Een MPC framework voor all-air systemen in niet-residentiele gebouwen

Tegen eind 2020 moeten alle nieuwe gebouwen in Europa Bijna EnergieNeutraal (BEN) zijn. De transmissie- en ventilatieverliezen zijn al drastisch gedaald door de toenemende isolatiegraad en luchtdichtheid van de gebouwschil. Verdere energiebesparing kunnen we realiseren door ontwerp en realisatie van efficiëntere installaties. In kantoor- en schoolgebouwen is de ventilatie-installatie verantwoordelijk voor een belangrijk deel van het totale energieverbruik. Een regeling die de werking van het ventilatiesysteem afstemt op de vraag, kan dit energieverbruik significant reduceren. Dit is belangrijk in lokalen met een sterk wisselende bezetting zoals klaslokalen en landschapskantoren. Standaard gebruikte regelgebaseerde “klassieke” zijn echter reactief waardoor de installatie “achterop loopt” ten opzichte van de vraag. Hierdoor is (1) een goed binnenklimaat niet altijd gegarandeerd en (2) valt het werkelijke energiebesparingspotentieel lager uit dan voorspeld. Een modelgebaseerde voorspellende regeling (MPC) komt tegemoet aan deze kritiek. Een MPC houdt immers rekening met de huidige situatie (= feedback) en met de toekomstige vraag, weersomstandigheden en gebruik (= feedforward). Toepassing van MPC voor de sturing van ventilatiesystemen is niet nieuw. CO2-concentratie, als indicator voor de binnenluchtkwaliteit, wordt tot nu toe niet meegenomen als fysische parameter in de modelidentificatie. Multizonemodellen zijn bovendien zeldzaam. Daarnaast is MPC een tijdrovend en complex proces dat veel rekenkracht vereist. Hierdoor is de toepassing in kantoor- en schoolgebouwen nog beperkt, zeker wat betreft ventilatiesystemen. Het doel van dit doctoraatsproject is energiebesparing realiseren door de sturing van ventilatiesystemen in BEN kantoor- en schoolgebouwen te optimaliseren. Ten eerste willen we een modelgebaseerde voorspellende regeling (MPC) ontwikkelen voor een ventilatiesysteem die rekening houdt met zowel de binnentemperatuur als de CO2-concentratie. Ten tweede willen we op basis van deze inzichten richtlijnen opstellen om de klassieke regelgebaseerde sturing te verbeteren.