Monitoring adatelemzés Dr. Csoknyai Tamás
Tartalom Audit és fogyasztási adatok Fogyasztói számlák értékelésének korlátai Idősoros elemzések Statisztikai elemzések 2
Energiaaudit során alkalmazott módszerek 1. tervek, műszaki dokumentációk értékelése 2. helyszíni szemrevételezés, felmérés 3. ad-hoc mérések 4. közüzemi szerződések vizsgálata 5. fogyasztói számlák kiértékelése / mért fogyasztási adatok kiértékelése 6. interjúk, kérdőíves felmérések 7. energetikai számítások kézi vagy/és szoftveres úton 8. monitoring 3
Fogyasztói számlák kiértékelése problémák, nehézségek Éves leolvasású szerződés, a havi számlák összege azonos. Nem lehet elkülöníteni egymástól a téli és a nyári fogyasztást, ami lehetetlenné teszi gáz esetén a fűtés, a melegvíz stb. elkülönítését. Problémás lehet a fogyasztó által telefonon bediktált vagy interneten beküldött mérőóra álláson alapuló számlázás is. Új építésű az épület, vagy komoly átalakításon, illetve funkcióváltáson esett át a közelmúltban. Szakaszos használatú (esetleg használaton kívüli) az épület(rész) és a használat módja nem rendszeres, illetve nem visszakövethető. A vizsgált épületrész fogyasztása nincs külön almérővel mérve. A használt energiahordozó kétes forrásból származik és a felhasznált mennyiség számlák alapján nem követhető le megbízható módon (pl. palackos gázhasználat, fatüzelés vagy egyéb szilárd tüzelés). 4
Idősoros elemzések - példák 5
Épülethasználat helyszíni bejárás 100% 80% 90% 100%100%100% 90% 60% 40% 20% 0% 0% 0% 0% 0% 10% 0% 0% 6
Tényleges villamos fogyasztási profil 7
Monitoring irodaház hőmérséklet 8
Monitoring irodaház villamos fogyasztás 9
Monitoring iskola hőmérséklet 10
Monitoring iskola gázfogyasztás és hőmérséklet 11
Monitoring óvoda villamos fogyasztás 12
Monitoring óvoda hőmérséklet és gázfogyasztás 13
Monitoring óvoda hőmérséklet és gázfogyasztás 14
Monitoring óvoda hőmérséklet 15
Monitoring óvoda hőmérséklet Szerda Vasárnap 16
Statisztikai elemzések - példák 17
Energiafogyasztás [kwh] Játékteremben a látogatók száma és a játékgépek energiafogyasztása 2000 1800 1600 1400 1200 1000 800 600 400 200 0 1 2 3 4 5 6 7 8 9 10 Hét száma 18
Energiafogyasztás [kwh] Játékteremben a látogatók száma és a játékgépek energiafogyasztása 2000 1800 1600 1400 1200 y = 7,0414x + 882,26 R² = 0,9015 1000 800 600 400 200 0 70 80 90 100 110 120 130 140 Látogatók száma 19
Energiafogyasztás [kwh] Játékterem gépcsere hatása 2000 1900 1800 1700 Beavatkozás 1600 1500 1400 1300 1200 1100 1000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Hét száma Mért energiafogyasztás Korrigált energiafogyasztás A regressziós egyenes függvénye alapján a jövőbeni fogyasztások becsülhetők (narancs pöttyök). Felújítás a 11. héttől 20
Energiafogyasztás [kwh/m 2 ] Épülekorszerűsítés hatása mért fűtési hőfogyasztási adatok alapján 250 Energiahatékonysági intézkedés Megtakarítás 200 150 100 50 0 Bázis időszak Fenntartási időszak 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 Hónapok száma Mért energiafogyasztás Korrigált energiafogyasztás 21
Megtakarítás számítás lépései Referencia időszak a felújításig: ideálisan legalább három év mérési adatai A referencia időszak statisztikai elemzése alapján függvénykapcsolat (pl. regressziós egyenes) - a beavatkozástól független prediktor változók (elsősorban a külső hőmérséklet) és a fogyasztás között Projekt időszak: ideálisan 3 év a beavatkozás után Modellezett fogyasztás (ha nem lett volna felújítás) a projekt időszakban regressziós függvénnyel Összevetve a mért fogyasztással a projekt időszakban 22
Energiafogyasztás [kwh] Kiugró érték vizsgálata 2000 1800 1600 1400 1200 1000 800 600 400 200 0 y = 5,5531x + 1074,7 R² = 0,4445 70 80 90 100 110 120 130 140 Látogatók száma Ok: mérési hiba más prediktor változó hatása (például meghosszabbított nyitvatartási idő) 23
Középületben a mesterséges világítás havi energiaigénye a napsütéses órák száma függvényében 600 Havi energiafogyasztás [kwh] 500 400 300 200 100 R 2 = 0,88 y = -1,1378x + 812,12 0 200 250 300 350 400 450 500 Havi napos órák száma Ha a napsütéses órák száma meghaladja a 390 órát, akkor a világítás energiaigénye már nem nő tovább 24
Havi energiafogyasztás [kwh] Középületben a mesterséges világítás havi energiaigénye a napsütéses órák száma függvényében 600 500 400 300 200 R 2 = 0,91 100 0 200 250 300 350 400 450 500 Havi napos órák száma Erősebb függvénykapcsolat, de önmagában nem tükrözi azt, hogy az új függvény lényegesen jobban fedi a valóságot Probléma fizikai magyarázata: ha a napsütéses órák száma eléri az épület nyitvatartási idejét, akkor már nem kell világítani 25
Havi energiafogyasztás [kwh] A mesterséges világítás energiaigénye a nyitvatartási időben tapasztalt természetes világítás nélküli órák számának függvényében 600 500 400 300 y = 1,6678x + 310,77 200 100 0 0 20 40 60 80 100 120 140 160 Természetes világítás nélküli órák száma a nyitvatartási időben 26
Energy signature Bizonyos külső hőmérsékletig a hőmérséklet és a fogyasztás között lineáris a kapcsolat, e felett azonban konstans. Töréspont: fűtési határhőmérséklet, felette csak HMV 27
Energy signature Erős korreláció >>> a külső hőmérséklet hatása meghatározó Gyengébb korreláció: egyéb tényezők hatása jelentős - milyen egyéb független változó lehet meghatározó? hétvégenkénti takarékos üzem, jelentős szoláris nyereség, változékony fogyasztói magatartás, a fűtés mellett egyéb, nem konstans fogyasztók is mérve vannak Jobb, mint a hőfokhídas korrekció, mert: korrelációs együttható megmutatja, hogy a külső hőmérséklet hatása milyen erős Hőfokhídkorrekciós elemzés esetén csak korrigálunk a külső hőmérséklettel, de nem látjuk a függőségi kapcsolat erősségét 28
Napi energiafogyasztás [kwh] Energiafogyasztás az idő függvényében hétvégi csökkentett üzemmód mellett 600 500 400 300 200 100 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 Napok száma 29
Napi energiafogyasztás [kwh] Kapcsolat az energiafogyasztás és a hétköznap / hétvége között 600 500 400 300 200 100 0 0 1 Hétköznap = 0 ; Hétvége = 1 30
Köszönöm a figyelmet!