Detektering av energislöseri: vad din BMS inte berättar för dig

Detektering av energislöseri: hitta slöseriet din BMS inte flaggar

Detektering av energislöseri är den kontinuerliga analysen av en byggnads sensor- och mätardata för att hitta energi byggnaden förbrukar utan att behöva det. Det skiljer sig från en energikartläggning på ett viktigt sätt: det slutar aldrig. En kartläggning fotograferar byggnaden en gång. Detektering bevakar den varje dag.

Den obekväma delen är att det mesta slöseriet aldrig utlöser ett larm. USA:s EPA:s Energy Star-program har satt siffran till så mycket som 30 procent av energin som används i kommersiella byggnader, och det mesta av det finns i byggnader som ser normala ut på varje skärm. Byggnaden fungerar. Rummen är varma. Ingen klagar. Slöseriet är osynligt just eftersom ingenting är trasigt.

En BMS driver byggnaden. Den bedömer inte den.

Ett fastighetsstyrsystem exekverar instruktioner: scheman, börvärden, spärrar, larm. Det är väldigt bra på detta, och det är exakt varför det missar slöseri.

BMS-larm är tröskelvärden. Ett värde korsar en linje någon konfigurerade vid driftsättning, och larmet utlöses. Slöseri korsar sällan dessa linjer. Det sitter bekvämt inom dem. När en värmeventil och en kylbatteri kämpar mot varandra om samma luft gör båda styrslingorna exakt det de blivit tillsagda. Varje punkt läser normalt. Byggnaden bränner pengar i ett tillstånd av perfekt teknisk hälsa.

Det finns också ett volymproblem. En medelstor kommersiell byggnad producerar tusentals datapunkter varje några minuter. En operatör kan realistiskt övervaka några dussin. BMS-dataanalys blev en disciplin i sig eftersom styrlagret inte har någon uppfattning om effektivitet, och ingen människa har timmarna att bilda en manuellt.

Var slöseriet gömmer sig

De vanliga misstänkta, ungefär i den ordning vi hittar dem:

• Samtidig värme och kyla. Klassikern. Två slingor som arbetar mot varandra, ofta i flera år, med varje enskild avläsning inom sina gränser.
• Schemakrypning. Överskridningen för utökade timmar någon ställde in förra vintern och som ingen återställde. Ventilation som betjänar en tom våning hela helgen. Byggnader ackumulerar dessa på samma sätt som hus ackumulerar lådor med kablar.
• Fel i economizer och gratiskylning. Ett spjäll som fastnat stängt betyder att kylmaskinen gör arbete uteluften skulle gjort gratis. I ett nordiskt klimat är detta kostsamt.
• Sensordrift. En tilluftssensor som visar två grader lågt gör att hela slingan kompenserar, permanent. BMS litar på sina sensorer. Den har inget sätt att inte göra det.
• Korttidscykling. En pump eller kompressor som startar mycket oftare än dess drift kräver sliter ut sig själv och slösar energi genom att göra det. Det förutsäger också ett fel, vilket är en separat räkning.

Inget av detta syns på elräkningen förrän senare, och även då säger räkningen bara att totalen blev sämre. Den säger inte varför, eller var, eller vad varje fel kostar per vecka att ignorera.

Hur detektering av energislöseri fungerar

Metoden är densamma oavsett vem leverantören är. Läs datan byggnaden redan producerar. Modellera hur varje punkt borde se ut givet väder, beläggning och tid. Flagga vad som avviker. Förklara varför.

Att läsa datan innebär BMS-punkter över öppna protokoll som BACnet, Modbus och OPC UA, plus energimätare och vilka IoT-sensorer som redan är installerade. Ingen ny hårdvara. För byggnader vars BMS saknar en molnlicens gör en mjukvaruagent på BMS-datorn jobbet. De leverantörsspecifika detaljerna finns på våra integrationssidor.

Modellering är där verktyg divergerar. Tröskelregler hittar felen någon förutsåg i förväg. Statistiska baslinjer fångar drift och schemaavvikelser som regler aldrig förutsåg. FrostLogic Explore kör sex metoder för avvikelsedetektering med kausal filtrering ovanpå, så en grundorsak framträder som ett fynd istället för femtio korrelerade larm. Hela funktionsuppsättningen finns på vår sida BMS-analysplattform.

Sedan finns det bevis, vilket är den del vi är strikta med. Varje fynd ska kunna spåras tillbaka till sensoravläsningarna bakom det. Om ett verktyg säger att ett luftbehandlingsaggregat slösar 400 kWh i veckan bör du kunna öppna fyndet och se datan som säger det. Energieffektivitetsövervakning visar dig siffror. Detektering namnger felet och visar sitt arbete. Om en plattform inte kan göra den andra delen kommer du att spendera dina besparingar på att verifiera dess påståenden.

Detektering utan prioritering är bara en längre larmlista

Att hitta slöseri visar sig inte vara den svåra delen. När modellerna körs staplas fynd snabbt upp. Operatörens fråga var aldrig "vad är fel med denna byggnad". Det är "vad ska jag agera på denna vecka".

Så utdataformatet spelar lika stor roll som detekteringsmetoden. En instrumentpanel med avvikelser är läxor. En rankad kö med kostnad bifogad är en arbetsplan. Explore prissätter varje fynd, väger det mot allt annat den har hittat, och lägger det i en kö sorterad efter vad som är värt att göra först. HVAC-energibesparingar slutar vara en uppskattning på en bild och blir radposter: denna ventil, denna byggnad, denna summa per vecka. Minskning av driftskostnader är i praktiken en stapel av små fixar gjorda i rätt ordning.

I portföljskala slutar detta vara en preferens och blir hela problemet. Fyrtio byggnader producerar fyrtio byggnaders värde av fynd, och ett fastnat spjäll i byggnad 4 måste konkurrera om uppmärksamhet med en energidrift i byggnad 17. Att rangordna fynd över en portfölj är ett annat jobb än att analysera en byggnad, och vi skrev om hur vi hanterar det på vår sida om BMS-analys för stora portföljer.

En kartläggning hittar slöseri en gång. Detektering fortsätter hitta det.

Energikartläggningar är användbara, och om du är ett stort EU-företag är du ändå skyldig att köra en minst vart fjärde år. Problemet är förfall. En kartläggning har rätt om byggnaden den inspekterade den dag den inspekterade den. Sedan förändras säsonger, hyresgäster flyttar, åsidosättanden ackumuleras, och sensorer drivar. Vid år tre beskriver rapporten en byggnad som inte längre existerar.

De två fungerar bra tillsammans snarare än att konkurrera. Kontinuerlig detektering gör nästa kartläggning snabbare och billigare, eftersom datajobbet revisorn skulle fakturera för redan är gjort. Den svarar också på frågan revisionsrapporter inte kan: höll fixet? Istället för att lita på uppskattningen i rapporten bevakar du förbrukningen före och efter reparationen med väder och beläggning modellerade bort. Explore prognostiserar dessutom varje mått från en timme till sju dagar framåt med konfidensgränser, så du ser nästa veckas förbrukning drifta av kurs innan det händer snarare än efteråt.

Traditionella energikartläggningsverktyg och kontinuerlig detektering möts på mitten här: kartläggningen sätter strategin, detektering kör den dagliga energieffektivitetsoptimeringen mellan kartläggningarna och bevisar vilka ingripanden som faktiskt fungerade.

Vanliga frågor

Vad är detektering av energislöseri? Kontinuerlig analys av en byggnads BMS-, mätar- och sensordata för att hitta energi som förbrukas utan behov: stridande styrslingor, schemafel, fastnade spjäll, driftade sensorer. Till skillnad från en kartläggning körs den hela tiden, och bra implementationer knyter en kostnad och bevis till varje fynd.

Behöver vi ny hårdvara eller en BMS-uppgradering? Nej. Detektering läser datan dina system redan producerar, över standardprotokoll som BACnet, Modbus och OPC UA. Explore ansluter också till lokala BMS-installationer utan molnlicens genom en agent på BMS-datorn. Se våra integrationssidor för de stora leverantörssystemen.

Hur skiljer sig detta från en energikartläggning? En kartläggning är en ögonblicksbild av en mänsklig expert, vanligtvis upprepad var några år. Detektering är kontinuerlig och automatisk. Kartläggningen hittar vad som var fel den månaden; detektering fångar vad som går fel därefter och verifierar att fixarna höll. De flesta byggnader gynnas av båda.

Hur mycket energislöseri har en typisk byggnad? USA:s EPA:s Energy Star-program har citerat siffror upp till 30 procent av förbrukningen i kommersiella byggnader. Varje specifik byggnad varierar kraftigt, vilket är varför vi inte leder med en utlovad procentsats. En bra detekteringsplattform prissätter varje fynd individuellt från din egen data, så besparingspåståendet är specifikt för din byggnad snarare än ett branschgenomsnitt.

Kan detta fungera över en hel portfölj? Ja, och portföljer är där prioritering spelar störst roll, eftersom fynd från varje byggnad konkurrerar om samma teams uppmärksamhet. En kö över hela beståndet, rankad efter påverkan, är metoden vi har byggt. Mer på vår sida om BMS-analys för stora portföljer.

Börja med en byggnad

Om du utvärderar plattformar i denna kategori täcker vår guide för att välja sensorintelligens frågorna som skiljer verklig detektering från ompaketerade instrumentpaneler.

Den snabbare vägen är empirisk. Anslut en byggnad, låt modellerna köra i ett par veckor, och se vad som framträder. Byggnader har nästan alltid något att säga. Prata igenom det med oss.