Skal du redusere det totale strømforbruket i et næringsbygg, er det fort gjort å øyeblikkelig se til de store effekttoppene. Det er tross alt her bygget bruker mest energi, og å redusere disse har i tillegg en umiddelbar effekt på nettleien for noen kunder.
Samtidig er det viktig å ikke glemme bunnlasten – det nedre nivået som hele tiden kreves av byggets energiforbruk, det som bare tikker og går. Dersom et bygg bruker mye energi i periodene der det egentlig kreves lite, er det som regel et stort potensial for besparelser med få grep.
Utfordringen er imidlertid å identifisere hvilke grep det er snakk om.
Hva bidrar til å gjøre bunnlasten unødvendig høy?
Noen typiske syndere er ventilasjon eller belysning som ikke er tilpasset etter tid på døgnet og hvor mange som oppholder seg i bygget. Det spiller for eksempel svært liten rolle hvorvidt bygget har dårlig luft klokken to om natten, dersom ingen dukker opp på kontoret før åtte neste morgen.
En annen vanlig blemme er å ha overlapp mellom oppvarmingsanlegg og nedkjølingsanlegg, som blir stående og jobbe mot hverandre i korte eller lengre perioder. Dette kan føre til betydelige merkostnader.
Med detaljert energidata får du også innsikt i de mindre vanlige årsakene, som feil i anlegg. Vi ser flere steder at forhåndsinnstilte reguleringer ikke fungerer som man har forventet. Og disse feilene oppdages ikke nødvendigvis før man begynner å måle.
Detaljert data gir bedre beslutningsgrunnlag
Gjennomsnittsverdier av bygget målt under ett, er ikke nok til å oppdage hvorfor bunnlasten er høy – bare eventuelt at den er det. For å kunne igangsette de riktige tiltakene for å redusere bunnlasten, må man vite hva som gjør at den er høy i utgangspunktet. Da kreves mer detaljert innsikt.
Eksempelet under er hentet fra en søndagsstengt butikk (11. juni er en søndag). Med energimåling på timesnivåer, ser det ut som at butikken har en unødvendig høy bunnlast (rød linje) når den er stengt.
Når vi ser på minuttsverdier, ser vi imidlertid at komponenter som skrur seg av og på i sykluser, komponenter med høyfrekvente forbruksmønstre, gjør at de nederste nivåene ikke fanges opp med timesverdier. Dette kan for eksempel være kjøledisker i butikken. Med aggregerte målinger ser det ut som om bunnlasten er høyere enn den faktisk er, nesten det dobbelte, som skaper er helt feil beslutningsgrunnlag i arbeidet med energioptimalisering.
Med aggregerte verdier mister man nyansene i energiforbruket, og all høyfrekvent informasjon bortfaller. Grafene under viser forskjellen på minuttsoppløsning og gjennomsnittet man sitter igjen med som timesverdier.
Energidata med timesverdier er altså ikke detaljerte nok til å identifisere mindre systemer. Konsekvensen av dette er at du kun får mulighet til å optimalisere og justere de største apparatene – de som bruker nok energi til at fanges opp i timeverdiene. Mindre apparater, som ofte kan gi store muligheter for besparelser, går dermed under radaren.
Vi leverer dataene
Å få tilgang til gode nok og pålitelige energidata kan være både vanskelig og ressurskrevende. Ettersom vi kun fokuserer på energimåling, på vegne av aktører som deg, har vi mulighet til å påta oss denne jobben. Vi jobber for at flere får et bedre beslutningsgrunnlag og muligheten til å ta smartere valg.
Gjennom et samarbeid med oss, kan du tilby kundene dine detaljerte og pålitelige data som hjelper dem å få kontroll på energiforbruket.
Ta gjerne kontakt hvis du har spørsmål eller vil utforske et samarbeid.
