Text

  • Studieort Mälardalens högkolas campus i Västerås, sal Milos/digitalt
Datum
  • 2020-09-10 10:00–12:00

Lukas Lundström försvarar sin doktorsavhandling i energi- och miljöteknik

Lukas Lundström vid akademin för ekonomi, samhälle och teknik försvarar sin doktorsavhandling ”Probabilistic Calibration of Building Energy Models” den 10 september klockan 10 på Mälardalens högskola i Västerås. Det går också att följa detta digitalt via Zoom.

Titel: Probabilistic Calibration of Building Energy Models

Serienummer: 318

Betygsnämnden består av professor Natasa Nord, Norwegian University of Science and Technology, professor Joakim Widén, Uppsala universitet och professor Sture Holmberg, KTH. Opponent är professor Angela Sasic, Chalmers tekniska högskola.

Reserv är professor Ning Xiong, Mälardalens högskola.

 

Anmälan för att delta digialt

Om du vill delta som åhörare vid disputationen via Zoom, anmäl dig till Lukas.Lundstrom@kfast.se.

 

Sammanfattning

För att minska miljöpåverkan och den globala uppvärmningen behöver energianvändningen effektiviseras och en högre andel förnybar och ofta variabel energiproduktion integreras, samtidigt som ekonomisk tillväxt och människors välbefinnande behöver tillgodoses. Energieffektivisering och digitalisering av byggnader spelar en viktig roll för att möjliggöra att av dessa mål nås.

Modellering och simulering av byggnaders energianvändning behövs för att få detaljerad kunskap om de värmeflöden och parametrar som avgör en byggnads energiprestanda. Framsteg inom flygburen laserskanning har möjliggjort skapandet av geometriska modeller av det befintliga byggnadsbeståndet. Parametrar som beskriver byggnaders termiska egenskaper och de tekniska systemen är emellertid ofta inte tillgängliga i ett digitaliserat format och behöver estimeras. Byggnader är komplexa system där temperaturer och energianvändning varierar dynamiskt under stokastiskt inflytande av väder, hur de brukas, och egenskaper i delsystem och komponenter; och trots framsteg i digitaliseringen så är tillgång till sensordata från byggnader ofta begränsat. Följaktligen behöver robusta estimeringsmetoder kunna hantera varierande grader av osäkerhet och datatillgänglighet.

Denna avhandling börjar med att undersöka tillgänglig information från meteorologiska reanalyser, fjärranalys och mätdata från byggnaden. Därefter presenteras en dynamisk och fysikbaserad byggnadsenergimodell. Slutligen presenteras en modellkalibreringsmetod bestående av en filtreringsalgoritm för att hantera osäkra tidsserier och en probabilistisk inferensmetod för att hantera osäkra parametrar och assimilera kunskapsbaserad information.

Resultaten visar att byggnadsenergimodellen är detaljrik nog för att ge användbara kunskaper om de delsystem och komponenter som avgör byggnadens faktiska energiprestanda, men fortfarande identifierbar med hjälp information som kan erhållas enbart baserad på kunskap om modellparameternas fysiska egenskaper. Vidare har den förslagna kalibreringsmetoden förmågan att assimilera information från både data- och kunskapsbaserade källor; vilket är en förutsättning för robust och skalbar inferens givet den stokastiska och icke-digitaliserade verklighet de flesta byggnader verkar i.

Bidragen från denna avhandling tar ett steg närmare till att skapa modeller av existerande byggnader, för hela städer, vilka kan simulera byggnaderna tillräckligt verklighetstroget för att ge analyserbara kunskaper om byggnaders energiprestanda, möjliggöra byggnader till att vara aktiva komponenter i energisystemet och på sikt bidra till att skapa förutsättningar för övergången till mer hållbara och smarta städer.