Modellering och Optimering

Algenos styrmetodik kallas för MPC (Model Predictive Control). Enkelt förklarat betyder det att vi styr framåtblickande: vi tittar på vad som är på väg att hända. Algeno tar in information så som utomhustemperatur, vind, solinstrålning etc. och räknar ut vilken framledningstemperatur som behövs för att hålla rätt inomhusklimat innan förändringen ens har inträffat.

‍

När vi först kopplar upp oss mot ett nytt värmesystem,  applicerar vi en datadriven och självlärande modell som är unik för den specifika fastigheten. Detta då alla fastigheter är unika och har sina egenskaper och utmaningar. Modellen fungerar som en digital tvilling av fastigheten. Den lär sig hur just din byggnad beter sig och reagerar på olika förhållanden.

‍

Under en period på några veckor tar modellen in data om fastighetens inomhustemperatur och hur den reagerar på olika utomhustemperaturer och väder. Den tar även in data på hur temperaturen påverkas av människorna, t.ex. när de lagar mat och duschar efter jobbet.

‍

Under denna tid styr vi med en vanlig återkopplad styrning, en så kallad PID-styrning. Den PID-styrning vi använder håller minst samma nivå som ditt befintliga styrsystem, så värmesystemet fungerar precis som vanligt medan modellen tränas upp.

‍

När modelleringstiden är klar skickas det först en signal till Algenos tekniska team som tar en titt på modellens data och gör en sista bedömning för att se om modellen är tillräcklig bra att aktivera, eller om den behöver ytterligare tid.

‍

Vare sig den aktiveras efter denna modelleringstid eller inte, beror på flera olika faktorer, såsom:

• Har vi sett olika utomhustemperaturer? Vi ser gärna både plus- och minusgrader.
• Har fastigheten lyssnat på rekommendationerna? Har vi både retur- och framledningssensorer?

‍

När modellen blir validerad och aktiveras, börjar Algenos smarta värmeoptimering. Vi börjar nu att blicka framåt för att förutspå vilken inomhustemperatur som kommer att behövas t.ex. imorgon kl 14, genom att ta hänsyn till den data som tagits in under modelleringstiden, eftersom modellen lär sig fastighetens termiska tröghet och hur inomhustempen reagerar på olika faktorer. Den här framförhållningen sträcker sig 48 timmar framåt i tiden, vilket ger modellen god marginal att planera in väderförändringar innan de faktiskt inträffar.

‍

Här tar modellen hänsyn till vädertjänster för den prediktiva delen, men baserar sedan den faktiska styrsignalen på den lokala utomhussensorn, då den visar de faktiska väderförhållandena på plats.

‍

Vi skickar styrsignalerna var 10:e minut så att vi alltid har korrekt och uppdaterad data när vi skickar styrsignaler. Risken med att vänta med signalerna är att du inte hinner ta höjd för eventuella under- och övertemperaturer som naturligt kommer att komma från och till.

‍

Du som fastighetsägare har egen rådighet över systemet. Styrsignalerna skickas utefter dina mål och villkor för systemet, som du själv konfigurerar i Algeno Monitor. Villkor såsom måltemperatur, procentandel över undre gräns, restriktioner på minsta framledningstemp etc. är alla exempel på saker du själv bestämmer och konfigurerar där.

‍

Hur styr vi?

‍

Algeno styr inte mot ett medelvärde, utan mot en undre gräns. Ett medelvärde är ett trubbigt mått: det säger inget om hur ojämnt värmen faktiskt är fördelad i fastigheten. Vi sätter därför istället ett mål på den undre gränsen, till exempel att 80% av givarna ska ligga över 20,5 grader.

Detta leder till att Algeno automatiskt tar hänsyn till den naturliga spridningen i fastigheten, utan att du manuellt behöver sitta och anpassa vilka sensorer som ska vara med i styrningen, eller att fastighetsteknikerna ska slippa avgöra vilket medelvärde det behöver vara för att hyresgästerna inte ska klaga.

‍

‍

Styr mot medelvärde

• Alla fastigheter får samma medeltemperatur oavsett spridning vilket leder till att antal för kalla lägenheter varierar mellan fastigheter
• Driftorganisationen måste själv ha koll på spridning för att justera måltemperatur beroende på spridning.

‍

‍

Styr mot undre gräns

• Fastigheternas medeltemperatur beror på hur väl injusterade de är. En väl injusterad fastighet kan hålla en lägre medeltemperatur
• Algeno ser till att den inställda andelen lägenheter alltid hålls över undre temperaturgräns.
• Eftersom fastigheten inte värms meän nödvändigt för att hålla den undre gränsen, blir energianvändningen mer effektiv jämfört med att styra mot ett medelvärde. Varje grads sänkning av medeltemperaturen ger ungefär fem procents lägre uppvärmningskostnad över en hel säsong.

‍

‍

Procentsatser

Algeno styr som sagt mot att en viss andel av sensorerna, till exempel 80%, ska ligga över den undre gränsen. Den exakta andelen bestämmer inte vi. Du sätter själv målet utifrån din fastighet, till exempel 75% istället för 80%.

‍

Det målet är skilt från en annan sak: vilka sensorer vi faktiskt räknar med när vi mäter om målet är uppfyllt. Där väger vi tyngst de 50% av sensorerna som ligger mellan den 25:e och 75:e percentilen, eftersom de bäst representerar fastighetens faktiska inomhusklimat. De kallaste och varmaste 25 procenten räknas som avvikande och vägs inte in på samma sätt, till exempel en sensor i ett trapphus eller ett sällan använt förråd som inte säger så mycket om hur resten av fastigheten mår.

‍

Andelen över undre gräns är alltså målet vi styr mot. Percentilfiltreringen är vad som avgör vilka sensorer vi litar på när vi mäter det.