We can't find the internet
Attempting to reconnect
SI/501726
BIG-ICE – Bewertung von Solar-Eis-Systemen in Mehrfamilienhäusern und Gebäuden aus dem Dienstleistungssektor
Zusammenfassung
Weitere Texte
Publikationen / Ergebnisse
Die Übertragung der sommerlichen Wärme in den Winter ist eine zentrale Aufgabe für ein erneuerbares Energieversorgungsystem. Eine vielversprechende Technologie hierfür sind Solar-Eis-Speicher-Systeme: Sonnenkollektoren regenerieren Eis, das durch eine Heizungs-Wärmepumpe gebildet wurde. So eingesetzt liegt die Energieausbeute der Kollektoren im Sommer und Winter um ein Vielfaches höher als bei herkömmlichen Solaranlagen. Ein Forscherteam der Ostschweizer Fachhochschule hat untersucht, in welchen Fällen Solar-Eis-Systeme bei Mehrfamilienhäusern besonders effizient arbeiten. Zudem hat das Team einen Algorithmus als Grundlage für ein künftiges Online-Dimensionierungs-Tool entwickelt. Mit dem Tool sollen Bauherren in einer frühen Planungsphase abschätzen können, ob sich in ihrem Gebäude der Einbau eines Solar-Eis-Systems lohnt.
Schlussbericht
Mit Wärmepumpen lässt sich der Heiz- und Kühlbedarf von Gebäuden sehr effizient mit einem hohen Anteil an erneuerbaren Energien decken. Es wird erwartet, dass die Verbreitung von Wärmepumpen im zukünftigen Schweizer Energiesystem stark ansteigen wird. Allerdings sind gängige erneuerbare Quellen, wie Erdwärme oder Luft z. B. auf Grund von Bewilligungseinschränkungen, Lärmbelästigung oder Platzbedarf nicht überall möglich. Das macht alternative erneuerbare Energiequellen, wie Solarenergie, sehr attraktiv. Solar-Eis-Systeme nutzen Solarwärme als Quelle für die Wärmepumpe, wobei ein Eisspeicher den Versatz zwischen Verfügbarkeit der Solarwärme und Wärmebedarf puffert. Ein Solar-Eis-System ist eine Art Erdwärme-Wärmepumpensystem mit voller Regeneration des Erdreichs (gratis), in dem das Sondenfeld durch Solarkollektoren und einen Speicher ersetzt wird. Der Eisspeicher hat eine hohe Energiedichte, da er die latente Wärme des Wassers nutzt. Der Mehrfamilienhaussektor hat das grösste Potential für Solar-Eis-Systeme in der Schweiz, dort werden Solar-Eis-Systeme immer beliebter. Jedoch gibt es bisher kein standardisiertes Design für solche Systeme und die Auslegung wird häufig über dynamische Systemsimulationen gemacht, um die Effekte der Wechselwirkung zwischen Kollektorfeldgrösse, Eisspeichervolumen, Wetterdaten, Heizwärmebedarf und möglichen weiteren Wärmequellen zu berücksichtigen. Die Haupteinflussfaktoren auf die Systemeffizienz zu verstehen und die Entwicklung eines einfachen Machbarkeits-Tools wurde die Verbreitung von Solar-Eis-Systemen fördern. Ein solches Tool sollte es Planern ermöglichen Solar-Eis-Systeme mit wenigen Eingabedaten (z.B. jährlicher Wärmebedarf und solare Einstrahlung) in einer frühen Planungsphase schnell und einfach bewerten zu können. Im Rahmen dieses Projektes wurde das Potential von Solar-Eis Systemen für Mehrfamilienhäuser untersucht. Uber eine grosse Parameterstudie mit dynamischen Systemsimulationen wurden die Effekte von unterschiedlichen Wetterdaten, hydraulischen Einbindungen auf der Primärseite (Solar, Eisspeicher und Wärmepumpe), Heizwärmebedarfsprofil und Dimensionen der Schlüsselkomponenten detailliert untersucht. Zusätzlich wurde das Kühlpotential berücksichtigt. In einem letzten Schritt wurde ein schneller Algorithmus entwickelt, der auf maschinellem Lernen basiert und die Systemeffizienz von Solar-Eis Systemen mit wenigen Eingabedaten vorhersagen kann. Ziel war es ein Tool zu entwickeln, dessen Anwendbarkeit zwischen einer Faustformel (die es bisher nicht gibt) und einem Planungstool liegt. Ein solches vereinfachtes Tool wird kein Planungsinstrument ersetzen das für die Realisierung nach wie vor verwendet werden muss, aber es wird ermöglichen in der Entscheidungsphase Solar-Eis Systeme einfach, schnell und ohne Systemsimulationen zu berücksichtigen. Eine Simulationsstudie mit der Simulationssoftware TRNSYS mit 3600 Simulationen wurde durchgeführt, um die verschiedenen Einflussfaktoren auf die Effizienz von Solar-Eis-Systemen zu analysieren und um eine solide Datenbasis für die Entwicklung des schnellen Algorithmus zu erhalten. Die Simulationsumgebung basiert auf gut validierten Modellen, sowohl auf Komponenten- als auch auf Systemebene. Verschiedene Ansätze des maschinellen Lernens wurden berücksichtigt, um das Machbarkeitstool zu entwickeln. Eine Analyse des Einflusses verschiedener hydraulischer Einbindungen für Solar-Eis-Systeme umfasst Fälle mit und ohne direkte Nutzung von Solarwärme im Verdampfer der Wärmepumpe und in den warmen Speichern. Diese Kombinationen fuhren zu vier Fällen, die über Simulationen verglichen wurden. Die Möglichkeit Solarwärme direkt in der Wärmepumpe zu nutzen, ohne über den Eisspeicher zu gehen und direkt die warmen Speicher zu erwärmen bringt signifikante energetische Vorteile. Solar-Eis-Systeme haben Potential für Freecooling, wobei lediglich das gezielte Abschmelzen des Eisspeichers im Frühjahr gestoppt wird, um Kälte für die Raumkühlung mit in den Sommer zu nehmen. Diese passive Freecooling-Option verursacht in gut dimensionierten Solar-Eis-Systemen in Gebieten mit geringem Kühlbedarf, wie z.B. Genf, keinen Anstieg des Strombedarfs. In Gebieten mit höherem Kühlbedarf, wie Locarno, kann zusätzliche Kühlkapazität geschaffen werden, indem Warmwasser über die Wärmepumpe bereitgestellt wird. Dabei sinkt die Systemeffizienz nicht, wenn Heizen und Kuhlen berücksichtigt werden. Um den Marktanteil von Solar-Eis-Systemen zu steigern ist ein einfaches Tool für Machbarkeitsstudien wichtig, um Solar-Eis Systeme in der Entscheidungsphase ohne grossen Aufwand berücksichtigen zu können. Ausgehend von den hier vorgestellten Ergebnissen ist die Entwicklung eines solchen Tools für eine schnelle Dimensionierung von Solar-Eis-Systemen denkbar. Es konnte gezeigt werden, dass unter Verwendung von jährlichen Daten über das Wetter und den Heizwärmebedarf des Gebäudes eine Vorhersage der Effizienz mit einer Genauigkeit von ±10 % (für 90 % der Daten) erreicht werden kann. Wird zusätzlich der Heizwärmebedarf und die solare Einstrahlung in den Wintermonaten als Eingabeparameter berücksichtigt, kann die Genauigkeit auf ±5 % gesteigert werden. Die wichtigsten Resultate sind im Abschnitt Main findings zusammengefasst.
Schlüsselwörter
Projektdetails
- Forschungsstelle
- BFE
- Projektstatus
- Abgeschlossen
- Projekttyp
- Forschungsprojekt
- Startdatum
- 2018-04-30
- Enddatum
- 2021-01-31
- Bewilligte Gesamtkosten
- CHF 171000.00
- Sektion
- Solarthermie und Wärmespeicherung
- NABS Politikbereich
- Erzeugung, Verteilung und rationelle Nutzung der Energie