BERÄKNINGSMETOD FÖR SANNOLIK ENERGIANVÄNDNING I BOSTADSHUS SBUF projekt 13074 E2B2 projekt 39706-1 Stephen Burke, Tekn. Dr., NCC 2019-02-07 1 1 Arbetsgrupp Stephen Burke, NCC Johnny Kronvall, StruSoft Per Sahlin, EQUA Simulations AB Magnus Wiktorsson, Lunds Universitet Anders Rosenqvist, StruSoft, Anders Rudenå, StruSoft, Anders Ljungberg, NCC, Christopher Bengtsson, NCC 2 2 1
Referensgrupp Åke Blomsterberg, WSP Helena Bulöw-Hube, FOJAB Bengt Bergsten, Chalmers Fastighets AB Nils Ryden, PEAB Hans Bagge, LTH Björn Berggren, Skanska Robert Johannesson/Lin Liljefors Boverket 3 3 Syfte Studera vilka indataparametrar som har störst påverkan på variationen hos resultatet. Börja definiera realistiska spridningar hos de mest signifikanta indataparametrarna. Studera för- och nackdelar med probabilistiska energiberäkningar för bygg- och fastighetssektorn samt de möjligheter som molnbaserade beräkningsservrar medför. Studera problematiken kring avvikelser mellan beräknad och uppmätt energianvändning i nybyggnader genom att kvantifiera de säkerhetsmarginaler som bör tillämpas så att, med olika grader av konfidens (t.ex. 95 eller 99 %), den verkliga energianvändningen inte kommer att överskrida den beräknade. Studera tillgängliga stokastiska modeller för brukarbeteende och testa hur några av dessa kan fungera i praktisk projektering. 4 4 2
Relevans för byggbranschen? Idag finns det inget sätt att bedöma risken eller ta fram relevanta säkerhetsmarginaler i energiberäkningar. Viktigt när man säljer energigarantier! Bör leda till en bättre förståelse kring energiberäkningar m.h.t hur känslig indatan är. Idag har vi inget kostnadseffektivt sätt att utföra parameterstudier med energiberäkningar. Källa: http://www.e2b2.se/forskningsprojekt-i-e2b2/byggprocessen/beraekningsmetod-foersannolik-energianvaendning-i-bostadshus/ Inga metoder finns idag som kan ta hänsyn till skillnader i materialegenskaper eller kvalitet i produktionen i en energiberäkning. 5 5 Monte Carlo simuleringar Indata i intervall (Cloud) Computing Resultat [min,max] för varje varje kombination parameter Två beräkningsprogram i.e 1 000 gånger IDA/ICE och VIP Energy 6 6 3
Variation av indata provfall 1 Provfall har använt allmänna variationer baserad på en grupp och inte en specifik produkt (större spridning). Provfall 2 har använt specifika produktspridning när det var möjligt. 7 7 Variation av indata provfall 1 8 8 4
Provfall Passivhus 9 9 Resultat provfall Passivhus 10 10 5
Resultat provfall Passivhus (26 objekt) 0,3 0,25 0,2 0,15 Measured Energy Use Calculated energy use 1 Calculated energy use 2 Original energy requirement 0,1 0,05 0 30 35 40 45 50 55 60 65 70 75 11 11 Slutsatser Monte Carlo teknik fungerade bra för att studera osäkerheter samt spridning av indata. Beräknade energianvändning stämde bra överens med uppmätt energianvändning. Metoden tillåter att man kan diskutera risker kopplat till olika lösningar istället för att anta en säkerhetsmarginal. Saknar mycket underlag för spridning av inputdata. Även spridning som anses vara normal för ett material eller användning visar att en byggnads energianvändning kan påverkas mycket. 12 12 6
Framtida arbete Köra en mer avancerad byggnad som t ex flerbostadshus med flera parametrar och zoner. Ny E2B2/SBUF projekt som heter: Probabilistisk energiberäkningar flerbostadshus, började januari 2019. Samla bättre indata för att bättre definiera spridningen! (Till ex. E2B2/SBUF projekt Kartläggning av VVC-förluster i flerbostadshus) Samarbeta med Probabilistika energiberäkningar och risk (SBUF/NCC Doktorand projekt, 1 September, 2018, Tomas Ekström) 13 13 14 14 7