgjør et primærbehov i forhold til dataprosesseringen vil PUE-verdien være høy. Der hvor man lykkes å presse PUE-verdien ned til 1 vil man i praksis benytte all importert energi til selve dataprosesseringen. PUEverdien gir uttrykk for «effectiveness», men er ikke tilstrekkelig for å minimalisere forbruket. Dersom gammel CPU-teknologi erstattes med ny kan PUE forbli uforandret selv om absolutt forbruket har gått opp eller ned. Målretting erstatter ikke generell sparing. De to er komplementære. PUE-verdien sier ingenting om den enkelte dataprosessorens nøysomhet i forhold til energiforbruk. Den angir bare en relativitet mellom det som utgjør et primært forretningsanliggende, og det som må regnes som støttefunksjoner. Det som gjør PUE-tilnærmingen så attraktiv er at den tar Østfoldforsknings funksjonelle energieffektivitet et steg videre. Man kan benytte PUE-verdien både på overordnet nivå og på sonenivå. Den gir et metodisk grunnlag for analyse som er interessant. Dette ble utviklet videre i «Styr Smart i SmartGrid» (Bremdal 2011). I dette arbeidet forsøkte vi på generelt grunnlag å etablere et mer spisset sonebegrep knyttet til et gitt primærformål. Primærformålet definerer en form for forbruk som er høyt prioritert og gjerne omtalt som høyprioriterte laster. Slike laster og den type forbruk kan ikke koples ut dersom primærformålet skal kunne ivaretas. Assosiert med et primærmål vil vi gjerne finne støttefunksjoner som vi setter pris på, men som vi også kan være foruten i kortere eller lengre tid. I en bolig kan f.eks. matlaging på et gitt tidspunkt utgjøre et slikt primærformål. Noe av belysningen og oppvarmingen kan i slike tilfeller regnes som sekundære funksjoner og koples ut. I et auditorium kan et tilsvarende formål bestemmes av undervisningsopplegget på skolen. En soneinndeling av denne typen har mange fellestrekk med grunnleggende arkitektoniske prinsipper som utvikler rom og arealer ut i fra en behovs og opplevelsesbetraktning (Rønning 2013). Et grunnleggende prinsipp i vår tilnærming er at et primærformål generelt sett har begrenset varighet. Primærfunksjonen i en sone kan dermed endres i løpet av døgnet, uken og året. Primærfunksjonen følger brukernes behov. I dette ligger det en bruksmessig dynamikk som er grunnleggende, men som også kan utnyttes i bestrebelsene etter å utnytte forbrukernes fleksibilitet. Skillelinjen mellom primærfunksjon og støttefunksjon kan være glidende og uklar. Dette skaper analytiske utfordringer, men skaper også rom for styringsmessige, kortsiktige reguleringer som er interessante. Eksempelvis kan man skille mellom primærbehov og støttebehov i forhold til oppvarming. I dag benyttes maksimalt to settpunkt for styring. For termisk regulering i oppholdsrom benyttes normalt kun ett referansepunkt f, f.eks. 22C. Det kan diskuteres om dette gir et sant uttrykk for oppvarmingsbehovet på et gitt tidspunkt. Mye, god dokumentasjon (Langers

17 16 venn ) viser at opplevelsen rundt temperaturbehovet er høyst individuell. Noen ville kanskje foretrekke en romtemperatur på 19C, mens andre ville være mer fornøyd med en temperatur på 23 C. Det primære temperaturbehovet ville periodevis kunne ligge på 19, mens i andre sammenhenger måtte det reguleres opp til 23 C. Sett i forhold til et standard settpunkt på 22 C, ville 19 C i en periode av døgnet kunne regnes som det absolutte behovet og pådraget knyttet til denne temperaturen være det vi har kalt en primærfunksjon. Alt over ville utgjøre en form for tillegg og således definere en sekundær- eller støttefunksjon. I så fall ville det siste definere en bruksmessig fleksibilitet som kan utnyttes i reguleringen. I vårt innledende prosjektarbeid fant vi betydelig vitenskapelig støtte for en slik tilnærming (Bremdal 2011, Rønning 2013). Det viktigste bidraget i en slik sammenheng kan knyttes til Ole Langers PMV-PPD indeks som definerer en form for fuzzy sett som kan utnyttes i driften av et SD-anlegg for å minimalisere PUEverdien for rom eller sone. Vi etablerte videre en hypotese i vårt teoretiske arbeid at et tilsvarende konsept kan etableres for andre inneklimaparametere, dog uten å kunne etablere et tilsvarende vitenskapelig grunnlag. ESCO Energy Service Company Som grunnlag for en mer teknisk-økonomisk vurdering av de mål som ble definert i de ulike use casene tok vi utgangspunkt i ESCO konseptet. Ideen om at energistyring bør ivaretas av en profesjonell rolle som har klare insentiver for å optimalisere bruk kontra forbruk var ledende hele veien. I prosjektet ble disse ideene utviklet i ulike iterasjoner. Arbeidet endte med definisjonen av et nytt tjenestebegrep som vi har kalt SESP (Smart Energy Service Provider) (Aas 2012). En SESP er mer fokusert mot samspillet mellom bygget og energisystemet enn den tradisjonelle ESCO rollen. SESP inntar en styringsrolle mellom f.eks. marked, nett og forbruker og tar sikte på å utnytte både distribuert produksjon, forbruks - og lastkontroll i en Smart Grid relatert fremtid til beste for alle involverte. Dette rollebegrepet har hatt stor innflytelse på de tanker og prinsipper som har drevet fram flere av de resultater som er presentert her. Metodisk tilnærming På basis av de definerte prosjektmålene og det grunnlaget som ble etablert i prosjektets «state-of-the-art» analyse ble følgende arbeidshypoteser formulert: Det vil være mulig å utvikle og demonstrere et robust målerkonsept som kan: registrere generelt forbruk så vel som effekt med høy tidsoppløsning registrere målrettet eller funksjonell energieffektivitet og på den måten supplere eksisterende energimålinger være enkelt å installere og bruke slik at det får en fleksibel anvendelse o man unngår de problemer som Erichsen og Horgen erfarte. Etablere empiri med det det påtenkte målerkonseptet slik at status knyttet til bruk, inneklima og forbruk enkelt kan formidles og benyttes i ulike applikasjoner: Som støttefunksjon for drift i tilknytning til energiøkonomiserende tiltak BIM relaterte simuleringer Informasjonskiosker for brukere Som basis for simuleringer Benytte målerkonseptet til å estimere latent forbrukerfleksibilitet: For å kunne redusere kostnader knyttet effektavregnet forbruk

18 17 For å kunne definere et grunnlag for et forretningsmessig samspill med netteier og andre roller i et fremtidig Smart Grid orientert energimarked. For å bestemme den relative betydningen av fleksibiliteten i et bygg som Campus Remmen o Både teknisk og økonomisk o Samfunnsmessig Benytte målerkonseptet i tilknytning til de teoretiske prinsippene som prosjektet utviklet for å definere en enkel og praktisk metode for å bestemme ulike energieffektiviserende tiltak i et bygg som ivaretar hensyn til bruk og brukeropplevelser. Det ble på bakgrunn av dette definert en løsningsstrategi hvor første oppgave innebar konseptualisering av et målerkonsept. Valget falt på en teknologi som allerede var utviklet av Torstein Tønneson i forbindelse med overvåkning av minibarer på hoteller. Fordelen var at signalutvekslingen var trådløs og mesh basert med betydelig rekkevidde selv innenfor tunge, armerte konstruksjoner. Denne teknologien er senere blitt kjent under navnet Tiny Mesh og er opphavet til et nyt selskap. Tønneson og partner Rolv Møll Nilsen ble invitert med i prosjektet for å utvikle en målerløsning som kunne ivareta både generell energiforbruk, monitorere effekttopper og samkjøre dette med observasjoner av bruk og klimatiske forhold i ulike soner. Både den tekniske risikoen knyttet til bruk av en helt ny type instrumentering og prosjektets ressursmessige rammer tilsa en første iterasjon med en relativt smal og forenklet fokus. Dessuten måtte hensyn til byggets brukere ivaretas. Kun fem romsonder og fire pulsmålere ble realisert og koplet sammen i meshnettverket. Pulsmålerne overvåket de fire hovedkursene og matet inn målerverdiene via meshnettverket til den samme basen som ble benyttet av de øvrige målerne. Pulsmålerne registrerte diodeblinket på hovedmålerne som var montert på hver av de 4 hovedkursene i bygget og oversatte dette til et energipådrag i kw per minutt. Måleverdier fra disse ble sammenlignet med timesverdier fra hovedmålerne selv og som utgjør basis for netteiers avregning og fakturering. De 5 sonemålerne ble utplassert for kalibrering og testing på Campus Remmen. Meningen var å montere disse i ulike soner innenfor IT-fløyen der Erichsen og Horgen hadde utført sine tester. Imidlertid var antall prototypeenheter så lavt at utstyret i liten grad ville kunne dekke et så stort areal på en hensiktsmessig måte. Dessuten var vi interessert i å kunne benytte et område som i større grad kunne reguleres på samme måte som var prøvd ut på Tambartun skole (Grande 2007). Her ble vi anbefalt det som på Remmen har betegnelsen Sone 8, men som vi i denne rapporten vil omtale som Område 8 for å unngå sammenblanding med vårt eget sonebegrep. Av personvernhensyn kontaktet prosjektgruppen tillitsmenn for både studenter og ansatte for å forklare hva våre intensjoner med målerne og forsøkene våre var. Hensikten med denne dialogen var også å mobilisere bredere interesse for prosjektet og etablere relasjoner med både studenter, administrasjon og øvrige ansatte. I tillegg fikk medlemmer av prosjektgruppen en innføring i driften og driftsanlegget av Statsbyggs eget personale på Remmen. I tillegg til dette ble det montert to vind og solmålere (Navn?) for å registrere ytre klimaforhold. Begge ble montert på taket av høyskolen. Tiny Mesh målerne ble utplassert i november 2012 og innhøsting av målerverdier med minuttsoppløsning foregikk kontinuerlig fram til nyttår og videre ut mai Hensikten var å fange så mye data som mulig under ulike bruksforhold og utetemperaturer. Intensjonen har aldri vært å kople denne type sensorikk opp mot husets eget energisystem. Fokus har ligget på målinger.

19 18 I tillegg til rene observasjoner ble det utført aktive tester hvor ulike anlegg ble slått av og på med bistand av Statsbyggs driftsavdeling. Slike reguleringer har bestått i å justere kraftpådraget til ulikt utstyr for klimahåndtering og for temperaturregulering for å måle sensitiviteten mellom ulike laster og direkte observerbare forhold i de ulike rommene hvor sensorene var plassert. Eksempelvis ble settpunkter for temperatur og inneklima i ulike rom systematisk senket og hevet for å sjekke endring i det sentrale energipådraget i drift av bl.a. vifter. Elektrokjeler ble også koplet ut for å sjekke hvordan dette gav seg utslag i målt temperatur både i Sone 8 og i kjelene. Tilsvarende ble ventilasjonssystemer slått av og på for å kunne observere endringer i innhentede målerverdier. Slike aktive tester involverte ved ulike anledninger også brukere av Område 8. De reguleringer som er utført i forsøket har helt og holdent vært av manuell art. Slike reguleringer må nødvendigvis foregå under kontrollerte forhold og med minst mulig sidevirkninger. Som følge av dette ble denne type sensitivitetsreguleringer utført kun på spesielle datoer. Enkelte forsøk av denne typen måtte utføres innenfor sterkt begrensede tidsrammer som dermed bidro til å redusere den ønskede effekten av forsøket. Eksempelvis vil termisk treghet på grunn av bunden energi i konstruksjonen skape forsinkelseseffekter. Forventede reaksjoner var dermed ikke alltid mulig å registrere innenfor rammen av det vinduet som var forsvarlig. Ved å observere reaksjonene til studenter i det største auditoriumet (AudMax) når klimaanlegg ble slått av var det mulig å danne seg et bilde av brukernes kollektive toleranse. På samme måte ble settpunkter for bl.a. CO2 og temperatur regulert opp og ned og brukerne intervjuet om deres inneklimaopplevelse. Denne delen av forsøket bygde i stor grad på dokumentasjon knyttet til Fangers PMV-PPD indeks (Fanger 1970). For å tolke forbruket, bestemme sammenhenger mellom observerbare parametere og registrerte laster, samt estimere byggets forbrukerfleksibilitet ble en statistisk analysetilnærming adoptert. Ulike former for tidsserieanalyser, regresjoner og multivariabel dataanalyse ble benyttet for å bestemme avhengigheter, estimere kausale forhold og klassifisere. Det ble samlet inn tidsserier på rundt dataobjekter per døgn per sonemåler. Datasettet per minutt og over tid ble korrelert og analysert for å bestemme sammenhenger og identifisere frie variabler. Forsøksarenaen Avdelingen til Høyskolen i Østfold ligger på Remmen i Halden. Denne avdelingen omtales gjerne som Campus Remmen. Høyskolen hadde i det akademiske året 5500 studenter og 500 ansatte. Andelen på Remmen utgjør ca. 60%. Høgskolebygningene forvaltes av Statsbygg som står ansvarlig for drift og vedlikehold av bygningene, samt energiøkonomiseringstiltak. Statsbygg leier ut bygningsmassen til den statlige utdanningsinstitusjonen.

20 19 Fig. 6 Campus Remmen - Høyskolen i Østfold avdeling Halden Fig. 7 Plassering av Område 8 (Sone 8) - Christian August

21 20 Høgskolesenteret i Halden er i hovedsak en betongkonstruksjon med enkelte store glassflater. Komplekset har et samlet gulvareal på ca m2 og 4 etasjer. Bygget hadde i 2012 et oppgitt årsforbruk på rundt 5 GWh per år. Forbruket er sterkt negativt korrelert med utetemperaturen og var i skoleåret 2011/2012 ca. 0,8 som plasserer bygget omtrent på landsgjennomsnittet. En oversikt over energisystemet på Campus Remmen og ble utført og dokumentert tidligere av (Twanabasu 2012) og (Roos 2012). Bygningens bruk bestemmes av den akademiske kalenderen. Man kan grovt skille ut 3 typer bruksmønstre: høy energiforbruk arbeidsdager i undervisningsperiode 15. august 28. november, 3. januar 30. april; middels energiforbruk arbeidsdager i eksamensperiode 28. november 21. desember, 30. april 15. juni; lav energiforbruk helger og ferier. Område 8 er også omtalt som Christian August og ble definert som prosjektets testområde (se Fig. 7).. På bakkenivå (1.etasje) sentralt i Område 8 finner vi høyskolens største auditorium, AudMax (Fig. 8) og 5 små kontorer med et takvindu plassert syd for AudMax. Aud Max Fig. 8 Område 8 med auditoriet AudMax 5 kontorer I underetasjen (Etasje U1) som følgelig utgjør kjellernivået finner vi følgende (se figur Fig. 9): - Stort lagerrom - 2 sminkerom - Dramarom - 2 grupperom drama - Rekvisitarom -

22 21 Rommet til venstre(nord) for stort lagerrom (skravert brunt/grå) er ventilasjonssentral for sone 8. Område 8 er utstyrt med en serie varmeteknisk utstyr som er listet i Tabell 1. I tillegg til dette kommer varme fra radiatorer. Det var ikke mulig for prosjektet å få etablert en oversikt over varmefordelingsmønsteret for å kunne avgjøre hvordan ulike deler av bygget, inkludert Område 8, blir forsynt under ulike omstendigheter. Det har heller ikke vært mulig å finne ut nøyaktig hvilket utstyr som er Stort lagerrom Rekvisitarom 2 gruppero m 2 sminkerom Fig. 9 Område 8 med ulike rom i underetasjen Dramarom Vifter Kapasitet m3/h Spenning V Effekt kw Strøm A Ytelse kw Tilluftvifte ,8 Fraluftvifte ,8 Kjølebatteri 106,7 Gjenvinnerbatteri - Varmebatteri vann 224,6 Tabell 1 viser en oversikt over varmeteknisk utstyr i Område 8. koblet til hvilken måler. En komplett modell over anlegget på Remmen har ikke væt tilgjengelig. Dermed er dette kunnskap som man har måttet tilegnet seg gjennom tester og analyse av målestatistikken. Vi har på mange måter hatt som utgangspunkt en «markedsmodell» hvor ulike «produsenter» leverer energi inn i en fellespott for så å la forbruksenheter forsyne seg av dette uten at opphavet av den energien som leveres er

23 22 direkte sporbar i forhold til kilden. Ved montering av de nye målerne ble det gjort en vurdering i forhold til denne problemstillingen, mulig regulering, isolering fra andre rom, størrelse og bruk med mer. Tabell 2 viser hvilke rom som ble utstyrt md de nye målerne. Den viser også at AudMax ble utstyrt med to enheter på grunn av størrelsen, mens dramarom, et stipendiatrom og sminkerom fikk montert hver sin måler. Nummerne henviser til målerens identifikasjon og finnes igjen i tidsseriene som er vist i senere avsnitt. Hverken antall eller plassering var i utgangspunktet tilstrekkelig til å kunne dekke det målebehovet prosjektet hadde, men det ble antatt at en slik konfigurasjon kunne bidra til å gi et innblikk som i neste omgang kunne gi opphav til en mer omfattende måling. Nr Plassering 203 Dramarom 200 Stipendiatrom 201 Sminkerom 202 Auditorium oppe 204 Auditorium nede Tabell 2 Tabell som viser hvilke rom som ble utstyrt med Tiny Mesh målere Resultater Innledning Både målerkonsept og resultater fra målinger er dokumentert og publisert tidligere. Det viktigste materialet finnes i Bremdal (2013) og Rønning (2013). I denne rapporten har vi valgt å benytte noe av det samme materialet for å skape en helhet. I tillegg går vi mer i dybden på måledataene og de analyser som er foretatt. Målerkonseptet De enkelte romsensorene eller rommålerne som ble utviklet i prosjektet er vist i Fig. 10. Hver av disse består av to sett med sensorer. Et sett for å bestemme om et rom er i bruk eller ikke. Hypotesen var at disse sensorene kunne bidra til å bestemme bruken av rommet og dermed inngå som telleren i det funksjonelle energieffektiviseringsuttrykket (Fig. 2). Tanken var at lyd, lys, bevegelse, fukt- og CO2 gradienter kunne sammen bidra til å bestemme om en sone eller rom var i bruk og kanskje også bestemme omfanget av bruken uten å kompromittere personvern eller lignende. Sammen med et estimat over tilført energi per periode i samme sone ville det være mulig å kalkulere funksjonell energieffektivitet for sonen og bestemme det partielle PUE bidraget til Område 8. Ideelt sett burde man målt dette energibidraget direkte. Dette lå utenfor prosjektets scope og økonomiske rammer. Valget av Område 8 var ment å kompensere noe for denne metodiske svakheten da vi ble forestilt innledningsvis at energitilførselen til området lot seg kontrollere rimelig nøyaktig. Ved å måle energipådraget på den kursen som forsynte Område 8 ville vi være i stand ved hjelp av multi-variabel dataanalyse å bestemme andelen som tilkom de ulike sonene i dette området. Ideen var således å etablere en statistisk transferfunksjon mellom de observerte parameterne og energipådraget for den enkelte sone. Dette viste seg snart å by på større vanskeligheter enn forutsatt, blant annet fordi alle kjelene (og således alle kursene) bidrar til energitilførselen i Område 8. Vi skal imidlertid vise at tilnærmingen likevel var relevant til tross for at estimatene med den konfigurasjonen som

24 23 ble etablert var minimal i forhold til den sammensatte forsyningen av energi til området. Et annen viktig funksjon med valg av de individuelle sensorene i måleren var knyttet til overvåkning av inneklima. Både CO2 nivået, fukt og temperatur utgjør klimaorienterte forklaringsvariabler som sammen med bruk bør forklare energipådraget. CO2- og fuktsensorene har sammen med temperaturføleren, naturligvis betydning for forståelse av inneklimaet. Men de representerer også variabler som har betydning for styring av klimaanlegg og oppvarming. Dessuten gir disse sensorene alene og sammen med bruken et empirisk grunnlag for å bestemme menneskelig toleranse som kan benyttes for å avgjøre graden av fleksibilitet relatert til menneskelig oppførsel, både individuell og kollektiv. Fig. 10 Målerenhet med ulike sensorer slik denne ble utviklet i prosjektet I tillegg til disse romsensorene var systemet utstyrt med trådløse pulsmålere som ble montert på strømmålerne til hver av de fire kursene som er installert i bygget. Pulsmålerne bruker en lysdiode til å registrere pulsrytmen til de ulike målerne og dermed beregne lasten på hver kurs hvert minutt. Det bel montert en slik sensor per hovedkurs. Begge typer sensorer kommuniserer ved hjelp av nettverksprotokollen som er definert av TinyMesh (senere referert til TM protokollen). Denne protokollen egner seg svært godt for datafangst og kontroll når mange målepunkter skal overvåkes i sanntid. Konseptet har derfor mulighet til å kunne benyttes for kommunikasjon mellom mange typer sensorer og målere. Protokollen leveres ferdig integrert i en elektronisk krets som kan kobles direkte mot analoge eller digitale målere og signalgivere. TM protokollen hadde et teoretisk grunnlag for å besørge kommunikasjon på tvers av bygningskonstruksjoner og andre hindringer hvor det er vanskelig for andre typer trådløse enheter å fungere eller kostbart å trekke kabel. Det ble videre utviklet en nav-orientert arkitektur med et oppsamlingspunkt i navet (Gateway). Data fra hver av sensorene ble sendt via et kryptert RF(radiobasert) nettverk til oppsamlingspunktet. Dette datanavet sendte således de krypterte meldingen til databasen over Internet (se Fig. 11 og Fig. 12). Alle meldinger i denne basen ble kryptert. Kun indentifiserte brukere som har gyldig krypteringsnøkkel ville dermed kunne hente ut data fra denne basen. Dataene samlet her tilsvarer data som blir målt og innsamlet i alle moderne driftsanlegg tilsvarende det som er i Remmenbygget. Det som er forskjellen her er at dette konseptet gir en større romlig og tidsmessig oppløsing av data og at disse er tidsmessig kan synkronisertes med energidata og klimaforhold utenfor bygget. Dette konseptet har senere fått betegnelsen BuildingLab. BuildingLab ble dermed benyttet til å samle data fra de ulike sensorene online ved hjelp av moderne RF (Radio) teknologi. Rommålerne kunne dermed benyttes til å måle og registrere CO2, temperatur,

25 24 luftfuktighet, lys, lyd og bevegelse fortløpende, og sende dette til en web-database trådløst og med svært lavt effektforbruk. Fig. 11 Kommunikasjonsløsningen som ble bygd for å samle, analysere og bruke data Fig. 12 Skjematisk systemarkitektur for målerverdiapplikasjonen som ble utviklet Konseptet ble også utvidet til kunne importere egenskapsdata fra digitale bygningsmodeller (BIM) importeres. Det vil si at informasjon om hvilke rom som skal brukes når, på hvilken måte og med hvilke ønskede tilstander dette rommet er planlagt å ha kan kombineres med måledatane hentet inn via sensorene. BuildingLab var dermed i stand til å hente inn data vedrørende bruksmønster der slike data forelå. Dessverre fantes ingen for Campus Remmen, men konseptet ble vist ved bruk av andre BIM-

26 25 modeller. Et annet poeng er at det ble etablert et API for systemet (Application Programming Interface) med tanke på at et slikt system kan knyttes opp mot bland annet et SD-system. Utplassering og testing Installasjonen av målerne var som forespeilet veldig enkel. De trådløse enhetene krever montering med et par skruer og teknologien vil håndtere registrering og tilkopling av enheten. Dette fungerte svært bra. Kommunikasjonen og innsamlingen av data fra de ulike målerenhetene har også fungert smertefritt siden den faktiske datainnsamlingen startet i oktober Til tross for armerte etasjeskiller og tykke betongvegger har svikt i den trådløse kommunikasjonen ikke forekommet. Vi har registrert at enkelte tidsserier fra pulsmålerne har produsert outliers som ikke kan forklares som annet enn som feil, men forekomsten av dette ligger under 1%. Ved sammenligning av minuttdata med timesdata fra målerne montert av netteiere på de tre kursene har vi registrert konsistente tidsmessige og amplitudemessige utslag. Som Fig. 13 nedenfor viser gir de to målersystemen i løpet av oktober og november en differanse på rundt 260 i topplasttimene. Dette gir et konsistent avvik på 13-14%. Tidspunktene for når topplasten inntreffer har en differanse på mellom 2-3 timer. Etter å ha studert de fire kursene hver for seg kom det også fram at forskjellen gjør seg gjeldene på hver enkelt (Se Fig. 14). Desto lavere forbruket er, desto mindre er også avviket mellom Fortum og prosjektets målere. Som Fig. 13 viser inntreffer toppene i tidsserien generert av prosjektets målere tidligere, men de kuperes omtrent samtidig som profilene generert av hovedmålerne.. Det betyr at de ulike målerne definerer en ulik positiv gradient. Dette kan ha noe med hvordan timesverdiene bestemmes i netteiers målere kontra det aritmetiske gjennomsnittet som er benyttet i prosjektet. Men ellers er forløpet konsekvent. Siden avviket er konstant er det lett å korrigere for. Men på bakgrunn av de observasjoner og erfaringer Erichsen og Horgen gjorde med sine undermålere ble det tatt et initiativ for å sjekke hvilke type målere som lå nærmest sannheten. Netteier er tydelig på at deres målere har blitt sjekket og er i orden. Det ble også funnet feil i kalibreringen av prosjektets målere som gjorde at man fikk et fast avvik på ca. 5 % Fortum Tinymesh Mandag Tirsdag Onsdag Torsdag Fredag Lørdag Søndag Fig. 13 Differansen mellom målinger til Fortum og prosjektets mesh baserte målere. Grafen viser det akkumulerte forbruket for alle fire kretsene med et ukesnitt over oktober og november.

27 Krets1 Tinymesh Krets1 fortum Krets2 Tinymesh Krets2 fortum Krets3 Tinymesh Krets3 fortum Krets4 Tinymesh Krets4 fortum Fig. 14 Sammenligning av alle fire kretsene. Grafen viser oktober. Arbeid med å justere prosjektets utstyr ble iverksatt, men ingen flere avvik ble funnet. Tilsvarende referansemålinger i andre bygg er benyttet som sammenligningsgrunnlag uten å registrere tilsvarende avvik. Det kan antyde at man kanskje bør ha en ny gjennomgang av det elektriske måleropplegget for de fire kursene. Uansett viser tilnærmingen at enkle målere av den type som ble utviklet i prosjektet gir tilfredsstillende data og kan benyttes som basis for sammenligning med fakturerbare verdier. Fig. 15 viser tidsserier for romsensoren i stipendiatrommet. Vi ser distinkte periodiske mønstre for hver enkelt sensor. Det er et uttrykk for rutinemessig bruk. På hvilken måte de ulike målingene samsvarer med hverandre og hvilke komponenter i tidsserien som bare sammenfaller med rutinemessig bruk vil bli diskutert nærmere senere. Det som er viktig å påpeke her er at de ulike sensorene genererer distinkte tidsserier som kan benyttes i en mer detaljert analyse. I så måte tilfredsstiller målerne de grunnleggende krav vi satte for dette F&U arbeidet.

28 27 20,25 20,2 20, audio co Man Tir Ons Tor Fre Lør Søn light Man Tir Ons Tor Fre Lør Søn moist temp Man Tir Ons Tor Fre Lør Søn , ,5 Fig. 15 Ukesnitt av temperatur, luftfuktighet, co2 nivå, lys og lyd i stipendiatrommet (Måler ID 200). Vi ser at lyssensor, lydsensor sammen med CO2 observasjonen og temperaturforholdene har et konsistent, periodisk forløp som viser jevnlig benyttelse av rommet. Innhentet empiri Innledning I dette kapitelet vil vi kort diskutere en del grunnleggende empiri som muliggjøres av de ulike målerne. Et eksempel på dette er allerede vist i Fig. 15. Her ser man hvordan målerne genererer ulike tidsserier som skaper et bilde i sann tid, så vel som en historikk som har bred anvendelse. Slike anvendelser kan ha stor praktisk relevans for ulike brukere av bygget så vel som I et senere avsnitt vil vi diskutere resultater fra en dypere analyse og implikasjonene av dette i forhold til blant annet forbrukerfleksibilitet. Måling av forbruk Minuttsoppløsning(Fig. 16) i forbruket gir store analytiske muligheter, men er krevende å bearbeide og gir for større perioder et svakere overblikk enn f.eks. timesverdier.

29 28 Fig. 16 Minuttmålinger for kurs oktober Bildet gir et godt visuelt inntrykk av at det er ulik belastning på de fire kursene. Vi skal her kommentere målinger av strømforbruket for de fire kursene for ulike perioder og således påpeke forskjeller, ikke minst i det visuelle uttrykket. Først ute er målinger registrert i oktober og november Det er aggregert og filtrert ut lastprofiler for ukedager og helger, samt ulike fremstillinger av topplaster og bunnlaster. Merk at tidene for datagrunnlaget viser 1 time tidligere en normal norsk vintertid. Dette skyldes en innledende kalibreringsfeil som ble justert for senere okt - krets1 okt - krets2 okt - krets3 okt - krets Man Tir Ons Tor Fre Lør Søn Fig. 17 Gjennomsnittlige ukeprofiler for hver av de fire kretsene i oktober. Grafene er basert på minuttmålinger og omgjort til halvtimesintervaller. Uttrykket «krets» er brukt i enkelte sammenhenger som synonym for «elektrisk kurs».

30 29 nov - krets1 nov - krets2 nov - krets3 nov - krets Man Tir Ons Tor Fre Lør Søn Fig. 18 Gjennomsnittlige ukeprofiler for hver av de fire kretsene i november. Grafene er basert på minuttmålinger og er her omgjort til halvtimesintervaller. Som påpekt tidligere har bygget i alt fire kurser 1 som forsyner ulike soner og teknisk utstyr. Strukturen på en gjennomsnittsuke i oktober og november for disse kretsene er vist i Fig. 17 og Fig. 18. Bygget har 3 elkjeler med effekt på 900 kw hver, samlet 2700 kw. Krets 1, 2 og 3 forsyner hver sin el-kjele. Hver el-kjele har 5 ulike effektnivåer. Den drifts og bruksmessige døgnsyklusen er godt synlige i tidsseriene. Vi ser et tydelig skifte mellom formiddag kontra ettermiddag og kveld. Dessuten ser vi at pådraget ebber ut i helgene. I utgangspunktet var vår hypotese at dette var drevet fram i hovedsak av ulike tilstandsdrevne styringssignaler. Det ble antatt at dette skyldtes vanlig hverdagsbruk og andre bruksrutiner i helgene. Etter hvert ble det avklart at det er tidsstyring som dominerer driften. Denne samsvarer med den generelle bruksnormen, men er ikke betinget av det. Med andre ord, de ulike syklusene som kan observeres skyldes ikke at sonene anvendes, men en kronologi som sammenfaller med det man kan anta er daglige bruksrutiner. Uansett fremkommer rutinen som en tydelig periodisitet både på døgnbasis og ukebasis. Lastmønsteret for de ulike kursene viser også en todeling. Den totale lasten kan deles mellom det vi har kalt basislast og topplast. Dette må ikke forveksles med grunnlast og spisslast slik dette er definert i TEK 10 forskriftene. Basislasten utgjør et minimumspådrag per tidsperiode og fremkommer tydelig som en minimumslast både kveld/natt og i helgene. På formiddagen fra mandag til fredag kan man registrere en sterk økning i de målte verdiene. Forskjellen mellom den totale lasten i løpet en formiddagstimen og den sammenlignbare basislasten om natten utgjør det vi har kalt topplast. Det vesentligste poenget her er at tidsseriene tydeliggjør forskjellen mellom perioder vi vet at det er betydelig aktivitet i bygget og de perioder som ligger utenfor vanlig arbeidstid og studietid, og hvor det generelt sett foregår lite aktivitet. Dog skal det påpekes at flere studenter bruker bygget langt ut over vanlig arbeidstid, men denne bruken gjør kun mindre utslag i de tidsseriene som presenteres her. Før jul observerte vi betydelig bruk av bygget i eksamensperioden uten at det gjorde utslag i det driftsmønsteret som kan observeres i Fig. 17 og Fig. 18. Dette skyldes at den tidsstyrte reguleringen dominerer. Etter nøyere ettersyn stemte det med settpunktene på ulike enheter. De var satt såpass høyt at store laster ikke ble regulert av tilstand. 1 Av ulike historiske årsaker ble det benyttet uttrykket «krets» i det eksperimentelle arbeidet. Dette refleketeres i en serie figurer. I rapporten vil vi gjennomgående bruke den mer brukte betegnelsen «kurs» som forkortelse for «elektrisk kurs».

31 30 Rutinen er at det praktiseres «nattsenking» «helgesenking» og «feriesenking». Klimaanlegg aktiveres rundt 6:30 hver morgen på hverdager bortsett fra mandager hvor igangsettelsen i følge driftsavdelingen er ca. 4 timer tidligere. Om ettermiddagen koples mesteparten av klimastyringen ut klokken 16:30. Om helgene og i høytidene følges i hovedsak kvelds og nattrutine hele døgnet. Dette forklarer mønsteret som gjenspeiler seg i tidsseriene som presenteres her. De vesentligste utslagene som vi ser i forhold til topplast er dermed en konsekvens av forventet bruk og mindre et resultat av faktisk bruk. Det rekurrente bildet som fremkommer daglig og ukentlig er således en konsekvens av pre-programmerte forhold og gir dermed kun et svakt bilde av bruksmessige tilstander. Det kan observeres at maksimallasten for Kurs 1 og 3 ligger rundt 800 kw i november. Kurs 4 ligger rundt halvparten. Derimot ligger Kurs 2 på under en tredjedel av Kurs 3. Pådrag på samtlige kurser bortsett fra nummer 4 øker i overgangen fra oktober til november. Av Figurene Fig. 17 og Fig. 18. ser en blant annet at Kurs 2 og 4 hadde et relativt jevnt pådrag innenfor topplasttimene (time 9 til 14) i gjennomsnittsuken. Kurs 1 får et betydelig pådrag den 10.okt. Det er uklart om dette skyldtes at el-kjelen ble koblet inn, eller at effektuttaket på denne økte. Uansett viser fremstillingen forskjellen i endret rutine som fanges opp av måleren og som registreres i databasen. I oktober bidro Kurs 2 kun i topplasttimene og ikke som en del av basislasten. Pådraget ligger bare omkring 25 kw utenom formiddagen. Strukturen på Kurs 2 for november må studeres i sammenheng med Fig. 19. Her kan man observere at fra og med 26. november kl økes lastene på Kurs 2 betraktelig. Denne økningen kan forklares med økt effektuttak på el.kjelen. Fra 22.oktober (mandag) kommer det en liten, midlertidig økning i pådraget i kurs 1 og 3 omkring time 2 for hver mandag i resten av analyseperioden. 800 nov - krets søn 25. man 26. tir 27. ons 28. tor 29. fre 30. Fig. 19 Økning i kurs 2 fra mandag 26. november kl Vi har også plottet forbruket i de to månedene mot registrert utetemperatur for de to månedene. Over året ligger den lineære korrelasjonen på rundt -0,8. Topplastene og basislastene per timer er estimert på bakgrunn av en inndeling av døgnet i fire verdier. Hvorav verdiene fra time 7 til 12 og fra 13 til 18 utgjør topplastene. De akkumulerte basislastene for oktober og november viser et snitt på henholdsvis 550 kw og 600 kw. Disse er omtrent like for helg og netter mellom hverdager. Basislasten er derimot ikke stabil for disse to månedene, og den øker gradvis med synkende temperaturer (Fig. 21). Kurs 1 korrelerer mest med absolutt utetemperatur i topplastene. Dette kan også påvises for det vi har kalt i basislasten, (se Fig. 20 og Fig. 22 ). Tabell 3 viser korrelasjonskoeffisienten til de ulike kretsene og det akkumulerte forbruket. Alle topplastene har større grad av korrelasjon med utetemperatur enn de respektive basislaster, hvor særlig tidsserien for Kurs 3 viser en betydelig differanse. Dersom absolutt korrelasjon hadde vært nær 1.0 ville man kunne si at

32 31 den lineære samvariasjonen mellom utetemperatur og energipådrag ville være absolutt. Således ville man kunne videre hevde at all forbruk skyldtes tiltak for å motvirke temperaturfallet utendørs. Siden det ikke er tilfelle, og at vi vet at det foregår andre ting både om dagen og om kvelden som krever strøm vil differansen mellom den korrelasjon vi oppnår slik som vist og den perfekte skyldes andre typer forbruk knyttet til bruken eller anvendelsen av bygget. Det kan dreie som lys, bruk av PC er og andre kontormaskiner, driftsanlegg til dataservere og lignende. Korrelasjonskoeffisient R høst Topplast Bunnlast Døgn Krets1-0,789-0,580-0,433 Krets2-0,495-0,377-0,323 Krets3-0,783-0,147-0,260 Krets4-0,219 (+)0,163 (+)0,014 Akkumulert -0,895-0,532-0,316 Tabell 3 Korrelasjon med topplast, bunnlast og døgnforbruk i oktober og november Krets1 basislast R² = 0, Fig. 20 Regresjon med variablene basislast kurs 1 for oktober og november og utetemperatur 1600 Akkumulert basislast 1400 R² = 0, Fig. 21 Regresjon med variablene akkumulert (alle fire kurser) basislast for oktober og november og utetemperatur

33 Krets1 topplast R² = 0, Fig. 22 Regresjon med variablene topplast krets 1 for oktober og november og utetemperatur. Det kan virke kontraintuitivt at korrelasjonen mellom basislast og utetemperatur er såpass lav i denne perioden. Videre kan det synes merkelig at korrelasjonen mellom topplast og absolutt utetemperatur er så mye høyere. Som det vil bli påpekt senere er det ikke gjennomgående for andre perioder. Flere forklaringsmodeller kan være relevante her. Imidlertid vet vi fra parallelle undersøkelser (Twanabasu 2012) at det eksisterer en svært sterk korrelasjon mellom absolutt utetemperatur og forbruk som er høyere enn det som vises i denne høstperioden. Dessuten vet vi at dette forholdet endrer seg utover våren. Målinger vi har utført for husholdninger og hytter i samme klimaområde viser samme type tendens og tilsvarende korrelasjon. Rundt påsketider synker korrelasjonsfaktoren kraftig for senere å ta seg opp igjen i slutten av november. I sommerperioden er det ikke oppvarming som dominerer forbruket, men den rutinemessige bruken. Derfor er vår hypotese at det fenomenet som er påvist her kan forklares med at det i høstperioden er tilstrekkelig bunden energi til å begrense selve basispådraget. Imidlertid er uteluften såpass kjølig at det kreves ekstra energi for å temperere luft i innsuget. Topplasten er først og fremst et uttrykk for pådraget knyttet til klimajusteringer. Dermed må også fallet i lufttemperaturen kompenseres for. Fra de ulike tidsseriene som er vist i figurene kan vi videre observere at topplastene er ulike for de 4 kursene. Ved å sortere alle topplastene inn i intervaller gir det grunnlag for å si noe om lastkarakteristikken til de ulike kretsene. Et frekvensdiagram for oktober og november fremkommer i Fig. 23. Diagrammet viser bare utsnittet for lastene om dagen. Topplast frekvensen er blitt sortert og definert som kw over den gjennomsnittlige topplasten per uke. Fig. 23 antyder dermed hva som kan regnes som rutinemessige laster og hva som må betraktes som ekstraordinære utslag. Dette gir et godt verktøy for å bestemme hyppigheten av topplaster over en predefinert norm. En slik norm kan defineres ut i fra budsjett og danne grunnlag for spissede sparetiltak og utjevning av laster. Det er de sjeldne toppene som kan gi uventede høye kostnader. Uansett vil forklaringsmodellen anvendt på dette være todelt. Gjentagende store utslag som forekommer enten ofte og gjerne syklisk krever analyse av drifts- og bruksrutiner, mens større anomalier som opptrer enkeltvis skyldes utenforliggende forhold av mer ekstraordinær karakter. De to årsakstypene krever to ulike forbedringsstrategier. Slik sett vil det være rom for å benytte metoder i energieffektiviseringsarbeidet som er vanlig innenfor prosessindustrien (Oakland 2008).

34 Topplast krets1 Topplast krets2 Topplast krets3 Topplast krets Fig. 23 Frekvensdiagram for topplaster i oktober og november. Intervallene på x - aksen er kw over gjennomsnittlig topplast (gjennomsnitt per uke) for de ulike kursene (kretsene). For vinterperioden kan man observere mange av de samme trendene, men med andre utsalg og maksimumsverdier. Eksempler på dette er vist i Fig. 24 og Fig. 25. På samme måte som tidligere er det laget forbruksprofiler for ukedager og helger, samt ulike fremstillinger av topplaster og bunnlaster. I likhet med datagrunnlaget for høsten er tidspunktene 1 time tidligere enn normal norsk vintertid des - krets1 des - krets2 des - krets3 des - krets Mandag Tirsdag Onsdag Torsdag Fredag Lørdag Søndag Fig. 24 Gjennomsnittlige ukeprofiler for hver av de fire kursene i desember, fratrukket ferien 22. til 31. desember. Grafene er basert på minuttmålinger og er her omgjort til halvtimesintervaller.

35 jan - krets1 jan - krets2 jan - krets3 jan - krets Mandag Tirsdag Onsdag Torsdag Fredag Lørdag Søndag Fig. 25 Gjennomsnittlige ukeprofiler for hver av de fire kursene i januar. Grafene er basert på minuttmålinger og er her omgjort til halvtimesintervaller. Fig. 24 og Fig. 25 viser at kurs1-3 i stor grad følger samme periodiske mønster som tidligere. Kurs 4 har et relativt jevnt pådrag på topplastene i desember og noe mer varierende i januar. 17. og 18. januar (torsdag og fredag) kan vi observere svært høye topplaster. Disse skiller seg ut, men kan ikke forklares med et betydelig skifte i utetemperatur. En har ikke lykkes å klarlegge hvilke ekstraordinære justeringer som ble gjort på de aktuelle tidspunktene. Analysene som er foretatt viser for øvrig den samme type visuelle uttrykk og stort sett de samme tendenser i vinterperioden sammenlignet med høsten. Men utslaget og forbruket øker. Bunnlasten øker gjennomgående. Snittverdien liger ca. 200 kw over normen for høsten. Bildet for topplastene er litt mindre tydelig. Kurs 4 har det mest stabile pådraget. Bakgrunnen for dette skyldes sannsynligvis at denne kursen ikke har noe el-kjele tilkoplet og er mindre knyttet til oppvarmingsfunksjonen enn de øvrige kursene. Dog endrer topplastene seg noe mer. I vinterperioden skilte Kurs 3 seg noe ut med flest antall høye topplaster fra sitt eget gjennomsnitt. Det ble også registrert en omfordeling av laster i systemet mellom høst og vinter. Dette gir uttrykk for en driftspolitikk som tilsier at man ønsker å minimalisere antall kjeler i bruk hvis det kan forsvares. Dette har åpenbart sammenheng med at hver krets avregnes i henhold til maksimal periodisk last per kurs. Dette synes å være basert på en heuristisk antagelse og ønsket om å redusere drifts og energiomkostningene. Men den frihet man har i forhold til regulering av forsyningene synes det som om det her ligger betydelig rom for forbedring. Dette behandles av Ottesen (2013). Et annet poeng som er verd å dvele ved når man betrakter statistikken generert både for høst og vinter er den generelle likheten i forbruksprofiler og timelastfrekvenser. I perioden oktober 2012 til april 2013 var det ingen vesentlige endringer i bruksmønsteret for bygget så sant vi ser bort fra påske og juleferien. Skolehverdagen dominerer. De registrerte forskjellene bør altså på dette grunnlaget tilskrives termiske forhold (og til dels lysmessige). Kompenserer man for dette kan man etablere et matematisk, empirisk uttrykk for de laster som kan tilskrives oppvarming og alle andre aktiviteter, eller det vi gjerne knytter til bruksmønsteret. Dette vil vi komme tilbake til. Vi har for øvrig utført sammenligninger av døgnprofiler på spesielle datoer for å studere forskjellen mellom hverdag, helg, ferie, kalde dager og mildere dager. Et utvalg resultater fra dette er vist i Fig. 26. De utvalgte datoene er 23.november, 2.desember, 4.desember, 26.desember og 31.desember i 2012, samt 31.januar, 26.februar og 12.mars i Maksimum og minimums utetemperatur er vist for hver dato og for hver kurs. Slik sett presenteres det et mikro-perspektiv i forhold til de regresjoner som er vist tidligere. 2. og 4. desember er interessante for rundt disse dagene fikk vi et betydelig temperaturfall (fra +5 grader til -12).

36 35 Dette temperaturfallet gav seg også utslag i store og plutselige prisendringer på Nordpools spotmarked. Fallet fulgte en ellers lang høstperiode med relativt mildt vær. Det er således interessant å sammenligne disse dagene med tilsvarende både før og etter. Videre er det interessant å sammenligne typiske helger og høytidsdager med aktive hverdager. Både andre juledag og nyttårsaften representerer rolige perioder hvor både studenter og det meste av personalet er ute i ferie. Således kan dette fremstå som lavaktivitetsperioder. Lavaktivitetsperioder har dannet et referansegrunnlag for øvrige analyser rapportert her. Fig. 26 Døgnprofiler for utvalgte høst og vinterdager i 2012/2013

37 36 For Kurs 1 er det interessant å observere at temperaturfallet i slutten av november ikke fører til noen endring før helgen er avsluttet. Man følger altså standard helgeprosedyre. Vi legger også merke til noe vi har påpekt tidligere at det er en vesentlig forskjell i topplast, ikke bare basislast. Forskjellen mellom 23.november og 4.desember for Kurs 1 er derimot overraskende liten. Men man kan også observere tydelig at driftssituasjonen i julen er betydelig annerledes og dermed gir et uttrykk for forholdet mellom dager hvor bygget brukes og hvor det i hovedsak står tomt. For den 10. timen utgjør forskjellen et sted mellom kW. På kveldstid er forskjellen betydelig mindre. Ved midnatt er pådraget omtrent det samme både i ferie og i hverdag. Tilsvarende eksersis er utført for de øvrige kursene. Utslagene mellom 2.desember og 4.desember er betydelig større for bl.a. Kurs 2. Ellers er det grunnleggende forholdet og tendensen den samme. Vi skal igjen påpeke at last og forbruksprofilene representerer forventet bruk på de ulike datoene og klokkeslettene. Driftsavdelingen har akkumulert betydelig erfaring i forhold til hva som forventes og driftsrutinene bygger således på akkumulert heuristikk som indirekte reflekterer et generelt gjennomsnittsforbruk. Imidlertid er vår påstand at dette ikke er tilstrekkelig for å imøtekomme behovene til både brukere, lavere driftskostnader og økt utnyttelse av fleksibilitet. Et poeng som er verd å merke seg er at 2. og 4. desember ligger midt i eksamensperioden, i tillegg til å være kalde dager. 2.desember er en helgedag. 4.desember er en hverdag. Ut i fra et bruksmessig perspektiv burde driften stort sett vært den samme siden det var en god del aktivitet på høyskolen i Halden 2.desember. Eksamensperiodene er årvisse, både høst og vår, men diagrammene over viser at dette altså ikke reflekteres i driftsplanen. I forhold til de døgnvisse og ukeorienterte rutinene fremstår dette som en svakhet som enkelt burde kunne rettes opp. I prosjektet ble det vurdert hvordan forbruket, slik det fremkommer i denne diskusjonen, kunne presenteres for ulike brukere for å skape engasjement. Dette ble delvis utført som en integrert del av arbeidet med målerne, og en første prototype ment for administrasjon- og driftspersonell er blitt demonstrert for Statsbygg personell. Man kan tenke seg at denne prototypen kan oppgraderes med frekvensdiagram og ulike regresjoner produsert i sanntid for å formidle status på en måte som kvalifisert personell gjerne ønsker. Det ble også tilrettelagt for at status på klima og forbruk per sone kunne vises i en BIM-modell av bygget. En BIM-modell for Campus Remmen fantes ikke da denne delen av prosjektet var aktuell, men en alternativ modell av et annet bygg ble benyttet for å vise hvordan konseptet fungerer. Dette er vist i Fig. 27 Fig. 27 BIM-modell viser tilfredsstillende og mindre tilfredsstillende klima, bruks eller forbruksforhold i bygget ulike områder. BIM modellen representerer ikke Campus Remmen, men benytter måledata fra høyskolen av den typen vi har presentert for å vise hvordan prinsippet fungerer.

38 37 I tillegg til dette ble ulike studenter engasjert for å utvikle nye kreative løsninger for å presentere forbruksdata i resepsjonen på Remmen. Flere initiativ ble iverksatt basert på ulike prinsipper. Blant annet ble spillkonsepter utforsket og «Orber». Orber er analoge, visuelle brukergrensesnitt, ofte i fysisk 3D utførelse, som formidler en eller noen få diskrete tilstander. Et trafikklys er et slikt eksempel. Tradisjonelt er orber egnet som lett forståelige informasjonsformidlere som stimulerer til handling. Et eksempel med bruk av plasmalamper i ulike farger er vist i Fig. 28. Hensikten var å benytte denne orben i tilkytning til en informasjonsskjerm. Ingen av disse løsningene lot seg realisere innenfor prosjektet på grunn av ressursmangel og tidsmessige begrensninger. Fig. 28 Utkast til Orb-løsning til resepsjonen på Campus Remmen bestående av en Wi-Fi tilknyttet styringsenhet med forbindelse til Tiny Mesh databasen og en kasse med plasmalamper i ulike farger. Svart for å vise at oljefyren er i virksomhet, rød for høye laster og forbruk. Grønt for lavt forbruk eller egenproduksjon av miljøvennlig energi. Tidsseriene for forbruk slik som presentert gir også grunnlag for ulike typer simuleringer. To forsøk er blitt utført for å bruke historiske data av denne typen for prediksjon av fremtidig forbruk og laster på Remmen. To forsøk utført i prosjektet basert på tilgjengelige data av Twanabasu (2012, 2013) og av Ottesen (2013b) er tidligere dokumenter og presentert. Den første viser at ulike metoder kan anvendes med en times varsel. Tester utført viser en nøyaktighet ned mot 5%. Den andre benytter i prinsippet de samme data med en annen metode for å estimere et «day-ahead» forbruk. Her er nøyaktigheten på rundt 10%. Denne type simuleringer er nyttige for å etablere muligheten for en regulering før problemene inntreffer. Måling av bruk Ulike sensorer kan bestemme bruk av soner Et av poengene bak utviklingen av rommålerne var å integrere sensorer i samme system som de enhetene som genererte forbruksmålinger. Tanken var at man da kunne beregne funksjonell energieffektivitet og PUE verdien direkte. I utviklingsarbeidet måtte man dessuten ta hensyn til personvern og kostnad. Ut i fra dette fremkom ideen om at man kunne kombinere ulike klimarelaterte sensorer med lyd og lys for å bestemme om en sone eller rom var i bruk eller ikke. Muligens kunne man med en slik konfigurasjon også måle omfanget av sonens bruk. I sammenheng med dette ble det også utført ulike tester og intervjuer. Dett er omtalt i Bremdal (2013) og Rønning (2013). En oppsummering av dette vil bli diskutert i kapitelet om fleksibilitet.

39 38 Som presisert tidligere ble fire ulike rom utrustet med en rommåler. AudMax ble utstyrt med en måler både oppe og nede. De ulike sensorene målte temperatur ( C), Co2 konsentrasjon (ppm), luftfuktighet (%), lyd (db) og lys (lux). Meningen med dette var at samspillet mellom verdiene fra disse sensorene, samt fravær av verdier vil kunne bestemme den faktiske bruken av et rom. Datagrunnlaget vil da kunne kobles opp mot energipådraget i rommet. Det gir videre grunnlag for å estimere forholdet mellom bruk og forbruk, (PUE= forbruk til ønsket bruk/forbruk totalt). Vi har bearbeidet data fra de fire rommene og produsert ukesnitt for disse. De er videre plottet inn langs en tidsakse. Plottene viser at variasjonene i lyd, CO 2 og delvis lys sammenfaller i stor grad for de fleste sensorene/rommene. Dette er vist i figurene På bakgrunn av denne enkle observasjonen er det grunn til å formulere hypotesen om at disse gir troverdige utslag når rommet brukes. Signalene har imidlertid variert i styrke på enkelte sensorer av rent tekniske årsaker, så en del ekstra bearbeiding har vært nødvendig. Men det har naturligvis vært enkelt å sjekke utslag når rommene har vært observert i bruk. A priori tenkte man at lyd og CO 2 var de best egnet for å studere faktisk bruk av de ulike rommene. Dette ble opprinnelig begrunnet med bakgrunn i påstanden om at rommene kan stå med lys på uten at disse er i bruk. Lyssensorene vil også kunne fange opp naturlig sollys gjennom vinduer, selv om det var lite aktuelt i vårt test tilfelle. Men lys fra andre rom dersom f.eks døren(ene) til rommet står åpent kan være en kilde til feil. Men på forhånd kunne man heller ikke utelukke nytten hverken lys eller fuktighet som bidrag inn i prosessen. I de fire figurene( Fig. 29,Fig. 30,Fig. 31. Fig. 32 og Fig. 33) nedenfor kan man observere at verdiene for lys varierer mye fra sensor til sensor. Bevegelsessensorene var i begynnelses av testperioden ikke aktive på grunn av feil. Dette ble senere rettet opp. Målingene fra dramarommet er ganske karakteristiske ( Fig. 31). De viser ganske distinkte profiler for bruk av rommet i skoletiden på hverdager. Om kvelden, natten og i helgene er det ingen aktivitet. Alle sensorene peker her i samme retning. Det samme ser vi også for AudMax (. Fig. 32 og Fig. 33). Fra disse målingene kan man også merke seg verdien av en lyssensor i rom uten vinduer. Hvordan sammenhengen mellom bruk og sensorikk må defineres kan ikke bestemmes ut i fra visuell observasjon eller enkle regresjoner alene. Multi-variabel dataanalyse er påkrevet. Ved å gjennomføre en prinsipalkomponent analyse (PCA) er det mulig å utføre en dimensjonsreduksjon og dermed avgjøre hvilke variabler som er relatert og hvilke som er uavhengig av hverandre. I Fig. 34 er det vist to grafer hvor de to viktigste prinsipalene står ortogonalt på hverandre. I delfigur a) vises situasjonen på juleaften (24.12) for AudMax. Rommet er definitivt uten brukere hele dagen. De største variasjonene ligger langs Komponent 1. Plottene for lys, lyd og temperatur inne finner vi parallelt eller nesten parallelt med aksen. Det samme gjelder CO2 og timenummer, men da med motsatt fortegn. Vi ser videre at avhengigheten i forhold til energipådragene som ligger langs Komponent 2 er minimal. Dette er som forventet, men viktig å påpeke for å forstå sammenhengen. Vi kan videre konkludere med at for et ubrukt rom samvarierer målinger for lyd, innetemperatur negativt med CO2 økningen. Siden vi vet at lyset stort sett er slukket kan vi konkludere med at lyden og temperaturen går mot sitt minimum samtidig som rommet mørklegges. Den positive CO2 økning skyldes i første rekke at all ventilasjon er slått av, ikke tilstedeværelse av mennesker. Det kan vi konkludere med etter å ha sammenlignet absoluttverdien for CO2 gradienten i helger, ferier og hverdager. Plotter vi situasjonen for aktive virkedager får vi et resultat som vist i del b) i samme figur. Da ser vi at CO2, lyd og lys samvarierer i større grad. Vi finner det samme fenomenet for de øvrige rommene. Derimot kan vi observere i del c) hvordan fukt mer opptrer som en funksjon av ventilasjon. Dette viser at CO2 kan brukes som en indikator på menneskelig tilstedeværelse i rommet, men da først og fremst sammen med lyd og lys. Fukt er mindre egnet som indikator for denne type bruk. Fuktparameteren endrer seg imidlertid helt i samsvar med ventilasjonsfrekvensen og kan således brukes (også sammen med CO2) som indikator på om

40 39 avtrekket fungerer i et rom. I forhold til tolkning av bruk vil dermed neste trinn være å etablere en form for empirisk funksjon som kan estimere både varighet av tilstedeværelse slik som indikert over og omfanget og type av bruk (f.eks. antall brukere). Til dette kan benyttes samme teknikker som anvendt for prediksjon av forbruk. Nevrale nett og SVM (support vector machines) er gode mønstergjenkjennere som er relativt enkle å benytte for denne type formål (Russel 2010). Deteksjon av lys, lyd og CO 2 vil dermed kunne gi klare utslag på bruk. Frekvensen og varigheten av de kombinerte utslagene kan ganske enkelt telles opp. Antall timer med faktisk bruk er dermed mulig å bestemme. Dersom det samme gjøres for lyssensorene vil en differanse mellom disse timene gi et anslag på hvor mye lys som brukes uten at det er personer tilstede. En slik tilnærming vil også kunne kobles mot eldre planer for booking av rom, der rommene har blitt forberedt for bruk (oppvarming og ventilasjon) og likevel ikke blitt tatt i bruk. Ved å gjøre en grov integrasjon over kurvene i de utsnittene som er vist kommer vi på denne måten fram til at AudMax har en brukstid på ca. 30%, mens stipendiatrommet har et aktivt bruk på under 20%. Av de observasjonene som foreligger er det bevegelse (ingen verdier i oktober og november), lyd og til dels lys som ikke blir påvirket av byggets drifting/styring, men som kun er et resultat av aktivitet i rommene. Temperatur vil ikke kunne si noe om den faktiske bruken av rommet, men er derimot en svært viktig parameter i sammenheng med de andre. I perioder der enkelte rom ikke får utslag på f.eks lyd og Co2, men likevel en økning i temperaturen vil det tilsi at oppvarmingen ikke gir direkte nytte. Ventilasjons - og varmesystemet er lagt opp slik at ikke alle rom kan detaljreguleres og slike svinn vil derfor forekomme. 20,25 20,2 20,15 audio co Man Tir Ons Tor Fre Lør Søn light Man Tir Ons Tor Fre Lør Søn moist temp Man Tir Ons Tor Fre Lør Søn 22 21, ,5 Fig. 29 Ukesnitt av temperatur, luftfuktighet, co2 nivå, lys og lyd i stipendiatrommet (200).

41 audio co ,9 0,7 0, Man Tir Ons Tor Fre Lør Søn light Man Tir Ons Tor Fre Lør Søn moist 201 temp , , Man Tir Ons Tor Fre Lør Søn 21 Fig. 30 Ukesnitt av temperatur, luftfuktighet, co2 nivå, lys og lyd i sminkerommet (201).

42 audio co Man Tir Ons Tor Fre Lør Søn light Man Tir Ons Tor Fre Lør Søn moist Man Tir Ons Tor Fre Lør Søn ,5 22,5 21,5 20,5 Fig. 31 Ukesnitt av temperatur, luftfuktighet, co2 nivå, lys og lyd i dramarom (203).

43 audio co Man Tir Ons Tor Fre Lør Søn light Man Tir Ons Tor Fre Lør Søn moist temp Man Tir Ons Tor Fre Lør Søn , ,5 21. Fig. 32 Ukesnitt av temperatur, luftfuktighet, co2 nivå, lys og lyd i AudMax oppe (202).

44 audio co Man Tir Ons Tor Fre Lør Søn light Man Tir Ons Tor Fre Lør Søn moist Man Tir Ons Tor Fre Lør Søn , ,8 21,6 21,4 Fig. 33 Ukesnitt av temperatur, luftfuktighet, co2 nivå, lys og lyd i Audmax nede (204).

45 44 Fig. 34 Prinsipalkomponent analyse for sensorverdier i desember Øverst (a) vises plottet for juleaften. Nederste diagram viser situasjonen for første arbeidsuken i desember (b). De ulike diagrammene viser hvordan romsensorene virker. Slik sett kan målerne gi et verdifullt innblikk i hvordan rommene brukes og dermed bidra til en PUE beregning. Metoden blir som prinsipielt vist i Fig. 36. Man identifiserer i hvilke tidsintervaller (i) sonen er i bruk innenfor en gitt periode (T). Dernest integrerer man over lastkurven for hele perioden T og for de intervallene som rommet benyttes. Dette gir følgende uttrykk. PUE = Her er T perioden for analyse f.eks. uke, måned, år. Intervaller hvor sonen er i bruk er indikert med i. Hadde man klart å regulere tilgangen av energi til AudMax eller de andre rommene direkte ville det være enkelt å

46 45 beregne PUE verdien for disse basert på en slik fremgansmåte. Alternativt måtte man også ha montert en måler som kan bestemme energitilskuddet til sonen eller rommet fra den sentrale kilden. I prosjektet ble det forsøkt å løse dette gjennom en statistisk analyse og aktive tester, men man så snart at dette ville krevd et langt større antall målere fordelt over større deler av bygget enn det prosjektet hadde tilgjengelig. Observasjon av brukerne for å bestemme bruk Nereng(2012), Rønning et al. (2013) og Bremdal (2013) har også dokumentert tester hvor ulike brukere har vært involvert. Ideen har vært å forstå forholdet mellom planlagt bruk, faktisk bruk og mangelfull bruk av et rom. Dessuten har vi sett på sammenhengen mellom bruk og klimaforhold. Det første skal vi kommentere kort her. Det andre vil bli diskutert i neste kapitel. Tett kontakt ble opprettet mellom prosjektet og de primære brukerne av bygget, ikke minst studentene. For å sikre en god forankring for arbeidet ble de ulike brukerne kontaktet tidlig for å skape en helhetsforståelse for arbeidet. Dette medførte også at prosjektet kunne gjennomføre ulike intervjuer og undersøkelser med og uten praktiske forsøk. Det gav videre prosjektet tilgang til rombookingsystemet, kursoversikt og romplan for undervisningen. I Fig. 35 ser resultater fra undersøkelser utført i uke 45 og Det viser belegget for AudMax og utgjør tall for vanlige arbeidsuker på Campus Remmen. Faktisk bruk av rommet lå under 50% for begge ukene. En av de 44 timene i kjerneperioden på dagtid utgjorde bruk som ikke var planlagt. Som det fremgår av forbrukskurvene i kapitelet foran tyder det på en betydelig lavere funksjonell energieffektivitet enn det man kanskje kunne forvente. Vår ide var at rombooking og timetabell for undervisning kunne vært brukt som grunnlag for planlegging og styring av forbruket. Det ville gitt en betydelig forbedring, men ville alene ikke vært nok dersom høy nøyaktighet skulle legges til grunn. Som det fremgår av Fig. 35 ville det gitt en feil på henholdsvis 34% og 13% for uke 45 og 46. Men i kombinasjon med sensorene som forklart over ville det i prinsippet vært mulig å styre med relativ høy tilpasning til faktisk bruk. Fig. 35 Planlagt bruk av rom sammenlignet med faktisk situasjon.

47 46 Fig. 36 Figuren viser prinsipielt hvordan PUE kan beregnes for en sone basert påmålinger fra sensorsystemet utviklet i prosjektet. Ved å bestemme bruksmønsterne kan man anslå hvilke intervaller som sonen eller rommet er i bruk. Dersom man også kjenner andelen av energitilskuddet for den enkelte sonen kan man enkelt beregne PUE for denne delen av bygget. Forbruket som knytter seg til de intervallene hvor sonen er i bruk utgjør telleren. Nevneren utgjør forbruket for hele perioden som analyseres.

48 47 Måling av inneklima Menneskelig toleranse Ved bruk av parameterne CO 2, temperatur og luftfuktighet ble inneklima for de ulike rommene målt. Forhold knyttet til vanlige arbeidsdager, helger og ferier ble sammenlignet. Maksimum og minimum verdier på hverdager for nevnte parametere forteller oss hvordan den daglige driften av bygget er lagt opp. I Nereng (2012), Rønning (2013) og Bremdal(2013) er forskjellige forhold rundt menneskelig toleranse og inneklima belyst slik dette er arbeidet med i prosjektet. Sentralt i den diskusjonen er Fangers PMV-indeks (Fanger 1970, Olesen 2011 ). Menneskelig toleranse er interessant fordi den gir opphav til kortsiktige reguleringer som kan frigjøre latent fleksibilitet selv når en sone eller et område benyttes. Når vi også tar i betraktning at større laster inntrer relativt sjeldent (se frekvensdiagrammet i figur 22) bør utnyttelse av menneskelig klimatoleranse vurderes for å holde kostnadene nede. I løpet av prosjektperioden ble flere forsøk med ulike brukere gjennomført. Her henvises bl.a. til (Nereng 2012) og (Bremdal 2013). Et annet poeng med menneskelig toleranse er knyttet til det teoretiske skillet mellom primærfunksjon og sekundærfunksjon i en energisone slik dette ble forklart tidligere. Enkelt poengtert betyr det at et enkelt settpunkt ikke definerer et absolutt primæranliggende. Folk har ulik toleranse i forhold til temperatur, CO2 nivå, fukt og andre klimaparametere. Styring bør på sett og vis følge kollektivets felles behov. Det er dette som utgjør kjernen i Rønning (2013) og Bremdals (2013) argumentasjon. Vi har i foregående kapitel vist hvordan rommålerne produserer tidsserier for ulike parametere som kan benyttes til å detektere tilstedeværelse. Non av disse kan naturligvis benyttes til å måle inneklima. I følge Tiny Mesh er det fullt mulig å utvide med flere typer sensorer som registrerer et rikere sett med klimadata. Uansett vil vi påstå at de målingene som er høstet gir et godt bilde av hvordan menneskelig toleranse kan utnyttes. Fra Bremdal 2013) har vi gjengitt i Fig. 37. Det som slår en er hvordan fordelingen i form og karakter stemmer overens med Fangers PPD-PMV indeks. Dessuten kan man notere seg hvordan temperaturopplevelsen endrer seg selv om temperaturendringen er konstant. Dette kan ha sammenheng med endringer i andre klimaparametere, men store endringer ble ikke notert i løpet av dette forsøket. Fig. 37 Resultater fra spørreundersøkelse kombinert med faktisk forsøk for å kartlegge temperaturtoleranse

49 48 I dette avsnittet vil vi presentere en av testene som ble utført for å teste menneskelig toleranse i forhold til observerte klimaparametere. Mandag 8. april var AudMax gjenstand for et forsøk hvor endring i settpunkter for ulike klimaparametere ble endret for å studere reaksjonen til studentene i lokalet. Auditoriet var i hovedsak fullt. Det var avtalt på forhånd med tillitsvalgte at radikale justeringer ville forekomme. Studentene hadde ingen reell forhåndskunnskap om forsøket selv om de var klar over at det foregikk ulike klima og forbruksorienterte forsøk i Område 8. Innledningsvis ble ventilasjonen satt til 1000 ppm og temperatur til 30 C. Følgende er logget fra forsøket: Kl 12:25 ble systemet satt til 1000 ppm (Første stolpe i Fig. 38), Co2 nivået var før det på 511 ppm. Kl.13:00, en halvtime senere stiger CO2 nivået gradvis. Kl 13:05 settes referanse temperatur i AudMax til 30 C i SD anlegget (stolpe 2 i Fig. 38). Temperaturen er da på 22,5 C og stiger jevnt. Kl 13:35 settes systemet til 300 ppm., d.v.s tredje stolpe i Fig. 38. CO2 nivået har inntil da økt til 956 ppm. (økt med ca 450 ppm.), men faller rask etter denne justeringen. Kl 14:30 ble SD anlegget skrudd av. CO2 nivået er da på 598 ppm og temperaturen er på 23,8 C, (fjerde stolpe i Fig. 38). Det innebærer at CO2 nivået har stabilisert seg på ca 600 ppm. til tross for at SD anlegget var satt til 300 ppm. CO2 nivået stiger deretter jevnt helt fram til 16:00. 16:00 nås et ppm nivå på 1323 Utover ettermiddagen/kvelden synker så CO2 nivået igjen. Tidsserien fra temperaturfølerne i AudMax viser en stigning på kun 1,3 C i løpet av en og en halv time. I og med at settpunktet ble justert opp til 30 C må vi anta at det i perioden er en konstant varmetilførsel til rommet. Det skal påpekes at under testen ble det også utført uavhengige temperaturmålinger med lasertermometer. Avlesningene fra dette gav andre og høyere verdier enn rommålerne i dette tilfellet. Lasermålingene viste en økning i temperaturen fra 22 C til 24,5 C fra kl 13:00 til kl 14:30, altså en økning på 2,5 C. I tillegg fortsetter temperaturen å øke til 25, 6 C. Det kan derfor tyde på at det man her opplevde en instrumenteringssvakhet. Tilsvarende sjekker og kalibreringer er utført tidligere og da har man erfart større samsvar. Fra en tilstand med ventilasjon på 300 ppm. til ingen ventilasjon, tar det omtrent tre kvarter før CO2 nivået når 1000 ppm. Da var AudMax fullt og dermed fullt populert mennesker (se Fig. 38). Alle studentene ble værende i rommet under hele testperioden, fullt pre-okkupert med sysler som ikke hadde noe med forsøket å gjøre. Noen forlot auditoriet underveis, men ingen av disse begrunnet sin avgang med inneklimaforhold. Ca. 1/3 tok av seg et ytterplagg. I ettertid var det flere som kommenterte at det ble dårlig luft på slutten, men ingen uttrykte sterk misnøye. En annen test 22. februar viste at man kunne frigjøre 1200 kw ved å stenge all ventilasjon. Dersom opplevelsen i AudMax er representativ for alle brukere fordelt på hele Campus Remmen ville dette kunne gi opphav til en fleksibilitetsorientert regulering på opp til 1200 kw på inntil 4 timer selv om et fantes brukere i hele bygningskompleksett. Før videre undersøkelser er utført kan man ikke være helt sikker, men man kan konkludere med at det vil være mulig å stenge ventilasjon i tidsbegrensede perioder på opp til 3-4 timer for å redusere topplaster uten at det fører til CO2 nivåer som påfører brukerne store belastninger eller gir opphav til sterk misnøye. Det skal bemerkes at flere studenter påpekte at forholdet i auditoriumet klokken 16:00 ikke skilte seg vesentlig fra det man var vandt med i enkelte andre rom på kveldstid.

50 Co2 audmax Temp audmax :01 11:16 11:31 11:46 12:01 12:16 12:31 12:46 13:01 13:16 13:31 13:46 14:01 14:16 14:31 14:46 15:01 15:16 15:31 15:46 16:01 16:16 16:31 16:46 17:01 17:16 17:31 17:46 24, , , ,5 21 Fig. 38 Co2 nivået og temperaturen mellom tidsrommet 11:00 og 18:00..Stolpe 1: Systemet satt til 1000 ppm12:25.stolpe 2: Referanse temperatur i AudMax til 30 C klokken 13:05. Stolpe 3: Kl 13:35 settes systemet til 300 ppm., Termisk treghet Utviklingen av innetemperatur alene gir en beskrivelse av rommenes evne til å lagre termisk energi. Rom med høy grad av termisk treghet vil kunne fungere som et varmelager, og vil derfor være en viktig parameter i å estimere byggets fleksibilitet. Termisk treghet er knyttet til varmeopptaksevne. Termisk treghet er betinget av den tiden det tar før temperaturen av et legeme når temperaturen av omgivelsene. Dette fenomenet er avhengig av legemets absorbsjonsevne, spesifikk varme., varmeledningsevne og legemets dimensjoner og form samt andre faktorer. Termisk trege legemer har evne til binde mye energi over lang tid. Dette er interessant ut i fra en effekt og fleksibilitetsbetraktning. Objekter som varmtvannstanker, varmegulv og oppvarmede uteareal er typisk eksempler på dette. De regnes som «trege laster». Vi har vært interessert i studere i hvilken grad en parallell til dette kan finnes i den type bygninger som Campus Remmen representerer. Med utgangspunkt i en gjennomsnittsuke for november viser Fig. 39 hvordan innetemperaturen utvikler seg for de ulike rommene. Temperaturene gjennom hverdagene endres i størrelsesorden 0,5 C til 1,5 C mellom natt og dag. Differansen mellom temperaturen om ettermiddagen fredag og midnatt søndag gir en formening om hvordan de ulike rommenes termiske treghet arter seg. Som Fig. 39 viser, hadde dramarommet den klart største differansen, anslagsvis 1,10 C, mens måleren nederst i auditoriet viste den minste differansen. Denne utgjorde bare 0,44 C. Aktive tester, som reduserte hele tilførselen av varmeenergi til AudMax har vist den samme, svake temerpaturendringer i AudMax sammenlignet med de mindre rommene. Det gir sterke indikasjoner på at AudMax kan holde jevn temperatur over lang tid uten tilførsel av varme, når lokalet først er Ved å koble temperaturfallet i en eller flere rom eller områder med reduksjon i pådraget for de kursene hvor døgnlasten korrelerer mest med temperatur, kan det dannes en enkel empirisk formel for den romspesifikke termiske tregheten for hele bygningskomplekset. Naturligvis vil en en brøkdel av den sentrale leveransen fra el-kjelene gå til f.eks. AudMax. Men basert på målingene som er innhentet kan dette likevel estimeres til et nivå som forteller oss betydningen av varmelagring i rom som AudMax. En foreløpig projeksjon av dette er vist i Fig. 40. Med flere sensorer som overvåker fordelingen på tvers av hele bygningskomplekset ville man vært bedre i stand til å definere sammenheng mellom sentralt pådrag

51 50 og observert endringer. Men en rekke tester er utført og vi har etablert en sammenheng mellom temperatur og energipådrag. Dette vil bli diskutert i kapitelet om fleksibilitet. Under gitte forutsetninger kan vi med det måleropplegget vi har introdusert i prosjektet også benytte temperaturendringene i AudMax som en indikator på endringene i det totale energipådraget i bygget for bestemte perioder slik som den som er fokusert mot her, nemlig overgangen mellom bruk og ikke bruk av bygget, f.eks. dag til natt eller ukedag mot helg. Basert på den empirien vi har fanget her kan dette formuleres som et enkelt lineært uttrykk: E(t) = 1077,3 * Ti Det er viktig her å påpeke at uttrykket ikke beskriver energimengden som skal til for å endre temperaturen i AudMax. Her benyttes temperaturendringen for å vise for hva slags driftsrutine som er iverksatt. Men uttrykket over kan abstraheres til: E(Tu,S,h,t) = ᾠ(t,s,h)* Ti Hvor Tu er utetemperatur, S er sesong, s er ukeperiode og ᾠ er et uttrykk for gradienten under bestemte forutsetninger. For å bestemme den delen av det totale energipådraget som tilføres AudMax og forårsaker temperaturendringen måtte vi uttrykke dette på en form µ(t, S. H) * E(T,S,h,t) = ᾠ(t,s,h)* Ti hvor µ(tu, S. H) uttrykket andelen av pådraget som bidrar med energi til AudMax. Dette danner utgangspunkt for den type transferfunksjon per rom eller energisone som økt instrumentering kan gi. Det som er viktigere i forhold til den konkrete observasjonen er at natt eller helgerutine ikke påvirker en viktig klimaparameter som romtemperatur i AudMax eller dramarom. 23, , , ,5 20 nov - temp200 nov - temp201 nov - temp202 nov - temp203 nov - temp204 0,44 C 1,10 C Man Tir Ons Tor Fre Lør Søn Fig. 39 Innetemperaturer registrert for de 5 ulike sensorene, gjennomsnittsuke i november

52 Krets 1 og 2 nov Temp audmax Fredag 22,6 22,1 21,6 21,1 20,6 20,1 19,6 Fig. 40 Teoretisk fremstilling av den termiske tregheten i AudMax. Dataene er fra gjennomsnittsfredagen i november. I juleferien blir bygget hvert år satt i hvilemodus og utviklingen av inneklima og pådrag uten normal aktivitet gir et godt bilde av inneklimaets utvikling over en lengre periode. Tabell 4 og Fig. 41 viser hvordan temperaturen i de fem rommene utviklet seg fra 22. desember til 04.januar. Legg merke til forskjellen mellom rommene. Legg også merke til hvor stabil temperaturen i AudMax (202 og 204). Rom Temp. ved feriestart Første dag med minimum temp. 22. des kl des 29.des 30.des Temp. fall Temp. ved vanlig drift etter ferie 04.jan kl (Stipendiatrom) 19,34 17,31 2,03 19,53 201(Sminkerom) 20,51 18,75 1,76 19,79 202(AudMax oppe) 21,05 19,14 1,91 21, (Dramarom) 20,51 17,25 3,26 19,93 204(AudMax nede) 21,24 19,53 1,71 21,26 Tabell 4 Utvikling av inneklima og pådrag uten normal arbeidsaktivitet i juleferien. Pådrag per kurs og innetemperatur er blitt plottet mot hverandre, men vi fant ingen sammenheng mellom parameterne. Fram til 31. desember holder det akkumulerte pådraget seg jevnt på mellom kw. Som Tabell 4 og Fig. 41 viser får innetemperaturen sitt minimum rundt desember, deretter økes innetemperaturen gradvis eller holdes konstant. Rundt 28. desember er det noe aktivitet i bygget og samtlige rom får en tydelig nedgang i luftfuktighet (se Fig. 43). Fig. 44 viser korresponderende utslag for CO2. Lastutviklingen for kurs 1-3 for samme periode er vist Fig. 42. Som nevnt er en el-kjele koplet til hver av disse.

53 52 23 temp 200 temp 201 temp 202 temp 203 temp des 23.des 24.des 25.des 26.des 27.des 28.des 29.des 30.des 31.des 01.jan 02.jan 03.jan 04.jan Fig. 41. Innetemperatur i hvert av rommene fra starten av juleferien 22.desember til 04. januar. Skolen startet opp 02.januar krets1 krets2 krets3 krets des 23.des 24.des 25.des 26.des 27.des 28.des 29.des 30.des 31.des 01.jan 02.jan 03.jan 04.jan Fig. 42 Lastutviklingen fori kurs 1-4 fra starten av juleferien 22.desember til 04. januar. Skolen startet opp 02.januar Fukt 200 Fukt 201 Fukt 202 Fukt 203 Fukt des 23.des 24.des 25.des 26.des 27.des 28.des 29.des 30.des 31.des 01.jan 02.jan 03.jan 04.jan Fig. 43 Luftfuktighet i hvert av rommene fra starten av juleferien 22.desember til 04. januar. Skolen startet opp 02.januar

54 co2 200 co2 201 co2 202 co2 203 co des 23.des 24.des 25.des 26.des 27.des 28.des 29.des 30.des 31.des 01.jan 02.jan 03.jan 04.jan Fig. 44 Co2 nivå i hvert av rommene fra starten av juleferien 22.desember til 04. januar. Skolen startet opp 02.januar. Som det fremgår av figurene over ligger det et fleksibilitetspotensiale knyttet til termisk lagring i vegger, tak og gulv. Studerer man tidsseriene nøye kan man også observere at det er en sterk sammenheng mellom driftsordningen i juleferien og status på vanlige søndager. Gitt at det også er observert mennesker som utfører «hverdagsoppgaver» i de ulike rommene også i helger og ferier betyr det at det bør være mulig å suspendere både ventilasjon og oppvarming i disse områdene i lengre perioder selv når bygget er i bruk. Dette skal diskuteres nærmere i neste kapitel om fleksibilitetsberegninger. Latent forbrukerfleksibilitet For flere detaljer om forbrukerfleksibilitet i en Smart Grid setting generelt og hvilket potensial som kan hentes ut fra Campus Remmen henvises til en tidligere rapport utført av Roos (2012). Fleksibilitet har også mening sett i forhold til driften av både enkeltbygg eller flere dersom tarifferingsregimet er basert på effekt. Effektavregning og gevinster ved bedre laststyring er også omhandlet i prosjektet og er dokumentert i Lars Erik Aas masteroppgave (2012) hvor han spesielt legger vekt på de økonomiske insitamentene for en ESCO leverandør som påtar seg ENØK oppgaver for en eier eller leier av et bygg. Roos har i sin studie korrelert utetemperatur med brukshistorikk på de tre el-kjelene på Campus Remmen. Dette kapittelet tar for seg fleksibilitet som ligger latent i selve bygget og som de aktuelle målingene kan bidra til definere. Som påpekt tidligere ligger det en ikke-ubetydelig fleksibilitet knyttet til brukernes toleranse i forhold til inneklima. Slik sett viste vi også at klimaanlegget kan suspenderes i i kortere perioder for å redusere effekttopper uten at dette vil vesentlig øke PPD-raten til brukerne (Bremdal 2013). Som sammenligningsgrunnlag vil vi benytte de resultater som Roos presenterte i sin innledende studie. De er vist i Tabell 5 under. Vi har forsøkt å beregne den samme latente fleksibiliteten basert på et prinsipp hvor vi benytter vår tidligere betraktning om basislast og topplast samt det vi til nå har diskutert omkring toleranse og termisk treghet. Differansen mellom den gjennomsnittlige, akkumulerte topplasten og basislasten slik disse er registrert gir nemlig et anslag på den latente fleksibiliteten i bygget. Dersom man driftet bygget på hverdager i henhold til helg- eller høytidsrutiner ville denne differansen utkrystallisere seg som en latent fleksibilitet knyttet til ideen om at brukernes behov likevel ville bli ivaretatt. Dette

55 54 Tabell 5 Potensiale for forbrukerfleksibilitet i henhold til Alexandra Roos (2012) fremkommer dersom vi benytter en multi-variabel analyse hvor vi betrakter «absolutt» minimumsforbruk i løpet av en helg eller ferie. Ved å analysere driftsperioden i desember 2012 ble det etablert at time 11 representerte et interessant snitt. I denne timen er kontrasten mellom hverdag, helg og ferie størst (Fig. 45). Ved å utføre en prinsipalkomponentanalyse (PCA) for den 11.timen i ferieperioden og på søndager var det mulig å bestemme samvariasjon mellom temperatur i AudMax, utetemperatur og innetemperatur. Resultatet av dette er vist i Fig. 46. Som det fremkommer av disse beskriver de to første komponentene ca. 64% av totalvariansen. Bidraget fra 3. og 4. komponent står for henholdsvis 17% og 14,5%. Videre legger vi merke til at pådraget på de tre kursene som el-kjelene er koplet til varierer stort sett i forhold til komponent 1. Samtidig står disse nærmest vinkelrett på innetemperatur. Dette gir sterke antydninger om at lastene på kurs 1-3 i dette tilfellet ikke bidrar til oppvarming av det observerte rommet. Dette forsterkes gjennom å sammenligne med utetemperatur. Utetemperatur kan forklare en del av pådraget langs komponent 1. Negativ utetemperatur gir økte laster, men det forklarer ikke mer enn en andel av pådraget. Oppsummert kan vi med betydelig grad av sikkerhet anslå at de observerte timene med minimumslaster domineres sterkt av andre bidrag enn oppvarming. Ser vi spesifikt på Fig. 45 fremkommer det en fleksibilitet i time 11 på rundt 720 kw for en kurs i desember. Vi kan videre utelukke at det observerte rommet får ingen eller svært marginale tilskudd av termisk energi i disse timene. Dermed er det etablert en referanse for minimal drift. Dessuten kan man etablere et rimelig estimat for hva bunden treghet i AudMax betyr for fleksibilitetsproblematikken.