Energioptimering af eksisterende bygningsmasse

Projektet bygger på erfaringer fra EnergiLab Nordhavn (2015) og HAL C (2019). Signaturprojektet fortsætter arbejdet med fleksibilitet gennem implementeringstest af løsningerne. Dette betyder, at projektet videreudvikler og afprøver løsninger, der skal sikre fleksibilitet i bygningsdriften, med fokus på at kunne tilpasse energiforbruget og systemdriften i takt med ændrede behov. Implementeringstesten blev gennemført fra primo 2021 til ultimo 2022 og havde til formål at teste fleksibilitetsteknologierne under virkelighedsnære forhold i bygningsdrift. Løsningerne blev afprøvet i praksis for at vurdere, hvordan de kunne integreres i eksisterende bygningsstyring og energisystemer. Dette gav mulighed for at identificere de tekniske og organisatoriske krav, der skal opfyldes for en fuld implementering af løsningerne i fremtiden.

Anno 2025 er delelementer af Signaturprojektet allerede implementeret og vil snart blive udvidet, mens andre delelementer er lukket for drift med henblik på yderligere fremtidig innovation. Specifikt er den del, der omhandler fleksibel varme gennem intelligent bygningsstyring, blevet fastholdt i samarbejde med HOFOR og vil blive udvidet i kapacitet frem til september i år. Derimod har den del, der omhandler fleksibel elektricitet, ikke vist en investeringsparat forretningscase for udrulning til ventilationsanlæg, og derfor overvejer kommunen nu alternative muligheder for brugen af denne teknologi.

AI bruges til at analysere data, identificere mønstre og træffe beslutninger om, hvordan energiforbruget kan optimeres. AI-løsningen modtager data om fjernvarme og/eller elforsyning, temperaturer, vejrforhold og indeklima. Den bruger disse data til at flytte eller reducere energiforbruget på tidspunkter, hvor der er spidsbelastninger i nettet. AI-løsningen bruger også data fra Energinet.dk’s datahub, forsyningsselskaber og bygningers it-systemer (EMS/CTS). AI håndterer store mængder energidata fra forskellige kilder, som er vanskelige at overskue for driftsmedarbejdere. 

Der bruges data om fjernvarmeforsyning, temperaturer, vejrforhold, indeklima, målerdata fra bygningers fjernvarmecentraler, data om spidsbelastninger i elforsyningen og data om de el-anlæg, der stilles til rådighed for fleksibelt forbrug fra styresystemerne. AI-løsningen bruger så læringen til at foretage komplekse matematiske beregninger, der gør det muligt at håndtere og finde mønstrer i meget store mænger af data. 

Systemet sikrer databeskyttelse ved kun at anvende nødvendige data fra sensorer og systemer. Derudover er der fokus på at undgå negative konsekvenser for indeklimaet eller bygningernes drift gennem løbende overvågning og justeringer. 

Systemet er blevet afprøvet gennem implementeringstest i flere bygninger. Det er signaturprojektets endelige læring og erfaring, at den største arbejdsopgave for alle involverede parter er kommunikation og informationsdeling på tværs af faglige områder og organisationer. 

Formålet med projektet er at reducere CO2-udledningen og understøtte den grønne omstilling. Det udspringer af Københavns Kommunes klimadagsorden og de nye teknologiske muligheder. I mange eksisterende bygninger overstiger energiforbruget det faktiske behov, hvilket medfører unødvendige udledninger af drivhusgasser. Projektet skal hjælpe kommuner med at optimere energiforbruget i egne bygninger og dermed reducere både klimabelastning og energiudgifter. På sigt er det ambitionen at gøre værktøjet tilgængeligt for andre kommuner og offentligheden, så hele samfundet kan drage fordel af løsningerne og bidrage til den grønne omstilling. 

Tidligere projekter EnergiLab Nordhavn og HAL C har givet erfaringer om fleksibel fjernvarme og el. Guiden er udarbejdet for at inspirere andre kommuner, forsyningsselskaber og teknologileverandører til at starte lignende projekter.