Verduurzaming

Meten is weten, zeker in de energietransitie. Maar we hebben pas echt iets aan meetgegevens als we ze verwerken in geautomatiseerde systemen, zegt hoogleraar Laure Itard van de Technische Universiteit Delft. Slim gebruik van ‘big data’ voorkomt dat energiesystemen suboptimaal blijven werken. Een grote kans dus voor de inzet van installaties in gebouwen.

Gegevens uit smartmeters, domotica, slimme huishoudelijke apparatuur en systemen voor gebouwmanagement zijn samen goed voor een overstelpende hoeveelheid data. En die stellen ons in staat om de energie-efficiëntie in gebouwen sterk te verbeteren. “Big data geven ons feedback over wat we ontworpen hebben”, stelt Itard. “Zonder meetgegevens tasten we in het duister over de werkelijke prestaties van de systemen die wij ontwerpen.”

Monitoring

Laure Itard is hoogleraar Building Energy Epidemiology bij de faculteit Bouwkunde aan de TU Delft. Itard houdt zich vanuit haar leerstoel bezig met het verzamelen en verwerken van relevante gegevens over energiegebruik. Ook doet zij onderzoek naar geschikte algoritmes en wordt kennis ontwikkeld over interacties tussen gebouw, systeem en gedrag. Dat maakt niet alleen datagedreven monitoring en controle van de prestaties van systemen en gebouwen mogelijk, maar ook controle op het gevoerde beleid. Kloppen de modellen wel waarop dat is gebaseerd?

Advies op maat

De big data revolutie die zich in het afgelopen decennium voltrok, opent ongekende mogelijkheden. Zeker in Nederland. Ons land is al ver met het verzamelen van gegevens over het energiegebruik per woonadres. Vanuit het oogpunt van privacy misschien eigenaardig, maar het biedt wel enorme kansen. Zeker als je het combineert met gerichte meetcampagnes, zoals Itard onder meer deed in het Opschaler-onderzoek. Daarbij werden honderden Zuid-Hollandse woningen uitgerust met aanwezigheidssensoren en meters voor luchtvochtigheid, temperatuur en CO2. De onderzoekers brachten bovendien de comfortbeleving van de bewoners in kaart. Hoe voelen ze zich nou eigenlijk? Gekoppeld aan gegevens van slimme meters moet het onderzoek naar methoden en algoritmes in de toekomst geautomatiseerd advies op maat mogelijk maken voor iedere afzonderlijke woning.

Epidemiologie

De leerstoel speelt met deze manier van werken leentjebuur bij de epidemiologie. Dat is de afdeling van de gezondheidszorg die verspreiding van ziekten wil voorkomen door statistische analyse van de gegevens van grote groepen mensen. De leerstoel Building Energy Epidemiology gebruikt bijvoorbeeld de jaarlijkse gegevens van het Centraal Bureau voor de Statistiek (CBS) over het energiegebruik van alle Nederlandse huishoudens. Een andere grote informatiebron is de databank met gegevens over de energielabels van honderdduizenden adressen. Itard: “Het is superhandig dat wij als onderzoekers toegang hebben tot die gegevens, want je kunt een koppeling maken op adresniveau van het energiegebruik, het isolatieniveau en het type huishouden.”

Niet kloppende modellen

Veronderstellingen over het effect van grootschalige verduurzamingsoperaties van de woningvoorraad laten zich daarmee nauwkeurig toetsen. Het leidde al verschillende keren tot de conclusie dat de modellen niet kloppen. Hoe dat komt? In de eerste plaats doordat het gedrag van mensen anders is dan verondersteld. De modellen gaan bijvoorbeeld uit van een gemiddelde woningtemperatuur van 18 graden Celsius, terwijl deze feitelijk lager ligt in oude woningen en hoger in moderne, goed geïsoleerde huizen. Itard: “Het blijkt een kwestie van gewenning waar iemand zich comfortabel bij voelt.” De nieuwe huizen zijn toch nog zo’n 30 procent energie-efficiënter. Maar dat is twee keer minder dan verondersteld. Die discrepantie heeft ook consequenties voor de terugverdientijd van verduurzamingsinvesteringen.

Belang gebouwconstructie

De modellen zitten er ook vaak naast, omdat de eigenschappen van de gebouwconstructie onbekend zijn. Wie heeft er bijvoorbeeld wel en wie niet isolerende maatregelen genomen in zijn woning? Zonder dat te weten is het energiegebruik lastig te voorspellen. “Op basis van data, sensoren en machine learning onderzoeken wij hoe we geautomatiseerd kunnen achterhalen hoe het zit met de isolatie, de infiltratie van lucht en andere gegevens van een woning.”

Rendement opkrikken

Als dat lukt, komt de volgende stap ook in beeld: het verbeteren van de werking van de steeds complexere energiesystemen. Volgens berekeningen is het mogelijk om het rendement daarvan wel 20 tot 30 procent op te krikken. “Onze data kunnen helpen door terugkoppeling aan de ontwerpers”, zegt Itard. “Ze kunnen op basis daarvan betere systemen en gebouwen bouwen én de resultaten real time monitoren en verbeteren. Dan maak je echte stappen vooruit.”

Onderzoek in de praktijk

De eerste stappen vooruit worden al gezet door verschillende PhD onderzoekers van de groep Building Energy Epidemiology. Zo heeft Arash Rasooli een methode ontwikkeld die het mogelijk maakt om in-situ de isolatiewaarde van muren veel sneller te bepalen dat tot nu toe mogelijk was. Ook werkt Arie Taal aan methoden voor een plug-in in gebouwbeheersystemen, waarmee fouten automatisch erkend kunnen worden. Geautomatiseerde foutopsporing en gebouwdiagnose - een must voor duurzame gebouwen.

Belang installateurs

Ten slotte start binnenkort een nieuwe promovendus met het ontwikkelen van algoritmes. Hiermee kunnen adviseurs, bouwbedrijven en installateurs snel de belangrijkste gebouwparameters op basis van smartmeterdata identificeren. Dit onderzoek wordt gedaan in het kader van het IEBB-project, Integrale Energiebesparing Bestaande Bouw 