Selvlærende algoritme skal gøre ventilation mere energieffektiv

Et nyt forskningsprojekt skal gøre det lettere at bruge prædiktiv styring til at reducere energiforbruget i skoler og kontorer. Teknologisk Institut, Airmaster og Aalborg Universitet vil udvikle en selvlærende algoritme, der kan konfigurere sig selv ud fra data fra ventilationsanlæggets sensorer.

I dag kræver teknologien manuel opsætning med oplysninger om blandt andet rummets isolering, volumen, vinduer og solafskærmning. Det er både tidskrævende og kan give fejl.

”Prædiktiv styring har et dokumenteret potentiale, men i dag kræver det specialistviden at sætte det op korrekt til hvert enkelt lokale, og forkerte indstillinger kan i værste fald øge energiforbruget frem for at sænke det. Med SAAVER vil vi undersøge, om anlægget i stedet selv kan regne ud, hvordan lokalet reagerer termisk. Lykkes det, fjerner vi en væsentlig barriere for at udbrede teknologien,” siger projektleder Jakob Wulff Andersen fra Teknologisk Institut.

Projektet skal også undersøge blandt andet automatisk solafskærmning, nattekøling samt modeller for træk og luftens lagdeling.

Et tidligere ELFORSK-projekt viste en energibesparelse på 44 procent i en tre måneder lang sommermåling sammenlignet med en fast temperaturindstilling på 23 grader. Det nye projekt skal undersøge mulighederne for yderligere besparelser i almindelig drift.

De første prototyper testes i Teknologisk Instituts indeklimalaboratorium i Taastrup, før de skal afprøves i fuld skala hos Kamstrup i Stilling.

Faktaboks:

• Projektet hedder SAAVER.
• Projektperioden er 1. januar 2026 til 31. marts 2028.
• Samlet budget: 5,25 millioner kroner.
• EUDP under Energistyrelsen støtter projektet med 2,6 millioner kroner.
• Partnere er Teknologisk Institut, Airmaster A/S og Aalborg Universitet.
• Demonstrationsstedet er Kamstrup A/S i Stilling, hvor der allerede er 28 AMX4-anlæg.
• Målet er at fjerne behovet for manuel opsætning af prædiktiv ventilationsstyring.