Building Performance - Methods for Improved Prediction and Verification of Energy Use and Indoor Climate

Sammanfattning: Popular Abstract in Swedish Byggnadsprestanda – Metoder för förbättrad prediktering och verifiering av energianvändning och inneklimat Hans Bagge, Byggnadsfysik LTH Introduktion För att kunna minska utsläpp av växthusgaser och rädda klimatet på jorden är det av yttersta vikt att vi kan bygga byggnader med låg energianvändning och bra inneklimat. Byggnader står i dagsläget för mellan 30 och 40 % av Sveriges energianvändning och vi spenderar en stor del av vårt liv inomhus vilket gör att det är mycket viktigt att byggnaderna inte bara använder lite energi utan även har ett bra inneklimat. Moderna lågenergihus är välisolerade, lufttäta och har värmeåtervinning. Det gör att byggnaderna behöver energi till uppvärmning först när det börjar bli förhållandevis kallt ute. Under resten av året räcker det i huvudsak med den värme som avges från hushållsel och personer. Energianvändningen i lågenergihus påverkas därför relativt sett mer av de boendes beteende. Från att tidigare framförallt ha påverkats av uteklimatet så måste man nu ta hänsyn till att uppvärmningen påverkas av brukarna och brukarrelaterade parametrar. Innan en byggnad byggs används ofta datorberäkningsverktyg för att förutsäga, prediktera, byggnadens prestanda under drift. Ett flertal forskningsprojekt, rapporter och utvärderingar har visat att uppmätt energianvändning i byggnader kraftigt överstiger predikterade värden. Verklig användning kan överstiga den predikterade med mellan 50 och 100 %. Om man inte har någon överenstämmelse mellan hur man predikterat att byggnaden ska fungera och hur den verkligen fungerar är det svårt att uppnå mål om låg energianvändning. Mål Den huvudsakliga forskningsfrågan har handlat om att det finns stora skillnader mellan predikterad och uppmätt prestanda. För att korrekt kunna analysera orsakerna till denna skillnad är det viktigt att förstå de olika händelser som föregår prediktering och som sker mellan prediktering och verifiering. Under projekteringen av en byggnad görs predikteringar, ofta baserade på resultat från datorsimulerings-verktyg, av byggnadens prestanda. Vad som behöver predikteras beror på vad som ställs krav på. Krav kan vara från lagstiftning, till exempel byggreglerna, kommunen, byggherren eller kunden. Baserat på resultat från beräknings-verktyg och predikteringar görs projektering och val av byggteknik och system såsom värme och ventilation. Verktygen och predikteringarna behöver indata som kan vara antagen eller baserad på referensdata. Predikteringarna av byggnadsprestanda ska spegla verkligheten som beskrivs av mätningar utifrån vilka verifieringar görs. Mellan prediktering och verifiering är det ett tidsspann under vilket byggnaden konstrueras, byggs, tas i drift, och förvaltas. Under varje händelse och mellan händelserna kan problem identifieras som kan ha påverka om prediktering och verifiering kommer att överensstämma. Några av dessa problem är: • Är krav predikteringsbara • Vilka säkerhetsfaktorer bör användas • Vilka verktyg finns och är de verktyg som är tillräckligt bra • Vilken indata kan verktyg hantera • Finns referensdata tillgänglig • Är tillgänglig referensdata tillräckligt bra • Hur matter man verkligheten • Hur görs trovärdiga verifieringar • Vad hander under tidsspannet mellan prediktering och verifiering • Hur kan mätningar och verifieringar användas som feedback Om dessa problem kan bli lösta eller förbättrade tros det kunna bidra till en bättre överenstämmelse mellan prediktering och verifiering. En bättre överenstämmelse är av intresse för alla. Ur ett globalt perspektiv skulle utsläpp av växthusgaser minska. Ur ett nationellt samhällsperspektiv skulle energisystemet konstrueras bättre och mer optimalt vilket kan underlätta implementering av förnyelsebar energi och bättre utnyttjande av offentliga finanser. Undvikande av fuktskador skulle minska kostnaden för relaterade hälsoproblem och minska kostnader för åtgärder. Ur ett affärsperspektiv borde en produkt som är förutsägbar vara ett säkrare alternativ för både säljare och kund. För kunden skulle det vara en fördel att kunna verifiera att produkten har de prestanda som utlovats. Kunden kan antagligen göra säkrare ekonomiska bedömningar gällande investeringar om driftskostnader, till exempel energianvändning eller underhåll, kan predikteras med god säkerhet vilket skulle kunna göra att investeringsutrymmet för förnyelsebar teknik ökade. Ur brukarens perspektiv så borde en hälsosam innemiljö med ett bra inneklimat vara del av en god livskvalitet. Utförande Forskningen har utförts med syftet att ge förutsättningar att lösa eller förbättra de identifierade problemen enligt ovan. Detta genom att analysera tidsupplösta mätdata, från en ettårsperiod, på energi- och inneklimatparametrar från byggnader i drift. Det övergripande målet att möjliggöra en bättre överenstämmelse mellan prediktering och verifiering har konkretiserats till att mäta och analysera följande parametrar: • Innetemperatur • Närvaro • Hushållsel • Luftläckage • Passiv solvärme • Relativ fuktighet inne • Fukttillskott • Uppvärmning • Tappvarmvatten • Domestic hot water heating Parametrarna har mätts som medelvärden på byggnadsnivå för att beskriva förhållandena innanför byggnadsskalet. Mätningar av energi har utförts i byggnader på nio fastigheter. Dessa byggdes för den internationella bomässan Bo01 2001. Husen konstruerade för att årligen använda totalt maximalt 105 kWh¬/m2 inkluderande hushållsel vilket jämförelsevis är ett strängare krav än i dagsläget gällande energikrav i byggreglerna. Mätningar av inneklimat har utförts i 19 objekt på fyra orter i Sverige. Orterna Karlstad, Kiruna, Malmö och Sundsvall valdes för att representera olika klimatzoner. Byggnader på de olika orterna har valts utifrån tillgänglighet och möjlighet att utföra mätningar. Resultat och diskussion Mätdatan har använts för att beskriva karakteristiken och statistiska egenskaper för de olika parametrarna. Förutom att beskriva hur parametrarna variera med uteklimatet har typiska profiler för variationer på olika tidsskalor, dygn, vecka och år, har tagits fram såväl som medelvärden och spridningsmått. Metoder presenteras för hur data kan användas för att beskriva indata med olika detaljeringsnivå utifrån beskrivningar ovan. En metod har utvecklats för att utifrån uppmätta dygnvärden på energianvändning för uppvärmning analysera hur olika uteklimatparametrar, temperatur, sol och vind, påverkar energianvändningen. Utifrån denna metod kan man kvantitativt beräkna hur mycket passiv solvärme som faktiskt har använts i en faktisk byggnad. Samma metod kan användas för att kvantitativt beräkna hur mycket en byggnads luftläckage och de boendes fönstervädring påverkar energianvändningen i en faktisk byggnad. Dessa delposter i energibalansen, passiv solvärme, luftläckage och vädring, är angelägna att kunna verifiera i den färdiga byggnaden under drift för att kunna jämföra mot vad datorberäkninsprogrammet beräknade dessa poster till. Genom att kunna beskriva uppvärmningen som en funktion av flera parametrar kan korrigeringar för meteorologiska skillnader mellan olika år utföras på ett bättre sätt än om bara utetemperatur korrigeras för. När korrigeringar för olikheter i uteklimatet görs måste dessa korrigeringar utgå från det aktuella husets energianvändnings koppling till uteklimatet. Två till synes identiska hus kan ha stor skillnad i lufttäthet och då kommer det lufttätare huset att påverkas mindre av om det är ett blåsigt år jämfört med det otätare huset. Ofta har moderna byggnader stora fönsterareor. Dessa fönsterareor gör att det finns förutsättningar för mycket passiv solvärme när solen skiner, förutsatt att det samtidigt finns ett uppvärmningsbehov. Beräkningsprogram visar ofta att byggnader till stor del kan värmas med passiv solvärme. Analysen av passiv solvärme, visar att det används mindre energi under soliga dagar men att det har en förhållandevis liten påverkan på energianvändningen på årsbasis. Tyvärr är det ju så att det är fler molniga dagar än soliga dagar under uppvärmningssäsongen och under vintern så är det bara få timmar med sol varje dygn. Det är värt att kommentera att de dagar som solen inte lyser finns det ingen passiv solvärme att tillgå och då läcker fönster värme tio gånger mer än en vägg. För att solvärmen ska kunna utnyttjas krävs att termostater är tillräckligt snabba och precist reagerar på när det finns passiv solvärme att tillgå. Om inte så blir resultatet att solvärmen gör att det blir för varmt inne. De boende kan då öppna fönster för att kontrollera temperaturen och då kommer det istället in kall luft som måste värmas. De brukarrelaterade parametrarna kan typiskt variera beroende på tid på året eller med uteklimatet men även beroende på om det är en veckodag eller en helgdag samt med tid på dygnet eftersom dessa parametrar påverkas av de som bor i huset. Exempelvis varierar hushållselen under året, den är högre på vinter och lägre på sommaren, bland annat beroende på att dygnets timmar med dagsljus är fler på sommaren än vintern. Samtidigt är hushållselanvändningen högst på kvällen och lägst under natten, på grund av att man typiskt lagar mat, har tänt lampor och använder elektronisk utrustning under kvällen men under natten endast har igång kyl & frys, lampor släckta och apparater i standby. Hushållselen är en stor intern värmekälla och det är därför högintressant att veta hur den typiskt varierar vi olika tidpunkter. Både brukarrelaterade energiposter och inneklimatparametrar uppvisar typiska variationer som kan kopplas dels till uteklimatet och dels till de boendes beteende. När både energianvändningen och inneklimatet till allt större del beror på sådant som är brukarpåverkat är det angeläget att på ett bra sätt kunna beskriva dessa poster, både med statistik, t.ex. medelvärden och spridningsmått, och karakteristik, t.ex. typiska dygnsprofiler. Denna beskrivning behövs inte bara för att jämföra mot vid verifieringar utan är viktig indata till de datorsimuleringar som görs under projekteringen och som ligger till grund för predikteringar. Resultat från energisimuleringsprogram påverkas av hur noggrant man beskriver karakteristiken på de interna värmelasterna. För att kunna göra tillräckligt bra beräkningar är det därför viktigt att veta hur olika parametrars karakteristik påverkar beräkningsresultat. Om man exempelvis beslutar sig för att beskriva närvaron som konstant under dygnet måste man veta vad detta antagande innebär i förhållande till om man antagit att närvaron varierat under dygnet, vilket den med största sannolikhet gör. Enkla och vanliga energisimuleringsprogram har inga eller begränsade möjligheter att ange parametrar annat än som årsmedelvärde. Om sådana program används är det mycket viktigt att veta vad dessa begränsningar innebär när man tolkar resultatet och ska bedöma dess tillförlitlighet. Slutsats Forskningen har visat att genom att mäta med hög tidsupplösning ges möjligheter att bättre beskriva energianvändningen och inneklimatet i byggnader. Detta är intressant både för att verifiera men även för att kunna använda tillräckligt bra indata i beräkningsprogram för att bättre beskriva den verklighet som beräkningen ska spegla som del i ett led att uppnå predikterad byggnadsprestanda som överensstämmer med uppmätt prestanda. Resultatet från projektet förväntas bidra till att nå mål om låg energianvändning i byggnader både vad gäller mål för specifika hus och områden samt för låg energianvändning i den bebyggda miljön som helhet.