Data-driven portfolio analysis for office buildings’ energy efficiency retrofit projects
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Sähkötekniikan 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
2021-06-14
Department
Major/Subject
Sustainable Energy Systems and Markets
Mcode
ELEC3048
Degree programme
Master's Programme in Advanced Energy Solutions
Language
en
Pages
80
Series
Abstract
The building sector was responsible for over third of global energy and process-related CO2 emissions in 2018. European Union has set ambitious targets for decarbonization of the building sector by 2050. Improving the energy efficiency of buildings is one of the vital measures to meet the goals. At the moment, the buildings’ energy saving potential is evaluated building by building which is relatively slow way to find the most potential buildings in a building portfolio. This study focused on evaluating the relationship be-tween the building’s individual characteristic and energy saving potential. In the literature review, a general description was conducted for understanding the dimensions related to office buildings’ energy efficiency. Treated dimensions affect to the energy saving potential and the implementation measures. The relationship between building’s individual characteristics and energy saving potential was studied by using data gathered from implemented energy efficiency improvement projects. This study focused on the improvements targeted to heating, ventilation and air conditioning systems which included also capital expenditure renovations. Regression model analysis was used to find the correlations between the characteristics and energy saving potential. Analysis was complemented by case study, in which the observations from the regression analysis were compared thoroughly to the implemented improvement projects. Based on the regression analysis and the case study, a preliminary classification tool was created which takes into account energy saving potential and individual characteristics of a building. Varying purpose of use and the volume of the office building were found to affect the energy saving potential the most. Including the correlating characteristics into the classification tool, the preliminary ranking was enabled. As the classification tool was based on the findings of the regression analysis and the case study, the small dataset influenced the interpretation of the created evaluation parameters and their range. By growing the size of the dataset and the data quality of the gathered information, the accuracy of these parameters improves. There-fore, the potential of using the classification tool as an active application in the portfolio analysis can be used.Yli kolmasosa maailman energiankulutukseen liittyvistä hiilidioksidipäästöistä syntyy kiinteistösektorin aiheuttamista päästöistä. Euroopan Unioni on asettanut hiilineutraaliustavoitteen kiinteistöjen päästöille vuoteen 2050. Yksi keskeisimmistä päästöjen vähennyskeinoista on rakennusten energiatehokkuuden parantaminen. Rakennusten energiansäästöpotentiaalia arvioidaan nykyisin kiinteistökohtaisesti, mikä on suhteellisen hidas tapa löytää potentiaalisimmat kiinteistöt. Tutkimuksessa keskityttiin arvioimaan dataohjautuvasti rakennusten yksilöllisten piirteiden vaikutusta energiansäästöpotentiaaliin portfoliotasolla. Kirjallisuuskatsauksessa luotiin yleiskuva toimistokiinteistöjen energiatehokkuuden ulottuvuuksiin, jotka vaikuttavat energiansäästöpotentiaaliin sekä parannustoimenpiteiden toteuttamiseen vaikuttaviin asioihin. Rakennusten yksilöllisten piirteiden vaikutusta energiansäästöpotentiaaliin tutkittiin käyttämällä toimistokiinteistöihin toteutetuista energiatehokkuusremonteista syntynyttä dataa. Tämä tutkimus keskittyi ilmanvaihtojärjestelmään kohdistuneisiin remontteihin, jotka sisälsivät samalla suoritettuja peruskorjausparannuksia. Piirteiden suhdetta energiansäästöpotentiaaliin tutkittiin käyttämällä regressioanalyysiä, jonka avulla pyrittiin tunnistamaan keskeisimpiä energiatehokkuuteen liittyviä korrelaatioita. Analyysiä täydennettiin tapaustutkimuksella, jossa verrattiin regressioanalyysin löydöksiä tapauskohteissa toteutettuihin remontteihin ja niistä tehtäviin päätelmiin. Regressioanalyysin ja tapaustutkimuksen pohjalta luotiin alustava luokittelutyökalu, jossa huomioidaan toimistokiinteistöjen energiansäästöpotentiaali ja niiden yksilölliset piirteet. Muuttuva käyttötarkoitus ja rakennuksen tilavuus löydettiin vaikuttavan eniten energiasäästöpotentiaaliin. Sisällyttämällä korreloivat piirteet luokittelutyökaluun, alustava paremmuusjärjestys on mahdollista luoda. Datajoukon pienuudesta johtuen havainnoissa on epävarmuutta, mikä vaikuttaa työkalun luokitteluparametreihin. Kehittämällä datajoukon kokoa ja datan laatua, parametrit tarkentuvat. Täten luokittelutyökalun potentiaali aktiivisessa käytössä rakennusportfolioiden järjestämisessä kasvaa.Description
Supervisor
Keppo, IlkkaThesis advisor
Tainio, JohannaKeywords
energy efficiency, data management, portfolio optimization, energy savings