Data från loggarna har varit en viktig information som en del av simuleringen, just för att få insikt, hur temperaturer är i utrymmen där mätningar normalt inte sker. För alla lägenhets zoner ställdes temperaturen in på 22 grader. Övriga gemensamma utrymmen, var det kallast i entré A med 18.1 grader och varmast i trapphuset på fjärde våningen med 20.6 grader (se tabell 15). Mätperioden omfattade 15 dagar i april 2020.
Tabell 15. Medeltemperaturer från mätperioden på givna platser
Utrymme Genomsnittstemperatur Entré A 18.1 Entré C 18.2 UC 19.9 Utanför tvättstuga 19.9 Vån 2 (trapphus) 19.9 Vån 4 (trapphus) 20.6
6 Diskussion
Simulerade psi-värden från CM visade sig vara relativt höga i vissa fall, inte minst i balkongerna vars psi-värden uppgick i över 1 W/m∙K. Detta till följd av den höga värmekonduktivitet som antogs. Då det saknades detaljerad information om bal-kongens uppbyggnad igenom fasaden antogs ett konstant lambdavärde för betong på mellanbjälklag, avskiljare och balkongplatta vilket inte är helt korrekt då avskiljaren ofta består av metall som kan anta en något högre värmekonduktivitet än betong. Därav anses ändå den simulerade köldbryggan vara en bra representant för den verk-liga om än något lägre. Totalt stod köldbryggorna för ca 20.4 % av byggnadens transmissionsförluster vilket stämmer bra överens med de schablonvärden som finns att tillgå.
Som har tagits upp tidigare under resultatkapitlet har valideringen av IDA ICE mo-dellen varit delvis lyckad. Det som validerades mot energisignaturmetoden visade sig det modellerade värdet var lägre än det beräknade med hela 19,6% skillnad, vil-ket är långt lägre än de +-10% som var acceptabelt. Detta värde gällde enbart för transmissionsförlusterna och inget annat som jämfördes.
Medans det som validerades mot de verkliga uppmätta värdena från byggnaden stämde bättre överens modell – verklighet.
Majoriteten av värdena som har ställts in för modellen bestod av schablonvärden från Sveby, vilka stämmer bra överens mot verkligheten. För fastighetselen var riktvärdet på 6 [kWh/m2∙år] och det simulerade hamnade på 6,4 [kWh/m2∙år]. För hushållse-len låg riktvärdet på 24–30 [kWh/m2∙år]. från tidigare källor. Det simulerade ham-nade på 22,44 [kWh/m2∙år]. Men med ett tillägg på 4 [kWh/m2∙år] för person-värme (Sveby) som inte IDA ICE tar med. Detta skulle resulterat i att värdet borde hamnat vid ca 26 [kWh/m2∙år] för den posten. När det kom till fjärrvärmeanvänd-ningen låg den på 574 MWh och det simulerade hamnade på 587 MWh. Vilket man får säga att det håller sig inom ramarna för validitet på två av tre punkter.
För köldbryggorna för denna byggnad var balkongerna ett tydligt bevis på att dessa är mycket stora. Dessutom är det väldigt många och stora balkonger på denna bygg-nad så det blir en stor post med en stor förlust.
Resultatet från transmissionsförlusterna visade att byggnadens fönster stod för majo-riteten av dessa. Dels för att de är väldigt många och dels för att det endast är 2-glas fönster.
Även en iakttagelse på taket från platsbesöket var att det låg en liten mängd stilla vatten kvar på taket (se Figur 11 ). I bygghandlingarna stod det att ny takpapp hade monterats 2015. Det verkade konstigt om ingen hade iakttaget problemet med stilla vatten innan renoveringen påbörjades. Eller att man hade kunnat göra något åt pro-blemet i och med renoveringen. Detta problem kan få stora konsekvenser om det blir liggande till vintern då det fryser och frost spränger sönder skarvar och genom-föringar på taket. Även de brunnar som fanns bör ses över så de inte sätts igen med löv och annat.
Figur 11. Uppstolpade taket på Vinddraget. Vattensamlingar
Inför framtida renoveringar bör man se över möjligheterna om man ska byta ut föns-ter och balkongdörrar på byggnaden (se Tabell 12 från resultatet) som ett första steg att förbättra och minska energiåtgången för uppvärmning. En renovering av ett fler-bostadshus från miljonprogrammet i Sätra, Gävle, visade att, de renoveringar man utförde på den byggnaden hade stor påverkan på den totala energianvändningen både för el och värme. Den renoveringen omfattade fönsterbyte, tilläggsisolering samt ett ventilationsbyte.
För modellens trovärdighet hindrades den av de regler som gäller GDPR. Önskvärt hade varit att haft tillgång till en lägenhet för att göra specifika mätningar på bland annat ventilationsflöden. Även mer personspecifik information om de som bor i byggnaden hade gjort modellen mer verklighetstrogen. Detta för att ha kunnat de-signa dels ett beteendeschema, men även veta mer exakt hur många som bor i varje lägenhet. Ett antagande om att schablonvärden från Sveby indikerar ett för lågt värde för antalet människor som bor i huset. Detta för att som i många ”förorter” brukar det vara fler personer per kvadratmeter än normalt. Följden av det är att det påverkar energiföranvändningen i den mån att aktivitetsnivån samt värmegenere-ringen förändras.
Med information från bakomliggande litteraturstudie har metoder tillämpats för att uppnå bästa möjliga resultat av denna studie. Genom bakomliggande teorier om att ett förväntat resultat där det så kallade ”performance gap” kunde inträffa, även in-träffade på vår modell. Där skillnaden mellan uppmätt och simulerat värde på +-10% var inom ramarna för att få modellen validerad.
7 Slutsatser
Den här rapporten har presenterat en bred litteraturstudie inom BEPS-modeller och berörande områden till projektet. Därefter har insamling av dokument och data gjorts för att kunna bygga upp BEPS-modellen i IDA ICE och därefter jämföra resul-tatet med uppmätta värden samt resultat från energisignaturmetoden.
Alla parametrar har betydelse för uppbyggnad av en BES-modell dock insågs i litte-raturstudien att ett antal parametrar har störst inflytande på energiprestandan. Dessa var verkningsgraden i ventilationssystemet, ventilationsflöde, tappvarmvattenför-brukning, luftläckage vid 50 Pa tryckskillnad, antal boende samt transmissionsförlus-ter. Trots att dessa var de enda parametrar som användes i den studerade artikel blev avvikelserna mellan uppmätt och simulerat energibehov och värmeförlustkoeffi-cient enbart 5.2 respektive 3.5 procent. Därav dras slutsatsen att dessa parametrar bär det största ansvaret vid modellering.
Validering av en BES-modell kan göras genom att ställa byggnadens simulerade energibehovet mot det uppmätta samt att jämföra värmeförlustkoefficienten med energisignaturmetoden. På så sätt kan två oberoende resultat jämföras med BES-modellen och resultat och avvikelser kan bättre förstås och analyseras.
I denna fallstudien har det påträffats en del svårigheter, bland annat att tolka rit-ningar då de var från slutet av miljonprogrammet och ingen relationsritning fanns att tillgå. En del parametrar justerades i IDA ICE modellen varpå schemaläggningen av boendes beteendemönster har stor betydelse på användningen av energi. Att sepa-rera utrustning som är på konstant (exempelvis kyl och frys) och det som schema-läggs efter brukaren (belysning, tv och matlagning som exempel). Påverkar använd-ningen av hushållsel. Osäkra parametrar var främst antal boende och deras beteende-mönster. I modellen ställdes in efter schablonvärden.