beheer
H.C. Peitsman, B.Sc., dr. L. Soethout
Diagnosticeren met meetgegevens
Intelligent beheer van installaties in gebouwen
Door een hogere complexiteit hebben onderhoudsbedrijven veel moeite klimaatinstallaties in gebouwen goed werkend te krijgen. Hierdoor ontstaan comfortklachten, kosten en te hoog energiegebruik. Samen met internationale partners heeft TNO een diagnose-instrument ontwikkeld. Op basis van kennisregels kunnen installaties worden gecontroleerd en fouten worden gedetecteerd en geanalyseerd. De be-
heertool moet worden gezien als aanvulling op het GBS.
1.Voor de diagnose van een luchtbehandelingsinstallatie is een prototype van i-BIG beschikbaar.
Warmte en vaak ook koeling is wenselijk om comfort in gebouwen te realiseren. Voor de opwekking kan bijvoorbeeld gebruik worden gemaakt van ketels, warmtekrachtkoppeling (wkk), warmtepompen, absorptiekoelmachines en andere koude-opwekkers. Het opwekken heeft meestal op één centraal punt plaats en wordt gebruikt voor de ‘decentrale’ installaties in het gebouw die voor de distributie van en voor de energieafgifte zorgdragen. Voor de distributie wordt bijvoorbeeld water of lucht gebruikt. Naregelingen in de vertrekken dragen bij aan de wens van de ‘bewoner’ het comfort naar eigen behoefte nog te kunnen beïnvloeden.
780
mei 2006
vv+
Het is vaak een verzameling verschillende soorten installaties die voor de opwekking, distributie en afgifte in één gebouw kunnen voorkomen. De hiervoor genoemde installaties worden vaak in een totaal energieproces qua regeling met elkaar gekoppeld. Deze koppeling wordt gedaan om een optimale afstemming te realiseren tussen energieopwekking en de energievraag. Hoe beter de fit tussen beide des te lager de energieverliezen. De ervaring leert ook dat de installaties in gebouwen de afgelopen jaren steeds complexer zijn geworden, onder invloed van regelgeving en toenemende technische mogelijk-
heden, en ook kritischer als het gaat om een optimale afstemming en interactie tussen de verschillende installaties. Hierbij gaat het voornamelijk om de verschillende regelingen in het totale energieproces die optimaal moeten worden ingesteld en zorg moeten dragen voor een minimaal energiegebruik. Niet goed ingestelde installaties zijn dan ook een belangrijke oorzaak dat deze ook functioneel niet goed werken. Een voorbeeld hiervan is de combinatie van een wkk-installatie met ketels om warmwater voor de verwarmingsinstallatie te verzorgen. Als de gezamenlijke retourwatertemperatuur van het gebouw naar de wkk-installatie te hoog staat ingesteld, zal de wkk op zijn hoge druk ermee stoppen, omdat de retourwatertemperatuur te hoog is en de wkk daardoor zijn warmte niet kwijt kan. Het energetisch voordeel van de wkk (leveren van elektra en warmte) wordt hierbij tenietgedaan. Installateurs ervaren het optimaal instellen van de verschillende energieprocessen, die onderling met elkaar verbonden en dus ook op elkaar reageren, soms als een groot probleem. Deze problemen blijken ook uit de praktijk van alle dag. Gebouwbeheerders krijgen nog steeds klachten over het klimaat (comfort) in het gebouw en over het hoge energiegebruik van de installaties. Het onderhoud en beheer speelt hierin een belangrijke rol. Met de ontwikkeling van i-BIG (wat staat voor intelligent beheer van installaties in gebouwen) is het mogelijk afwijkingen in de installatieprocessen sneller waar te nemen. Hiermee wordt op kosten (uren) en energie bespaard.
2: Schermopbouw van een handmatige controle.
DIAGNOSTICEREN Als een modern ‘gereedschap’ wordt voor het beheer en onderhoud van installaties in gebouwen gebruik gemaakt van gebouwbeheersystemen (gbs’en). Hiermee kunnen de afzonderlijke installaties in een gebouw met bijbehorende installatiecomponenten worden bewaakt. De huidige systemen ontberen de mogelijkheid de interactie tussen de verschillende installaties onderling en de bijbehorende prestaties in kaart te brengen. Anno 2006 kunnen nieuwe innovatieve hulpmiddelen de onderhoudstechnici ondersteunen om continu de prestaties van het installatieproces in de gaten houden. Zo’n hulpmiddel moet dan in staat zijn een diagnose en/of analyse te geven van de geconstateerde afwijking in de installatie, met andere woorden oorzaak en gevolg kunnen weergeven. Met zo’n diagnosehulpmiddel kunnen afwijkingen in installatieprocessen sneller en automatisch worden waargenomen.
3. Een responstest van een koudwaterbatterij in een luchtbehandelingskast.
Inzetbaarheid van i-BIG Het product i-BIG is in ontwikkeling. Momenteel wordt bij
TNO
een remote-
bedienstation uitgevoerd met de i-BIG-software. Het programma maakt op verschillende tijdstippen per dag verbinding met een
GBS
in het veld om ac-
tuele gegevens van de installatie te verzamelen. Hiermee wordt de praktische toepassing van i-BIG getoetst.
mei 2006
vv+
781
ta. Recent diagnosewerk voor HVAC-installaties en diagnose in echte gebouwen is gedaan door bijvoorbeeld Katipamula e.a. [1], Han e.a. [2] en Visier e.a. [3]. Door House e.a. [4] zijn kennisregels ontwikkeld voor verschillende typen luchtbehandelingskasten (LBK) (zie kader). In de afgelopen twintig jaar hebben verschillende landen, waaronder Nederland, gezamenlijk onderzoek uitgevoerd in het kader van het Internationaal Energie Agentschap, werkgroepen Annex 25 en 40. Annex 47 is momenteel actief en loopt tot 2009. Er zijn prototypen kennissystemen ontwikkeld die kunnen assisteren bij het zoeken naar fouten en het stellen van een diagnose voor installaties in gebouwen. De ontwikkeling wordt gedaan in samenwerking met CSTB (Centre Scientific et Technique du Batiment, Parijs, Frankrijk) en NIST (National Institute of Standard and Technology, Verenigde Staten). De software bestaat uit verschillende varianten, Emma-Pool voor zwembaden, Emma-schools voor verwarmingsinstallaties in scholen en i-BIG als basis voor luchtbehandelingskasten.
FUNCTIONALITEIT
4. Flowdiagram van de werking van het programma.
5. Presentatie van het hoofdscherm van i-BIG.
Er zijn verschillende methoden om afwijkingen in installaties te kunnen detecteren en te diagnosticeren. Diagnosticerende technieken worden gebruikt om de installatie in optimale conditie te kunnen houden, en zo de duurzaamheid en levensduur van de installatie te vergroten en de uitval van de installatie te voorkomen. Dat ondersteunende diagnosticerende systemen noodzakelijk zijn wordt door Elkhuizen e.a. [10] aangetoond. In internationaal verband is het nodige onderzoek gedaan op het gebied van kennisregels. Kennisregels zijn gebaseerd op zogenoemde IF-THEN-regels. Voor luchtbehandelingskasten beschrijft Katipamula e.a. [1] en Han e.a. [2] een kennisgebaseerde benadering, die is toegepast op een set meetda-
782
mei 2006
vv+
Voor i-BIG heeft TNO inmiddels een prototype beschikbaar. Het analyseprogramma bevat kennisregels voor meerdere varianten LBK’s. De functionaliteit van i-BIG bestaat uit drie onderdelen: A. ondersteuning bij handmatige (manual) controle van de installatie; B. actief testen (functioneel testen) van de installatie gedurende bijvoorbeeld de nacht of enkele dagen; C.on-going commissioning waarbij gebruik wordt gemaakt van de historische opslagcapaciteit van het GBS. Handmatige controle i-BIG heeft de mogelijkheid handmatig controles op de werking van de LBK te ondersteunen. Dit gebeurt aan de hand van checklists. Als de retourluchttemperatuursensor bijvoorbeeld moet worden gecontroleerd dan worden de volgende vier aandachtspunten gecontroleerd: - is de sensor werkelijk aanwezig? - is de sensor op de juiste plaats geplaatst? - is de sensor correct aangesloten op de regelapparatuur/ onderstation van het GBS? - geeft de sensor een correcte waarde aan vergeleken met een andere referentiewaarde? In afbeelding 2 is een voorbeeld gegeven van de schermopbouw, als i-BIG wordt gebruikt bij de uitvoering van een handmatige controle.
Actief testen (functioneel testen) Het programma stuurt het GBS aan en geeft opdracht dat de installatie in een testmode (commissioning mode) moet worden gestuurd. Op deze manier kan de werking van de installatie worden gecontroleerd aan de hand van vaste testinstructies met bekend gedrag. Als voorbeeld is in afbeelding 3 een test weergegeven van een koudwaterbatterij in een luchtbehandelingskast. Uit de geregistreerde responsies worden conclusies getrokken en, indien nodig, de noodzakelijke maatregelen getroffen. Het actief testen van installaties en onderdelen daarvan wordt bijvoorkeur buiten de normale gebruikstijden van de installatie. On-going commissioning Hierbij wordt het gedrag van de installatie tijdens operationeel gebruik gecontroleerd, gebaseerd op historische data en op bedrijfsvoering en dergelijke. Het programma maakt gebruik van de gegevensstroom van een gebouwbeheersysteem. Dat houdt de detectie van installatieafwijkingen en fouten, de presentatie van de resultaten in grafische of tabelvorm en de assistentie bij het maken van de diagnose in. Werkingsprincipe Het programma analyseert automatisch de bedrijfstoestand van elke LKB en kijkt hierbij naar: - warmte (de geleverde lucht is opgewarmd door de warmwaterbatterij); - vrije koeling (de aangezogen verse buitenlucht gemengd met de retourlucht zonder extra verwarming of koeling); - mechanische koeling (de geleverde luchttemperatuur is verlaagd door de gekoeld-waterbatterij); - koeling ‘change-over’ (de geleverde lucht is gekoeld door een gekoeld-waterbatterij met een minimum aan verse buitenlucht). Het softwareprogramma detecteert specifieke fouten in elke bedrijfstoestand van de LBK waarbij elke fout is gerelateerd aan één of meer oorzaken van slecht functioneren. Het programma presenteert de vaakst optredende oorzaak van de fout. In de situatie van vals alarm staat de software toe om bepaalde regels in het programma te deactiveren die niet van toepassing zijn voor de specifieke LBK. De functionaliteit van de drie onderdelen van i-BIG is als flowdiagram in afbeelding 4 weergegeven. Presentatiefouten De beheerder krijgt een totaal overzicht van de fouten die gedetecteerd zijn in de verschillende LBK’s voor een hele week
6. Weergave van de bedrijfstoestand van de LBK en presentatie van de meest mogelijke oorzaak van de fout.
van zeven dagen. Een grafische presentatie (afbeelding 5) geeft de status weer van de LBK’s in een gegeven periode. Het totaal overzicht voor alle LBK’s wordt per week weergegeven en geeft de gebruiker snel toegang tot de betekenis van de gedetecteerde fouten. Op basis van deze informatie moet de beheerder in staat zijn de noodzaak te beoordelen van ingrijpen (interventie), onderhoud of aanpassing, en de mogelijke oorzaak van de fouten te achterhalen. De datastroom waarop de analyse wordt gemaakt, wordt ingelezen vanuit een GBS en opgeslagen in de database. Voor de analyse geeft de gebruiker op in welke periode hij is geïnteresseerd. In het voorbeeld van afbeelding 5 is dit week 4 van 2005. Er is informatie beschikbaar van totaal twee kasten (LBK2 en LBK3). Zoals hiervoor is aangegeven, worden de resultaten voor een periode van een week weergegeven. Voor elke LBK wordt per dag het aantal geconstateerde fouten weergegeven. Als het aantal fouten vijf of meer is, wordt het vakje in rood weergegeven. Op het scherm is bijvoorbeeld af te lemei 2006
vv+
783
7. De mogelijke oorzaken van de gedetecteerde fout voor een dag per uur weergegeven.
8. Presentatie van de geregistreerde temperaturen van LBK2.
zen dat voor LBK2 op donderdag negentien fouten zijn opgetreden. Welke fouten dat zijn, wordt duidelijk door op een vakje te klikken. In het geval van afbeelding 6 worden de resultaten van LBK2 gepresenteerd voor deze geselecteerde dag in die week. Dit scherm presenteert, gebaseerd op het uur van de dag, de bedrijfstoestand van de LBK en de meest waarschijnlijke oorzaak van de gedetecteerde fout. Het nummer correspondeert met de lijst van oorzaken eronder. Op het scherm van afbeelding 6 is te zien dat aan de rechterbovenkant nog drie knoppen beschikbaar zijn voor detailinformatie en grafische presentaties. Door met de muis op de knop ‘Detail’ te klikken worden alle mogelijke oorzaken van de gedetecteerde fout tetoond, in tekst formaat, afhankelijk van het uur van de dag. In afbeelding 7 is de schermweergave van de detailinformatie weergegeven. Hieruit blijkt dat in een uur verschillende fouten op kunnen treden (zie uur 0.00). Het zou fijn zijn als per uur maar één foutoorzaak te melden is. Dat laatste is vaak niet het geval. Naarmate het aantal beschikbare informatie toeneemt (sensoren) zal de foutoorzaak nauwkeuriger kunnen zijn. Bij een beperkt aantal sensoren is de analyse globaler, met andere woorden meerdere oorzaken zijn dan mogelijk. Door met de muis op de knop ‘Grafisch T’ te klikken (afbeelding 7) wordt gedurende een etmaal de verschillende gemeten temperaturen in de LBK gepresenteerd, zoals (i) setpoint toevoerluchttemperatuur, (ii) toevoerluchttemperatuur, (iii) mengluchttemperatuur en (iv) buitenluchttemperatuur. In afbeelding 10 is een voorbeeld gegeven van een grafische presentatie van temperaturen. Door met de muis op de knop ‘Grafisch CMD’ te klikken (afbeelding 7) wordt gedurende een etmaal de verschillende regelsignalen van de LBK weergegeven. Dit is ter illustratie weergegeven in afbeelding 9. Met behulp van de detailinformatie (afbeelding 7) en de grafieken (afbeelding 8 en 9) is de gebruiker in staat zijn of haar diagnose te stellen.
CONCLUSIES
9. Presentatie van de geregistreerde regelsignalen van LBK2.
784
mei 2006
vv+
In internationaal verband is praktische kennis opgedaan bij de toepassing van ondersteunende gereedschappen (in dit geval software) om de kwaliteit van de werking van de installaties te kunnen bewaken gedurende de gehele levenscyclus. Dit wordt ook wel ‘continuous commissioning’ genoemd. De bruikbaarheid van dergelijke systemen is aangetoond. Tot nu toe is dat voornamelijk via experimentele testen gebeurd. Het instrument i-BIG is hier een voorbeeld van. Momenteel is in i-BIG een aantal typen LBK’s opgenomen,
[6]
IEA, 1996, Building
optimization and fault diagnosis source book, IEA
Annex 25. [7] Castro, N. S., 2003, Annex 40 collaboration: Developing of
FDD_AHU
for retro-commissioning the Aria building, NIST report. [8] Castro, N. S., 2003, IEA HVAC
ECBCS
Annex 40: Commissioning of building
systems for improved energy performance, nist report.
[9] Hooncheul Yang, Soo Cho, Choon-Seob Tae, Natascha S. Catro, 2005, IEA Annex 47 Praque 24-26 Oct.: An Experimental Study of Rule-based Fault Detection and Diagnosis Algorithm in the Green Building, Building Energy Research Center, Korea Institute of Energy Research, Daejeon 305-343, Korea (R.O.K.). [10] Elkhuizen, B., Rooijakkers, E., Scholten, J.E., Knegt J. de., 2006, De kwaliteit van installaties in gebouwen, Verwarming & Ventilatie, april 2006.
Kennisregels Het programma beschikt momenteel over 58 kennisregels. Deze kennisregels zijn gekoppeld aan onder andere het type installatie en de bedrijfstoestand van de installatie. De meeste regels zijn toepasbaar op een willekeurige
LBK,
voor
bedrijfstoestand verwarmen, een tweetal kennisregels gepre-
LBK2,
een enkele regel is specifiek voor de situatie. Hier worden
senteerd.
maar het programma zal verder worden uitgebreid met verschillende typen installaties. Bij het gebruik van diagnosticerende instrumenten wordt bespaard op onderhoudskosten, een langere levensduur van de installatiecomponenten bereikt en bespaard op energie. Een volgende stap die nu noodzakelijk is voor een brede introductie in de markt, is om i-BIG om te vormen naar een meer generiek instrument dat aansluit bij installaties die het meest in de praktijk voorkomen.
References [1] Katipamula, S., Pratt, R. G., Chassin, D. P., Taylor, Z. T., Gowri, K. and Brambley, M. R., 1999, Automated fault detection and diagnosis for outdoor-air ventilation systems and economizers: methodology and results from field testing, Ashrae Transactions, 105(1), pp. 555-567. [2] Han, C.Y., Xiao,Y. and Ruther, C. J., 1999, Fault detection and diagnosis of HVAC systems, Ashrae Transactions, 105(1), pp. 568-578. [3] Visier J C., Vaezi-Nejad H. and Corrales P., 1999, A fault detection tool for school buildings, Ashrae Transactions, 105(1), pp. 543-554. [4] House, J. M., Hossein, V. and Whitecomb, J. M., 2002, An expert rule set for fault detection in airhandling unit, NIST report. [5] Hyvarinen, J., 1993, Static and characteristic curves, Technical research center of Finland, IEA, Annex 25.
Auteurs H.C. Peitsman, B.Sc., dr. L. Soethout, TNO Bouw en Ondergrond, Afdeling Koude- Warmte en Installatietechniek.
mei 2006
vv+
785
