integratie
DETECTEREN EN VOLGEN VOOR Of en waar mensen zich in een gebouw bevinden is belangrijke informatie voor de aansturing van klimaatsystemen. Het bepaalt in hoge mate de energie-efficiëntie van thermisch comfort. Aanwezigheid is te meten met een aantal verschillende detectiemethoden, zoals sensoren in combinatie met RFID of Wifi. Door de hoge instapkosten is de implementatie van op basis van persoonlijke aanwezigheid gestuurde verwarming, ventilatie en airconditioning nog beperkt, ondanks het potentieel om energie te besparen. Tekst: Wim Zeiler, Timilehin Labeodan, Gert Boxem, tu Eindhoven. Fotografie: industrie
Het energiegebruik van kantoorgebouwen is snel toegenomen; in de Verenigde Staten met 70 procent tussen 1980 en 2005 [26]. Aanwezigheid en gedrag hebben een grote impact op ruimteverwarming, koeling, ventilatiebehoefte, verlichting en het energiegebruik van apparatuur [22] en dus op de energieprestatie van een gebouw [9]. Het gedrag van de gebruikers kan worden gedefinieerd als de aanwezigheid van
mensen in het gebouw, maar ook als de acties die gebruikers nemen om het binnenmilieu te beïnvloeden, zoals het openen van ramen of het bedienen van de zonwering. In de huidige praktijk vormt de werkelijke bezetting van kantoren en het gebruikersgedrag geen onderdeel van de besturingsstrategie voor het comfort in kantoren. Het gevolg is een hoger energiegebruik dan op basis van het echte gebruikersgedrag nodig is.
ir- oF inFraroodtechnologie kent al Vele commerciËle toepassingen 36
VV+ maart 2014
VV03 36-41.indd 36
11-03-14 13:05
OPTIMALE KLIMAATAANSTURING De aanwezigheid van mensen in een kantoor is deterministisch, variërend van dag tot dag en van tijd tot tijd. Er zijn uiteenlopende modellen ontwikkeld om het menselijk gedrag te beschrijven, bijvoorbeeld om op te nemen in de gebouwprestatiemodellering [4, 9, 16, 19, 22, 24, 25]. Vele onderzoekers hebben door simulatie [14, 21] en veldtesten [1, 5] het potentieel aangetoond voor energiebesparing met gebruikmaking van het volgen en lokaliseren van gebruikers binnen thermische zones van kantoorgebouwen. Verlichting, verwarming, koeling en ventilatie koppelen aan de bezettingsgraad van werkplekken biedt de mogelijkheid om alleen die energie die strikt nodig is om het comfort van de gebruiker te verbeteren op een efficiëntere manier in te zetten. Echter, slechts een paar studies bleken werkelijk succesvol bij de toepassing van bezetting- en gedragspatronen voor het verminderen van het energiegebruik door de verbeterde aansturing op basis van de werkelijke bezetting. Vaak omdat er geen functionele verbinding met de gebouwbeheersystemen bestond [5]. Voor de efficiënte aansturing en benutting van de energiestromen is het wenselijk in een zo kort mogelijke tijd te bepalen hoeveel gebruikers zich in een bepaalde thermische zone bevinden. Gewoonlijk werken de installaties echter volgens vaste schema’s en gebaseerd op een bezetting over de dag volgens en 15232, en niet op basis van de werkelijke wisselende bezetting. Er zijn verschillende gemiddelde bezet-
tingsprofielen bepaald door onderzoek [16, 20]. Hieruit blijkt dat er grote verschillen bestaan (figuur 1a – 1c). Nederlandse situatie Om een idee te hebben voor de Nederlandse situatie is bij een kantoor van Royal Haskoning dhv gedurende vijf weken de zestienkoppige bezetting van een deel van het kantoor nauwkeurig gemeten met draadloze sensoren [15]. Naast het gemiddelde is daarbij ook de spreiding van de waarden aangeven (figuur 2). Uit de analyse van de gemiddelde bezetting over de specifieke werkdagen blijkt dat hierbij ook verschillen optreden (figuur 3). Het is dus zaak dit per gebouw en bij voorkeur realtime te kunnen meten en daarop in te spelen met de klimaatregeling. De strategie om in plaats van de actuele bezetting, het toegangsbeheer te gebruiken als input voor de aansturing van het gebruikerscomfort is inefficiënt om het energiegebruik te verlagen [11]. In het bijzonder als daarbij wordt uitgegaan van vooraf vastgestelde schema’s of de maximale ontwerpbezetting. Met momentane informatie over de bezetting kunnen vraaggestuurde strategieën worden doorgevoerd voor het optimaliseren van het energiegebruik met het behoud van het comfortniveau [14], bijvoorbeeld: • lagere temperatuur in onbezette gebieden. Er kunnen energiebesparingen worden gerealiseerd wanneer de temperatuur lager is in de wintermaanden en hoger in de zomerperiode [5, 30]; VV+ maart 2014
VV03 36-41.indd 37
37
11-03-14 13:05
integratie
bezettingspercentage [%]
100 80 60 40 20 0
6:00
8:00
10:00
12:00
14:00
16:00
18:00
tijd 1a. Bezetting gebaseerd op en 15232.
bezettingspercentage [%]
100 80
HB
VC
60 40
FH
20 0
6:00
8:00
10:00
12:00
14:00
16:00
18:00
20:00
tijd FH
VC
HB
1b. Gemiddelde bezetting op werkplekniveau van drie verschillende gebouwen. FH = universiteitsgebouw, VC = internationale organisatie, HB = overheidsgebouw [16].
bezettingspercentage [%]
100
Passief infraroodsysteem
80 60 40 20 0
6:00
8:00
10:00
12:00
14:00
16:00
18:00
tijd 1c. Bezettingsprofiel uit onderzoek [20]
• minder ventilatie in onbezette gebieden leidt tot minder ventilatieverliezen en benodigde energie; • luchttoevoer gebaseerd op de werkelijke bezetting. In twee onderzoeken [28] is gekeken naar dynamisch variërende luchttoevoer op basis van CO2-concentratie. Hiermee kunnen besparingen op de ventilatie-energie worden bereikt van 15 – 56 procent; • tijdig reageren op dynamische warmtebelastingen. Als een verandering van de bezetting realtime wordt gedetecteerd, kunnen de wijzigingen op de interne warmtebe38
lasting worden berekend en kunnen de klimaatsystemen onmiddellijk inspelen op deze veranderingen, voordat de temperatuur onnodig varieert; • klimaatbesturing op basis van gebruikersvoorkeuren. Door de identiteit van de gebruiker te bepalen, kan het klimaatsysteem worden aangepast door verschuiving van setpunten voor optimaal comfort van de individuele gebruiker; • leren van de energieconsumptiepatronen. Als de regelsystemen in staat zijn om het patroon van een gebruiker te herkennen of die op zijn werkplek of in het gebouw is, kan het systeem proactief regelen voor optimale energieconsumptie. Uit onderzoek [14] blijkt dat het energiegebruik kan worden verbeterd als de klimaatsystemen worden bestuurd met informatie over de actuele bezetting van het gebouw. De ontwikkeling van de techniek heeft het mogelijk gemaakt de actuele bezetting in een gebouw te bepalen. Zo zijn er systemen ontwikkeld met draadloze sensornetwerken, maar de investeringen zijn (nog) hoog, evenals het beheren van de bijbehorende technische infrastructuur [12]. Daarom probeert men voor het detecteren van gebruikers steeds meer gebruik te maken van de aanwezige infrastructuur [12, 13, 17, 18], in plaats van specifieke systemen. Draadloze netwerken (Wlan), camera’s en bewegingsdetectoren zijn componenten die kunnen worden gebruikt om, met verschillende resoluties, de bezetting in kantoorgebouwen te bepalen voor zowel geïndividualiseerde als niet-geïndividualiseerde systemen. Geïndividualiseerde systemen zijn in staat individuele gebruikers te herkennen; niet-geïndividualiseerde systemen werken meer met algemene data over bezetting [14].
ir- of infraroodtechnologie kent al vele commerciële toepassingen, wat het minder duur maakt en vrij beschikbaar. In gebouwmanagement worden passieve infraroodsensoren (pir) vooral gebruikt om de verlichting aan te sturen, wat een besparing oplevert van 10 – 45 procent op verlichtingsenergie [18]. Ook is er met pir-sensoren en een actieve badge-netwerk – honderd badges en tweehonderd sensoren – geëxperimenteerd [27], die de locatie van gebruikers binnen het gebouw volgden. Hierbij werden ook de locatiegegevens vanuit het datanetwerk (wie was waar ingelogd) naar een centrale server gecommuniceerd. Daardoor kon de klimaatbesturing worden uitgebreid met bijvoorbeeld vraaggestuurde hvac. In een ander onderzoek werd om de momentane ruimtebezetting van een hele verdieping te bepalen voor een vraaggestuurde hvac-systeem in een groot universiteitsgebouw gebruikgemaakt van een combinatie van pir-sensoren en magnetische deursensoren [1]. De sensor-output werd via een draadloos netwerk verstuurd naar een centrale server die de mate van ruimtebezetting doorgaf aan het vraaggestuurde hvac-systeem. Gebruikmakend van goedkope
VV+ maart 2014
VV03 36-41.indd 38
11-03-14 13:05
bezettingspercentage [%]
bezettingspercentage [%]
100 80 60 40 20 0
6:00
8:00
10:00
12:00
14:00
16:00
18:00
20:00
100 90 80 70 60 50 40 30 20 10 0
tijd mean-σ
mean
mean+σ
maandag
mean+-σ
dinsdag
woensdag
mean+-σ
donderdag
vrijdag
mean
2. Gemiddelde bezettingsgraad en standaardafwijking over een
3. De gemiddelde bezetting per weekdag voor een periode van vijf
periode van vijf weken [15].
weken.
sensoren en een bestaande infrastructuur werd een besparing van 16 procent voor elektriciteit en 13 procent voor thermisch energie bereikt. Met uitzondering van het systeem met de actieve badges, dat ook voor geïndividualiseerde functies kan worden gebruikt, kunnen deze detectiemethodes alleen aanwezigheid detecteren, niet het aantal aanwezigen tellen of die identificeren.
Wifi-apparaten
Vision-systemen In veel gebouwen zijn voor beveiliging al camera’s aanwezig. Deze camera’s kunnen ook worden gebruikt voor het lokaliseren van gebruikers in de verschillende thermische zones in een gebouw. Optnet is een dergelijk systeem [6], dat is gebaseerd op een draadloos netwerk voor camera’s met in totaal 22 draadloze camera’s die zijn geïnstalleerd in de gangen van een kantoorgebouw. Met een algoritme worden de beelden geïnterpreteerd en de gegevens gecomprimeerd voor een efficiënte verwerking op de server. Het systeem kan bewegingen met een nauwkeurigheid tot 94 procent detecteren. Om fouten door valse metingen te beperken werd het systeem gekoppeld aan een draadloos netwerk van pir-sensoren, vergelijkbaar met het vraaggestuurde hvac-systeem [1]. Door het klimaatsysteem dynamisch aan te sturen met realtime gegevens over de bezetting, is een energiebesparing van 26 procent gehaald met behoud van het comfort. Er zijn ook andere systemen voorgesteld op basis van zicht. Zo is er onder meer een systeem ontwikkeld voor identificatie van individuele gebruikers binnen een ruimte [3, 7]. Dergelijke systemen hebben veel computerkracht nodig om realtime beelden draadloos door te sturen voor aansturing van het klimaatsysteem. De grootste bezwaren van zichtgebaseerde systemen blijven privacy, kosten en onderhoud. Verder kunnen obstructies de nauwkeurigheid van het systeem ernstig verstoren.
Apparaten met Wifi, zoals computers, mobiele telefoon en pda’s, zijn volop aanwezig in kantoorgebouwen en op basis hiervan zijn zowel geïndividualiseerde als algemene toepassingen mogelijk. Zo is de aanwezigheid van mensen in twee universiteitsgebouwen gemeten (met verschillende mate van precisie) aan de hand van apparaten met Wifi [17]. Het aantal apparaten met Wifi dat met het Wlan was verbonden werd als maat genomen voor het aantal mensen in een ruimte. Fouten door overlappende signalen, doordat Wifisignalen door muren kunnen gaan, en wegvallende verbindingen, haalden de prestaties hiervan erg naar beneden. Een ander onderzoek, waarbij het gebruik van Wifi-apparaten werd onderzocht voor zowel geïndividualiseerde als niet-geïndividualiseerde functies [18], had eveneens met deze uitdagingen te maken. In beide gevallen werd aangetoond dat op deze wijze een schatting van het aantal aanwezigen en hun positie in de ruimte mogelijk was, maar werd er geen verbinding gemaakt met het hvac-systeem voor vraaggestuurde aansturing. Een andere opstelling [10] maakte voor geïndividualiseerde functies gebruik van vrij verkrijgbare plaatsbepalingssystemen op basis van Wifi. Dit systeem was erg afhankelijk van een groot aantal componenten die een aparte infrastructuur nodig hebben. Naast Wifi zijn er nog twee andere populaire draadloze technieken: Zigbee en Enocean, met specifieke eigenschappen [8]. RFID Radio frequency identification systemen (rfid) gebruiken actieve tags, een groot aantal leesapparaten en driehoeksmetingen om de positie te bepalen. id-badgescansystemen zijn vrij normaal in grote kantoorgebouwen en worden gebruikt om individuele gebruikers te herkennen. Ook de bruikbaarheid van dit systeem voor de aansturing van hvac-systemen in grote
Vraaggestuurde klimaatsystemen en Verlichting zorgen Voor energiebesparingen VV+ maart 2014
VV03 36-41.indd 39
39
11-03-14 13:05
integratie
100
score realiseren [%]
kantoorgebouwen is onderzocht [14]. Hierbij werden rfidtags met batterijen gebruikt om gebruikers te identificeren en hun verplaatsingen te volgen. De verzamelde gegevens werd gebruikt om een model te maken voor het voorspellen van de bezettingsgraad, maar de onderzoekers toonden ook aan dat het mogelijk was om realtime aanwezigen te lokaliseren voor het vraaggestuurd aansturen van de klimaatinstallatie. Ook dit systeem vroeg echter om relatief zware hardware en een aparte infrastructuur. Verschillende methodes Om een vergelijking te maken tussen de verschillende technieken zijn deze gewaardeerd met behulp van de Kesselringmethode op de prestatie- en realisatie-aspecten. Via deze methode worden de sterke en zwakke aspecten zichtbaar gemaakt die moeilijk te bepalen zijn met tabellen en staafdiagrammen [29]. De criteria voor het functioneren zijn gebaseerd op de resolutie van bezetting, verdeeld in gebruiker, resolutie in tijd en ruimte [18]. De resolutie van gebruikers is afhankelijk van de informatie van het systeem: • Bezetting: in een zone is tenminste één persoon aanwezig. • Tellen: hoeveel mensen zijn in de ruimte aanwezig? • Identificeren: wie zijn in de ruimte aanwezig? • Activiteit: wat zijn ze aan het doen? Ruimtelijke resolutie refereert aan de afmeting van de gedetecteerde gebieden, terwijl temporele resolutie refereert aan de kortste tijd waarin verandering van bezetting van een plek in de ruimte door het systeem kan worden opgemerkt. Kesselring-beoordeling De criteria voor realiseerbaarheid zijn: kosten, implementatie en flexibiliteit. Voor zowel functioneren als realiseer-
0
ruimtelijke resolutie verdieping ruimte werkplek tijd-resolutie minuten seconden bezettingsresolutie bezetting tellen identificeren activiteiten punten totaal percentage realiseren (max 3) kosten implementatie aanpasbaarheid punten totaal percentage
totaal
score
1 2 3
3 6 9
2 4 3
2 8 9
2 4 3
1 3
3 9
3 2
3 6
1 2 3 1
3 6 9 3 51 100
3 3 3 2
3 6 9 2 48
9 6 6 21 100
5 3 3
Vision totaal
Wifi
RFID
score
totaal
score
totaal
2 8 9
2 4 3
2 8 9
2 4 3
2 8 9
3 2
3 6
3 2
3 6
3 2
3 6
3 3 3 1
3 2 9 1 43
3 3 3 0
3 6 9 0 46
3 3 3 0
3 6 9 0 46
94
84 5 6 6 17
RFIDF
baarheid is er een weegfactor toegevoegd aan de score (tabel 1). De resultaten van de beoordeling zijn in het zogenaamde S(Stärke)-diagram weergeven (figuur 4). Aan de hand van de voorgestelde technieken kan de conclusie worden getrokken wat betreft het functioneren, dat alle systemen in staat zijn om een bepaalde ruimtelijke en temporele resolutie te halen. Daarnaast geldt voor de gebruikersresolutie dat pir-sensoren hoger scoren omdat ze beter in staat zijn activiteit te detecteren. Voor de realiseerbaarheid geldt in het bijzonder dat de Wifi- en pir-systemen de hoogste scores hebben door de in verhouding lagere implementatiekosten.
score
81
wifi
in het S-diagram.
max
1 2 2
vision
4. Resultaten van de beoordeling volgens de Kesselring-methode
PIR factor functioneren (max 3)
100 % PIR
3 2 2
90 3 6 4 13
62
6 4 3
90 6 8 6 20
95
4 3 2
4 6 4 14 67
Tabel 1. Beoordeling verschillende detectiesystemen volgens de Kesselring-methode op functioneren en realiseren.
40
VV+ maart 2014
VV03 36-41.indd 40
11-03-14 13:05
Conclusie
12. Lakshmi V. T., Sunil K. G., Dipanjan C., ‘Softgreen: towards
Een efficiënte strategie voor het aansturen van een klimaatsysteem in een gebouw zou rekening moeten houden met de bezettingsgraad. Vraaggestuurde klimaatsystemen en verlichting in grote kantoorgebouwen kunnen voor significante energiebesparingen zorgen. Desondanks opereren de meeste gebouwen nog volgens een voorgeprogrammeerd schema op basis van de ontworpen bezettingsgraad. Dit ondanks dat uit onderzoek blijkt dat de werkelijke bezettingsgraad in kantoren gemiddeld een derde is van de ontworpen bezettingsgraad, zelfs bij hoge werkdruk. In de vergelijking van de vier detectiemethoden voor zowel individuele als niet geïndividualiseerde functies, scoren pir- en Wifi-systemen het beste. Ondanks de grote meetonzekerheid van Wifi laat deze een groot potentieel zien voor geïndividualiseerde en niet-geïndividualiseerde aansturing, in combinatie met pir-sensoren. Ook zijn de kosten van het uitrollen van een dergelijk systeem laag ten opzichte van een rfid- of visionsysteem, omdat een Wifi-netwerk al in de meeste kantoorgebouwen aanwezig is en pir-sensoren goedkoop zijn.
<<
Referenties 1. Agarwal Y., Balaji B., Gupta R., Lyles J., Wei M., Weng T., ‘Occupancy-driven energy management for smart building automation’, Proceedings Buildsys, 2010. 2. Agarwal Y., Balaji B., Gupta R., Dutta S., Wei M., Weng T., ‘Dutycycling buildings aggressively: the next frontier in hvac control’, Proceedings ipsn, 2011. 3. Benezeth Y., Laurent H., Emile B., Rosenberger C., ‘Towards a sensor for detecting human presence and characterizing activity’, Energy and Buildings 43, 2011. 4. Bourgeois D., Reinhart C., MacDonald I., ‘Adding advanced behavioural models in whole building energy simulation: a
energy management of green office buildings with soft sensors’, Proceedings Comsnets, 2012. 13. Li B., Dempster A.G., Rizos C., Barnes J., ‘Hybrid method for localization using Wlan’, Proceedings ssc, 2005. 14. Li N., Calis G., Becerik-Gerber B., ‘Measuring and monitoring occupancy with an rfid based system for demand-driven hvac operations’, Automation in construction, 2012. 15. Maaijen H. N., ‘Development of a generic methodology for a life cycle performance analysis’, MSc-thesis tu Eindhoven, 2011. 16. Mahdavi A., ‘The human dimension of building performance simulation’, Proceedings ibpsa, 2011. 17. Martani C., Lee D., Robinson P., Britter R., Ratti C., ‘Enernet: studying the dynamic relationship between building occupancy and energy consumption’, Energy and Buildings, 2012. 18. Melfi R., Rosenblum B., Nordman B., Christensen K., ‘Measuring building occupancy using existing network infrastructure’, Proceedings igcc, 2011. 19. Nicol J.F., ‘Charcterising occupant behaviour in buildings: towards a stochastic model of occupant use of windows, lights, blinds, heaters and fans’, Proceedings ibpsa, 2001. 20. Nobe T., Tanabe S., Lee S., Tomioka Y., ‘Investigation of seat occupancy rate in offices’, Proceedings Roomvent, 2002. 21. Oldewurtel F., Sturzenegger D., Morari M., ‘Importance of occupancy information for building climate control’, Applied Energy 101, 2013. 22. Page J., Robinson D., Morel N., Scartezzini J., ‘A generalized stochastic model for the simulation of occupant presence’, Energy and Buildings, 2008. 23. Reinhart C.F., ‘Lightswitch 2002: a model for manual and automated control of electrical lighting and blinds’, Solar Energy, 2004. 24. Rijal H.B., Tuohy P., Humphreys M.A., Nicol J.F., Samuel A.,
study on the total energy impact of manual and automated
Clarke J., ‘Using results from field surveys to predict the effect
lighting control’, Energy and Building, 2006.
of open windows on the thermal comfort and energy use in
5. Dong B., Andrews B., Lam K., Hoynck M., Zhang R., Chiou Y., Benitez D., ‘An information technology enabled sustainability
buildings’, Energy and Building, 2007. 25. Tabak V., Vries B. de, ‘Methods for the prediction of interme-
test-bed (itest) for occupancy detection through an environ-
diate activities by office occupants’, Building and Environment,
mental sensing network’, Energy and Buildings 42, 2010.
2010.
6. Erickson V., Achleitner S., Cerpa A., ‘poem: power-efficient occupancy-based energy management system’, Proceedings ipsn, 2013. 7. Han J., Pauwels E., Zeeuw P., With P., ‘Employing a rgb-D sensor for realtime tracking if humans across multiple reentries in a smart environment’, ieee transactions, 2012. 8. Harder P., ‘A Guide to Wireless technologies’, Ashrae Journal, 2011. 9. Hoes P., Hensen J.L.M., Loomans M.G.L.C., Vries B. de, Bourgeois D., User behaviour in whole building simulation’, Energy and Building, 2009. 10. Khoury M., Kamat V., ‘Evaluation of position tracking tech-
26. US department of Energy, ‘Energy Efficiency Trends in Residential and Commercial Buildings’ (http://apps1.eere.energy. gov/buildings/publications/pdfs/corporate/bt_stateindustry. pdf), 2008 (opgeroepen juni 2013). 27. Want R., Hopper A., Falcao V., Gibbons J., ‘The active badge location system’, acm transactions, 1992. 28. Yang R., Wang L., ‘Multi-objective optimization for decisionmaking of energy and comfort management in building automation and control’, Sustainable cities and society, 2011. 29. Zeiler W., Savanovic P., Quanjel E., ‘Design decisions support
nologies for user localization in indoor construction environ-
for the conceptual phase of the design process’, Proceedings
ments’, Automation in Construction, 2009.
iasdr, 2007.
11. Klein L., Kwak J., Kavulya F., Becerik-Gerber B., Varakantham
30. Zhang H., Hoyt T., Lee K.H., Arens E., Webster T., ‘Energy
P., Tambe M., ‘Coordinating occupant behaviour for building
savings from extended air temperature set points and reduction
energy and comfort management using multi-agent systems’,
in room air mixing’, Proceedings International conference on
Automation in Construction, 2012.
environment ergonomics, 2009.
VV+ maart 2014
VV03 36-41.indd 41
41
11-03-14 13:05
