Denne artikkelen er produsert og finansiert av NTNU - les mer.
Professor Natasa Nord forsker på å effektivisere kontrollsystemer for oppvarming, inkludert den typen som brukes på NTNUs studiested Gløshaugen.(Foto: Geir Mogen / NTNU)
Strømregningen kan gå ned med spåkule-system
Forskere har testet et system for å forutse oppvarmingsbehovet på NTNUs studiested på Gløshaugen. Testen viser at vi kan spare mer der vi allerede bruker overskuddsvarme.
Mye forskning viser at overskuddsvarme fra for eksempel datasentre egner seg bra som varmekilde. Men vi vet lite om hvordan kontrollsystemer for slike systemer kan spare oss for enda mer energi og penger.
Det ville forskerne Juan Hou, Haoran Li og Natasa Nord ved NTNU gjøre noe med. Resultatet presenterer de nylig i en forskningsartikkel.
Her ble NTNUs studiested på Gløshaugen brukt som case for å teste ut det vi for enkelthets skyld kan kalle et «spåkule-system», men som forskerne kaller Model Predictive Control (MPC).
NTNU varmer seg på heten fra matematiske utregninger
Først litt om hvordan oppvarmingen av byggene som forskerne og studentene på Gløshaugen oppholder seg i.
På noen dager i året er overskuddsvarmen fra superdatamaskinene på Gløshaugen nok til å varme opp hele studiestedet. Kaldt vann føres til supermaskinene slik at de kjøles ned. Det oppvarmede vannet flyttes så videre dit det trengs.
Om vinteren trengs oppvarming fra fjernvarmenett i tillegg, men på de varmeste dagene er det kun superdatamaskinene som står for oppvarmingen.
Den vannbårne varmen fra fjernvarmenettet, overskuddsvarmen fra datamaskinene og annet utstyr til oppvarming via varmepumper må styres av et felles system.
Det er altså dette kontrollsystemet som forskerne mener kan bli enda mer effektivt.
Introduserer spåkonesystem for å spare enda mer
– Å predikere eller å forutsi, er jo egentlig noe helt annet enn å spå. Mens spåkona gnir på kulen og henter spådommen sin fra løse lufta, er MPC forskningsbasert, påpeker Natasa Nord.
Hun er professor ved NTNUs Institutt for energi- og prosessteknikk.
Model Predictive Control (MPC) er en styringsmodell foret med en mengde data om det konkrete systemet for oppvarming. Dette gjelder alt fra tidligere lokale værmeldinger til temperaturer i bygningene gjennom året og til de forskjellige komponentene som gir overskuddsvarme.
Når så all dataen er fôret inn i systemet, blir det en faktabasert og treffsikker spåkule.
Nord forklarer at tradisjonelle systemer for kontroll baserer seg på regler og erfaringer fra vidt forskjellige bygninger. Altså en mal som skal passe «alle» i motsetning til MPC som er skreddersydd og kjenner de lokale forholdene ut og inn.
I studien tok forskerne utgangspunkt i data for hver måned i 2017–2018 og testet MPC via simuleringer. Deretter sammenlignet forskerne med den faktiske strømbruken og strømregningen.
Liten spareprosent kan utgjøre mye når prisene er høye
Etter testen fant forskerne at det var mulig å spare 1,8 prosent i energikostnader i måneden med MPC. Men Natasa Nord understreker at dette var med prismodellen fra 2021.
Annonse
Vi kan anta at effekten av strømsparingen hadde vært større i dag, uten at professoren vil spekulere i hvor mye. I dag er det for eksempel forskjellige prismodeller for natt og dag.
– Uansett: Testen vår viser at med MPC kan vi maksimalisere økonomisk besparing for varmekonsumenter slik som campus Gløshaugen. Dessuten viser resultatene at MPC var mer stabil og robust enn det tradisjonelle kontrollsystemet. Det er positivt for sikkerheten i systemet, sier Natasa Nord.
Kan også brukes for systemer med andre typer overskuddsvarme
Det er ikke mange steder her til lands som bruker overskuddsvarme fra superdatamaskiner til oppvarming.
– MPC kunne like gjerne vært brukt sammen med annen overskuddsvarme, slik som ved for eksempel kjøling i matindustrien, sier Nord.
Det er nemlig ikke bare varmekrevende industri, men også kjøling som gir spillvarme.
Det pågår nå et prosjekt på Leangen isbane i Trondheim der de forsøker å utnytte overskuddsvarmen fra nedkjølingsanlegget. Mye matindustri krever også nedkjøling.
Nord forklarer at en utfordring med å innføre MPC, ligger i å få de forskjellige systemene til å snakke sammen.
– Å få gode data som vi kan implementere i programmeringen, kan være krevende. Dette krever en del tilpasningsarbeid. Men implementering er noe vi jobber kontinuerlig med, og det er noe som vi forskerne på NTNU kan hjelpe andre med, sier hun.