Binaların Enerji Performansının arkasındaki Gizli Güç: Veri
Her ne kadar gizli güç desek de günümüzde verinin tüm sektörler için çok önemli hale geldiği teknolojik bir evrime tanıklık ettiğimizi görebiliyoruz. Bulut bilişim ve makineler arası iletişimdeki teknolojik gelişmeler, veri bilimi ve yapay zeka teknikleri ile harmanlandığında gizli kalmış gerçekler de açığa çıkmaya başladı.
Aslında insanoğlunun bugün çok popüler olan “büyük veri” ile tanışması da çok yakın değil. 400 yıl önce Danimarkalı bir gök bilimci 30 yılı aşkın her gece yıldızların konumunu ve parlaklık seviyelerini kaydetti. Kendisi öldükten sonra asistanı Johannes Kepler bugün “Kepler’in Gezegensel Hareket Yasaları” olarak bilinen 3 yasayı buldu ve Dünya’nın Güneş etrafında döndüğünü kanıtladı.
Bütün bir ömrün veri toplanmaya adandığı çağdan günümüze işin temelinde aslında çok değişiklik olmadı. Veriyi topla, analiz et ve sonuçların etinden sütünden yararlan. Peki, veri binalar için neden önemli? Artan enerji fiyatları ve küresel ısınma gibi problemler, dünyanın toplam enerji tüketiminin %40'ından sorumlu olan binalarda, enerji yönetimini önemli hale getirdi.
Günümüzde binaların enerji performansını çok hızlı, maliyet etkin ve binaya dahi gitmeye gerek kalmadan uzaktan etüt ederek değerlendirebilen yazılımlar sayesinde binalarda enerji ile ilgili binlerce veri anlaşılır hale gelmeye başladı. Bu çözümler hava durumu, gerçek zamanlı enerji tüketimi, bina kullanıcı sayısı ve binaya özgü yapısal diğer verileri bir arada analiz ederek binada enerji kullanımı ile ilgili ne olup bittiğini anlamamıza yardımcı oluyor. Ayrıca hangi bina parametresinin enerji tüketimine daha çok etki ettiğini ortaya çıkararak, binada enerji tasarrufu ile ilgili aksiyonlar almaya yönlendiriyor.
Bina, enerji ve de yazılım denince akla şüphesiz ilk olarak bina otomasyon ve yönetim yazılımları geliyor. Ancak, bina otomasyon ve yönetim yazılımları analizden ziyade daha çok planlama yapar ve yapılan planlamalar statik olup genellikle teorik bilgilere dayanır. Bu sebeptendir ki binanın gerçek zamanlı değişen dinamik koşullarına ve binanın karakteristiğine göre bina sistemlerini optimize etmekte yetersiz kalırlar.
Gerçek Zamanlı Enerji Verisi ve Binaya Özgü Veri Ne Demek?
Gerçek zamanlı veri, binaların enerji tüketim/üretim verilerinin bütün bir gün boyunca düzenli olarak genellikle 15 dakikalık aralıklar şeklinde (bu aralık ölçüm cihazının özelliğine bağlı olarak 1 dakika veya 1 saat de olabilir) toplandığı verilerdir. Bu veriler, bina otomasyon ve kontrol sistemleri, enerji analizörleri ve akıllı sayaçlardan toplanabilmektedir.
Binaya özgü veriler ise binanın yapısal, mekaniksel ve elektriksel özelliklerine ilişkin verilerdir. Bu veriler daha çok bina cephe kabuğunun fiziksel özellikleri, binanın kullanım profili, ısıtma, soğutma, iklimlendirme ve aydınlatma sistemlerine ait bilgileri içerir.
Veri İle Oynamak
Gerçek zamanlı veri ve binaya özgü veri gelişmiş yazılımlarda analiz edildiğinde normalde çok da farkında olmadığımız anlık enerji kullanım profili ve bina sistemlerinin çalışma trendi grafiklerle gözler önüne serilir. Zaman içerisinde matematiksel algoritmalarla analiz edilen bu veriler bina sistemlerinin kullanım profilini öğrenerek sistemlerin hangi koşullarda ne kadar enerji tüketeceğini ve ne zaman nasıl arıza yapabileceğini tahmin edebilir. Binayı insan vücüdu gibi düşünürsek, bunu sanki binayı çalıştıran sistemlerin X-Ray cihazı ile röntgenini çekip binanın içinde aslında nelerin olup bittiğini teşhis etmeye benzetebiliriz.
Dinamik simülasyon yeteneklerine sahip yazılım çözümleri, bina tasarım parametreleri ve operasyonel verilerini hava, kullanıcı sayısı vb. dinamik koşullara göre analiz ederek binanın enerji performansını hesaplayabilir. Simülasyon sonuçları gerçek zamanlı enerji verileri ile birlikte değerlendirilip analiz edildiğinde binanın enerji karakteristiği ortaya çıkar. Bu noktadan itibaren yazılımın bina operasyonel verimliliğine yönelik öneriler yapması mümkün hale gelmektedir. Örneğin belirli zaman aralıklarında sıcaklık ayar değerinin değiştirilmesi veya binanın kullanımda olmadığı zamanlarda baz yüklerin nelerden kaynaklı olduğunun tespit edilip bu yüklerin azaltılmasına yönelik öneriler sunması gibi.
Ayrıca bu tarz yazılımlar bina tasarım parametrelerine yönelik bazı retrofit önerileri de getirebilmektedir. Örneğin; eski aydınlatma cihazlarının daha verimli LED aydınlatma ile değiştirilmesi, bina kabuğunun yalıtım kalınlığının artırılması veya pencerelerin daha düşük U-değerine sahip olanlarla değiştirilmesi gibi. Bina sistemlerine yönelik yapılan tüm bu önerilerin uygulanması durumunda oluşacak değişikliklerin enerji ve maliyet açısından doğuracağı sonuçlar da anlık olarak bina özelinde gösterilebilmektedir.
Talep Tarafı Yönetimi İçin Verinin Önemi
Elektrik şebeklerindeki serbestleşme gün geçtikçe artarken, akıllı sayaç teknolojileri de hızla gelişmektedir. Yasal düzenlemeler ve teknolojideki bu gelişmeler, elektrik tedarikçilerine puant anlardaki elektrik fiyatını düşürmek ve elektrik arzının kısıtlı olduğu dönemlerdeki fiyat dalgalanmalarını önlemek için talep tarafı katılım mekanizmasını uygulama imkanı sağlamaktadır. Bunun yanı sıra, son kullanıcıların gün içinde değişen elektrik fiyatlarını göz önünde bulundurarak alışıla gelmiş tüketim alışkanlıklarından vazgeçmesi ve elektriğin pahalı olduğu puant anlarında elektrik kullanımını azaltması şebeke güvenilirliğini de arttırmaktadır. Puant talepteki düşüşe bağlı olarak, planlaması puant talebi karşılamaya yönelik olan elektrik üretim ve iletim sistemlerinde de yeni yatırım ihtiyaçlarını azaltarak önemli ölçüde tasarruf sağlayacaktır. “Talep Katılımı (Demand Response)” Amerika ve Avrupa’nın bazı bölgelerinde uygulanmakta olup, ülkemizde de mevcut yönetmeliklerde yer alan modern tanımlar, sistemin uygulanabilirliğine altyapı hazırlamaktadır.
Gerçek zamanlı veri ve bina enerji simülasyonu çıktıları birlikte analiz edildiğinde ticari binaların talep tarafı davranışları modellenebilmektedir. Gerçek zamanlı elektrik fiyatlarını girdi olarak kullanabilen, enerji simülasyonu ile yapılan değişikliklerin enerji tüketimine olan etkisini hesaplayabilen ve bunun sonucunda çeşitli talep tarafı katılım stratejilerini analiz edebilen bir yazılım, bina enerji yönetimini daha maliyet etkin hale getirmektedir. Örneğin, puant saatlerdeki oda sıcaklığı set değerlerini değiştirmek ısıtma, soğutma ve iklimlendirme maliyetlerini azaltabilir. Bununla birlikte, yapay zeka algoritmaları ile desteklenen ve binanın fiziksel koşullarını göz önünde bulunduran enerji simülasyon çıktıları ile binanın elektrik talebini öngörmek mümkün hale gelmektedir.
Enerjinin Falına İstatistik Bakacak
Enerji tüketiminin analizinde iki temel yaklaşım bulunmaktadır. Bunlar aşağıdan yukarıya (bottom-up) ve yukarıdan aşağıya (top-down) yaklaşımlarıdır.
Bina tasarımını ve bina operasyonlarını dikkate aldığımızda, aşağıdan yukarıya yaklaşımı gerçek zamanlı enerji tüketim verisini ve binaya özgü verileri kullanarak bina tasarımında ve bina operasyonlarında yapılan değişikliklerin sonuçlarını modelleyebilmektedir. Yukarıdan aşağıya yaklaşımı ise daha çok istatistiksel modellerle ilgilidir.
Ticari ve endüstri binalarındaki enerji kullanımı verilerinin istatistiksel modelleri dış hava sıcaklığı, bina kullanıcı sayısı, enerji üretimi ve diğer bağımsız değişkenlerin fonksiyonları olarak oluşturulabilir.
Bu modellere örnek olarak “en küçük kareler regresyon” yöntemini verebiliriz. Bu yöntem, geçmişe yönelik tarihsel enerji trendleri, bina parametreleri ve geleceğe yönelik hava tahminleri arasında matematiksel ilişkiler kurarak enerji tüketiminin gelecekteki trendini ve bina sistemlerinin çalışma davranışlarını gerçeğe yakın bir şekilde tahmin etmeyi sağlar.
Binaları bu yöntemle analiz edip değerlendirirken enerji kullanım verilerinin grafiklerle görselleştirilmesinin önemi göz ardı edilemez. Ne de olsa gözlerimiz bir veri setindeki trendi, grafiklere bakarak tablolardan oluşan binlerce sayıya göre çok daha kolay saptar. Bunu kahve falında geleceği görmeye benzetebiliriz ama tek bir farkla; matematik kolay kolay yanılmaz.
Provolta İle Gelişmiş Veri Analizi
Yukarıda bahsettiğimiz şekilde değerli bilgiler sağlayabilen gelişmiş bina enerji performans analizi platformları, enerji verimliliği ile ilgili aksiyonların belirlenmesi için gerekli zamandan ve maliyetten tasarruf sağlarlar. Gerçek zamanlı enerji verileri ve binaya özgü veriler gelişmiş veri analizi platformları vasıtasıyla bina enerji simülasyon motorları ve istatistiksel modeller üzerinden analiz edildiğinde, yazılımın tek yapması gereken anlamlı ve işe yarar sonuçları kullanıcıya sunmaktır. Binanın fiziksel ve operasyonel kullanımı ile ilgili enerji verimliliği olanaklarını ortaya çıkarmak, enerji verimliliği odaklı retrofit önerileri almak ve puant talep saatlerine göre enerji tüketimini düşürmek bu analiz sonuçları ile mümkün hale gelmektedir.
Reengen’in geliştirdiği Provolta Bina Enerji İşletim Sistemi bu tarz gelişmiş veri analizi platformlarına çok iyi bir örnektir. Aşağıdan yukarıya yaklaşımı ile sağladığı analizler binaların enerji sistemlerini anlaşılır hale getirip kontrol etme olanağı sağlayarak enerji verimliliğinde süreklilik sağlar. Yapay zeka algoritmaları sayesinde farklı bina sistemi bileşenlerinden topladığı yapılandırılmış ve yapılandırılmamış verileri yorumlar, bina karekteristiğini öğrenir ve bina sistemlerinin kontrolü için aksiyona yönelik iş zekası oluşturur. Provolta analiz yetenekleri sayesinde hem binaların enerji tasarrufunda hem de elektrik tedarikçilerinin kendi hizmet bölgelerindeki gerçek zamanlı talep yönetiminde düşük maliyetli ve düşük riskli bir çözüm sağlamaktadır.
