haku: @supervisor Visala, Arto / yhteensä: 105
viite: 21 / 105
| Tekijä: | Salama, Mikko |
| Työn nimi: | Älykäs lämmönsäädin |
| Smart heat controller | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2014 |
| Sivut: | iv + 63 Kieli: fin |
| Koulu/Laitos/Osasto: | Sähkötekniikan ja automaation laitos |
| Oppiaine: | Älykkäät tuotteet (AS210-3) |
| Valvoja: | Visala, Arto |
| Ohjaaja: | Koivo, Heikki ; Makkonen, Markku ; Zenger, Kai |
| Elektroninen julkaisu: | http://urn.fi/URN:NBN:fi:aalto-201411042992 |
| OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
| Sijainti: | P1 Ark Aalto 2399 | Arkisto |
| Avainsanat: | smart thermostat heat load prediction night drop thermal comfort älykäs lämmönsäädin lämpökuorman ennustaminen yöpudotus terminen viihtyvyys |
| Tiivistelmä (fin): | Lämmönsäätimien energiansäästömenetelmiä on tutkittu kattavasti, mutta älytermostaattien markkinapenetraatio on alhainen. Tällaisten menetelmien kysyntä kasvaa koko ajan energian kallistuessa ja vihreiden arvojen lisääntyessä. Työn tarkoituksena oli tutkia älykkään lämmönsäätimen energiansäästömenetelmiä. Tärkeitä osatavoitteita oli löytää säätöjärjestelmä, joka toimisi paremmin kuin kaupalliset P-säätimet, sekä kehittää yölämpötilan pudottamista ja lämpökuorman ennustamista. Energian säästöjen lisäksi pyrittiin parantamaan termistä viihtyvyyttä. Työn kokeellisessa osassa muodostettiin Python-kielinen simulointiympäristö huoneenmallille. Ensin sen avulla etsittiin termostaatille säädin, joka toteuttaa ohjauksen hyvin. Sitten kehitettiin älykästä algoritmia yölämpötilan asetusarvon pudottamiseksi. Tälle menetelmälle luotiin graafinen näkymä, jotta tuloksia oli helppo seurata reaaliajassa. Tämä nopeutti algoritmin kehittämistä. Lopuksi tutkittiin lämpökuorman ennustamisesta saatavia hyötyjä käyttämällä Ilmatieteen laitoksen open data -palvelua. Tutkimuksessa käytettiin Fourdeg-nimisen yrityksen älykkäitä lämmönsäätimiä. Fourdegin järjestelmässä ohjelmoitavat termostaatit olivat langattomasti yhteydessä palvelimeen. Palvelimelle tallennettiin historiatietoja, joita käytettiin hyödyksi lähettämällä haluttua sisäilman lämpötilaa termostaateille. Yön aikainen alasajo, joka käytti tätä ominaisuutta, osoittautui yhdeksi parhaista tavoista saavuttaa energian säästöä. Toinen merkittävä tapa säästää energiaa tehtyjen simulaatioiden perusteella oli lämpökuorman ennustaminen. Tämä toteutettiin käyttämällä hyödyksi ulkolämpötilan ennusteita. Näiden avulla laskettiin uusi ohjausarvo, jonka avulla voitiin kompensoida tulevia lämpökuorman muutoksia. Lämpökuorman ennustamiseen perustuvassa säädössä parametreja muuttamalla voitiin painottaa säädön laatua tai energian säästöjä. Simuloinneissa saatiin yöpudotukselle 8 %:n energiansäästöt. VTT simuloi erityyppistä toimistohuonetta ja sai yöpudotukselle 12,6 %:n energiansäästöt. Simuloinneissa osoitettiin, että elektronisella termostaatilla on mahdollista saavuttaa parempi säädön laatu kuin omavoimaisella termostaatilla, joka on yleisin lämpöpattereissa. Testihuoneessa tämä pystyttiin osoittamaan käytännössä. |
| Tiivistelmä (eng): | The energy saving methods of heat controllers have been studied extensively, but the market penetration rate of smart thermostats is low. The demand of these systems is constantly increasing as the price of energy is rising and companies are adopting more ecological values. The scope of this thesis was to study energy saving methods of smart thermostats. The main goals were to find a controller system which functions better than the commercial P-controllers, to develop the temperature night drop method and the heat load prediction. In addition to energy savings we aimed to optimize the thermal comfort. In the experimental part of this thesis we created a simulation environment for the room model with Python. First we tried to find a suitable controller for the thermostat. Then we developed smart night drop. For this method a graphical interface was developed to visualize the simulations in real time. This helped improve the algorithm. Last, we studied the benefits of heat load predictions for which the open data service of Finnish Meteorological Institute was applied. In this study we used the smart thermostats provided by the Fourdeg company. In the Fourdeg´s system the programmable thermostats were wirelessly connected to the server. The indoor control values were calculated by the server based on the data history, and then the control values were sent to the thermostats. The night drop using this feature proved to be the one of the best methods to save energy. The other major method for saving energy was the heat load prediction. It was realized by using the weather forecasts to calculate the new control value, which was used in order to compensate the future changes in the heat load. In control, based on the heat load prediction, altering the parameters could be used to emphasize either the thermal comfort or the energy savings. The night drop saved energy 8 % in the simulations. VTT simulated a different kind of office room achieving 12.6 % savings in energy with night drop. In the simulations it was proven that the programmable thermostat can be used to improve the thermal comfort compared to self-acting thermostat, which is most commonly used in the radiators. This was shown in practice in our test room. |
| ED: | 2014-11-09 |
INSSI tietueen numero: 50032
+ lisää koriin
INSSI