Demand response of space heating using model predictive control in an office building
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Insinööritieteiden korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2018-12-10
Department
Major/Subject
HVAC Technology
Mcode
K3008
Degree programme
Master's Programme in Energy Technology (EEN)
Language
en
Pages
106+1
Series
Abstract
Decreasing the CO2 emissions of building stock plays a remarkable role in the mitigation of global warming. The share of building sector from both the global final energy use and CO2 emissions is about 30%. Demand response of electricity and district heating provides one tool for decreasing emissions in the whole energy system. In demand response the buildings energy use is controlled so that the peak-load consumption in the energy grid decreases and the consumption profile stabilizes. CO2 emissions are reduced since the need for emission-intensive peak-demand generation decreases. The building owners benefit from the energy cost savings and the energy producers from the higher grid efficiency and decreased investments for peak-demand power plants. The main objective of this thesis was to define the potential of space heating demand response in the perspective of local thermal comfort, cost savings and energy flexibility. Demand response was implemented using a model predictive control algorithm (MPC) that optimized and controlled the space heating temperature setpoints. The MPC algorithm was tested with dynamical simulation model of an educational office building located in Aalto University campus area. The second research question was to examine how the demand response of space heating affects the local thermal comfort of occupants. The draught risk during the demand response was investigated by thermal manikin measurements in workstations near windows. To prevent the draught risk, a window surface temperature restriction was implemented in the MPC control algorithm and its influence on the demand response potential was investigated with different properties of windows. The thermal comfort measurements showed that the draught risk increased in workstations adjacent to windows during the decreased heating power. The increase in draught risk was noticed when the window surface temperature dropped below 15 °C while the heating was turned OFF. The influence from the window surface temperature restriction on the demand response potential was found to be small. With energy efficient windows, the influence was negligible and with non-energy efficient windows the demand response potential was affected only when unnecessary high power requirements were set. Using the MPC algorithm, the annual heating cost of the case building could be decreased 4.7%. The highest energy flexibility obtained was 14%.Rakennusten hiilidioksidipäästöjen vähentämisellä voidaan edistää merkittävästi ilmastonmuutoksen torjumista, sillä rakennusten osuus kokonaisenergiankulutuksesta (ja hiilidioksidipäästöistä) maailmassa on noin 30%. Sähkön ja lämmön kysyntäjousto rakennuksissa on yksi keino koko energiajärjestelmän kasvihuonepäästöjen vähentämiseen. Kysyntäjoustossa kuluttajat muuttavat kulutustaan siten, että energiaverkon huipputehon tarve laskee ja kulutuksesta tulee stabiilimpaa. Kysyntäjousto vähentää kasvihuonepäästöjä, sillä energia- ja päästöintensiivisiä huippuvoimalaitosten käyttötarve vähenee. Kysyntäjoustosta on hyötyä rakennusten omistajille kustannussäästöjen muodossa ja energiayhtiöille investointitarpeen pienenemisenä sekä verkon hyötysuhteen paranemisena. Tämän tutkimuksen tavoitteena oli tutkia tilojen lämmityksen kysyntäjoustopotentiaalia kustannussäästöjen, energiankäytön joustavuuden ja lämpöviihtyvyyden näkökulmasta. Lämmityksen kysyntäjousto toteutettiin tilojen lämmitystä ohjaavan mallipohjaisen algoritmin avulla. Algoritmia testattiin Aalto yliopiston kampusalueella sijaitsevaan opetusrakennukseen dynaamisen simulointityökalun avulla. Toisena tutkimuskysymyksenä oli selvittää millainen vaikutus lämmityksen kysyntäjoustolla on lokaaliin lämpöviihtyvyyteen. Tässä työssä kysyntäjouston vaikutusta vetoriskiin tutkittiin kokeellisesti lämpönuken avulla työpisteissä, jotka sijaitsivat ikkunoiden lähellä. Kylmistä ikkunapinnoista johtuvan vetoriskin välttämiseksi kysyntäjoustolle asetettiin rajoite mallipohjaisessa algoritmissa, jonka vaikutusta kysyntäjoustopotentiaaliin tutkittiin erilaisilla ikkunoiden ominaisuuksilla. Kokeelliset lämpöviihtyvyysmittaukset osoittivat, että vetoriski ikkunoiden lähellä sijaitsevissa toimistopisteissä kasvaa, kun pattereiden tehoa lasketaan kysyntäjouston aikana. Vetoriskin huomattiin kasvavan, mikäli ikkunan pintalämpötila laski alle 15 °C, kun patterit eivät olleet päällä. Vetoriskin pienentämiseksi tehdyn rajoitteen vaikutus kysyntäjoustolla saavutettaviin kustannussäästöihin sekä energiajoustavuuteen huomattiin olevan pieni. Energiatehokkailla ikkunoilla vaikutus kysyntäjoustopotentiaaliin oli mitätön, ja huonoilla (U-arvo = 2,6 W/m2K) ikkunoilla potentiaali laski vasta tarpeettoman suurilla lämmitystehon korotuksilla. Mallipohjaisen algoritmin avulla tutkitun toimistorakennuksen vuotuisia lämmityskustannuksia pystyttiin vähentämään noin 4.7%. lämmityksen joustavuudeksi saatiin parhaassa tapauksessa 14%.Description
Supervisor
Kosonen, RistoThesis advisor
Jokisalo, JuhaKeywords
demand response, thermal comfort, model predictive control, thermal manikin, multi objective optimization