Ved at analysere driftsdata kan man få et overblik over forbrug og sende informationer tilbage i systemet, så de forskellige systemer optimerer hinanden i stedet for det modsatte. På den måde kan man undgå, at installationer bekriger hinanden og begår energimord.
Indsigt

Undgå energimord: Gør din bygning smart fra start

Du kan som bygherre opnå intelligent bygningsdrift ved at koble 3D-bygningsmodeller med data fra f.eks. CTS- og sikringssystemer allerede i projekteringsfasen. Ved at forstå din bygning kan du reducere CO2, sikre medarbejderne et bedre indeklima, spotte unødige meromkostninger og drifte din bygning bedre.

Big data er hipt - også inden for bygningsdrift – og du skal udnytte de data, du har. Alle bygningsejere - store som små – er interesserede i, hvordan deres bygning performer f.eks. i forhold til energiøkonomisk drift.

Vores vision er, at hvis man allerede i projekteringsfasen kobler 3D-bygningsmodeller med data fra bygningens planlagte systemer, kan man skabe sammenhæng mellem datakilder fra:

  • bygningens automatiksystemer - typisk sensorer, temperatur, CO2, bevægelse samt energimålere, motorventiler og ventilationsspjæld
  • de tekniske anlæg – f.eks. varme, køl, ventilation, solafskærmning, der forsyner/betjener de rum, komponenter er placeret i
  • bygningens anlæg for adgangskontrol, som kan have information om antal personer i bygningen
  • el-apparater som kaffemaskiner, arbejdsstationer mv.
  • bygningens geometri.

Dermed sættes datakilderne i kontekst i forhold til funktion, og de beriges desuden med oplysninger om bygningen og rummets anvendelse, orientering, areal og vinduesareal. Bygningsejeren kan bruge den viden til at sikre en intelligent drift af sin bygning.

Undgå energimord

Data i bygningsmodeller kan skabe indsigt og reducere CO2. Ved at analysere driftsdata kan man få et overblik over forbrug og sende informationer tilbage i systemet, så de forskellige systemer optimerer hinanden i stedet for det modsatte. Hvis man kan forhindre, at de forskellige installationer bekriger hinanden, kan man undgå energimord, hvor der f.eks. varmes og køles samtidig. Samtidig kan man sikre grundlaget for et godt indeklima.

Bygningsejer får ved at kombinere data og bygningsmodeller et værktøj til at analyse, hvor de kan spare energi, undgå gener fra de tekniske anlæg og sikre medarbejderne et bedre indeklima. Man får et andet og mere nuanceret billede af, hvordan ens bygning performer og kan dokumentere det i nuancerede KPI’er.

Indsamling og analyse af data er ikke begrænset til teknisk bygningsdrift og kan bruges til en række af andre formål f.eks.:

  • planlægning af rengøring ud fra, om lokaler har været i brug
  • udnyttelse af lokaler i forhold til personbelastning
  • tømning af affaldscontainere
  • saltning af veje og områder
  • optimering og kontrol med parkering
  • kundeflow i storcentre.

Aarhus Universitet ønsker datadrevet vedligehold, drift og beslutninger

Hvis du planlægger at bygge, kan du altså gøre dit nye hus eller bygning smart allerede fra start og spotte unødige meromkostninger, før du sætter bygningen drift. Men vi ser ikke kun et potentiale for intelligent drift ved nybyg. Der er også muligheder i eksisterende bygninger, og aktuelt hjælper vi Aarhus Universitet med at få et bedre overblik over deres data.

Universitet har sat et projekt i søen, hvor der anvendes data fra deres eksisterende CTS-anlæg (Central Tilstandskontrol og Styring) og energiregistreringssystemer. Vi hjælper med at sætte data i kontekst – f.eks. hvor en digital temperaturmåler er placeret i forhold til dagslysindfald i øst- eller vest-fløjen. Ved at lægge mange slags data ind i en database er universitet i stand til at krydsrelatere informationerne.

Aarhus Universitets motivation er generelt at kunne udføre meget mere datadrevet vedligehold og drift samt   træffe datadrevne beslutninger og spare ressourcer. Med et bedre overblik over deres data kan de analyse og tjekke, at de overholder de lovmæssige krav f.eks. i forhold til indeklima, samt om der er nogle af deres bygninger, som pr. m2 skiller sig ud fra andre i forbrug af energi og vand.

De indsamler information om belægning (personantal) i undervisningslokaler og kan dermed optimere brug af lokalerne i forhold til det faktiske antal studerende, der deltager i undervisningen.

Rå data har begrænset værdi (A). Når vi har viden om datatyper og den kontekst, de indgår i, har vi brugbar information (B). Når vi kan sætte data i sammenhæng med andre data og tilhørende systemer, har vi viden, der kan bruges på tværs (C). Når vi kan analysere, at der er data, som skiller sig ud i forhold til andre, har vi indsigt (D). Når vi kan sammenkæde alt dette og få datadreven hjælp til at gennemskue de komplekse sammenhænge, hvormed data og tilhørende systemer påvirker hinanden, bliver vi meget klogere (E).

En intelligent guide for driftspersonalet

Big data er i bevægelse. Det giver mange nye muligheder. Vi anvender bygningsmodeller i vores projektering, som indeholder tekniske anlæg og sensorer. Modeller kan bruges til at tilvejebringe et værktøj med de informationer, der er behov for fra start. Man er ikke længere nødt til manuelt at indtaste oplysninger om sammenhængen mellem placering af rumfølere i bygningens rum og hvilke ventilations- og varmeanlæg, der betjener rummene.

Systemet kan være en overordnet guide for driftspersonalet. I stedet for at de selv skal opdage uregelmæssigheder, kan systemet være en slags intelligens, der fortæller driftspersonalet, hvad der er galt, og hvor de skal sætte ind. Omvendt kan driftspersonalet på baggrund af de analyserede data sende signaler tilbage til CTS-anlægget, hvis der skal ændres nogle ting f.eks. i form af behov for varme eller natkøling.  

Der er mange muligheder for at forbedre og ikke kun i forhold til at spare energi og sikre bedre indeklima.

I NIRAS har vi på baggrund af et erhvervs-ph.d.-projekt viden om, hvordan data skal struktureres for, at man kan bruge dem smartest. Vi ynder at forklare det med, at vi hælder en masse information ned gennem en tragt og får et ekstrakt ud, der er søgbart og nemt at håndtere i et netværk af tråde, hvor tingene hænger sammen.

Udviklingen er kun lige begyndt. Der findes data på alt, dem skal vi bruge i vores bygninger.

 

Sådan gør du din bygning smart fra start i projekteringsfasen:

  1. Skab indsigt i din bygning fra start. Der er mange problemstillinger i byggeriet med at få tingene til at virke. Hvis du har intelligent styring, når du sætter bygningen i drift, kan du opdage mange flere ting tidligere i indkørings-/commssioning-fasen. Meromkostningen ved at få det med i starten er lille i forhold til at få det indført efterfølgende.
  2. Tænk i kontekst. Hvad skal bygningen bruges til? Er der data, der er væsentlige for de ønsker, man har for sin bygning eller ens forretning - som f.eks. belægning af lokaler? Få afklaret, om dataene i forvejen er tilgængelige i de systemer, der installeres i bygningen. Hvis ikke, så kan man i projekteringen sikre, at der er måleinstrumenter til at registre de nødvendige data.
  3. Hav en dialog om, hvad man vil med systemet. Er det f.eks. et ønske om nuancerede KPI’er? Systemet kan skaleres fra større bygningsejers overblik over mange bygninger til mindre bygningsejeres forbrug afhængig af ønsker og mål.

Hvad kan NIRAS tilbyde?

Som projekterende ingeniører kan NIRAS i forbindelse med et byggeprojekt tilbyde at udarbejde en udvidet bygningsmodel, der indeholder flere relationer end, hvad man normalt lægger ind. Det sikrer, at man kan modellen til at skabe de nødvendige big data-kontekster mellem datamålepunkter, de tekniske anlæg og rum.