EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

Energi-, Forsynings- og Klimaudvalget 2018-19 (1. samling)
EFK Alm.del Bilag 79
Offentligt

Energistyrelsen

Gevinster ved øget brug af data og digitalisering

i bygningsdrift

DATO:

08.10.2018

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

RAPPORT:

DATO:

UDARBEJDET AF:

Gevinster ved øget brug af data og digitalisering i bygningsdrift

08.10.2018

Maria Rizzo

Nicklas Høgh Iversen

Louise Hedelund Sørensen

Energistyrelsen

UDARBEJDET FOR:

KVALITETSSIKRET AF:

Jan Viegand

VIEGAND MAAGØE A/S

SJÆLLAND

Hovedkontor

Nr. Farimagsgade 37

1364 København K

Danmark

T 33 34 90 00

[email protected]

www.viegandmaagoe.dk

CVR: 29688834

JYLLAND

Storegade 1

8382 Hinnerup

FYN

Sanderumvej 16 B

5250 Odense SV

VIEGAND

MAAGØE

SIDE 1 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

FORORD

Der er i disse år et stigende fokus på øget brug af data og digitalisering både for virksomheder og hos

myndighederne.

Regeringen har igangsat initiativet ”Energieffektive og Intelligente Bygninger”, der skal fremme udvikling

og etablering af energieffektive og intelligente bygninger. Som et led i initiativet gennemføres en række

analyser i 2016-2018 om potentialer og barrierer for gennemførelse af energieffektiviseringer i bygninger

ved anvendelse af data eller nye, intelligente teknologier for Energistyrelsen.

Denne rapport er en del af disse analyser. Rapporten indeholder en analyse af gevinsterne ved anven-

delse af data og digitalisering til at opnå en mere energieffektiv drift i bygninger.

VIEGAND

MAAGØE

SIDE 2 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

INDHOLD

2.1

2.2

2.3

SAMMENFATNING .................................................................................................... 4

ENERGIEFFEKTIV DRIFT I BYGNINGER ................................................................. 6

Omfattede bygninger og energiforbrug i analysen ....................................................................................... 6

Tendenser indenfor bygningsautomatik og intelligente bygninger ............................................................... 7

Målere og energiovervågning ...................................................................................................................... 7

3.1

3.2

KONCEPTER FOR FORBEDRING AF DRIFTEN AF BYGNINGER VED BRUG AF

DATA .......................................................................................................................... 9

Beskrivelse af styringsformer ...................................................................................................................... 9

Specifikke løsninger indenfor slutanvendelserne ...................................................................................... 11

4.1

4.2

4.3

4.4

4.5

OPSTILLING OG FORUDSÆTNINGER FOR ANALYSEN ...................................... 14

Opgørelse af energibesparelse ................................................................................................................. 14

Opstilling af driftskoncepter til analysen .................................................................................................... 15

Forudsætninger for udbredelse ................................................................................................................. 17

Anvendte energipriser ............................................................................................................................... 19

Omkostninger til opnåelse af energibesparelser ....................................................................................... 19

5.1

5.2

5.3

5.4

BARRIERER FOR UDBREDELSEN ........................................................................ 21

Tekniske barrierer ..................................................................................................................................... 21

Etik og sikkerhed ....................................................................................................................................... 21

Kompetencebarrierer................................................................................................................................. 21

Investeringsbarrierer ................................................................................................................................. 22

6.1

6.2

SAMMENFATTENDE VURDERING AF DRIFTSKONCEPTERNE .......................... 23

Energi- og økonomiske besparelser for slutbrugere .................................................................................. 23

Usikkerheder og sensitivitetsanalyser ....................................................................................................... 26

REFERENCER ............................................................................................................................................................................... 28

BILAG A: TEKNOLOGIBESKRIVELSER ........................................................................................................................................ 31

BILAG B: BESTEMMELSE AF ØKONOMISK NØGLETAL TIL INVESTERINGSOMKOSTNINGER ............................................... 39

BILAG C: SENSITIVITETSANALYSER........................................................................................................................................... 40

VIEGAND

MAAGØE

SIDE 3 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

SAMMENFATNING

Bygningsdriften er for mange mennesker og virksomheder noget, der skal fungere uden bekymringer og

stillingtagen. Den handler om, at der i bygningen skal være den rigtige indetemperatur, den gode luftkva-

litet, tilstrækkeligt med lys og belysning, der passer til den konkrete anvendelse, hvad enten det er på

gangene i en kontorbygning eller over spisebordet i boligen. En energieffektiv drift handler derfor om, at

anlæggene leverer præcis den ydelse, der er behov for og ikke mere.

Der er i disse år en kraftig udvikling inden for kunstig intelligens i alle sektorer, der sænker omkostninger

til databehandling og styring. Der sker således også en stor udvikling af produkter og løsninger af inte-

grerede energistyringssystemer for mindre bygninger, herunder boliger. Udviklingen går på at involvere

Internet of Things (IoT) og integrere smarte produkter (devices) og smartphones (via apps og webappli-

kationer). Tendensen er lige nu, at flere og flere løsninger er baseret på trådløse teknologier. En anden

tendens er, at der inden for bygningsautomationsområdet er stort fokus på brugerfladen og brugerople-

velsen.

Der sker en hastig teknologisk udvikling inden for sensorer og målere, som hele tiden bliver billigere og

får bedre opløselighed. Denne udvikling giver virksomheder mulighed for at udvikle nye forretningsområ-

der inden for teknik, rådgivning og kurser. Endvidere kan de kommende gratis data fra DMI om vejr- og

klimadata og eventuelle øvrige offentlige data blive anvendt af firmaer inden for digitale område til at ud-

vikle nye services og nye produkter med styringsfunktioner med anvendelse af vejrprognoser. Det må på

sigt forventes, at priserne på produkterne falder, som man ser det på andre elektronikområder, også på

grund af det stigende udbud af produkter og løsninger.

Det ser ud til, at også andre ydelser end energieffektivisering kan være drivere for denne udvikling,

f.eks. markedsføres systemer til bygningsdrift med alarmer for brand og indbrud og mere avancerede

serviceydelser som møderumsbooking og kantineforplejning.

Selvom der allerede i dag findes en lang række af kommercielt tilgængelige systemer med væsentlige

energisparepotentialer, så er udbredelsesraten lav. De store barrierer er i undersøgelser fundet at være,

at brugeren føler, at de mister kontrol, ikke har tillid til, at systemet virker efter hensigten, manglende

datasikkerhed, manglende kompetencer til at anvende systemet rigtigt, og at systemerne ikke altid er

kompatible med det eksisterende anlæg i bygningen eller med andre nye systemer på markedet. De ny-

este systemer har mere fokus på autonomi, brugervenlighed og integration, så den menneskelige inter-

aktion med styringssystemet kan minimeres og gøres lettere, og på den måde fjerne en del af kompe-

tencebarrieren.

Denne øgede dataindsamling og

–produktion

og styring af bygningsdrift vil kunne give et signifikant løft

til niveauet for energirenovering og forbedret styring af energiforbrug i bygninger i Danmark med betyde-

lige gevinster.

Gevinster for slutbrugerne

Internationale studier viser, at digitalisering af energitjenester og drift af bygninger kan give betydelige

energibesparelser i fremtiden [1]. Der er ikke tidligere lavet analyser af effekten i Danmark, hvorfor ana-

lysen i høj grad er baseret på udenlandske kilder, men sat ind i en dansk kontekst på de områder, hvor

der har kunnet skaffes nationale datakilder. Dette gælder især i forhold til fastsættelse af de nødvendige

investeringsomkostninger, hvor der primært er brugt en amerikansk kilde.

Det er i analysen estimeret, at slutbrugere med den nuværende teknologiske udvikling og forventning til

udbredelse af disse teknologier vil opnå en årlig energibesparelse på 1.200 GWh i 2030, svarende til 2

% af det endelige energiforbrug til rumopvarmning, belysning, komfortventilation og komfortkøling i

2016. Den estimerede økonomiske årlige besparelse for slutbrugerne er i størrelsesordenen 860 mio. kr.

VIEGAND

MAAGØE

SIDE 4 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

i 2030. De største energibesparelser forventes opnået inden for løsninger til rumopvarmning og i enfami-

liehuse.

Det er som tidligere nævnt et område i stor udvikling, og analysen indeholder derfor også en vurdering

af det maksimale besparelsespotentiale ved brug af data og digitalisering, ved at antage en maksimal

udbredelse af bedst kendte men ikke på nuværende tidspunkt tilgængelige teknologier på det danske

marked i dag. Energibesparelsespotentialet vil her ligge på 6.550 GWh/år, svarende til ca. 11% af det

endelige energiforbrug til rumopvarmning, belysning, komfortventilation og komfortkøling i 2016. Dette er

naturligvis meget usikkert især frem til 2030, og det er derfor mere sandsynligt, at potentialet skal ses på

lidt længere sigt f.eks. frem mod 2050. Differencen i besparelsespotentialerne viser dog det samlede

maksimale potentiale, der kan realiseres ved at øge fokus på området.

VIEGAND

MAAGØE

SIDE 5 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

ENERGIEFFEKTIV DRIFT I BYGNINGER

Bygningsdrift handler om, at der i bygningen skal være den rigtige indetemperatur, den gode luftkvalitet

og tilstrækkeligt med ly, der passer til den konkrete anvendelse i kontorbygninger og boliger. En energi-

effektiv drift handler derfor om, at anlæggene leverer præcis den ydelse, der er behov på det tidspunkt,

der er behov for den

–

og at der ikke leveres mere end den ydelse. Dette kan opnås ved forskellige for-

mer for driftskoncepter, der anvender data og digitalisering, ved vedligehold og service og ved udskift-

ning af til mere energieffektive komponenter eller anlæg. Denne del af rapporten indeholder alene den

første del om driftskoncepter, der anvender data og digitalisering.

2.1

OMFATTEDE BYGNINGER OG ENERGIFORBRUG I ANALYSEN

Da teknologier og driftskoncepter afhænger af bygningens energibehov, og brugen af bygningen, deles

der op i 4 bygningstyper: enfamilieshuse, etageboliger og erhvervsbygninger og offentlige bygninger, se

Figur 1.

Figur 1: Stratificering af bygninger

Enfamilieshuse

BBR-kode

Kilde:

Etageboliger

140

Offentlig

300

Erhverv

400

110, 120, og 130

Viegand Maagøe

Der tages udgangspunkt i det endelige energiforbrug til oprettelse af komforten i bygningerne (rumop-

varmning og forbrug til belysning, komfortventilation og -køling) i 2016, jf. Tabel 1. Alle tal er baseret på

Energistyrelsens Energistatistik 2016 [16]. Andelen til belysning for enfamilieshuse og etagebygninger er

baseret på oplysninger fra SparEnergi [72]

, og for erhverv og offentligt er slutanvendelsesfordelingen

baseret på fordelingen for H&S i Erhvervskortlægningen [17].

Tabel 1: Endeligt energiforbrug fordelt på slutanvendelser i 2016

Energiforbrug 2016 [PJ]

Varme

Lys

Ventilation

Køl

Kilde:

Enfamilieshuse

120,4

2,3

Etageboliger

Offentligt

16,5

2,4

1,6

0,8

Erhverv

4,5

1,4

Viegand Maagøe baseret på Energistyrelsen Energistatistik.

De konkrete teknologier og løsninger inden for opvarmning, belysning, komfortventilation og -køling er

beskrevet i næste kapitel 3, mens de overordnede teknologier og tendenser for anvendelse af data og

digitalisering til drift af bygninger er beskrevet i dette kapitel. Nye bygninger indgår ikke i denne rapport.

https://sparenergi.dk/forbruger/el/dit-elforbrug

Slutanvendelsesprocentdelen er antaget det samme som i Erhverv

SIDE 6 AF 40

VIEGAND

MAAGØE

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

2.2

TENDENSER INDEN FOR BYGNINGSAUTOMATIK OG INTELLIGENTE

BYGNINGER

Bygningsautomatik omfatter alle produkter og services til automatisk kontrol, og energiovervågning af

bygninger eller enkeltanlæg. Automatikken kan også omfatte processering af data og information. Inte-

greret bygningsautomatik (IBAC) er designet til at kunne kommunikere med et eller flere styringssyste-

mer via åbent datakommunikationsnetværk eller grænseflader. De tilgængelige styringssystemer af byg-

ninger kan grundlæggende opdeles efter kompleksitet og intelligensniveau. Kompleksiteten afspejler,

hvor omfattende systemet er. De mest simple løsninger indeholder styringsenheder, som agerer på bag-

grund af ét sensorinput. Det kan være en termostat, som styrer varmtvandsflowet på baggrund af et set-

point og en aktuel rumtemperatur. Mere komplekse systemer kan regulere flere steder på baggrund af

en række af sensorinput. Intelligensniveauet dækker over, hvorvidt en digitaliseringsproces har medført,

at databehandling er blevet integreret i styringsenheden. Dette betyder, at selve styringsenheden

–

en-

ten lokalt eller fra en cloudløsning

–

indsamler og analysere data på baggrund af sensorinputs, og auto-

nomt regulerer driftsparametre på baggrund af dette. Dette kan være en elektronisk termostat, som til-

passer rumtemperaturen afhængigt af rummets brugsmønster. De forskellige koncepter er styringskon-

cepter til varme, køling, lys, ventilation, og/eller en kombination heraf.

IoT- og Big Data-trenden er dominerende i forhold til en øget anvendelse af data inden for mange bran-

cher og produkter. Denne trend påvirker også udviklingen af bygningsautomatik og integrerede energi-

styringssystemer for bygninger. Der sker i øjeblikket en stor udvikling af produkter og løsninger, der in-

volverer IoT og integration af smarte produkter (devices) og smartphones (via apps og webapplikationer)

især i boliger. Løsningerne kan både være ledningsbaserede (wired) og trådløse, men tendensen er lige

nu, at flere og flere løsninger baseres på trådløse teknologier [48]. Dette skyldes, at trådløse moduler er

blevet billige, og at der i mange bygninger er eksisterende trådløse netværk (enten Wi-Fi eller Zigbee),

som der kan opkobles på. Dette reducerer installationsomkostningerne ved systemerne, da de ofte kan

kobles på det eksisterende netværk i stedet for, at der skal etableres et eget netværk.

Mange også store internationale firmaer er i de senere år kommet på markedet med IoT-produkter og

løsninger og nye og forbedrede versioner af disse. Det ser ud til, at de nye løsninger i højere grad end

hvad der er set tidligere på bygningsautomationsområdet, har fokus på brugerfladen og brugeroplevel-

sen. Det må forventes på sigt priserne på produkterne falder, som man ser det på andre elektronikområ-

der også pga. det stigende udbud af produkter og løsninger.

En anden tendens er, at det ser ud til at andre ydelser end energieffektivisering kan være drivere for ud-

viklingen, f.eks. markedsføres mange systemer inden for boliger med alarmer for brand og indbrud [42],

ligesom mange løsninger rettet mod større bygninger udover brand og indbrud også markedsføres som

en metode til at øge den øvrige drift og service, f.eks. med parkeringspladsanvisninger og møderums-

booking og -forplejning [43].

2.3

MÅLERE OG ENERGIOVERVÅGNING

Fjernaflæste målere er på vej frem i alle bygningssegmenter. På el-området er der krav om fjernaflæste

elmålere senest 2020, mens det inden for gas, vand og varme ikke er lovpligtigt at installere fjernaflæste

målere. Mange fjernvarmeselskaber er dog alligevel i gang med at installere fjernaflæste målere hos

deres kunder. De installerede målere kan have forskellig dataindsamlingsfrekvens, der betyder, at de

kan være mere eller mindre egnede til at anvende til at fremme en energieffektiv drift. Ud over de må-

lere, der installeres af energiselskaber - og som derfor er på hovedmålerniveau, tilbyder flere firmaer af

energistyringssystemer, energirådgivning eller forbrugsafregningssystemer opsætning af bimålere. Det

må samlet set forventes, at der i de kommende år bliver bedre muligheder i forhold til dataindsamling og

dataovervågning, som underbygger mulighed for opfølgende handling. [66] har opgjort energibesparel-

sen ved feedback fra elmålere til 2-3 %. Hvis det er baseret på selvaflæsning

–

som vil være tilfældet for

mange energistyringssystemer i boliger

–

er besparelsen lavere, ca. 1-2 %. Bygningsstyrelsen og

VIEGAND

MAAGØE

SIDE 7 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

HOFOR har gode erfaringer ifm. med feedback og energistyring

–

driftspersonale-baseret energistyring -

og rapporterer om besparelser op mod 10 % [43].

Det vurderes dog, at en del af de besparelser, der opnås igennem denne driftspersonale-baserede ener-

gistyring, opstår igennem renoveringer af installationer eller aktivering og tilpasning af eksisterende sty-

ringsfunktioner på varme- eller belysningsanlæg. Derfor er disse energistyringssystemer ikke behandlet

som et selvstændigt driftskoncept i denne analyse om energieffektiv drift.

VIEGAND

MAAGØE

SIDE 8 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

KONCEPTER FOR FORBEDRING AF DRIFTEN AF BYGNIN-

GER VED BRUG AF DATA

I det følgende beskrives forskellige koncepter til regulering af hhv. varme, belysning, komfortventilation,

komfortkøling, eller en blanding heraf. Der beskrives alene de koncepter, som er på markedet nu eller

som vurderes at komme på markedet i nærmeste fremtid (de såkaldte BNAT

3.1

BESKRIVELSE AF STYRINGSFORMER

Simple styringer

såsom timere, smart plugs og følere af inde- og udetemperatur, CO2-niveauer, og

bevægelse er teknologisk velafprøvede teknologier, som har været anvendt i mange år og giver veldo-

kumenterede besparelser. Styringen sikrer, at produktet/anlægget leverer den ydelse, der er behov for

på baggrund af en føler, der registrerer en driftsparameter eller en tidsstyring. På baggrund af disse op-

lysninger reguleres ydelsen ved at tænde og slukke produktet/anlægget eller gradvis nedsættelse ydel-

sen. Kort sagt, ét input til ét output. De inkluderer bygningsautomatiske styringer (BAC) f.eks.:



Mekaniske termostater (både til at styre radiatorers vandflow, og f.eks. en varmepumpes target-tem-

peratur)

Bevægelsessensorer eller timere til lysstyring (on/off)

Ventilationsblæsere der styrer flowet efter CO2-niveauet i rummet

Kontaktsensorer til døre og vinduer

De kan således udbredes i alle eksisterende bygninger, da de oftest er lokale rum-baserede styringsen-

heder. Data der driver disse styringer, er dog ikke altid tilgængelige, med mindre de er tilkoblet et

BMS/CTS/IBI-anlæg

, hvor data fra følerne opsamles sammen med oplysninger om energiforbrug.

CTS-anlæg

(Central Tilstandskontrol og Styring) er et system, hvorigennem en eller flere bygningers

drift styres, driftsoplysninger opsamles, og hvor det er muligt at etablere alarmer, når driften afviger fra

det planlagte. CTS-anlæg har være på markedet i mange år og installeres primært i større bygninger

eller af bygningsejere med en væsentlig ejendomsportefølje. CTS-anlæg bliver ofte betegnet som intelli-

gent bygningsdrift, men er i realiteten ofte energiovervågning/aflæsning. CTS har den styrke og svag-

hed, at der er behov for driftspersonale, der kan

–

og tør

–

reagere på de oplysninger, de får. Figur 2

viser opbygningen af et CTS-anlæg.

Figur 2: Opbygning af et CTS-anlæg

Kilde:

Viegand Maagøe

Best Not yet Available Technologies

BMS (Building

Management System),

CTS (Central Tilstandskontrol og Styring) og IBI (Intelligent BygningsInstallation) er forskel-

lige og overlappende betegnelser for systemer til bygningsstyring. I udlandet anvendes primært betegnelsen BMS.

VIEGAND

MAAGØE

SIDE 9 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

BMS-anlæg

(Building Management System) er grundlæggende et CTS-anlæg med mulighed for intelli-

gente styringer, vejrprognosestyring mv., og det kan binde samtlige tekniske installationer i en bygning

sammen via en computer, så systemet kan anvendes til at styre alle installationer i bygningen på bag-

grund af sensor-inputs. Systemet kan afhængig af opsætning også anvendes til vejrkompensering, ad-

gangskontrol, elevatorer, parkeringsanlæg, sikkerhed mv. og kan have egentlige intelligente funktioner.

Da systemerne kan være omfattende at integrere, og fordi de skal skræddersyes til den enkelte bygning,

er det typisk de større bygninger, hvor disse anlæg er installeret.

Udviklingen inden for specielt IoT-enheder har imidlertid gjort det mulige at lave løsninger, som er udvik-

let til mindre bygninger, herunder boliger. Dette er bl.a. fordi sensorer og aktuatorer i sig selv er blevet

billigere, men også fordi trådløse moduler til f.eks. Wi-Fi og Bluetooth er blevet billige nok til at kunne

installeres i de fleste sensorer. Dette gør, at netværksstrukturen kan gøres 100% trådløs f.eks. ved at

koble systemer på det eksisterende Wi-fi netværk, hvilket kan reducere installeringsomkostningerne væ-

sentligt.

Nogle virksomheder arbejder på at inkorporere endnu flere funktioner i systemerne (f.eks. de såkaldte

"Total Building Solution”), der kan anvendes til vedligehold af gangarealer og toiletter baseret på forbrug,

tilpasse de lokale workspaces til personers behov, tilpasse kantinedrift til de personer, der er på arbejde,

planlægge mødeforplejning og kan tilpasses medarbejdernes adfærdsmønstre mv. Dette kræver mange

sensorer i bygningen og øget computerkraft til databehandling, og de ekstra funktioner går langt ud over

blot at energieffektivisere bygningsdriften. Gevinsten af at indføre disse systemer er derfor ikke på koblet

på energibesparelser, men på øget komfort, sikkerhed, arbejdseffektivitet og reducering af spildtimer for

medarbejderne. Figur 3 viser opbygningen af et BMS-anlæg.

Figur 3: Opbygning af et BMS-anlæg

Kilde:

Viegand Maagøe

Prædiktiv styring

er en styring, hvor vejrprognoser og prognoser for bygningens anvendelse indgår til

at optimere bygningens drift. Den prædiktive styring er dermed anderledes end den traditionelle simple

styring, hvor der reageres på den aktuelle situation (ude-inde-temperaturer, antal personer i rummet

mv.).

Samlet set kan energibesparelser opnået ved de ovenfor beskrevne systemer simplificeres ved neden-

stående Figur 4.

VIEGAND

MAAGØE

SIDE 10 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

Figur 4: Simplificeret sammenhæng mellem energibesparelser og kom-

pleksitet

Kilde:

Viegand Maagøe

Figuren illustrerer, at den marginale gevinst ved at gå et trin op i kompleksitet bliver mindre jo mere kom-

plekst systemet bliver.

I de følgende afsnit er en overordnet beskrivelse af trends, teknologier og udbredelse i slutanvendel-

serne varme, belysning, komfortventilation og -køling, mens der i Bilag A er en udvidet beskrivelse af de

enkelte identificerede driftskoncepter.

3.2

SPECIFIKKE LØSNINGER INDEN FOR SLUTANVENDELSERNE

Varme

Elektroniske termostater er intelligente erstatninger til den klassiske mekaniske termostat. De elektroni-

ske termostater kan styre temperaturen bedre og mere præcist end de mekaniske termostater, og de har

generelt en bedre brugervenlighed, da man kan indstille en temperatur i stedet for skrue på en mekanisk

termostat med arbitrære tal som indikatorer. De elektroniske termostater kan derudover indstilles efter

forbrugsadfærden, f.eks. sænke temperaturen i faste tidsrum eller i ferier, og nogle produkter kan regi-

strere, hvornår folk er hjemme, og dermed nedregulere varmeforbruget i perioder, hvor folk ikke har brug

for varmen. Flere produkter giver også mulighed for at se husstandens varmeforbrug. De elektroniske

termostater reguleres via et brugerinterface, f.eks. en smartphone. Der er mange produkttyper og produ-

center af elektroniske termostater.

Mekaniske termostater er de mest udbredte termostater i husholdninger i Danmark. I Tyskland har 94 %

af boliger mekaniske termostater [47], og øvrige EU-lande inkl. Danmark har sandsynligvis samme ud-

bredelse [2]. Andelen af husholdninger med elektroniske termostater eller ingen termostater er således

lav.

Af Bolius’ boligejeranalyse fra 2017 fremgår det, at 9

% af boligejerne har udskiftet gamle termostater

inden for det seneste år, mens 4 % nævner, at de planlægger at gøre det i det kommende år. Energi-

sparetiltaget er det tredje mest gennemført tiltag blandt 11 tiltag [30]. De mekanisk termostater udskiftes

dermed med nyere modeller og en del af disse vil være elektroniske versioner, især fordi prisforskellen

mellem de to typer er lille.

Der er oftest styring på kedler og fjernvarmeunits, og det kan derfor overvejes, om der bliver en overre-

gulering, eller om styringer modarbejder hinanden. F.eks. kan en elektronisk termostat lukke for varmen

VIEGAND

MAAGØE

SIDE 11 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

på et fastsat tidspunkt (om natten, eller når der ikke er personer i rummet), samtidigt med at kedelstyrin-

gen øger fremløbstemperaturen, på baggrund af en temperatursensor der måler udetemperaturen. Reg-

ner termostaten med en fast fremløbstemperatur, vil den åbne for fjernvarmeflowet hurtigere end nød-

vendigt, og besparelsespotentialet for termostaten vil derfor formindskes, da rummet vil blive varmet hur-

tigere op end forventet.

Der er ikke fundet kilder, der belyser dette. Som et led i projektet i Nordhavn [56] er dele af projektet ud-

styret udelukkende med styring af fjernvarmefremløbstemperaturen og dele af projektet udstyret med

styring på radiatorer, så der bliver muligt at få mere viden om de to styringstyper på et senere tidspunkt.

Belysning

Sensorer i belysning er udbredt en lang række af steder og er kendt teknologi, idet de har været fremme

mange år. Systemet tænder for belysningen, når der registreres personer i rummet. Dette gøres enten

via bevægelsessensorer, eller andre sensorer, der registrerer, om der er personer i rummet. Der skal

være en vis omhu ved installeringen for, at effekten opnås, og irritation over lys, der slukker eller tænder

på forkerte tidspunkter, undgås.

Derudover findes teknologien Day light Harvesting, som går ud på at udnytte udelyset inde i bygninger.

Den er mest relevante til kontorbygninger, hvor udvendige vinduesafskærmninger automatisk kan regu-

lere sig efter solens højde og på den måde reflektere dagslys ind i bygninger. Dette kobles med inden-

dørs lyssensorer, der lokalt måler lysintensiteten inde i rummet, og regulerer lysinstallationerne, så der

opnås det ønskede lysintensitetsniveau. Besparelsespotentialet afhænger stærkt af bygningstype, re-

flektansniveau, placering, årstid, osv.

I bygningsreglementet har der siden BR10 været specifikke krav om dagslysstyring i arbejdsrum og fæl-

les adgangsveje, hvor der er tilstrækkeligt med dagslys.

Det er i dag ikke almindeligt med lysstyring i almindelige boliger ud over lysdæmpning, som kan anven-

des på lamper med LED- og halogenpærer, og i udendørslamper, der reguleres efter om der er dagslys.

I de senere år er der kommet nye pærer med indbygget trådløs styring og bevægelsesmeldere rettet

mod boligsektoren. Med disse kan pærernes lysstyrke og farver reguleres ligesom styringen kan fungere

som tænd/sluk. Der er i de eksisterende løsninger endnu ikke tale om regulær dagslysstyring, dvs. regu-

lering af lysmængden efter dagslyset. Pærerne er koblet til nettet og kan styres trådløst med telefon mv.

og f.eks. sættes til at tænde, når man kommer hjem, og slukke når man forlader sin bolig og til at

dæmpe belysningen efter funktioner, stemninger eller årstider. Det kan også kobles sammen med gar-

dinsystemer [58]. Fokuspunktet for de trådløst styrede pærer er ikke energibesparelser, men på ekstra

funktioner så som integrering af lysstyringen til smart-hubs (så som Google Home, Amazon Alexa, Sam-

sung SmartThings osv.), let adgang til timer-funktioner mm. Der er ikke fundet uafhængige kilder, der

viser, at der kan opnås energibesparelser ved at skifte til disse pærer (medmindre de udskifter en ikke-

LED-pære), og besparelsespotentialet kan derfor godt tænkes at være negativ, hvis pærerne udskiftes i

en bolig, hvor der allerede er en energirigtig adfærd, da netværkselektronikken, kontrolhubs osv. har et

egetforbrug.

I boligerne kan lyspærer og lamper rent teknisk hurtigt skiftes ud, men der har hidtil været en konservativ

tilgang til belysning, som har betydet en langsom indtrængning af både sparepærer og LED. Test har

desuden peget på, at der også stadig er udfordringer i forhold til brugervenligheden for nogle af produk-

terne [28].

Komfortventilation

Gammeldags/simple ventilationssystemer bliver designet efter, hvor mange brugere hvert rum/bygning

har og derefter sat til at kunne dække peak-behovet ift. et antal liter ren luft per person per time. Dette

betyder, at ventilationssystemet er sat til at køre efter peak-niveauet, som betyder, at der bliver over-

ventileret alle tidspunkter, hvor dette niveau ikke er gældende. Behovstyrede ventilationssystemer kører

VIEGAND

MAAGØE

SIDE 12 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

i stedet for et fastfast niveau af CO2- og/eller fugtindholdet i rummet. Det ændrer ydelse dynamisk efter

behovet. Det kaldes oftest for demand controlled ventilation (DCV).

Ventilationsmængden er endvidere afhængig af personer i lokalet og kan ligeledes reguleres med præ-

diktive systemer. Hvis systemet estimerer, at bygningen ikke vil blive brugt i en periode, kan ventilations-

anlægget nedregulere langsomt i stedet for at køre ved fuldlast, hvilket giver mindre tryktab, og dermed

lavere overordnet energiforbrug. Systemet tillader også helt at stoppe om natten, og så først begynde

når mennesker i bygningen gør det nødvendigt.

Bygningsmassen inden for handel og service er af nyere dato, som er omfattet af bygningsreglementet

(2018) og dermed af krav om varmegenvinding på ventilation [18]. Nyere anlæg vil derudover have

større sandsynlighed for at have styring på de enkelte anlæg f.eks. termostater, behovsstyring mv. I

Danmark er behovstyret ventilation ret udbredt og [23] antager, at 50 % af ventilationsanlæggene i byg-

ninger over 1000 m

er behovstyret.

I eksisterende boliger er der et lavt forbrug til ventilation. Forbruget er primært i nyere bygninger, hvor

det på grund af den tætte bygningskonstruktion er nødvendigt med ventilation for at sikre et optimalt in-

deklima. I eksisterende bygninger, hvor der sker en væsentlig renovering og dermed tætning af klima-

skærmen, etableres også oftest ventilationsanlæg. Løsninger til boligventilation er dog ikke indeholdt i

denne rapport, da forbruget er lille, og nybyggeri ikke indgår i undersøgelsen.

Komfortkøling

Styringsformer til kølesystemer kan som udgangspunkt benytte de samme principper som varmeforbru-

get, da de grundlæggende fungerer efter samme princip. Derfor er sparepotentialet (procentvist) antaget

identisk med koncepterne for varme. Der forventes ikke at være et sparepotentiale for komfortkølefor-

brug i private husstande, og energiforbruget indgår ikke som særskilt forbrug i statistikker eller øvrige

opgørelser.

VIEGAND

MAAGØE

SIDE 13 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

OPSTILLING OG FORUDSÆTNINGER FOR ANALYSEN

På baggrund af de beskrevne teknologier og styringer i kapitel 3 opstilles en række driftskoncepter, der

er relevante for de løsninger, der er i dag og frem til 2030.

Analysen af gevinsterne ved øget brug af data og digitalisering af bygningsdrift består hovedsageligt af

to scenarier, et Business-as-usual-scenarie (BAU), og et fremtidsscenarie der omfatter best-not-yet-avai-

lable-technologies (BNAT).

BAU-scenariet

indeholder energiforbrugets udvikling som følge af den forventede udbredelsesudvikling

for de enkelte driftskoncepter og bygningssegmenter. Den er baseret på de i dette kapitel beskrevne

antagelser om energibesparelsespotentialer, udbredelser, investeringsomkostninger og nuværende og

fremtidige energipriser. Nye teknologier, der endnu ikke er på markedet, har i dette scenarie en lav for-

ventet udbredelse i 2030.

BNAT-scenariet

dækker potentialet ved at indføre de bedste kendte teknologier, som endnu ikke er

fuldt udviklet, men som forventes mulige på markedet i den nærmeste fremtid. Det antages en udbre-

delse procent på 100% af de bedste fremtidige teknologier. Hvis der ikke er identificeret nogen fremti-

dige teknologier, bruges de bedste nuværende.

Dette er naturligvis meget usikkert og usandsynligt frem til 2030, og det er derfor mere sandsynligt, at

potentialet skal ses på lidt længere sigt f.eks. frem mod 2050

–

og selv her, er 100% udbredelse ureali-

stisk. Scenariet viser dog potentialet for de kommende teknologier og kan ses som en estimering af det

maksimale besparelsespotentiale inden for øget brug af data og digitalisering af bygningsdrift. Differen-

cen i besparelsespotentialerne i mellem BAU- og BNAT-scenarierne viser derfor det samlede maksimale

potentiale, der kan realiseres ved at øge fokus på området.

4.1

OPGØRELSE AF ENERGIBESPARELSE

De beregnede energibesparelsesgevinster som følge af de to scenarier bliver beregnet på baggrund af

besparelsespotentialer per opstillet driftskoncept baseret på Tabel 2, den nuværende og fremtidige ud-

bredelse af driftskoncepter, og energiforbruget til slutanvendelserne, jf. Tabel 1. Dette opgøres for hvert

driftskoncept for hvert bygningssegment per år.

Der antages, hvor stor en andel den nuværende udbredelse er for hvert driftskoncept, og hvordan denne

forventes at ændre sig frem mod 2030. For eksempel forventes i BAU-scenariet inden for rumopvarming

en andel af de nuværende mekaniske termostater at blive udskiftet med primært elektroniske termosta-

ter, mens en mindre andel udskiftes til intelligent styring med elektroniske termostater og prædiktiv sty-

ring (MPC). Derudover forventes etableret elektroniske termostater i den lille andel af boliger, der ikke

har styring i dag. Udviklingen af udbredelsen af de forskellige driftskoncepter er angivet i Tabel 3Error!

Reference source not found..

Energistyrelsens Basisfremskrivning 2017 [36] estimerer, at det samlede energiforbrug til opvarmning af

private husstande vil falde frem mod 2030. For at isolere energibesparelseseffekten for energieffektiv

drift og således udelukkende tage højde for udbredelsen af de aktuelle koncepter, beregnes alle bespa-

relsespotentialer på baggrund af energiforbruget i 2016. Dette gøres, da der i Energistyrelsens Basis-

fremskrivning indgår den naturlige teknologiudvikling og for at undgå, at effekten af udbredelsen af

”smart teknologi” i

bygningssegmenterne medregnes to gange.

Det er kendt viden, at energieffektiviseringstiltag inden for opvarmning af boliger kan betyde, at bolig-

ejere vælger at øge komforten, f.eks. ved at lade en større del af boligen være opvarmet eller ved at øge

rumtemperaturen og dermed ikke opnår den forventede besparelse. Dette er den såkaldte reboundef-

fekt. Analyse af reboundeffekten for energirenovering af boligen kan være 30-70 %. [35]. Der forventes

også ved etablering af intelligente bygningssystemer at være en reboundeffekt. Der er imidlertid ikke

VIEGAND

MAAGØE

SIDE 14 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

fundet kilder på, hvor stor reboundeffekten er for disse intelligente systemer, men det må forventes, at

reboundeffekten er i den lave ende, da adfærdspåvirkningen generelt set formindskes. Derfor anvendes

en reboundeffekt på 30 %, som de identificerede besparelser i Tabel 2 reduceres med. Reboundeffekten

er således direkte proportional med de beregnede besparelsespotentialer og er derfor en vigtig parame-

ter i beregningerne.

I boligsektoren er der ingen overlap mellem driftskoncepterne, mens der i erhverv og offentlige virksom-

heder vil være overlap mellem driftskoncepterne inden for varme og ventilation. Der vil derudover være

et begrænset overlap i forhold til driftskoncepterne inden for belysning og køling. Der er ikke fundet rele-

vante oplysninger om overlappet mellem driftskoncepterne inden for varme og ventilation. Da energifor-

bruget til komfortventilation udgør en meget lille andel af det samlede forbrug, vil overlappet være lille,

og der tages derfor ikke højde for overlap i beregningerne.

Den reelle beregning bygger på, hvor stor den nuværende udbredelse er for de forskellige teknologier

og den årlige ændring i udbredelsen, og hvad besparelsespotentialerne for de forskellige teknologier er.

Eksempelvis, tag to arbitrære teknologier; Teknologi A og teknologi B, som har hhv. 5% og 25% bespa-

relsespotentialer, ift. et 0-punkt

. Hvis udbredelsen af teknologi A og teknologi B har hhv. 10% og 25%

udbredelser i 2020, og 15% og 20% i 2030, vil 5% af energiforbruget være skiftet fra at bruge teknologi

A til at bruge teknologi B mellem 2020

–

2030. Dette betyder, at 5% af energiforbruget er sænket med

20% ift. 0-punktet. Hertil tilføjes den før beskrevet rebound-effekt som tillægges besparelsespotentia-

lerne. Dette gøres for hver teknologi per år per bygningssegment.

De benyttede udbredelser og besparelsespotentialer per teknologi per bygningssegment kan som nævnt

ses på hhv. Tabel 3 og Tabel 2

4.2

OPSTILLING AF DRIFTSKONCEPTER TIL ANALYSEN

Det er i dataindsamlingen af besparelsespotentialerne for de enkelte driftskoncepter prioriteret kilder, der

er baseret på faktiske undersøgelser i forhold til teoretiske undersøgelser og firmaspecifikke data. Dog

er identificerede besparelser for driftskoncepter, der indeholder endnu ikke fuldt udviklede teknologier

(Best Not yet Available Technologies, BNAT), i sagens natur beregnede og teoretiske. Alle omtalte spa-

repotentialer er opsummeret i Tabel 2 og detaljerede beskrivelser af teknologierne og kilderne findes i

Bilag A. De opnåede besparelser i de enkelte driftskoncepter afhænger oftest af den konkrete bygning

og dens tekniske anlæg. Flere af kilderne angiver f.eks. bygningsstørrelse, antal mennesker i bygningen

og anvendelsen (bl.a. brugstid). Disse forskelle og spænd er nærmere beskrevet i Bilag A under de en-

kelte teknologibeskrivelser. Det skal bemærkes, at besparelserne angivet i Tabel 2 ikke er additive. For

driftskoncepter med flere kilder er det benyttede besparelsespotentiale middelværdien af de anførte kil-

der.

Typisk angivet ”Ingen styring” jf.

Tabel 3

SIDE 15 AF 40

VIEGAND

MAAGØE

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

Tabel 2: Oversigt over besparelsespotentiale for driftskoncepterne

Varme

Ingen

Mekaniske ter-

mostater

Belysning

Ventilation

Komfortkøling

Enfamilieshuse

Elektroniske

termostater

Intelligent sty-

ring, inkl. MPC

Ingen

Mekaniske ter-

mostater

15%

22%

15%

Etageboliger

Elektroniske

termostater

Intelligent sty-

ring, inkl. MPC

Ingen

Mekaniske ter-

mostater

22%

Ingen

Bevægelses-

meldere

28%

Ingen

Timere

15%

Ingen

Timere

Erhverv

Intelligent sty-

ring

Intelligent sty-

ring, inkl. MPC

Ingen

Mekaniske ter-

mostater

15%

Bevægelses-

meldere + Day

light Harvesting

33%

Behovsstyret

23%

Behovsstyret

15%

29%

Behovsstyret,

MPC

28%

Ingen

Timere

Behovsstyret

33%

Behovsstyret,

MPC

26%

Behovsstyret,

MPC

Ingen

Timere

Behovsstyret

Behovsstyret,

MPC

29%

15%

29%

Ingen

Bevægelses-

meldere

Bevægelses-

meldere + Day

light Harvesting

15%

23%

26%

15%

29%

Offentlig

Intelligent sty-

ring

Intelligent sty-

ring, inkl. MPC

Note:

Kilde:

Alle besparelsespotentialer anført er i forhold til ”Ingen styring”.

F.eks. er forskellen ved at gå fra mekaniske termostater til

elektroniske termostater 15%-7% = 8%. For mere detaljeret beskrivelser af driftskoncepterne, se Bilag A.

Viegand Maagøe

VIEGAND

MAAGØE

SIDE 16 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

4.3

FORUDSÆTNINGER FOR UDBREDELSE

Flere kilder peger på, at det europæiske marked er nogle år efter det amerikanske, således at udbredel-

sen af intelligente produkter er lavere i Europa [26, 32, 33]. På baggrund af kilderne estimeres, at ca. 4

% af husholdningerne i Danmark har et eller flere smarte produkter

, mens andelen af amerikanske hus-

holdninger med mindst et smart produkt var 16,7 % ved udgangen af 2016 [26]. Denne tendens under-

støttes af, at udvalget på amerikanske hjemmesider er større, og at produkterne får en senere markeds-

introduktion i Europa end på det amerikanske marked. Kilderne peger dog også på, at det europæiske

marked forventes at vokse mere i de kommende år og dermed henter ind på amerikanske marked.

De produkter, der sælges flest af til husholdninger i USA, er smarte termostater, stemmestyringssyste-

mer, alarmsystemer, smarte lyspærer, netværkskameraer og højtalersystemer. Salget af smarte produk-

ter er i stigning [26, 32, 33, 34]. [34] angiver andelen af danske husholdninger med produkter inden for

energy management og belysning til at være hhv. 5 % og 4 % i 2017, og at andelen af husholdninger

med disse produkter allerede i 2022 vil være hhv. 14 % og 19 %.

For bygningsautomatik i større bygninger angiver [70] en vækst i erhvervsbygninger på i gennemsnit 4

% per år fra 2016 til 2025. Denne vækstrate er anvendt i beregningerne for rumvarme, komfortventilation

og -køling frem til 2030. Udbredelsen af de forskellige driftskoncepter i større bygninger ses i Tabel

3Error!

Reference source not found..

Der er betydelig fokus i EU-Kommissionen på bygningsautomatik. EU-Kommissionens vinterpakke fra

2016 indeholdt i forslaget til revision af Bygningsdirektivets artikel 14 et forslag om, at medlemsstaterne

vil kunne fastsætte krav, som kan sikre, at kommercielle bygninger med et totalt årligt endeligt energifor-

brug på over 250 MWh skal etablere bygningsautomatik og kontroller. EU-Kommissionen har endvidere

igangsat et scopingstudie af ecodesign og energimærkning af bygningsautomatik [71].

60 % af virksomhederne havde i 2015 en eller flere LED-installationer [50]. I USA er der fundet, at hvis

en kommerciel bygning har LED-belysning, har den også i højere grad bevægelsesmeldere, lysdæmp-

ning og Day light Harvesting, end hvis den ikke har LED-belysning [50]. Dette kunne skyldes, at belys-

ningsanlægget er nyere, og at man ved renoveringen har installeret en eller flere typer af styringerne.

Det er især bemærkelsesværdigt, at 8 % af bygningerne med LED har Day light Harvesting, hvilket tyder

på, at det er en velkendt og anvendt teknologi. Endvidere viser de amerikanske tal, at andelen af er-

hvervsbygninger med bevægelsesmeldere er ca. 50 % i bygninger med LED. Der antages, at der er

samme andel i Danmark, da der i en årrække har været fokus på bevægelsesmeldere og lysstyring.

På baggrund af ovenstående er opstillet en oversigt over de estimerede udbredelser af de forskellige

driftskoncepter i år 2016, samt for begge scenarier, der hhv. beskriver den forventede teknologiske ud-

bredelse i 2030 (BAU), samt udbredelsesfordelingerne brugt til at beregne det maksimale potentiale

(BNAT). Oversigten ses i Tabel 3Error!

Reference source not found..

Interaktive produkter, der kombinerer en fysiske og software baserede brugergrænseflader, og som of-

test kan agere autonomt i forskellige omfang.

VIEGAND

MAAGØE

SIDE 17 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

Tabel 3: Oversigt over udbredelse af driftskoncepter (%) for status og scenarier

Varme [%]

2016 BAU BNAT

Belysning [%]

2016 BAU BNAT

Ventilation [%]

2016 BAU BNAT

Komfortkøling [%]

2016 BAU BNAT

Enfamilieshuse

Ingen

Mekaniske

termostater

Elektroniske

termostater

Intelligent

styring, inkl.

MPC

Ingen

Mekaniske

termostater

Elektroniske

termostater

Intelligent

styring, inkl.

MPC

Ingen

100

Etageboliger

100

Ingen

Bevægelses-

meldere

Bevægelses-

meldere +

daylight

harvesting

Ingen

Bevægelses-

meldere

Bevægelses-

meldere +

daylight

harvesting

Ingen

Timere

Behovsstyret

Ingen

Timere

Behovsstyret

inkl. MPC

Ingen

Timere

Behovsstyret

inkl. MPC

Erhverv

Mekaniske

termostater

Intelligent

styring

Intelligent

styring, inkl.

MPC

Ingen

100

Behovsstyret,

inkl. MPC

Ingen

Timere

Behovsstyret

100

Offentlig

Mekaniske

termostater

Intelligent

styring

Intelligent

styring, inkl.

MPC

100

Behovsstyret

inkl. MPC

100

Note:

Kilde:

Oversigt over estimerede udbredelser i 2016, forventede udbredelser i 2030 for BAU scenariet, samt udbredelsen brugt

til at beregne BNAT scenariet.

Viegand Maagøe

VIEGAND

MAAGØE

SIDE 18 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

4.4

ANVENDTE ENERGIPRISER

Alle benyttede energipriser bygger på Energistyrelsens Basisfremskrivning 2017 [36]. Elprisen er taget

for den angivne spotpris, og tilføjet elafgift og distribution, og moms for private forbrugere. Alle afgifter og

momsrater er antaget konstante på 2017-niveauer.

Varmeprisen per kWh bygger ligeledes på Basisfremskrivning, hvor nettovarmebehovet er fordelt på tek-

nologier og er angivet for hhv. olie, gas, biomasse, elpaneler, elvarmepumper og fjernvarme. Baseret på

denne distribution er de fremskrevne priser for de forskellige varmeteknologier blevet aggregeret per år,

og én samlet gennemsnitlig varmepris er derfra blevet udregnet. Da fjernvarmeprisen ikke er blevet

fremskrevet, er denne holdt konstant på 0,74 kr./kWh baseret på [37]. De benyttede el- og varmepriser

kan ses i Tabel 4. Variationen af varmeprisen er umiddelbart ret lille. Dette er primært en effekt af, at

fjernvarmeprisen holdes konstant (da fjernvarme dækker knap 50 % af det totale varmebehov). Til trods

for, at mængden af fossile brændsler falder frem mod 2030, stiger elprisen, som gør, at elvarmeteknolo-

gier bliver dyrere.

Tabel 4: El- og varmepriser [kr./kWh]

2017

Elpris

Varmepris

Note:

Kilde:

2020

2,26

0,775

2025

2,38

0,796

2030

2,46

0,813

2,22

0,778

El- og varmepriser er inkl. moms, afgifter, og distributionsomkostninger holdt konstant på 2017-niveauer Alle priser i

kr./kWh.

Viegand Maagøe baseret på data fra [26].

4.5

OMKOSTNINGER TIL OPNÅELSE AF ENERGIBESPARELSER

BMS-systemer skræddersyes til de enkelte virksomheder, hvorfor investeringsomkostninger er vanske-

lige at standardisere som kr. per m

bygningsareal, og det har ikke været muligt at finde danske kilder,

der har kunnet levere et grundlag for dette. Det er derfor valgt at estimere de økonomiske udgifter på

baggrund af

oplysninger i rapporten ”Smart Building: Using Smart Technology to Save Energy in Exi-

sting Buildings” [24],

hvor der angives tilbagebetalingstider for forskellige bygningsautomatikløsninger på

markedet. Derudover er der anvendt danske priser for elektroniske termostater til boliger fra søgning på

danske hjemmesider. Der indgår i analysen også en række produkter, som endnu ikke er på markedet,

men der er ikke fundet nogle kilder, der kan belyse omkostninger til disse teknologier, og indgår med

samme omkostninger som eksisterende bedste-teknologi-produkter i den økonomiske opgørelse.

For flere produkter er der i kilden angivet, at det er detailpriser (retail), og at der ikke indgår installation

og eventuelle nødvendige tilpasninger til eksisterende systemer. Denne ekstra omkostning må forventes

at varierer bredt for de forskellige segmenter og teknologier. F.eks. for store BMS-systemer i erhvervs-

bygninger er investeringsomkostningerne (til installering af f.eks. sensorer, integrering i eksisterende

systemer mm.) så signifikante, at de er inkluderet i den overordnede tilbagebetalingstid. For teknologier

til private husstande er installeringsomkostningen ikke væsentlige, da de fleste produkter medtaget i

denne rapport er lavet til, at forbrugere selv kan installere dem.

En nærmere beskrivelse af beregningen af levetid og tilbagebetalingstiden kan ses i Bilag B.

På baggrund af forholdet mellem tilbagebetalingstiden og levetiden kan et tilnærmet udtryk for investe-

ringsomkostningerne blive beregnet. Dette forhold angiver, hvornår i løbet af produktets levetid, at sum-

men af de årlige besparelser er lig med investeringsomkostningen. Udgifter til drift og vedligeholdelse er

ikke regnet med. Hvis et produkt f.eks. har en levetid på 20 år og en tilbagebetalingsperiode på 5 år, går

25% af den økonomiske gevinst ved energibesparelserne over produktets levetid til at betale for produk-

tet (uden tilbagediskontering af beløbene). Dette forhold vægtes med energiprisen (som afhænger af

driftskoncept og bygningssegment) og den tilhørende energibesparelse.

VIEGAND

MAAGØE

SIDE 19 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

De tilnærmede investeringsomkostninger

”U”

beregnes i kroner per år som:

��

× Q

��

× ��

��

Hvor TBT og LT er henholdsvis tilbagebetalings- og levetiden, som kan ses i Tabel 9 i bilag B, Q

er de

totale besparelsespotentialer for henholdsvis el (belysning, ventilation og komfortkøling) og varme i kWh

fra Tabel 6, og E

er energiprisen i DKK/kWh fra Tabel 4. Opgørelsen af den tilnærmede investering er

således direkte koblet til besparelsespotentialerne forklaret i sektion 4.1.

På baggrund af det meget begrænsede antal kilder, er investeringsberegningerne holdt simple. Usikker-

heden på datakilderne er så store, at en mere detaljeret analyse ikke nødvendigvis vil give mere plau-

sible resultater. Alle økonomiske tal er beregnet med 2017-priser, og der er ikke benyttet diskonterings-

rente.

Det skal bemærkes, at der kun beregnes tilnærmede investeringsomkostninger for BAU-scenariet, og at

dette kun gøres for at give et estimat på størrelsen af den forventede samlede økonomiske besparelse

efter fradrag af investeringer.

For BNAT-scenariet er der derfor kun vist de potentielle besparelser ved reducering af energiforbruget,

men ikke beregnet nogen omkostninger for integreringen. Dette er fordi, investeringsomkostningen til

disse fremtidige produkter og systemer, som endnu ikke er kommercielt tilgængelige, ikke er muligt at

estimere.

Tabel 5 viser de beregnede tilnærmede investeringsomkostninger for energibesparelserne opnået i hen-

holdsvis 2020, 2025, og 2030 for BAU. De økonomiske udgifter er afhængige af to ting; Den årlige ud-

vikling af udbredelsen af nye teknologier, og prisen på disse. De nye teknologier er ofte dyrere i indkøbs-

pris og har typisk kortere levetider end traditionelle løsninger (f.eks. smarte termostater sammenlignet

med mekaniske termostater). Dette betyder, at der sker en kontinuerlig udskiftning af komponenterne,

hvorfor den totale investeringsomkostning stiger i takt med, at de nye teknologier bliver mere udbredte.

For en mere detaljeret gennemgang fordelt på segmenterne se Tabel 7.

Tabel 5: Tilnærmede investeringsomkostninger for slutbrugere til

opnåelse af energibesparelser i BAU-scenariet [mio. DKK/år]

2020

BAU-scenariet

Note:

Kilde:

2025

249

2030

477

Økonomiske udgifter for slutbrugere i henholdsvis 2020, 2025 og 2030 for BAU-scenariet

Viegand Maagøe

VIEGAND

MAAGØE

SIDE 20 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

BARRIERER FOR UDBREDELSEN

Selvom der allerede i dag findes en lang række af kommercielt tilgængelige systemer med væsentlige

energisparepotentialer, så er udbredelsesraten lav. Ref. [41] har fundet, at villigheden til at investere i

smart home-teknologier er drevet af fem ting: Forventet besparelse, opfattet nytte af forbrugsfeedback,

miljøbevidsthed, hensigt til at ændre brugeradfærd og tillid til databeskyttelse (privatlivsproblemer). De

store barrierer er identificeret til at være mistet kontrol, manglende pålidelighed, at smart home-teknologi

ses som eksklusiv eller irrelevant og har højere installationsomkostninger [41].

5.1

TEKNISKE BARRIERER

De fleste typer af eksisterende energibesparelsessystemer agerer som styringsenheder på eksisterende

anlæg, så som kedler, ventilatorer, belysningsarmaturer osv. Dette betyder, at kompatibilitet mellem de

nuværende anlæg og de nye teknologier er ekstremt vigtig for udbredelsen af de nye intelligente sty-

ringsenheder. Da de fleste virksomheder udvikler deres egne kontrolsystemer

–

og dermed softwarepro-

tokoller

–

betyder det. at integreringen af specielt de store systemer bliver langt dyrere at installere, ift.

hvis der var udviklet en standard for softwareprotokoller, som sikrede krydskompatibilitet imellem sty-

ringsenhederne og selve anlæggene [62] [63]. Eksempelvis, hvis en stor erhvervsbygning skal integrere

et nyt omfattende BMS-system, kræver det, at der bliver sat styring på lysarmaturer, ventilationsenheder

(enten direkte på blæseren, eller på spjæld) og varmeanlæg. Hvis der allerede eksisterer lokale styrin-

ger, kan det være så tidskrævende at udskifte, at det økonomiske grundlag for etableringen af systemet

bliver ikke eksisterende.

Et eksempel er DTU, der som et led i dialogen mellem bygherrer og leverandører, har udarbejdet stan-

darder for BMS-systemer, så de sikrer sig, at f.eks. målerhierarki, navngivning af styretavler mv. er be-

skrevet og ensartet i bygningerne på DTU Campus i Lyngby [51].

For privatforbrugere følger der oftest adaptere til radiatortermostaterne med, men det er ikke alle varme-

anlæg og rumtermostater, der er kompatible med de nye smarte styringsenheder [20]. Selv nye syste-

mer fra forskellige leverandører eller fra samme leverandør kan ikke nødvendigvis kommunikere med

hinanden.

EU-Kommissionen har igangsat et scopingstudie om ecodesign og energimærkning af bygningsautoma-

tik. Første del af projektet vedrørende produktdefinition, scoping og markedsanalyse var forventet afslut-

tet i marts 2018 og kan følges på

https://ecodesignbacs.eu/documents.

5.2

ETIK OG SIKKERHED

For mange af de fremtidige og nuværende systemer, går sparepotentialet på at kunne forudsige og

overvåge, hvornår der er mennesker i et givet rum. For erhvervssektoren, er de mest omfattende af

disse systemer inkluderet Real Time Location System (RTLS), som gør, at hver medarbejders lokationer

bliver tracket i real-time. Dette kan få folk til at føle sig overvåget, når chefen f.eks. kan se, hvor lang tid

en medarbejder ikke har siddet ved sit skrivebord osv.

For privatforbrugere opnås den største energibesparelse på f.eks. de intelligente termostater, hvis de

kan følge, hvornår man er hjemme, og hvornår man ikke er. Dette udgør i sig selv en sikkerhedsrisiko,

specielt, når datasikkerheden på IoT-enheder sjældent er i fokus [64] og kan reducere sparepotentialet,

hvis folk ikke stoler nok på enhederne til at varetage og håndtere så personfølsomme data.

5.3

KOMPETENCEBARRIERER

En stor barriere for at opnå det fulde besparelsespotentiale i de moderne systemer i store bygninger, er

tilstrækkelige kompetencer hos driftspersonale og slutbrugere. Ofte vil der være behov for særlige kom-

petencer til både installering og drift af systemerne. Hvis driftspersonalet ikke har kompetencer til at

bruge styringssystemet og derfor reagere på alarmer, kan hele sparepotentialet gå tabt [62] [63] [59]. På

VIEGAND

MAAGØE

SIDE 21 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

samme måde kan placeringen af en sensor det forkerte sted (f.eks. temperatursensor ved siden af venti-

lationsspjældet eller i solen) gøre, at indeklimaet bliver dårligt, og systemet derfor manuelt slås fra. Tek-

nologisk Institut har igennem et antropologisk studie fundet, at driftspersonalet grundet bl.a. tidspres un-

der opgaveløsninger, mangler incitamenter til at optimere på driftsparametre, og ønsker at få opdateret

viden ift. drift af faste installationer [14].

De nyeste systemer har mere fokus på autonomi og brugerflade, så den menneskelige interaktion med

styringssystemet kan minimeres og gøres lettere og på den måde fjerne en del af kompetencebarrieren.

Andre løsninger kan være at fjerndrifte bygningen, så kompetencerne bliver samlet ét sted hos et speci-

aliseret firma i stedet for at holdes lokalt. Dette giver mange fordele, men kræver yderligere investerings-

omkostninger, da alle sensorinputs skal kunne fjernaflæses

, samt at CTS systemet skal kunne fjernsty-

res. Specielt i mellemstore bygninger, hvor der ikke er ansæt decideret driftspersonale, kan denne løs-

ning være en fordel.

En helt anden problemstilling er håndteringen af de store datamængder, som de nye systemer kan le-

vere. Oftest er de enkelte bygninger så unikke, at et intelligent monitoreringssystem kan have svært ved

at inkorporere generelle analyse-algoritmer [62] til rapportering og efterfølgende handling. Dette betyder

at menneskelig analyse i et vist omfang

–

i hvert fald på nuværende tidspunkt

–

kan være nødvendigt.

Det økonomiske grundlag for etablering af systemet kan dermed let forsvinde - især for mindre bygnin-

ger, hvor sparepotentialet er lille. De kommende prædiktive systemer kan være medvirkende til at redu-

cere denne barriere. De benytter sig af datadrevne, machine-learning algoritmer

, som kan behandle

samtlige sensor input og lave numeriske modeller til at forudsige, hvordan forskellige parametre påvirker

systemet/bygningen/rummet, og dermed handle på baggrund af disse modeller (for mere information, se

Bilag A.2). De ville dermed reducere behovet for menneskelig indblanding, samt reducere nødvendighe-

den af at have stærke kompetence hos driftspersonalet eller slutbrugeren

For små huse, (enfamiliehuse, mindre etageejendomme mv.), vil energibehovet i mange tilfælde være

præget af særlige mønstre afhængige af beboersammensætning og forbrugsvaner, hvilket giver mulig-

hed for, at opnåelse af effektiviseringsgevinster ved brug af prædiktive, selvlærende algoritmer uden

behov for særlige kompetencer hos slutbrugerne eller driftspersonale.

5.4

INVESTERINGSBARRIERER

Et norsk projekt [40] identificerede, at mange bygherrer ikke har tillid til, at en investering i bygningsauto-

matik ville give positivt afkast, mens bygherrer, der byggede til udlejning, ikke fandt det nødvendigt at

investere i nye systemer, da lejerne betaler driftsomkostningerne. I Danmark er der ved projektsalg ty-

pisk ikke er tilvalg af bygningsautomatik eller styringer, men mulighed for valg af bl.a. gulve og køkkener.

I Nordhavn-projektet har der i den indledende projektfase været tilbageholdenhed med at tilbyde byg-

ningsautomatik i alle lejligheder, og der er således bygninger, hvor to naboopgange ikke har fået instal-

leret den samme automatik. Nogle steder, hvor der ikke er blevet tilbudt udvidet bygningsautomatik, har

enkeltlejligheder efterfølgende fået installeret automatikken som resultat af naboeffekten.

Dette kan dog gøres simpelt ved at oprettet fjernadgang til CTS systemet.

F.eks.

”Decision

trees”, logisk regression, og/eller Naive-Bayes algoritmer.

SIDE 22 AF 40

VIEGAND

MAAGØE

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

SAMMENFATTENDE VURDERING AF DRIFTSKONCEPTERNE

På baggrund af de angivne forudsætninger i kapitel 5 er resultaterne for de årlige energibesparelser for

slutbrugere opgjort for hhv. BAU-scenariet og BNAT-scenariet. Derudover er der beregnet samlede øko-

nomiske gevinster for BAU-scenariet.

De økonomiske gevinster for slutbrugerne er opgjort som værdien af energibesparelsen i kr. fratrukket

de tilnærmede investeringsomkostninger forbundet med at integrere teknologierne, jf. sektion 4.5.

6.1

ENERGIBESPARELSER OG ØKONOMISKE BESPARELSER FOR SLUTBRU-

GERE

Det årlige energibesparelsespotentiale for slutbrugere kan ses i Tabel 6 og med en mere detaljeret gen-

nemgang på

Error! Reference source not found.

og Figur 6. Økonomiske beregninger opdelt på hhv.

udgifter og besparelser for BAU-scenariet kan ses i Tabel 7.

Bemærk at energibesparelsespotentialet for BAU-scenariet er estimeret til at blive indfriet i 2030. Bereg-

ningerne for BNAT-scenariet skal blot ses som det maksimale potentiale, som forklaret i afsnit 4.

Tabel 6: Energibesparelsespotentialet for slutbrugere

GWh / år

BAU

Varme

Belysning

Ventilation

Komfortkøling

Samlet

Note:

Millioner kr. / år

BAU

769

384

1.269

BNAT

4908

642

194

164

5.908

BNAT

6040

325

6.547

946

195

1.200

Årlige energibesparelsespotentialer for slutbrugere for hhv. BAU- og BNAT scenarierne i GWh og millioner kroner om året.

Bemærk at omkostningerne til at opnå de viste besparelser ikke er medberegnet i denne tabel. Alle besparelser er

inklusive elafgifter og distributionsomkostninger og moms for privatforbrugere.

Viegand Maagøe

Kilde:

Det ses, at der i BAU-scenariet opnås en energibesparelse på ca. 1.200 GWh/år, svarende til 1,27 mia.

kr./året. Samlet set vil dette give en forventet økonomiske gevinst for slutbrugere på 864 mio.kr/år

2030 baseret på de simple økonomiske beregninger foretaget i sektion 4.5. Det skal bemærkes, at den

økonomiske gevinst alene omfatter et tilnærmet udtryk for investeringen, og udgifter til drift og vedlige-

holdelse mm. er ikke inkluderet i beregningerne. Selvom beregningerne til at bedømme de økonomiske

udgifter er usikker, tyder alt på, at gevinsten vil være positiv for den enkelte forbruger, så energibespa-

relserne højst sandsynligt vil overstige investeringsomkostningerne for teknologierne set over produktets

levetid. Alle beregnede energibesparelser er, som før nævnt, baseret på en antagelse om at alle afgifter,

distributionsomkostninger og momsrater er konstante. En reduktion i elafgiften vil betyde, at det økono-

miske besparelsespotentiale i kroner og øre vil blive tilsvarende reduceret. For BAU-scenariet kan dette

også betyde, at udbredelsen af teknologierne vil blive mindre end forventet, da det økonomiske Incita-

ment for at integrere teknologierne bliver formindsket.

Det ses, at det største besparelsespotentiale er i driftskoncepterne inden for varme i enfamilieshuse.

Faktisk udgør besparelsen i denne sektor over halvdelen af de beregnede besparelser i BAU-scenariet. I

alt udgør besparelserne inden for varme ca. 79 % af de estimerede energibesparelser. Dette stemmer

godt overens med, at energiforbruget til rumopvarmning i husholdninger er det største energiforbrug.

Energibesparelser på 1.269 mio. DKK/år fra Tabel 4, fra trukket de tilnærmede investeringsomkostninger på 405

mio. DKK/år fra Tabel 5. Se Tabel 7 for flere detaljer.

SIDE 23 AF 40

VIEGAND

MAAGØE

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

Besparelserne inden for belysning udgør ca. 16 % af de samlede besparelser, mens besparelserne ud-

gør knap 4 % inden for komfortventilation og ca. 1 % inden for komfortkøling. Den samlede energibespa-

relse i BAU-scenariet udgør 2% af det endelige energiforbrug til de fire slutanvendelser i 2016, jf. Tabel

For BNAT-scenariet er energibesparelserne opgjort til 6.547 GWh/år, svarende til 5,91 mia. kr./år. Det er

over 5 gange mere end de besparelser, der er estimeret i BAU-scenariet. Som tidligere nævnt er 2030

en meget kort tidshorisont i forhold til udvikling og implementering af de kommende teknologier, hvorfor

potentialet nærmere skal ses som muligt på længere sigt, f.eks. 2050. Det viser dog, at der er et eks-

tremt stort potentiale for energibesparelser på området.

Der er som nævnt ikke beregnet økonomiske udgifter ved BNAT-scenariet grundet de naturligt store

usikkerheder ved produkter, der endnu ikke findes på markedet. Man må dog forvente - i stil med BAU-

scenariet - at den overordnede gevinst for slutforbrugere er positiv: Forudsætningen for, at besparelses-

potentialet derfor kommer op i nærheden af niveauet beskrevet i Tabel 2 er, at der en positiv økonomisk

gevinst for forbrugerne.

Figur 6 viser de årlige energibesparelser, hvis BNAT-scenariet blev gennemført, altså at også de

først-kommende teknologier bliver markedsmodne og implementeret i de eksisterende bygninger. De

samlede estimerede årlige besparelser i dette scenarie er 6.547 GWh, heraf udgør ca. 92 % besparelser

inden for rumopvarmning. Over halvdelen af besparelserne vil kunne opnås inden for enfamilieshuse.

Den samlede energibesparelse i dette scenarie udgør knap 11 % i forhold til endeligt energiforbrug til de

fire slutanvendelser i 2016 angivet i Tabel 1.

Figur 5: Energibesparelser i 2030, BAU-scenariet [GWh/år]

1000

800

600

400

200

Offentlig

Erhverv

Etageboliger

Enfamilieshuse

Rumvarme

161

658

Belysning

127

Komfortventilation

Komfortkøling

Note:

Kilde:

Årlige besparelser i energiforbrug i 2030, ift. forbruget i 2016. BAU-scenariet.

Viegand Maagøe

VIEGAND

MAAGØE

SIDE 24 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

Figur 6: Energibesparelser, BNAT-scenariet [GWh/år]

7000

6000

5000

4000

3000

2000

1000

Offentlig

Erhverv

Etageboliger

Enfamilieshuse

Rumvarme

569

690

1255

3526

Belysning

113

212

Komfortventilation

Komfortkøling

Note:

Kilde:

Årlige besparelser for BNAT scenariet ift. forbruget i 2016. Bemærk at skalaen på y-aksen er anderledes end i figur 5.

Viegand Maagøe

Figur 7 viser de slutbrugerøkonomiske gevinster i 2030 for BAU scenariet, dvs. de økonomiske gevinster af energi-

besparelserne, fratrukket de tilnærmede investeringsomkostninger. Det kan ses, at på trods af at energibesparel-

serne er større for rumvarmen end den er for belysningen, så er den samlede økonomiske gevinst på samme ni-

veau. Dette skyldes bl.a., at investeringsomkostningerne er mindre for systemerne til belysning, samt at 1 kWh el er

mere dyrer end 1 kWh varme. En samlet økonomisk slutbruger gevinst på 793 Mil. DKK/år er forventet i 2030 for

BAU scenariet. En mere detaljeret opdeling kan ses i Tabel 7.

Figur 7: Slutbrugerøkonomisk gevinst i 2030, BAU-scenariet [Mil. DKK/år]

Økonomi, BAU

500

400

300

200

100

Offentlig

Erhverv

Etageboliger

Enfamilieshuse

Note:

Kilde:

Rumvarme

241

Belysning

117

218

Komfortventilation

Komfortkøling

Årlige slutbrugerøkonomiske besparelser i 2030 i millioner kroner. Alle tal er i 2017-priser. BAU-scenariet.

Viegand Maagøe

VIEGAND

MAAGØE

SIDE 25 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

Tabel 7: Besparelser og udgifter for BAU-scenariet i 2030 [Mil. DKK/år]

Varme

Enfamilies-huse

Belys-

ning

Ventila-

tion

Komfort-

køling

Sum

293

535

131

241

360

250

133

218

117

335

293

535

131

383

221

241

310

174

793

Udgifter

Etageboliger

Erhverv

Offentlig

Besparelser

Enfamilies-huse

Etageboliger

Erhverv

Offentlig

Enfamilies-huse

Total

Etageboliger

Erhverv

Offentlig

Sum total

Note:

Kilde:

Årlige økonomiske besparelser og udgifter (i form af tilnærmede investeringsomkostninger) for BAU scenariet i 2030.

Viegand Maagøe

6.2

USIKKERHEDER OG SENSITIVITETSANALYSER

De identificerede besparelser bygger på en lang række antagelser præsenteret i kapitel 2

–

5. Det be-

mærkes dog, at langt de største besparelsespotentialer ligger i energiforbruget til opvarmning og speci-

elt til enfamilieshuse. Dette er først og fremmest, fordi energiforbruget i dette segment er højest (jf. Tabel

1), men også fordi, at besparelsespotentialerne for de enkelte teknologier tilhørende dette segment er

højest (jf. Tabel 2). De endelige besparelsespotentialer på 2% og 11% for hhv. BAU- og BNAT-scenariet

er derfor meget afhængige af de antagelser, der ligger til grund for beregningerne, specielt for teknologi-

erne, der påvirker rumopvarmning.

De vigtigste variable parametre for beregning af energibesparelsespotentialerne er reboundeffekten og

besparelsespotentialerne for de enkelte teknologier. For de økonomiske beregninger i BAU-scenariet er

levetider og tilbagebetalingsperioder altafgørende for, om den økonomiske gevinst antages at være po-

sitiv. Fælles for alle beregninger er udbredelsesprocenten, som ikke gør de enkelte teknologier bedre

eller dårligere, men blot øger den samlede effekt.

For energibesparelsespotentialerne er teknologierne, der bliver benyttet i BAU-scenarierne alle tilgæn-

gelige på markedet i dag, og effekten af disse er kendt med en rimelig sikkerhed. Udbredelsen af disse

scenarier er antaget konservativt, men realistisk, og er estimeret på baggrund af kilderne beskrevet i

kapitel 4.

For BNAT-scenariet, er udbredelsen antaget 100% for de bedste, kommende teknologier. Det forventes

ikke, at dette vil være tilfældet inden for en tidshorisont frem til 2030, og resultatet skal ses som et po-

tentiale, der kan tilnærmes på længere sigt f.eks. frem mod 2050 eller på endnu længere sigt.

Bilag C indeholder sensitivitetsanalyser på reboundeffekten, besparelsespotentialet for MPC-teknolo-

gier, levetid og tilbagebetalingsperioder. Det kan ses, at de to første parametre betyder meget for den

VIEGAND

MAAGØE

SIDE 26 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

samlede effekt specielt i BNAT-scenariet. Det betyder også, at usikkerheden på resultaterne i kapitel 6.1

skal ses som et groft estimat med store usikkerheder tilknyttet.

For de økonomiske beregninger kan det ses, at levetiden skal ændres markant for at ændre væsentligt

på resultatet. Det skyldes, at de benyttede levetider er meget større end tilbagebetalingsperioderne, og

at alle teknologierne derfor er rentable på sigt. Først når levetiden kommer ned omkring tilbagebetalings-

perioden, begynder effekten at være stor. Den samme konklusion er gældende for tilbagebetalingsperio-

den, som dog har en mere direkte effekt.

Samlet set skal der ændres væsentligt på de økonomiske parametre før, at effekten for slutbrugere vil

være negativ. Dette resultat kan også forventes gælde for BNAT-scenariet, som samlet set må forventes

at bidrage med en positiv økonomisk gevinst for slutbrugerne.

VIEGAND

MAAGØE

SIDE 27 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

REFERENCER

[1] International Energy Agency, Digitalization & Energy, 2017.

[2] Grainger et al, Optimising the energy use of technical building systems, Ecofys, 2017.

[3] Hirschberg, Rainer (2016): Energy efficiency related to the change of thermostatic radiator valves.

[4] Hughes, R. F., & Dhannu, S. S. (2008). Substantial energy savings through adaptive lighting. 2008

Ieee Electrical Power and Energy Conference - Energy Innovation

[5] Chew, I., Kalavally, V., Oo, N. W., & Parkkinen, J. (2016). Design of an energy-saving controller for

an intelligent LED lighting system. Energy and Buildings, 120, 1–9.

[6] B. Von Neida, D. Manicria, A. Tweed, An analysis of the energy and cost savings potential of occu-

pancy sensors for commercial lighting systems, J.Illum. Eng. Soc. 30 (2) (2001) 111–125

[7] Matta, Sherif, and Syed Masud Mahmud. “An Intelligent Light Control System for Power Saving.” Ie-

con Proceedings (industrial Electronics Conference) (2010)

[8] Gianniou, P., Foteinaki, K., Heller, A., & Rode, C. (2017). Intelligent Scheduling of a Grid-Connected

Heat Pump in a Danish Detached House. Paper presented at Building Simulation 2017, San Francisco,

United States.

[9] Byggeri & Energi, Hvad kan smart bygningsteknologi gøre for din bygning? 2012.

[10] Jirí Cigler, Model Predictive Controls for Buildings, Czech Technical University in Prague, 2013

[11] Samuel Prívara, Jan Širok�½, Lukáš Ferkl, Jiří Cigler, Model predictive control of a building heating

system: The first experience, In Energy and Buildings, Volume 43, Issues 2–3, 2011, Pages 564-572,

ISSN 0378-7788,

[12] Tanaskovic, M., Sturzenegger, D., Smith, R., & Morari, M. (2017). Robust Adaptive Model Predictive

Building Climate Control. Ifac-Papersonline, 50(1), 1871–1876.

[13] Trent Hilliard and Miroslava Kavgic and Lukas Swan, model predictive control for commercial build-

ings: trends and opportunities, Advances in Building Energy Research, 2016.

[14] Jensen et al., Characterization and optimized control by means of multiparameter controllers,

Teknologisk Institut, 2010.

[15] Killian, M., & Kozek, M. (2016). Ten questions concerning model predictive control for energy effi-

cient buildings. Building and Environment, 105, 403–412

[16] Energistyrelsen, Energistatistik 2016, 2017.

[17] Viegand Maagøe et al., Kortlægningen af Energiforbrug I Virksomheder, 2015.

[18] COWI, Kortlægning af energibesparelsespotentialer i erhvervslivet, 2015.

[19] https://www.ecobee.com/savings/

[20] https://nest.com/thermostats/ og https://support.tado.com/hc/en-gb/articles/207442673-Why-does-

tado-need-to-check-the-compatibility-of-my-heating-system-

[21] Wang, Z., & Wang, L. (2013). Intelligent Control of Ventilation System for Energy-Efficient Buildings

With CO2 Predictive Model. Ieee Transactions on Smart Grid,

[22] Bjørn R. Sørensen (2012). Energy Efficient Control of Fans in Ventilation Systems, Energy Effi-

ciency - The Innovative Ways for Smart Energy, the Future Towards Modern Utilities, Dr. Moustafa Eissa

(Ed.), InTech, DOI: 10.5772/48597.

[23] Christian Holm Christiansen, Energifleksibilitet i erhvervsejendomme, Teknologisk Institut, Energief-

fektivisering og ventilation, 2014

[24] Jennifer King and Christopher Perry. Smart Buildings: Using Smart Technology to Save Energy in

Existing Buildings, 2017.

[25] Christopher Perry. Smart Buildings: A Deeper Dive into Market Segments. 2017.

[26] Berg Insight. Smart Homes and Home Automation. http://www.berginsight.com/ReportPDF/Product-

Sheet/bi-sh5-ps.pdf

[27] Kortlægning af kompetencebehov og barrierer for videregående VEU for faglærte inden for det tek-

niske og produktionsrettede område. Teknologisk Institut, 2015.

[28] Test af smarte lyspærer: https://jyllands-posten.dk/livsstil/digitalt/ECE9945096/stortest-af-paerer-

lad-der-blive-smart-lys/. Jyllandsposten, oktober 2017.

[29] https://www.fpl.com/business/pdf/building-controls-brief.pdf

[30] Bolius Boligejeranalyse 2017, Bolius maj 2017.

[31] Varmebesparelse i eksisterende bygninger. SBI, 2017.

VIEGAND

MAAGØE

SIDE 28 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

[32] https://www.greentechmedia.com/articles/read/100-million-plus-us-homes-lack-smart-de-

vices#gs.0tor9vg.

[33] https://iotbusinessnews.com/2017/07/13/50933-number-smart-homes-europe-north-america-

reached-30-3-million-2016/

[34] https://www.statista.com/outlook/279/133/smart-home/denmark#market-users

[35] Reboundeffekten for opvarmning af boliger, Energistyrelsen, 2016.

[36] Basisfremskrivningen 2017, Energistyrelsen, 2017.

[37] Fjernvarmestatistik 2017, Energistyrelsen, 2017.

[38] Dubois, M.-C., & Blomsterberg, A. (2011). Energy saving potential and strategies for electric lighting

in future North European, low energy office buildings: A literature review. Energy and Buildings, 43(10).

[39 IMPACT ASSESSMENT Accompanying the document Proposal for a Directive of the European Par-

liament and of the Council amending Directive 2010/31/EU on the energy performance of buildings,

COM (2016) 765.

[40] Building Control: En studie av markeds- og konkurransesituasjonen i Norge for etablering av Teleca

Wireless Solutions AS som leverandør av intelligente styringssystemer til byggautomatiseringsanlegg,

Kim Fredrik Harsvik Roger Kilvær, 2005

[41] Insights on Smart Home concept and occupants’ interaction with building controls. Valentina Fabi,

Giorgia Spigliantini, Stefano Paolo Corgnati, 2016

[42] https://smarterlife.dk/produkt-kategori/hjemmeautomatisering/

[43] HOFOR interview/ http://www.hofor.dk/baeredygtige-byer/spar-med-energistyring-forsynometer/

[44] https://www.bygst.dk/viden-om/energi/energistyring-af-varmeforbrug/

[45] https://www.ibm.com/internet-of-things/spotlight/iot-zones/iot-buildings

[46] https://buildingsolutions.honeywell.com/en-US/industries/commercialbuildings/Pages/default.aspx

[47] Energy & GHG emission savings potentials of thermostatic valves. Final report. Report by order of

EUnited Valves. With assistance of Bernhard von Manteuffel, Markus Offermann, Kjell Bettgenhäuser.

ECOFYS (Ed.), 2016

[48] Energy Efficiency of the Internet of Things. Technology and Energy Assessment Report. Prepared

for IEA 4E EDNA”. April 2016.

[49] Erfaringer med LED i danske virksomheder, Energistyrelsen, november 2015.

[50] Commercial building energy consumption survey 2012, https://www.eia.gov/consumption/commer-

cial/data/2012/

[51] http://www.dtu.dk/Om-DTU/Praktisk-information/For-leverandoerer/DTU_Standarder/Stand-

arder_BMS

[52] Statista, Electricity prices in selected countries, 2017. https://www.statista.com/statis-

tics/263492/electricity-prices-in-selected-countries/

[53] IEA, Monthly Oil Prices, 2017, https://www.iea.org/statistics/monthlystatistics/month-

lyoilprices/#d.en.34639

[54] OECD, Consumer Index Prices, 2017, https://stats.oecd.org/index.aspx?queryid=221

[55] Samfundsøkonomiske beregningsforudsætninger for energipriser og emissioner, Energistyrelsen,

maj 2017.

[56] Nordhavnprojektet http://www.energylabnordhavn.dk/

[57] https://www.amazon.com/Motion-Daylight-Sensor-LED-lights/dp/B007KEO3JI

[58] http://www.lutron.com/europe/Residential-Commercial-Solutions/Pages/Residential-Solutions/Resi-

dential-App/ResidentialApplications.aspx

[59] Smart Readiness Indicator, Søren Østergaard Jensen, Teknologisk Institut,

”Intelligent bygningsdrift

konference”, 2017

[60] Erfaringer med optimering af bygningsdrift, NEWSEC DATEA, ”Intelligent bygningsdrift konference”,

2017

[61] Case stories fra Teknologisk Institut, Christiansen et al., ”Intelligent bygningsdrift konference”, 2017

[62] Vejen til datadrevet dimensionering og bygningsdrift, Peter Weitzmann & Lars Andersen, NCC Dan-

mark, ”Intelligent bygningsdrift konference”, 2017.

[63] Interview med Balslev ifm. EnergyLab Nordhavn, 2017.

[64] ”Stol aldrig på en IoT enhed”, Henrik

Malmgreen, https://www.altomdata.dk/stol-aldrig-paa-iot-enhed

(1/2/2017)

VIEGAND

MAAGØE

SIDE 29 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

[65] ”Knowledge

transfer from professionals to end-users in the building hand-over

phase”, Thomsen et

al., SINTEF, ECEEE 2017

[66] Impact of Feedback about energy consumption, EA Energianalyse 2015

[67] https://sourceable.net/intelligent-buildings-can-enhance-human-productivity/

[68] Intelligent buildings: For smarter, healthier, more productive people, ARM, 2016.

[69] Udskiftning af radiatorventiler/ termostatstyringer, energiløsning, Videncenter for energibesparelser i

bygninger

[70]

https://www.navigantresearch.com/research/commercial-building-automation-system

[71]

https://ecodesignbacs.eu/welcome

[72]

https://sparenergi.dk/forbruger/el/dit-elforbrug

[73]

http://www.byggeriogenergi.dk/media/1727/udskiftning-af-radiatorventiler_ok.pdf

VIEGAND

MAAGØE

SIDE 30 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

BILAG A: TEKNOLOGIBESKRIVELSER

I det følgende beskrives forskellige teknologier til regulering af hhv. varme, belysning, ventilation, kom-

fortkøling, eller en blanding heraf, og som der anslås at være relevante nu og/eller i fremtiden. Alle om-

talte besparelsespotentialer er opsummeret i Tabel 2.

Tabel 8: Besparelsespotentialer for forskellige driftskoncepter

Enfamiliehuse

Varme

Udskiftning af mekaniske termo-

stater til elektroniske termostater

Intelligent styring, dedikeret (au-

tonomt forbrugsmønsteranalyse)

CTS med timere og alarmer

Intelligent styring og prædiktiv

vejrprognosestyring (MPC)

Belysning

Bevægelsesmeldere (PIR, ultraso-

nisk, mikrobølge)

Dagslysudnyttelse

og styring

Ventilation

Behovsstyret ventilation

Behovsstyret ventilation, person

afhængigt m. RTLS

Behovsstyret ventilation, prædiktiv

styring.

Komfortkøling

CTS med timere og alarmer

Intelligent styring og prædiktiv

vejrprognosestyring (MPC)

Note:

Kilde:

5%-10%

15%-28%

5%-10%

15%-28%

10%-19%

10%-25%

10%-26%

10%-19%

10%-25%

10%-26%

20%-35%

15%-50%

20%-35%

15%-50%

15%-28%

8%-23%

11%

11%-23%

5%-10%

15%-28%

5%-10%

15%-28%

(<8%)

Etagebygninger Offentlig

Erhverv

Detaljerede beskrivelser af teknologierne og kilderne findes i dette Bilag A

Viegand Maagøe

A.1 Bygningsautomatik

BMS

systemer

Omfang:

Erhverv, offentligt

Kommercielt tilgængeligt:

Besparelsespotentiale:

Varierende

Intelligent:

Ja/Nej

BMS/CTS-systemer fungerer som centrale kontrolsystemer, der kan overvåge og styre lys og HVAC-

anlæggene, og måle og kortlægge energiforbrugene. Kompleksitetsgraden varierer afhængigt af

Kun til små virksomheder, f.eks. små kontormiljøer med ”privat”-lignende

forhold.

Inkluderer sænkning af temperatur om natten, samt i dagtimer, hvor der ikke er brugere af bygningen

Daylight Harvesting

RTLS er Real Time Location System, som bruges til automatisk at identificere og spore placeringen af objekter eller personer i realtid, normalt inden

for en bygning eller et andet indeholdt område.

Dette driftkoncept dækker også CTS systemer, IBI-systemer og øvrige intelligente bygningsstyringssystemer.

VIEGAND

MAAGØE

SIDE 31 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

størrelsen på systemet, og alderen på anlægget. Lokale simple styringerne kan kobles på systemet,

hvorfor at der findes ét centralt sted, hvor de forskellige simple systemer kan styres og/eller overvåges

fra. Typisk vil det være et centralt styringsværktøj i form af et panel eller anden grænseflade, hvor drifts-

personalet kan overvåge de forskellige parametre i bygningen med en detaljegrad, der afhænger af an-

tallet af sensorer, der er koblet på systemet.

Systemernes rækkevidde går derfor fra at styre temperaturen i enkelte rum ved at styre fremløbs-flow og

temperatur på radiatorvandet, op til at styre sammenspillet mellem ventilations-, køle-, og varmeanlæg-

get afhængigt af bl.a. tid og vejrforhold.

Systemerne er på sin vis ikke intelligente, selvom de gemmer og bruger data. Dette er grundet i, at data

bliver brugt bagudrettet til at lave f.eks. uge- og månedsrapporter og alarmer, og ikke til at forudsige for-

brugsmønstre og komme med forslag til forbedringer. De kan derfor opfange uregelmæssigheder på

f.eks. ventilationsanlægget, men kan ikke komme med forbedringer til selve styringen. Dermed kommer,

at sensorerne, der er koblet på systemet, typisk er begrænset til bevægelses, temperatur, og fugt/CO2-

sensorer.

Det egentlige besparelsespotentiale ved installationen af disse systemer kan derfor ikke evalueres gene-

relt, da det kommer an på, hvilke del-systemer anlægget styrer.

Eksempler på systemer



Honeywell ComfortPoint Open



Trend CTS



ABB i-bus® KNX



CISCO



Johnson controls



Schneider EcoStruxure



IHC

–

Lauritz Knudsen

Intelligente BMS systemer

Omfang:

Erhverv, offentligt

Kommercielt tilgængeligt:

Nej

Besparelsespotentiale:

Der har ikke været muligt at finde kilder på disse avancerede systemer.

Intelligent:

Intelligente BMS-systemer er på et intelligensniveau i sådan en grad,

at bygningen er ”kognitiv”. Dette

system kan mange af de samme ting som et regulært BMS-anlæg kan, men med langt flere muligheder.

Dette betyder for det første, at datamængden mangedobles i forhold til normale BMS-systemer, og at

sensorantallet er langt større, og at systemet inkluderer bl.a. RTLS

og ansigtsgenkendelseskameraer.

Derudover bruger systemet data fra selve IT-systemet, f.eks. mødebookingsystemerne, således at byg-

ningen ved, hvornår forskellige rum skal varmes op, eller der skal serviceres med kaffe osv. Regulering

af BMS-anlægget går fra at blive styret af driftspersonale til, at hver enkelt person kan regulere f.eks.

temperaturen på sit kontor via sin smartphone.

Fællesnævneren er ”Big Data”, som reelt set kommer fra en øget mængde af data

fra sensorer. Dette er

dog samtidigt også den største udfordring, da der ligger en enorm og kompliceret opgave i at konvertere

data til reelle ydelser og/eller energibesparelser.

En væsentlig del af det samlede regnskab ved energibesparelserne ved brug af intelligente systemer er

omkostningerne ved rent faktisk at indsamle og behandle data.

Real Time Location System

SIDE 32 AF 40

VIEGAND

MAAGØE

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

De intelligente BMS systemer kræver en lang række af sensorer i hvert rum, bl.a.



Temperaturmålere

Fugtigheds- og CO2 -målere

Støjsensorer

Lyssensorer

Bevægelsessensorer

Videokameraer til bl.a. ansigtsgenkendelse

RTLS-systemer

Alle disse sensorer kommunikerer med en række gateways, som opsamler, komprimerer, og sender

data til en database, som kan tilgås af de forskellige analyseværktøjer og BMS-systemer, som hver især

laver beregninger og rapporter ud fra data.

Alle trin i processen har et energiforbrug og med et større og større antal nødvendige sensorer, bliver

energiforbruget til drift af systemet højere og højere. Analysedelen kan også kræve en stor mængde be-

regningskraft til at kunne håndtere den store datamængde, hvilket potentielt kan bruge en betydelig

mængde energi. Specielt hvis prædiktive modeller skal benyttes og beregnes. Det ser dog ud til, at for-

bruget per internetbaseret sensor er faldende og kan være så lavt som 0,09 Watt [48]. Specielt udbre-

delsen af Zigbee

hjælper med at reducere det samlede energiforbrug af systemet.

Derudover komme omkostninger til vedligeholdelse af systemet herunder at skulle identificere og ud-

skifte fejlramte komponenter. Ved store mængder af sensorer kan dette blive betydeligt til en sådan

grad, at drift og vedligeholdelsesomkostningerne kan forestilles at blive væsentlige.

Der findes ingen studier, der konkret har undersøgt problematikken endnu, hvilket skyldes den pt. meget

begrænsede udbredelse af de intelligente BMS-systemer, men det skal belyses, hvis det reelle energi-

mæssige sparepotentiale skal afklares. [14] nævner, at energiforbruget af de forskellige sub- og sty-

ringssystemer skal afklares, før nettobesparelser kan beregnes. I små systemer med få sensorer og sim-

ple reguleringstyper kan det være negligibelt, men i store intelligente, komplekse systemer med mange

sensorer og komplekse beregningsmodeller, kan energiforbruget være markant.

De fleste ekstra ydelser dette system kan levere, er serviceydelser, som påvirker bruger-komforten.

Sammenlignet med et CTS-anlæg er det ikke energibesparelser, der er hoved-fokus for driften, selvom

de omfattende Real Time Location System (RTLS) kan regulere bl.a. ventilationsmængden per rum, og

sænke rumtemperaturen steder, hvor folk er gået hjem

–

hvilket normale CTS-anlæg har svært ved

–

udover de normale tidsindstillinger. RTLS-systemet betyder også, at rengøring og vedligeholdelsesar-

bejde af bygningsinstallationerne kan planlægges således, at der kun er servicepersonale ude, når det

er nødvendigt. Der er dog ikke i dette projekt fundet tilstrækkelige data på, hvorvidt dette potentiale kan

realiseres.

Eksempler på systemer



IBMs Watson IoT



Remoni

A.2 Varme

Mekaniske termostater

En lav energis trådløst mesh-baseret netværk, som har lavere energiforbrug sammenlignet med f.eks. Bluetooth

og Wi-Fi netværk.

VIEGAND

MAAGØE

SIDE 33 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

Omfang:

Enfamilieshuse, etageboliger, offentligt, erhverv

Kommercielt tilgængeligt:

Besparelsespotentialer:

7% [73] (Termisk)

Intelligent:

Nej

Simple mekanisme termostater som justerer varmtvandsflowet i radiatoren på baggrund af et setpoint,

der indstilles på termostaten, som justerer i forhold til omgivelsernes temperatur. Der er 7% besparelser

at hente i forhold til at have konstant-flow [73]

Eksempler på produkter



Danfoss RAX

Elektroniske termostater

Omfang:

Enfamilieshuse, etageboliger

Kommercielt tilgængeligt:

Besparelsespotentialer:

8%-23% [2] [19] [20] (termisk, ift. mekaniske termostater)

Intelligent:

Elektroniske termostater er intelligente erstatninger til den klassiske mekaniske termostat. Besparelses-

potentialet går delvist på at kunne styre temperaturen bedre og mere præcist, da man kan indstille en

fast temperatur i stedet for at skrue på en mekanisk termostat med arbitrære tal som indikatorer, og der-

ved kan reducere måleusikkerheden. Det andet potentiale ligger i, at de forskellige produkter kan indstil-

les efter slutbrugerens forbrugsvaner ved hjælp af en nemmere tilgængelig brugerflade (bl.a. smart-

phone apps) og ved nedregulering af varmeforbruget i perioder, hvor folk ikke er hjemme. Et samlet be-

sparelsespotentiale op imod 23 % på det samlede varmeforbrug kan ifølge producenterne forventes [19]

[20], mens uafhængige kilder rapporterer om besparelser i størrelsesordenen 8 % [2] [69].

Eksempler på produkter



ecobee4



Nest Thermostats



Danfoss Eco



Tado

CTS-styret inkl. timere og alarmer

Omfang:

Offentligt, erhverv

Kommercielt tilgængeligt:

Besparelsespotentialer:

5%-10% [2] (Termisk, ift. Mekaniske termostater)

Intelligent:

Nej

CTS-systemer med integreret varmeanlægskontrol kan regulere rumtemperaturen i de enkelte rum af-

hængigt af et timersystem, som kan sænke temperaturen om natten, hvor ingen opholder sig i bygnin-

gen. Besparelser på 5 %-10 % kan opnås, afhængigt af bygningens isoleringsmæssige stand, størrelse,

og type af bygning [2]

Eksempler på produkter



Honeywell ComfortPoint Open



Trend CTS



Schneider Electrics



Siemens DESIGO™

Prædiktive styring - Predictive Controllers

VIEGAND

MAAGØE

SIDE 34 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

Omfang:

Enfamilieshuse, etageboliger, erhverv, offentligt

Kommercielt tilgængeligt:

Om få år

Besparelsespotentiale:

15 % - 28 % [10] [11] [15] [13]

Intelligent:

De fleste styringsenheder til nuværende HVAC-systemer (heating, ventilation and air conditioning) tager

højde for de øjeblikkelige egenskaber ved omgivelsesluften, så som temperatur, fugt- og CO2-indhold,

f.eks. anvende frikøling er muligt om sommeren, når temperaturen udenfor er lavere end indenfor eller

regulere varmeydelsen efter udetemperaturen (vejrkompensering).

En anden tilgang er at kunne tage højde for de forskellige parametre, der påvirker bygningens tilstand

og dermed varme- og ventilationssystemet i de kommende dage. Dette kan f.eks. være brug af bygnin-

gen eller udetemperaturforhold ved at bruge vejrprognoser til at forudsige temperaturvariationer.

Disse styringsstrategier kaldes prædiktive styringer eller Model Predictive Controllers (MPC). Fordelen

ved denne løsning er, at man kan udbytte bygningens varmekapacitet til at udjævne belastningerne på

f.eks. varmesystemet, så systemet kan køre stabilt uden at lave pludselige spring, hvis temperaturgradi-

enten udenfor bliver for høj, eller når folk møder på arbejde. Dette kan gøres ved langsomt at forvarme

bygningerne på baggrund af prognoser, f.eks. om det kommer til at regne og blive koldt, og på den

måde undgå store udsving i varmeproduktionen. Dette betyder, at man gennemsnitligt kan opretholde

en lavere temperaturforskel på frem- og tilbageløbet af radiatorvandet, som giver energibesparelser i

varmtvandsproduktionsenheden [10].

En anden fordel er, at temperaturniveauet i bygningen er mere konstant, således at komfortniveauet

øges. Dette skyldes den mere stabile varmetilførsel, som reducerer temperaturgradienterne i bygnin-

gerne [15].

Der er fundet besparelsespotentialer ved løsningen i størrelsesordenen 15-28 % [10] [11] i varmeforbru-

get om vinteren, men potentialet er meget afhængig af bygningens varmekapacitet og isoleringsgrad.

Bygninger med lav isoleringsevne giver de største besparelser, da disse er mest afhængige af udefor-

holdene.

Problemet med MPC-systemer er selve integreringsdelen. For at styringsenheden korrekt skal kunne

regulere, kræver det, at der er indbygget en matematisk model med algoritmer, som skal analyse forhold

som bygningsmasse, isoleringsgrad, udetemperatur, vindforhold og virkningsgrader på varmesystemet

for at kunne lave korrekte responskurver. Dette kræver ikke-trivielle matematiske modeller, som tilmed

kræver en dedikeret styringsenhed til at lave beregningerne [11].

Systemet kræver en betydelig investeringsomkostning, da der er behov for et betydeligt antal mandeti-

mer fra højt specialiseret personale. Dette er den primære grund til, at systemerne ikke er kommercielle

tilgængelige endnu, selvom alle forskningsresultater peger på, at der er store energibesparelsespotenti-

ale i systemerne [13].

En måde at omgå de store integreringsomkostninger er at benytte adaptive reguleringsmetoder. Med

dette bruger styringsenheden en række grove start-forudsætninger, som den så tester ved at regulere

bygningens temperatur ved at regulere varmetilførslen. Over en periode og ved brug af en closed-loop-

regulering modificeres modellen, så den ender med præcise responskurver for den pågældende bygning

[12]. Dette fjerner ikke investeringsomkostninger til den dedikerede styringsenhed til at styre beregnin-

gerne, men det fjerner det tunge manuelle arbejde og mindsker afhængigheden af en god kvalitet og

mængde af tilgængelige bygningsdata. Ulempen er dog, at der vil være en indfasningsperiode, som kan

tage op til 500 timer, afhængigt af, hvor meget bygningen bliver benyttet, og hvor stabilt vejret er.

VIEGAND

MAAGØE

SIDE 35 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

MPC-systemer er ét af de fremtidige intelligente styringssystemer, der har størst potentialer til energief-

fektivisering af bygningsdriften. Dette er bl.a. fordi, at hvor de intelligente BMS-systemer i højere grad

tilstræber at øge brugerkomforten og give besparelser i mandetimer, så har MPC-systemer udelukkende

fokus på energiforbruget og er intelligent og uden menneskelig involvering. De har tilmed potentiale til at

blive integreret andre steder end store kontorbygninger, hvis integreringsdelen bliver optimeret. De

adaptive controllere har på denne front stort potentiale.

Da et MPC-system i sig selv er rent softwarebaseret, er de også oplagte til at blive installeret steder,

hvor BMS-systemer allerede findes, som oftest kontorbygninger og offentlige institutioner [15].

Systemet kræver tilgængeligt vejrdata for at fungere. Dette har hidtil været et problem i Danmark, da der

har manglet offentligt og gratis tilgængelige vejrdata. Energi-, forsynings- og klimaministeriet har i de-

cember 2017 oplyst, at vejrdata fra DMI bliver gratis tilgængelige fra 2019

, lige som det er tilfældet i

mange andre lande, bl.a. Tyskland, Norge, Sverige, Finland, Storbritannien og Holland. Dette forventes

at have en betydelig effekt på udvikling og udbredelse af MPC-systemerne i Danmark.

A.3 Belysning

Bevægelsesmeldere/ PIR-følere

Omfang:

Erhverv, offentligt

Kommercielt tilgængeligt:

Besparelsespotentiale:

20 % - 35 % [5] [38]

Intelligent:

Ja/Nej

Bevægelsessensorer og/eller occupancy sensors er udbredt en lang række af steder. Systemet tænder

for belysningen, når der bliver registreret, at der er personer i rummet. Dette gøres enten via bevægel-

sessensorer, eller sensorer, der på andre måder registrerer, hvorvidt der er personer i rummet (f.eks.

PIR-følere).

Kombineres det med Daylight harvesting er der blevet vist besparelsespotentialer op i mod 62 % [4].

Dette er selvfølgeligt afhængigt af bygningstype, drift og udstyr.

Daylight Harvesting/Dagslysstyring

Omfang:

Erhverv, offentligt

Kommercielt tilgængeligt:

Besparelsespotentiale:

15 % - 50 % [5] [6] [7] [38] (Strømforbrug)

Intelligent:

Ja.

Daylight Harvesting går ud på at udnytte udelyset inde i bygninger. Det er mest relevante til kontorbyg-

ninger, hvor udvendige vinduesafskærmninger automatisk kan regulere sig efter solens højde og på den

måde reflektere dagslys ind i bygninger. Dette kobles med indendørs-fotosensorer, der lokalt måler

lysintensiteten inde i rummet, og regulere lysinstallationerne, så der opnås det ønskede lysintensitetsni-

veau. De findes med forskellige kompleksitetsniveauer, og kaldes også for Adaptive Illuminance rende-

ring, hvis systemet er i stand til at beregne, hvordan det mest energieffektivt er i stand til at dække lysbe-

hovet. Besparelsespotentialet afhænger stærkt af bygningstype, reflektansniveau, placering, årstid osv.

Eksempler på produkter



AMS Smart lightning



Digital Lumen

https://via.ritzau.dk/pressemeddelelse?publisherId=9426318&releaseId=12175508

En PIR sensor er en sensortype, der anvender infrarødt lys (PIR står for Passive InfraRed).

SIDE 36 AF 40

VIEGAND

MAAGØE

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

A.4 Komfortventilation

Behovstyret ventilation

Omfang:

Erhverv, offentligt

Kommercielt tilgængeligt:

Besparelsespotentiale:

10-35% [21], 19% [22] (strømforbrug)

Intelligent:

Nej

Gammeldags og simple ventilationssystemer bliver designet efter, hvor mange brugere hvert rum/byg-

ning har, og derefter sat til at kunne dække peak-behovet, efter et antal liter ren luft per person per time.

Dette betyder, at ventilationssystemet er sat til at køre efter peak-niveauet, som betyder, at der bliver

over-ventileret alle tidspunkter, hvor dette niveau ikke er gældende. Behovstyrede ventilationssystemer

kører i stedet for et fastfast niveau efter CO2- og/eller fugtindholdet i rummet. Det ændrer således ydelse

dynamisk efter behovet. Det kaldes oftest for demand controlled ventilation (DCV).

Sammenlignet med ventilationssystemer med fastlagt flowrater, kan besparelsespotentialer på mellem

10-35 % findes

–

afhængigt af størrelsen af bygningen og antallet af mennesker, der benytter sig af byg-

ningen.

Behovstyret, person.afhængigt

Omfang:

Erhverv, offentligt

Kommercielt tilgængeligt:

Nej

Besparelsespotentiale:

25% [21] [22] (strømforbrug)

Intelligent:

Nej/Ja

Behovstyret ventilation (DCV) kan kombineres med Real Time Location System (RTLS), så systemet

ved, hvor mange personer der befinder sig i lokalet på et givet tidspunkt. Dette gør, at controlleren dyna-

misk kan regulere luftmængden gradvist og derfor holde sig gennemsnitligt på en lavere belastningspro-

cent, hvilket kan give energibesparelser. Det kræver dog, at der findes et eksisterende RTLS-system,

som kan give input til controlleren. Da disse ikke er særligt udbredte, og når besparelsespotentialet er

lille i forhold til sammenlignet med DCV systemer, er systemerne ikke tilgængelige.

Model Predictive Controllers

Omfang:

Erhverv, offentligt

Kommercielt tilgængeligt:

Nej

Besparelsespotentiale:

26% [21] (strømforbrug)

Intelligent:

Ventilationsbehovet er afhængig af personer i lokalet. Model Predictive Controllers (MPC) kan både

styre varmefluxen og ventilationsmængden. Hvor de på varmesystemet har et set-punkt (f.eks. 22°C), et

input (vejrprognose) og et output (aktuel udetemperatur), så kan de også sættes til at styre ventilations-

anlægget. Outputtet er her CO2-mængden i rummet, set-punkt er f.eks. X-antal PPM CO2/liter, og input-

tet er antallet af mennesker, der kommer til at benytte bygningen de kommende timer og dage.

Hvis systemet estimerer, at bygningen ikke kommer til at blive brugt f.eks. de næste 3 timer, kan det re-

gulere blæserne til at blæse på den lavest mulige effekt, der gør, at rummet kommer ned på set-punkt,

så langsomt som muligt i stedet for at køre med fuld effekt, indtil set-pointet er nået. Lavere gennem-

snitshastighed på blæseren giver mindre tryktab og dermed lavere overordnet energiforbrug.

VIEGAND

MAAGØE

SIDE 37 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

Systemet tillader også helt at stoppe om natten og så først begynde 1-2 timer, før der kommer menne-

sker i bygningen, eller når det er nødvendigt.

A.5 Komfortkøling

Styringsformer til kølesystemer kan som udgangspunkt benytte de samme principper som varmeforbru-

get, da de grundlæggende fungerer efter samme princip. Derfor er sparepotentialet i % antaget identisk

med koncepterne for varme på trods af alt det samlede energiforbrug er markant mindre. Der er ikke

antaget noget besparelsespotentiale for komfortkøling for private husstande, da energiforbruget til dette

ikke bliver kortlagt i tilgængelige databaser og endvidere vurderes at være forsvindende lille i Danmark.

En af de styringer, der er relevant i forhold til komfortkøling er, at der kan etableres en såkaldt interlock

mellem køling og varme, der forhindrer, at der køles og opvarmes på samme tid i bygningen.

VIEGAND

MAAGØE

SIDE 38 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

Hvor CPI er OECD’s Consumer Price Index, og EP er Energy Price for hhv. enten elpris

eller varmepris.

For varmeprisen er benyttet den gennemsnitlige pris for gasolie, da denne afviger mindst muligt ift. geo-

grafi. For at få sammenlignelige energipriser i forhold til afgifter mv. er der valgt at anvende danske og

amerikanske energipriser fra samme kilder til denne omregningsfaktor. Benyttede tal er fra [36] [52] [53]

[54].

Da CPI er højere i Danmark end i USA, er investeringsomkostningerne højere. Energiprisen er imidlertid

også højere i Danmark end i USA, og derfor er den samlede tilbagebetalingsperiode kortere i Danmark

end i USA. Omregningsfaktoren er på 59 % og 83 % for hhv. elektricitet og gasolie, og indgår i analysen.

For segmenterne som ikke er momspligtige, er de beregnede tilbagebetalingstider blevet reduceret med

25%. De endelige levetider og tilbagebetalingstider kan ses i Tabel 9.

BILAG B: BESTEMMELSE AF ØKONOMISK NØGLETAL TIL INVESTERINGSOMKOSTNINGER

Tilbagebetalingstiden og levetid er så vidt muligt baseret på offentligt tilgængelige priser, og ellers esti-

meret fra [24] for tilsvarende produkter. Da kilden angiver tilbagebetalingstider for det amerikanske mar-

ked er disse konverteret til det danske tilbagebetalingstider. Dette gøres med en omregningsfaktor, der

beregnes således:

��

�� =

��

Tabel 9: Benyttede levetider og tilbagebetalingstider [år]

Varme

TBT

Belysning

TBT

Komfortventilation

TBT

Komfortkøling

TBT

Enfamilies-huse

Ingen

Mekaniske

termostater

Elektroni-

ske termo-

stater

Intelligent

styring,

inkl. MPC

Ingen

Mekaniske

termostater

Elektroni-

ske termo-

stater

Intelligent

styring,

inkl. MPC

Ingen

Mekaniske

termostater

Intelligent

styring

Intelligent

styring,

inkl. MPC

Ingen

5,0

3,3

4,2

5,0

3,3

4,2

5,0

2,5

2,2

3,8

1,5

5,0

1,8

Etageboliger

Ingen

Bevægelses-

meldere

Ingen

Timere

Behovssty-

ret

Ingen

Mekaniske

termosta-

ter

Intelligent

styring

Intelligent

styring,

inkl. MPC

Ingen

Mekaniske

termosta-

ter

Intelligent

styring

Intelligent

styring,

inkl. MPC

Erhverv

3,1

5,0

2,5

3,1

Bevægelses-

meldere +

Day light

Harvesting

1,3

Behovssty-

ret, MPC

1,5

3,8

1,5

2,2

5,0

1,8

2,2

Ingen

Bevægelses-

meldere

Bevægelses-

meldere +

Day light

Harvesting

2,2

Ingen

Timere

Behovssty-

ret

Offentlig

Mekaniske

termostater

Intelligent

styring

Intelligent

styring,

inkl. MPC

1,3

Behovssty-

ret, MPC

VIEGAND

MAAGØE

SIDE 39 AF 40

EFK, Alm.del - 2018-19 (1. samling) - Bilag 79: Analyser under initiativet Energieffektive og Intelligente bygninger

BILAG C: SENSITIVITETSANALYSER

Nedenstående figurer viser effekten af rebound-effekten, MPC-teknologi-besparelsespotentiale, levetid

og tilbagebetalingstider. På de to nederste plot er x-aksen i % ændring fra aktuel værdi (ved 0%). En

+50% ændring, betyder ”Aktuel værdi*(100%+50%)”.

Bemærk at levetid/tilbagebetalingstidsfiguren ikke

varierer begge parametre på samme tid, men at effekterne er isolerede.

Rebound-effekt

Totale bespalreser [GWh/år]

10000

9000

8000

7000

6000

5000

4000

3000

2000

1000

10%

20%

30%

40%

BAU

50%

60%

70%

80%

90%

100%

Rebound effekt

BNAT

MPC-Teknologi-besparelse

Totale bespalreser [GWh/år]

12000

10000

8000

6000

4000

2000

-100%

-80%

-60%

-40%

-20%

BAU

20%

40%

60%

80%

100%

Ændring af parameter ift. aktuel værdi [%-ændring]

BNAT

Levetid og tilbagebetalingstid

Totale bespalreser [mil. kr/årr]

1400

1200

1000

800

600

400

200

-80%

-60%

-40%

-20%

20%

40%

60%

80%

100%

Ændring af parameter [%-ændring]

Levetid

VIEGAND

MAAGØE

Tilbagebetalingstid

SIDE 40 AF 40