Kampuksen energiajärjestelmän elinkaarioptimointi

Kestävät energiajärjestelmät ovat monimutkaisia kokonaisuuksia, joiden suunnittelussa tarvitaan jo nykyisin erikoistyökaluja. Usean muuttujan järjestelmäsuunnittelussa auttaa monitavoitteinen optimointi, jolla voidaan huomioida myös päästönäkökulmat.

Kirjoittaja: Vilppu Eloranta

LAB-ammattikorkeakoulun ja LUT-yliopiston toteuttamassa ja Euroopan aluekehitysrahaston rahoittamassa hankkeessa Energia- ja kiertotalouden toimintaympäristöt – EKI Lahden kampuksen energiajärjestelmästä kehitettiin malli, jota voidaan käyttää uusien energiaratkaisuiden, kuten erilaisten energiavarastojen, kokeilemiseen osana kampuksen toimintaympäristöä. Energiajärjestelmämallin kehitystyön yhteydessä syntyi myös rakennusten energiajärjestelmien mitoitus- ja optimointimenetelmä, jolla potentiaalisia energiaratkaisuja voidaan arvioida sekä taloudellisesta että päästönäkökulmasta koko niiden elinkaarten ajalta.

Ajatus menetelmän ja siihen tarvittavien työkalujen kehittämisestä nousi tiedosta, että rakennusten energiaratkaisuja optimoivien menetelmien käyttö ei vielä nykyisin ole alalla yleistä. Attia et al. (2013) haastattelivat alan asiantuntijoita, jotka mainitsivat tämän syiksi muun muassa järjestelmällisten lähestymistapojen puutteen, korkean vaadittavan asiantuntemuksen ja matalan luottamuksen tuloksiin. Lisäksi he tunnistivat teknisiä syitä, kuten lähtötietojen epävarmuuden ja puutteellisuuden, simulointien pitkäkestoisuuden sekä työkalujen välisten vakiorajapintojen puutteen.

Näistä lähtökohdista uudesta optimointimenetelmästä pyrittiin kehittämään yksinkertainen, luotettava ja helposti sovellettava todellisten ongelmien ratkaisuun. Tavoitteiden saavuttamiseksi optimointiongelmaa yksinkertaistettiin ja sen ratkaisemiseen käytettiin lineaarista optimointialgoritmia, jolloin yhden skenaarion laskenta valmistuu muutamassa minuutissa.

Menetelmän toimintaa testattiin kampusrakennukseen kohdistuvassa tapaustutkimuksessa ja sille tehtiin sovellettavuusarvio, jonka tulokset julkaistiin tieteellisessä artikkelissa (Eloranta et al. 2021). Itse menetelmä todettiin hyvin toimivaksi, mutta sekä hiilidioksidiekvivalenttipäästöjen (CO₂-eq) sisällyttämisen optimointitavoitteeksi havaittiin liittyvän haasteita, jotka liittyvät muun muassa saatavissa olevien ominaispäästöarvojen vertailukelpoisuuteen.

Tarvittavat lähtötiedot ja saatavat tulokset

Kehitetty energiajärjestelmän optimointimalli tarvitsee lähtötietoina energian kulutustiedot lajeittain (sähkö, lämmitys ja jäähdytys), jotka voivat olla peräisin dynaamisesta energian kulutusmallista (simuloitu vaikkapa IDA ICE -ohjelmassa) tai todellisista vertailukelpoisista mittaustiedoista. Lisäksi tarvitaan mallinnettavan energiajärjestelmän reunaehdot, kuten olemassa olevat energianmuunnos- ja siirtokomponentit sekä niiden mitoitukset.

Optimointimallista saadaan tuloksena mitoitettujen energiajärjestelmän komponenttien tehot ja kapasiteetit sekä tuntitason simuloidut energiavirrat. Lisäksi siitä saadaan energiajärjestelmän elinkaarikustannukset ja -hiilidioksidiekvivalenttipäästöt lajeittain jaoteltuina, jos tarvittavat lähtötiedot on syötetty malliin.

Kampustarkastelun tulokset ja johtopäätökset

Kehitettyä menetelmää testattiin LAB-ammattikorkeakoulun Lahden kampuksen M19-rakennukseen. Tapauksessa määritettiin uusien hypoteettisten aurinkosähköpaneelien, lämpövaraston ja sähkövaraston mitoituksia. Simuloinnissa käytettiin nykyisten kaupallisesti saatavissa olevien moni- tai yksikidepaneeleiden ominaisuuksia, hintoja ja ominaispäästöjä, ja niiden enimmäissähköteho rajoitettiin arvoon 555 kW. Lämpövarastona toimi vesisäiliö ja sähkövarastona litiumioniakku, joiden enimmäiskapasiteetit rajoitettiin arvoon 10 MWh. Optimointi tehtiin kolmella eri tavoitteella:

taloudellinen – kustannusten minimointi
yhdistetty – kustannusten (50 %) ja päästöjen (50 %) minimointi
ympäristöllinen – päästöjen minimointi.

Näillä tavoitteilla saadut tulokset on esitetty taulukossa 1. Käytetyillä lähtöarvoilla aurinkopaneelien lisäasennukset vaikuttavat kannattavan ainoastaan puhtaasti taloudellisessa tarkastelussa, mikä selittyy paneelien valmistukseen kuluvalla suurella määrällä energiaa ja sen korkeilla päästöillä. Paikallinen aurinkosähkön tuotanto korvaa rakennukseen sähköverkosta tuotavaa energiaa, joka Suomessa on suhteellisen vähäpäästöistä, mikä pienentää aurinkopaneelien ympäristöllistä houkuttelevuutta. Vaikka aurinkosähkö ei käytön aikana tuota suoria tai paikallisia päästöjä, koko elinkaari huomioiden aurinkopaneelien päästövähennykset eivät ole itsestään selviä. Tulokset riippuvat huomattavasti muun muassa paneelien valmistusmaasta.

Lämpövarasto (vesisäiliö) on edullisten investointikustannustensa ja pienten ominaispäästöjensä vuoksi kannattava kaikilla tavoitteilla. Tässä tapauksessa sähkövarasto (litiumioniakku) sen sijaan on liian kallis ja tuottaa liikaa päästöjä tuodakseen taloudellista tai ympäristöllistä hyötyä.

	Nykytilanne	Taloudellinen	Yhdistetty	Ympäristöllinen
Komponenttien mitoitukset
Aurinkosähkö [kW]	111	555	111	111
Lämpövarasto [kWh]	0	1982	2619	10000
Sähkövarasto [kWh]	0	0	0	0
Elinkaarivaikutukset
Kustannusvaikutus [%]		-0,4	0,1	0,1
Päästövaikutus (CO2-eq) [%]		2,6	-1,2	-1,9

Taulukko 1. Eri optimointitavoitteilla saatuja mitoitustuloksia ja niiden vaikutuksia kustannuksiin ja päästöihin

On huomattava, että johtopäätökset on tehty yhden rakennuksen näkökulmasta, eikä niitä voi yleistää järjestelmätasolle. Kaikki tulokset sekä niiden herkkyys- ja sovellettavuusanalyysit ovat luettavissa Elorannan et al. (2021) tieteellisestä artikkelista.

Jatkokehitys ja tulevaisuudennäkymät

Kehitetty menetelmä siis soveltuu rakennuksen energiajärjestelmän tuotantopuolen taloudelliseen ja ympäristölliseen tarkasteluun, eikä esimerkiksi sisälämpötilaan vaikuttavien lisälaitteiden huomioiminen ole vielä mahdollista. Sisäolosuhteisiin vaikuttavien ratkaisuiden ottaminen muuttujaksi optimointiin vaatisi sen integrointia suoraan dynaamiseen energiamallinnusohjelmaan. Kaupalliset sovellukset tähän ovat kehitteillä, ja EQUA Simulation AB (2021) on esitellyt IDA ICE 5.0 -beetaversion, jossa on integroituna monitavoitteisen optimoinnin toiminnallisuuksia, jotka voivat hyödyntää kaikkia dynaamisen simuloinnin mahdollisuuksia. Optimointitoiminnallisuuksien laajamittainen hyödyntäminen alalla kuitenkin vaatii vielä lisää käyttäjätahojen koulutusta, tavoitteiden ja käyttökohteiden selkeää määrittelyä sekä tilaajien valistuneisuutta.

Lähteet

Attia, S., Hamdy, M., O’Brien, W., Carlucci, S. 2013. Assessing Gaps and Needs for Integrating Building Performance Optimization Tools in Net Zero Energy Buildings Design. Energy Build 60, 110–124. [Viitattu 29.11.2021]. Saatavissa: https://doi.org/10.1016/j.enbuild.2013.01.016

Eloranta V., Grönman A., Woszczek A. 2021. Case Study and Feasibility Analysis of Multi-Objective Life Cycle Energy System Optimization in a Nordic Campus Building. Energies 14(22), 7742. [Viitattu 29.11.2021]. Saatavissa: https://doi.org/10.3390/en14227742

EQUA Simulation AB. 2021. Highlights in 5.0. [Viitattu 29.11.2021]. Saatavissa: https://www.equa.se/en/highlights-in-5-0