Nejnavštěvovanější odborný web
pro stavebnictví a technická zařízení budov
estav.tvnový videoportál

Stupně optimalizace vytápění

Stupne optimalizácie vykurovacieho procesu

Mikro-úroveň je optimalizace jednotlivých segmentů otopné soustavy, například zefektivnění provozu rekuperační jednotky. Následuje střední úroveň, například dimenzování topných okruhů a makro úroveň, kde již probíhá optimalizace řízení z pohledu spotřeby energií.

Úvod

Spotreba energetických zdrojov v rámci HVAC predstavuje vo väčšine krajín viac ako polovicu spotreby celkovej spotreby energií. Napríklad v rámci USA sa 75% všetkej elektrickej energie spotrebuje na vykurovanie a klimatizáciu [1] (správa budovy ako takej, čo znamená mimo iné, že budovy majú na svedomí tretinu celosvetovej produkcie CO2, takmer polovicu všetkých spotrebovaných „surových“ materiálov a produkciu stoviek milionov ton odpadu). Preto je otázka úspory energetických zdrojov za pomoci optimalizácie a správneho návrhu vykurovacieho systému nevyhnutná. Keďže vykurovacia sústava budovy predstavuje relatívne komplexný systém, z hľadiska optimalizácie jednotlivých prvkov tejto sústavy, môžeme rozlíšiť rôzne úrovne optimalizácie vykurovacieho procesu (OVP).

1. Mikro-úroveň OVP

Predstavuje úroveň optimalizácie malých elementov – segmentov prvkov vykurovacej sústavy. Môže sa jednať napríklad o optimalizáciu tvaru / štruktúrnych parametrov častí kotla, vykurovacieho telesa, optimalizáciu tvaru, umiestnenia mikro častí stavebných prvkov (napr. škáry okien) až po optimálny návrh tvaru a samotnej štruktúry atď.

1.1 Optimalizácia rekuperačnej jednotky

Ako príklad mikro úrovňovej optimalizácie uvádzame zefektívnenie rekuperačnej jednotky (RJ). Parametre ovplyvňujúce rekuperáciu sú smer, teplota a rýchlosť prúdiaceho vzduchu a teplotné javy prestup a prúdenie tepla telesami. Model predstavuje 2 vrstvy vzduchu 1 mm hrubé, ktoré od seba delí hliníková prepážka o hrúbke 0,083 mm a dĺžke 24,5 cm. [2] Z fyz. pohľadu sa teda jedná o model Non-Isothermal flow, ktorý pozostáva z dvoch častí, General Heat Transfer (všeobecný prenos tepla) a Weakly Compressible Navier-Stokes (mierne stlačiteľné tekutiny opísané Navier-Stokesovými rovnicami) [3].

Obr. č. 1a Simulácia priečneho prierezu strednej časti RJ (rozmery cca 2×9×5 mm)
Obr. č. 1a Simulácia priečneho prierezu strednej časti RJ
(rozmery cca 2×9×5 mm)
Obr. č. 1b Simulácia priečneho prierezu strednej časti RJ
Obr. č. 1b Simulácia priečneho prierezu strednej časti RJ
 

Na obr. č. 1 je znázornený priebeh teploty rezom časti rekuperátora za účelom optimalizácie rýchlosti prúdenia vzduchu. Táto rýchlosť je vo všeobecnosti funkciou teplôt vnútorného a vonkajšieho vzduchu. Pre rôzne kombinácie týchto teplôt sa vytvorí tabuľka riadiacich hodnôt, ktorými sú riadené otáčky ventilátora.

2. Stredná úroveň OVP

Predstavuje úroveň optimalizácie stredne veľkých elementov – segmentov prvkov vykurovacej sústavy. Môže sa jednať napríklad o optimalizáciu umiestnenia a správneho dimenzovania typu a telies vykurovacej sústavy ako aj samotného VP.

2.1 Optimálne dimenzovanie vykurovacieho systému

Na príklade jednopodlažného domu sú demonštrované možnosti vzájomného prepojenia programov Matlab a Comsol Multiphysics. Pomocou genetického algoritmu boli nájdené optimálne teploty vykurovacích telies pri splnení zadaných podmienok, t.j. dosiahnutie predpísaných teplôt a požadovanej tepelnej pohody [3].

Obr. 2a Porovnanie tepelnej pohody: simulácia projektového vykurovacieho systému
Obr. 2a Porovnanie tepelnej pohody: simulácia projektového vykurovacieho systému
Obr. 2b Vykurovací systém navrhnutý genetickým algoritmom
Obr. 2b Vykurovací systém navrhnutý genetickým algoritmom
 

3. Makro úroveň OVP

Predstavuje úroveň optimalizácie VP z hľadiska manažmentu a riadenia ako celku. Jedná sa predovšetkým o dômyselný návrh riadiaceho systému (RS) pre VP, ktorý pokrýva ako procesnú, funkčnú tak aj ekonomickú úroveň.

3.1 Optimalizácia riadenia a správy RS z pohľadu spotreby energií

Riadiaci systém z tohto pohľadu musí obsahovať čo najviac informácií o potrebe vykurovania jednotlivých priestorov, dynamiky VS a v najlepšom prípade aj predikcie a potreby vykurovania pre budúcnosť najmenej v rozsahu niekoľkých časových konštánt dynamiky VS.

Obr. 3a Schéma jednoduchého RS pre rodinný dom
Obr. 3a Schéma jednoduchého RS pre rodinný dom
Obr. 3b Štatistické vyhodnotenie energetickej náročnosti z globálneho hľadiska
Obr. 3b Štatistické vyhodnotenie energetickej náročnosti z globálneho hľadiska
 

Vplyv optimality jednotlivých úrovní na celkovú energetickú náročnosť

Optimálnosť každej z uvedených úrovní je dôležitá v rámci vykurovacieho procesu ako celku avšak ich vplyv na ekonomické úspory sa rôznia.

Najnižšia úroveň (mikro) predstavuje dôležitý aspekt v ponímaní efektívneho využívania zdrojov ako takých. Väčšinu súčasných riešení (kotle, rekuperačné jednotky, turbíny a pod.) môžeme považovať za kvázi optimálne, napriek tomu moderné prístupy (optimalizácia pomocou evolučných metód ai. [4]) umožňujú ďalšie zefektívnenie existujúcich riešení. Z tohto pohľadu sa aj zlepšenie o 0,1 % javí ako veľmi výrazné, pretože napr. v prípade turbíny sa nepatrné zvýšenie účinnosti v globále premietne do veľkých ekonomických úspor.

Stredná úroveň OVP predstavuje časť najnižších ekonomických úspor (pri predpoklade bezchybnej konštrukcie budovy z pohľadu VP) avšak najvyššieho vplyvu na dosiahnutie tepelnej pohody resp. dosiahnutia predpísaných tepelných podmienok. Vlastnosti (typ, umiestnenie, dimenzia atď.) VS nevplývajú v podstatnej miere na ekonomickú bilanciu vyhodnocovaného objektu, pretože je vnímaná len ako distribučnú sústava.

Najvyššia úroveň (makro) predstavuje veľmi dôležitú úlohu z pohľadu ekonomických úspor VS. Pri správne navrhnutom RS vykurovacej sústavy je možné dosiahnuť veľké úspory (rádovo v jednotkách až desiatok percent). Takýto systém (pri predpoklade prítomnosti informácií o potrebách a budúcom využití jednotlivých segmentov) zistí najlepší možný scénar VP či už z ekonomického hľadiska alebo hľadiska komfortu.

Vstupné dáta pre optimalizáciu

Aby bolo možné čokoľvek optimalizovať musíme mať k dispozícií množinu dát, v ďalšom kroku informácií, podľa ktorých vieme fundovane posúdiť akým smerom môžeme danú vec alebo proces zefektívniť. V rámci vykurovacieho systému sa jedná predovšetkým o súbor údajov teplôt a ich trendov vo VP a množinu informácií a predpokladanej budúcej potrebe, scenáru vykurovania. V tomto ponímaní je dôležité spracovať všetky dostupné či už štruktúrované alebo aj neštruktúrované dáta.

Štruktúrované dáta

Sa prirodzene vyskytujú napríklad v jazyku (každá veta jazyka má aj svoju hĺbkovú štruktúru v podobe stromu). Klasické modely ľudskej kognície využívajú symbolický prístup. Pri manipulácií štruktúrovaných objektov (zoznamy, grafy, stromy) môžu efektívne pristupovať k jednotlivým prvkom (konštituentom) a podľa potreby ich meniť. Reprezentácie nových objektov vytvárajú zreťazením reprezentácií jednotlivých konštituentov.

Neštrukturované dáta

Označované aj ako neštruktúrované informácie sa odvolávajú na informácie, ktoré buď nemajú pre-definovaný dátových model a, alebo nedobre zapadajú do relačných tabuliek. Neštruktúrované informácie predstavujú typicky rozsiahle texty, ale rovnako ich môžu obsahovať údaje, ako sú dáta, čísla a fakty. To má za následok nezrovnalosti a nejasnosti, ktoré je ťažké pochopiť pomocou tradičných počítačových programov v porovnaní s údajmi uloženými v podobe tabuliek v databázach alebo komentárov (sémanticky označených) v dokumentoch.

Pri oboch typoch dát je veľmi dôležité nájsť vhodný mechanizmus, pomocou ktorého vieme potrebné informácie doslova vydolovať. V zásade poznáme niekoľko takýchto techník. Data mining a text analytické techniky sú rôzne metódy pre hĺbkovú analýzu a pre vytvorenie popisných prediktívnych modelov.

Data mining (dolovanie z dát) je extrahovanie skrytých hodnotných informácií alebo šablón vzájomných vzťahov z veľkého množstva dát použitím sofistikovaných metód analýzy. Tieto metódy zahŕňajú štatistické modely, matematické algoritmy, metódy strojového učenia ako napr. umelé neurónové siete, rozhodovacie stromy, evolučné algoritmy alebo ich kombinácie. Algoritmy „dejta majningu“ analyzujú súbory dát a hľadajú medzi nimi špecifické spojitosti vytvárajúc tak data miningové modely alebo náhľady, ktoré možno využiť pri ďalšej analýze, rozhodovaní alebo aj predikcii.

Medzi základné úlohy data miningu teda patrí klasifikácia (prideľovanie kategórií ku každému prípadu), zoskupovanie (identifikácia prirodzených skupín), asociácia (zisťovanie pravidiel vzťahov medzi dátami), regresie a predpovedi, pričom k dispozícii sú viaceré algoritmy, ktoré môžu tieto úlohy kombinovať.

Záver

Vykurovanie či už obytných alebo priemyselných objektov zaberá vo svetovej spotrebe zdrojov a produkcii znečistenia podstatné miesto. Optimalizácia alebo zefektívnenie jednotlivých častí vykurovacieho systému (procesu) so sebou teda prináša nielen ekonomický zisk, ale hlavne prispieva k zníženiu vplyvu procesu vykurovania na prírodu. Nad všetkými technickými riešeniam však vždy stojí človek ako jeho tvorca a užívateľ. Úspory, efektivita a šetrný prístup k životnému prostrediu bude vždy závisieť od uvedomenia si potrieb človeka a od jeho samotného vzťahu k prírode.

Poznámka

Článok sa venuje základným stupňom optimalizácie vykurovacieho procesu, ktoré môže bežný užívateľ ovplyvniť (1 – výmena kotla, správne nastavenie RJ ap., 2 – izolácia rozvodov ap., 3 – nastavenie a odladenie RS). Z globálneho hľadiska však treba poznamenať, že existuje mnoho ďalších možných stupňov optimalizácie (ťažba surovín a ich spracovanie atď.), ktoré ovplyvňujú účinnosť vykurovania ako aj jeho vplyv na environment, avšak tieto aspekty sú odberateľom palív ťažšie ovplyvniteľné.

Literatúra

  • [1] Westphalen D., Koszalinski S.: Energy Consumption Characteristics of Commercial Building HVAC Systems, U.S. Department of Energy, April 2001, Cambridge, MA 02140-2390
  • [2] Polák, Igor – Cigánek, Ján – Števo, Stanislav: Simulation of Recuperating Process. In: Technical Computing Bratislava 2010: 18th Annual Conference Proceedings. Bratislava, Slovak Republic, 20.10.2010. – Bratislava: RT Systems, 2010. – ISBN 978-80-970519-0-7. – CD-Rom
  • [3] Števo, Stanislav: Heating System Designed by Genetic Algorithm. In: Mendel 2008: 14th International Conference on Soft Computing, Brno, Czech Republic, 18.–20. 6. 2008. – Brno: Brno University of Technology, 2008. – ISBN 978-80-214-3675-6. – S. 71–77
  • [4] Sekaj, Ivan: Softcomputing v priemyselnej praxi. In: Kybernetika a informatika. Zborník príspevkov: Medzinárodná konferencia SSKI. Michalovce, Slovak Republic, 28.–30. 6. 2006. – Bratislava: Slovenská spoločnosť pre kybernetiku a informatiku, 2006. – ISBN 80-227-2431-9. – CD-Rom
English Synopsis
Heating optimalisation levels

Micro-level is optimization of the individual segments of the heating system, for example, greater operating efficiency of heat recovery units. Followed by middle-level, such as designing of heating circuits, and the macro-level - management optimalisation due to energy consumption.

 
 
Reklama