Ενεργειακή διαχείριση και διασφάλιση κατάλληλων εσωτερικών περιβαλλοντικών συνθηκών σε κτίρια κατοικιών με επίκεντρο τον χρήστη

Abstract

The aim of this thesis is to characterise and quantify the effect of residential building users on energy consumption and indoor environmental conditions and eventually to develop empowering tools that will support them in the achievement of energy savings and improved health and comfort. In this framework, twenty six dwellings with similar technical and architectural characteristics in a building cluster in Florence, Italy were studied. The variables monitored and considered for analysis in this thesis are: indoor Temperature, Relative Humidity, CO2 concentration, natural gas consumption and electricity consumption. Data were collected, managed, validated and communicated to the user with the help of Information and Communication Technology (ICT). The experimental setup was part of the EU funded ICE-WISH project (Grant Agreement number 270898). The following validation checks were performed on the collected data on an ongoing basis with the help of a developed algorithm: time-step, rational check, range gate validation, graphical validation. The experimental data were used, first of all, for the recognition of energy behaviour patterns. For this purpose a pattern recognition methodology consisting of two multivariate statistical analysis methods was developed; Principal Component Analysis (PCA) and TwoStep Cluster Analysis. Principal Component Analysis helped determine the hours during the day with recurrent activity while two step cluster analysis was used to extract and analyze the major behavioural patterns. The methods were applied on 5 out of 26 dwellings. All 5 dwellings are on the fourth floor of the same building so share similar structural and thermal characteristics while differ in orientation, size and anything that has to do with the occupants (e.g. number of occupants, habits and lifestyle, selected systems and appliances, operation of systems and appliances etc). The aim of this selection was to allow for a more objective comparison and quantification of the differences that the “user” factor can bring to the energy and environmental patterns of residential buildings. Effectively, typical 24-hour profiles for heating, electricy consumption and CO2 concentrations for each dwelling were formed from which important conclusions about the operation of the heating system, electricitcy consumption, ventilation and the presence of occupants were drawn and thus a specific general profile for each dwelling was created. The identified differences in the behavioural patterns are important and in agreement with literature that supports that the behaviour of the user has a non-deterministic nature. It also verifies that people heat their homes in different ways and at different times thus questioning the standardized heating profiles and temperature settings used in energy simulation for residential buildings. Therefore, the profiles related to energy behavior that are inputted in energy simulation models cannot be fully predictable and repeatable for a household and certainly cannot be identical for all. In addition, it is demonstrated that although Principal Component Analysis is not able to produce the exact 24 hour heating profiles, as is cluster analysis, it is still capable of accurately indicating the times of day that the heating system is operated over the heating season thus offering a succinct overview of the heating practices of a household. Next, an energy simulation model of a specific dwelling was created and calibrated according to the 24-hour profiles for heating, electricity consumption, ventilation and occupant presence identified through pattern recognition. The calibrated simulation model was adapted to a number of heating system operation scenarios from other dwellings. The aim of these adaptations was to objectively compare and quantify the differences that the user factor can bring to the energy consumption for heating and to thermal comfort. The findings add to the growing body of literature that supports that the behaviour of the user is the variable that brings major uncertainty into the results of energy simulation and in prediction methods for residential buildings and calls out for better guidance for the heating set point values and heating periods to be used in energy modeling. A methodology for the calculation of an indoor environmental quality indicator for residential buildings, the ‘Dwelling Environmental Quality Index’ (DEQI) was also developed. The purpose of this index is to assist both households and property managers to identify potential problems with the indoor environment whilst ensuring that indoor environmental quality is not compromised in favour of energy savings. Based on the combined effect of three simple and commonly measured indoor environmental parameters – air temperature, relative humidity and CO2 concentrations; the index reflects in a single value the quality of indoor environmental conditions for the monitored period, in compliance with the European standard EN15251. The application of the Dwelling Environmental Quality Index in single dwellings and in building blocks is demonstrated. The usability of the index as a communication and management tool for individual households and property managers is also shown. Such an index could form an important part of the Smart Readiness Indicator (SRI). The relevant publication in the Indoor and Built Environment Journal received the Best Paper Award for year 2017. Finally, an algorithm for the provision of tailored energy advise without concessions with respect to health and comfort was designed. The algorithm is human-centric as it empowers the user to act according to their needs and preferences based on the information provided through the service. The aim is to improve the energy behaviour of residential building occupants through the offered information and effectively lead to energy savings. Advice is offered through an ICT service and complements the direct feedback and information offered through it. The selection of the advice to be offered through the advice programme is a result of extensice literature review and a user requirements survey. The survey showed that the primary criterion for the adoption of the proposed advice was cost. Therefore, the offered advice are mainly no- to low-cost and do not involve any investment for the improvement of the building fabric or replacement of systems. The advice is offered every 15 minutes and tailored to the household conditions as they are determined based on the indoor environmental conditions at the time of the measurement, the operation (or not) of the heating system and by the time of year.

Αντικείμενο της παρούσας διδακτορικής διατριβής αποτελεί η διερεύνηση και ποσοτική αποτίμηση της επίδρασης του χρήστη στην ενεργειακή κατανάλωση και στις συνθήκες εσωτερικού περιβάλλοντος σε κτίρια κατοικιών και τελικώς η ανάπτυξη χρήσιμων εργαλείων για τον χρήστη για την επίτευξη βέλτιστων εσωτερικών συνθηκών και εξοικονόμησης ενέργειας. Στο πλαίσιο αυτό μελετήθηκαν 26 κατοικίες με παρόμοια τεχνικά και αρχιτεκτονικά χαρακτηριστικά που βρίσκονται σε ένα σύμπλεγμα κατοικιών στην Φλωρεντία της Ιταλίας. Οι μετάβλητες που μετρήθηκαν και μελετήθηκαν στην εν λόγω διδακτορική διατριβή είναι: εσωτερική θερμοκρασία, σχετική υγρασία, συγκέντρωση CO2, κατανάλωση φυσικού αερίου, κατανάλωση ηλεκτρικής ενέργειας. Για τη συλλογή, διαχείριση και επαλήθευση των μετρούμενων μεταβλητών καθώς και για την επικοινωνία των δεδομένων προς τον χρήστη χρησιμοποιήθηκε σύστημα που βασίζεται στην Τεχνολογία της Πληροφορίας και των Επικοινωνιών (ΤΠΕ). Η πειραματική διάταξη ήταν μέρος του Ευρωπαϊκού προγράμματος ICE-WISH (Grant Agreement number 270898). Για τον έλεγχο και την επαλήθευση των δεδομένων σε συνεχή βάση αναπτύχθηκε ένας αλγόριθμος που έκανε ελέγχους για: ελλειπή δεδομένα, μη λογικές τιμές, αναμενόμενο χρονικό βήμα και τάξη μεγέθους για κάθε μετρούμενη μεταβλητή. Τα πειραματικά δεδομένα χρησιμοποιήθηκαν αρχικά για την αποτύπωση των μοτίβων ενεργειακής συμπεριφοράς των χρηστών (pattern recognition). Σε αυτό το πλαίσιο σχεδιάστηκε μια μεθοδολογία αναγνώρισης μορφών που αποτελείται από δύο μέθοδους πολυμεταβλητής στατιστικής, την ανάλυση σε κύριες συνιστώσες (PCA) και τη διβηματική ανάλυση συστάδων (two-step cluster analysis). Η ανάλυση σε κύριες συνιστώσες χρησιμοποιήθηκε για τον εντοπισμό των ωρών μέσα στη μέρα κατά τις οποίες σημειώνονται επαναλαμβανόμενες συμπεριφορές ενώ η ανάλυση κατά συστάδες χρησιμοποιήθηκε για την ομαδοποίηση και μελέτη των ημερών με κοινά χαρακτηριστικά για κάθε μελετούμενη παράμετρο. Οι μέθοδοι πολυμεταβλητής στατιστικής εφαρμόστηκαν σε 5 από τις 26 κατοικίες οι οποίες βρίσκονται στον ίδιο όροφο ενός συμπλέγματος κατοικιών και άρα έχουν παρόμοια θερμικά και αρχιτεκτονικά χαρακτηριστικά ενώ διαφέρουν ως προς τον προσανατολισμό και την θερμαινόμενη επιφάνεια και σε ότι έχει να κάνει με τον ίδιο τον χρήστη (π.χ. αριθμός χρηστών, συνήθειες και πρακτικές, επιλογή συστημάτων και συσκευών, λειτουργια των συστημάτων και συσκευών). Η επιλογή των 5 αυτών κατοικιών έγινε με σκοπό την όσο πιο αντικειμενική γίνεται σύγκριση και ποσοτικοποίηση των διαφορών που μπορεί να επιφέρει ο παράγοντας «χρήστης» στα ενεργειακά και περιβαλλοντικά ημερήσια προφίλ μιας κατοικίας. Ως αποτέλεσμα προέκυψαν τα πιο χαρακτηριστικά εικοσιτετράωρα προφίλ (patterns) για κάθε μελετούμενη παράμετρο σε κάθε κατοικία από τα οποία εξήχθηκαν σημαντικά συμπεράσματα για τη λειτουργία του συστήματος θέρμανσης, τη χρήση ηλεκτρικής ενέργειας, τον αερισμό και την παρουσία χρηστών σε κάθε κατοικία και έτσι δημιουργήθηκε ένα πολύ συγκεκριμένο συνολικό προφίλ για κάθε κατοικία. Οι διαφορές που προέκυψαν στα μοτίβα συμπεριφοράς είναι σημαντικές και άρα σε συμφωνία με τις θεωρίες που υποστηρίζουν ότι η συμπεριφορά του χρήστη αποτελεί την μεταβλητή που επιφέρει την μεγαλύτερη αβεβαιότητα στην τελική ενεργειακή κατανάλωση καθώς και ότι αυτή έχει μη αιτιοκρατική φύση. Συνεπώς τα προφίλ ενεργειακής συμπεριφοράς που εισάγονται σε μοντέλα ενεργειακής προσομοίωσης κτιρίου δεν μπορεί να είναι πλήρως προβλέψιμα και επαναλαμβανόμενα για μια κατοικία και σαφώς δεν μπορεί να είναι κοινά για κάθε κατοικία. Ακόμη, αποδείχτηκε ότι παρόλο που η Ανάλυση σε Κύριες Συνιστώσες δεν μπορεί να απεικονίσει τα ακριβή εικοσιτετράωρα προφίλ, οπως μπορεί η ανάλυση κατά συστάδες, μπορεί να δώσει με ακρίβεια τις ώρες της μέρας που λειτουργείται το σύστημα θέρμανσης καθώς και τις ώρες της μέρας που γίνεται πιο έντονη χρήση των ηλεκτρικών και ηλεκτρονικών συσκευών και του συστήματος φωτισμού δίνοντας έτσι μια συνολική εικόνα της ενεργειακής συμπεριφοράς του χρήστη. Στη συνέχεια δημιουργήθηκε ενεργειακό μοντέλο προσομοίωσης για μια συγκεκριμένη κατοικία στο οποίο εισήχθηκαν τα εικοσιτετράωρα προφίλ που εντοπίστηκαν για τη λειτουργία του συστήματος θέρμανσης, τη χρήση ηλεκτρικής ενέργειας, τον αερισμό και την παρουσία χρηστών με σκοπό τη βαθμονόμηση του. Το βαθμονομημένο μοντέλο προσαρμόστηκε σε συγκεκριμένα σενάρια λειτουργίας του συστήματος θέρμανσης από άλλες τέσσερις κατοικίες με σκοπό την πιο αντικειμενική σύγκριση και ποσοτικοποίηση των διαφορών που μπορεί να επιφέρει ο παράγοντας «χρήστης» στην ενεργειακή κατανάλωση για θέρμανση και στις εσωτερικές θερμικές συνθήκες. Η σύγκριση των αποτελεσμάτων από το κάθε σενάριο έδειξε αξιοσημείωτες διαφορές στην ενεργειακή κατανάλωση και στο ποσοστό του χρόνου που επιτυγχάνονται οι συνθήκες θερμικής άνεσης που ορίζουν τόσο η νομοθεσία και τα διεθνή πρότυπα όσο και ο ίδιος ο χρήστης, επιβεβαιώνοντας την απρόβλεπτη φύση του χρήστη και την μεγάλη επίδραση που μπορεί να έχει στην πραγματική ενεργειακή κατανάλωση ενός κτιρίου. Διαπιστώθηκε επίσης ότι η εισαγωγή μεγαλύτερης λεπτομέρειας στο μοντέλο βαθμονόμησης όσον αφορά τη λειτουργία του συστήματος θέρμανσης (ημερήσια προφίλ αντί για μηνιαία επικρατούντα προφίλ) αξίζει να γίνεται όταν μια κατοικία έχει αρκετά ακανόνιστη λειτουργία του συστήματος θέρμανσης. Επίσης, βρέθηκε σημαντική θετική συσχέτιση ανάμεσα στην ενεργειακή κατανάλωση για θέρμανση με την τιμή του θερμοστάτη και με τις ώρες λειτουργίας του συστήματος θέρμανσης μέσα στη μέρα αλλά όχι με τις φορές που το σύστημα μπαίνει σε λειτουργία μέσα στη μέρα. Τέλος, διαπιστώθηκε ότι στην πράξη μπορεί ο χρήστης να επιλέξει να λειτουργήσει το σύστημα θέρμανσης του σε αρκετά υψηλότερες ή και χαμηλότερες θερμοκρασίες από αυτές που προδιαγράφονται από την εθνική νομοθεσία ή πρότυπα, με σαφείς επιπτώσεις στην ενεργειακή κατανάλωση για θέρμανση και στις συνθήκες θερμικής άνεσης. Ακολούθως, αναπτύχθηκε ένας διαγνωστικός δείκτης, ο «Δείκτης Ποιότητας Εσωτερικού Περιβάλλοντος» (Dwelling Environmental Quality Index - DEQI), τον οποίο ο χρήστης μπορεί να συμβουλεύεται παράλληλα με την προσπάθεια εξοικονόμησης ενέργειας για την εύκολη διάγνωση προβλημάτων και τη διαχείριση της ποιότητας εσωτερικού περιβάλλοντος στην κατοικία του. Ο υπολογισμός του δείκτη βασίζεται σε μετρούμενες τιμές της θερμοκρασίας αέρα, της σχετικής υγρασίας και των συγκεντρώσεων διοξειδίου του άνθρακα. Ο δείκτης DEQI εφαρμόστηκε στο σύνολο των 26 κατοικιών όπου και αποδείχθηκε η χρησιμότητα του για διαφορετικού τύπου εφαρμογές αλλά και αναδείχθηκε η πληθώρα των πληροφοριών που κάποιος μπορεί να εξαγάγει ανάλογα με το διάστημα εφαρμογής του δείκτη. Ο δείκτης DEQI μπορεί να αποτελέσει ένα σημαντικό κομμάτι του δείκτη ευφυούς ετοιμότητας (Smart Readiness Indicator - SRI).Τέλος, αναπτύχθηκε ένας αλγόριθμος για την παροχή ενεργειακών συμβουλών ο οποίος λαμβάνει υπόψιν τόσο τη μοναδικοτητα του χρήστη όσο και τη σχέση που υπάρχει μεταξύ κατανάλωσης ενέργειας και ποιότητας εσωτερικού περιβάλλοντος. Ο αλγόριθμος αυτός βάζει τον χρήστη στο επίκεντρο της ενεργειακής διαχείρισης προσφέροντας του την απαραίτητη πληροφορία που χρειάζεται για να δράσει ανάλογα με τις ανάγκες και τις απαιτήσεις του. Στόχος είναι η προσφερόμενη πληροφορία να βελτιώσει την ενεργειακή συμπεριφορά των χρηστών κτιρίων κατοικίων και ως αποτέλεσμα να οδηγήσει στην εξοικονόμηση ενέργειας σε αυτά. Οι συμβουλές προσφέρονται μέσα από μια υπηρεσία που βασίζεται στην Τεχνολογία της Πληροφορίας και των Επικοινωνιών (ΤΠΕ) και συμπληρώνει την άμεση ανατροφοδότηση (direct feedack) και ενημέρωση (information) που προσφέρεται μέσα από αυτήν. Η επιλογή των παρεχόμενων συμβουλών έγινε μετά από διερεύνηση των αναγκών των χρηστών και εκτενή βιβλιογραφική έρευνα. Όπως προέκυψε πρώτο κριτήριο για την εφαρμογή ενεργειακών συμβουλών είναι το κόστος τους. Ως εκ τούτου οι συμβουλές που επιλέχθηκαν για το πρόγραμμα συμβουλών είναι μικρού ή μηδενικού κόστους και κάποιες φορές μεσαίου κόστους και δεν αφορούν σε καμία παρέμβαση στο κέλυφος του κτιρίου. Οι συμβουλές προσφέρονται στον χρήστη σε συχνότητα 15-λεπτου και είναι εξατομικευμένες αφού καθορίζονται από τις εσωτερικές περιβαλλοντικές συνθήκες της κατοικίας στην οποία προσφέρονται τη στιγμή της μέτρησης, τη λειτουργία ή όχι του συστήματος θέρμανσης και την εποχή του χρόνου.