tog vi dessutom fram en mall för att kunna hämta data från dessa värmepumpar på ett skalbart sätt via den infrastruktur för datainsamling som redan finns på plats inom Fabege.
hänvisa till Figur 6 och bilagan.
Tabellen i bilagan behöver förklaras. Annars tror jag att det blir lite kinesiska.
Inom projektet genomfördes även försök till modellering av kretsar med de föreslagna datapunkterna i enlighet med Brick Schema. Vi anser att det går att modellera en krets i enlighet med den föreslagna omfattningen, men det kommer att kräva en utökning av de nuvarande standardiserade klasserna inom Brick Schema, i enlighet med de befintliga rekommendationerna för hur systemet vid behov ska kunna byggas ut.
Varför redovisar vi inte denna del av arbetet som är så relevant för denna rapport?
från värmepumpa
Thermia Mega XL
bilaga 2
om vi integrerar Bilaga 1 inkl tabelltolkning i kapitel 3 så blir dilaga 2 den enda bilagan
Fig. 6:
punk13, det står att det bör vara lika med 5 minus 6. Stämmer det ?
den låga dataupplösningen (1 timme) anses dessa resultat inte vara tillförlitliga
här emotsäger vi oss själva. Ovan i sektion 1 skrev vi att 1 timme är OK. Så vi plockar bort den texten och håller oss fast till 5 minuter som rekommenderad upplösning.
Bilderna visar att även om värmepumpen inte använder uteluft som energikälla1, finns det trender mellan prestanda och uteluftstemperatur. Man ser dessutom att dessa trender verkar skilja sig åt lite mellan olika perioder. COP verkar i synnerhet vara lägre under 2023-2024 jämfört med tidigare period. Samma skillnad ser man dock i Carnot-effektivitetens kurva vilket tyder på att denna inte beror på värmepumparna själva utan ändrade temperatur- och/eller flödesförutsättningar vid förångaren och kondensorn. Orsaken bör undersökas vidare. 1 Att använda uteluften är ett sätt att normalisera för energibehov.Att det finns trender möjliggör användningen av maskininlärningsmodeller inte bara för felsökning, utan även för att förutsäga prestanda, exempelvis för driftoptimering. En sådan modell hade kunnat flagga för att COP under 2023 var lägre än referensen under 2022. Maskininlärningsmodeller kan också användas för att optimera driften för att maximera effektivitet och lönsamhet.
Eftersom uteluften blir kallare vintertid är det rimligt att maskinerna måste höja framledningstemperaturen, vilket gör att COPvärme minskar. Motsatsen gäller sommartid, att maskinerna jobba med sämre COPkyla när framledningstemperaturen på Kylkretsen behöver vara lägre pga hög utelufttemperatur. Jag tror inte vattenflödet genom förångaren och kondensor ändras runt baslastmaskiner men det är klart något att dubbelkolla.
Här har vi kanske en intressant potentiellt mervärde. Beroende på var i systemet maskinerna kopplas kan man ev lyckas få de att jobba med mer jämnt COP.
Bilderna
Figurerna
s kurva
ta bort, ersätt med en komma
lite
något
Man ser dessutom att dessa trender
Trenderna
uteluften
lägg till "som referens" efter uteluften
respektive
ta bort
externa metoden
är det "interna" resp "externa" metoden är etablerat begrepp? om inte, ta bort dessa! Annars ok!
Eftersom det saknas energimätare för enskilda värmepumpar är det inte möjligt att beräkna prestandan för varje enskild värmepump.
menar vi att energimätarna ovan mäter total för alla tre maskiner? bör förtydligas
Sammanfattning av Analys för Apotekaren
Apotekaren
Bilia - Antal start/stop per dag för KVP01 och KVP02
kan vi kommentera varför vi inte visar data för vinter resp sommardriftfall?
Detta kan indikera att börvärdena för systemet inte är optimalt inställda för att hantera dellastförhållanden.
Denna slutsats måste också fram i början av rapporten
Frekvenssignal
Denna variabel/mätning är lite otydligt. Vad är det som mäts via denna signal? Kompressorfrekvens? hur relaterar vi det till Hertz till exempel? Värt att förklara för läsaren.
Frekvenssignal har använts för att beräkna antal start/stop per dag
men också för att studera hur maskinerna presterar inom olika frekvensintervaller
Detta antyder att driften kan optimeras genom att säkerställa att värmepumparna opererar inom detta område så ofta som möjligt, t.ex. genom att anpassa vid vilken frekvens uppväxlingen mellan KVP01 och KVP02 sker
Detta är en bra slutsats. Har den tagits upp i första kapitlet? Det borde vi göra!
värmepumparna
kylvärmepumparna/maskinerna
kapacitet
värmekapacitet
värmepumparna
kylvärmepumparna
värmepumpar
kylvärmepumpar
COP
Carnot COP?eller menar vi att COP redan multiplicerats med Carnoeffektivitet?
COP
Carnot COP? eller har COPc redan multiplicerats med Carnoeffektivitet?
med den så kallade “interna metoden”, dvs.,
ta bort?
kyl
köld
Flöde av vatten/kylmedium i förångaren
Dela i två. Vattenflöde genom förångaren och köldmedieflöde genom förångaren
Tryck i kondensorn
Kondenseringstryck
Tryck i förångaren
Förångningstryck
Inloppstemperatur och utloppstemperatur för vatten i kondensorn
Vattnets fram och returledningstemperatur vid kondensorn
. De inkluderar:
ta bort
, och för båda är samma datatyper tillgängliga
. Tillgänlig data inkluderar:
. Värmepumparna har
ersätt med "av"
Sammanfattning av Analys för Bilia
Skriv bara "Bilia"
Resultat: Beräkning av värmepumparnas prestanda
ändra rubriken till "Pilotprojekt"
att genomföra dessa åtgärder
proaktiv felsökning tillsammans med ovan åtgärder
För att uppnå dessa mål föreslår vi att följande åtgärder vidtas i kommande sprintar:
Ändra till "Vi föreslår följande plan i eventuella kommande sprintar:" Ta bort "för att uppnå dessa mål".
modeller och få mer exakta resultat för driftoptimering
ersätt med "analysverktyg".
Genom att analysera rätt data kan vi förbättra systemens precision och bättre stödja beslutsfattande
ta bort
bilagan
BILAGA 1.
Eftersom Bilaga1 är så viktigt så tänker jag att vi tar innehållet där direkt i denna sektion. En förklaring av Bilaga 1ger mer konkret idé på det ev fortsatta arbete.
Implementera enkla maskininlärningsmodeller för att jämföra värmepumparnas faktiska prestanda med förväntad prestanda. Detta ger oss möjlighet att snabbt upptäcka avvikelser och möjliggör prediktivt underhåll, vilket kan minska driftstopp samt optimera energianvändningen och minska inköp av energi. Automatisera en del av energianalysprocessen genom att hitta gemensamma mönster i sensorer, tillgänglig data och beräkningsalgoritmer för olika anläggningar. Detta kan göras med hjälp av en generisk data modell och kan leda till en kostnadseffektiv energianalys på fastighetsbeståndsnivå. Jämföra kompressorernas verkningsgrad med tillverkarens för att upptäcka en möjlig prestandanedgradering över tid och planera underhåll. Automatisera data kvalité kontrol och filtering för bättre underlag till energianalys
Även om denna text är bra så säger det ingenting till Fabege. Kanske kan skrivas i slutet av dokumentet
Vidare utforskning kan ge oss värdefulla insikter för att snabbare identifiera fel och optimera systemens prestanda.
TA BORT
Bilaga 1: Felsökning
Denna bilaga blir ett bra säljmaterial om ni förklarar tabellen. Ni kan även koppla det till era observationer i BILIA. Här har vi bra potentiella mervärden som borde lyftas upp i rapporten.
llustrerar till exempel hur smutsiga värmeväxlare eller felaktig mängd köldmedium kan identifieras genom dataanalys
toppen om ni åtminstone kan förklara några av punkterna. T.ex. ett köldmedieläckage skulle visa sig genom en minskad underkylning? ...
https://kth.diva-portal.org/smash/get/diva2:913448/FULLTEXT01.pdf
gör om till en länk
Mindre slutsatser kunde dras från analysen av Apotekaren, där mindre data fanns tillgänglig. Vi identifierade dock tendenser mellan prestanda och utomhustemperatur, vilket indikerar att det är möjligt att skapa modeller för driftoptimering tack vare prediktiv styrning
denna punkt är otydlig. Formulera om om det verkligen är en relevant slutsats så som rubriken indikerar. Det vore toppen om vi kan presentera något relevant i Apotekaren, lik det vi poängterar i Bilia.
bilaga 2
när jag klickar här hoppar inte dokumentet till Bilaga 2
system
system och delsystem
på minst en gång per timme, och helst
en gång per timme går vi miste om många värmepumpscykler. Jag föreslår att vi endast rekommenderar var 5:e minut.
att utforska energiprestandan hos värmepumpar
ersätt med "utvärdering av värmepumpsprestanda i två av Fabeges befintliga anläggningar"
sprintarna
kanske bra en en parentes eller pop up som förklarar att sprint är "en bestämd tidsperiod under vilken ett team arbetar för att uppnå specifika leveranser." (googlade)
Författare
har vi ett projektnummer? i så fall borde vi ha uppdragsnummer och dokumentnummer i denna sektion
23 september 2024
uppdatera med utskicksdatum
Reviewer
Här ska det stå projektansvarig.
Table of contents
vi behöver även lägga till (som attachment eller som en del av resultatet) available discharged power" for all cases, at the end of the discharge season
Table 1:
det saknas minimum discharge temperature
Table 2: I
det saknas minimum discharge temperature
Figure 9:
figure 9 is missing
Grout thermal conductivity
har TRNSYS beräknat Rb eller har vi angett ett lambdavärde för grouting lika med 3?
maximum extraction temperature
see earlier comment. This needs to be corrected. The minimum temperature is more important than the maximum
25 50 70 100
MAKE THESE BE in the same bullet as the text "Number of bhs"
Methodology
SOFTWARE USED? TRNSYS?
new type of borehole heat exchanger (BHE) designed to withstand 95 ∘C.
vad mer säger Swecos rapport om detta? lägg gärna till om det anges mer info
2.3.6 Recommendations It is hard to achieve this design condition, either one must have 10 m of insulation downwards or 11.5 m sideways (which is apparently impossible), either the heat leaks in the center and melts the snow, or it leaks in the surroundings (since we can’t insulate them).
se tidigare kommentar. Om vi vill lämna kvar denna text så behöver vi en gång till påminna läsare om källan för detta påstående
The efficiency varies considerably between zones, ranging from 38% for the peripheral zone and 83% for the innermost zone.
se tidigare kommentar. Är det samma resultat än Ruden? Kommentera gärna.
Simulation Parameters / BCs
lägg gärna till en rad som berättar att simuleringarna tar hänsyn till olika layers med olika egenskaper och tjocklek
(as estimated in Section 3)
unclear, please clarify for the reader
Same as previously (70 m⋅200 m)
this is unclear. What do we mean with previous? Specify!
To achieve optimal storage, wells should be parallel. Geological structures will influence well paths, and different drilling methods need testing to control deviations effectively.
se tidigare resultat. If we want to keep the text, make sure to reformulate it so that it is clear that this is Rudens recommendation, but even better, just remain the reader about the source of this text.
(via Norconsult)
replace with the source
Wells BR1, BR3, and BR5 follow this path, while BR2 and BR4 show different deviations due to varying geological formations.
Se tidigare kommentar
(^Data is avalable at: “Berggrunn N50 - Kartkatalogen” n.d.)
move this to an own bullet point
Ruden worked during 2022 on several aspects related to the Furuset HT-BTES Ven (2022a) Ruden, Zengaffinen-Morris, and Ven (2022), Bastesen and Ven (2022), Zengaffinen-Morris and Ven (2022), Ven (2022b), Ven (2022c) and Ven (2022d), culminating in a global report Zengaffinen-Morris, Meakins, and Ruden (2022).
kan vi förtydliga sekvensen mellan dessa? det är lite otydligt.
Vi kan annars upprepa här att sekvensen mellan dessa är oklar.
but it’s unclear if 91 or 392 BHEs are used.
stor skillnad mellan dessa två case. Är vi säkra på att det inte anges? Vänligen dubbelkolla. Below we write 392. I guess thats the one?
Om man tittar på siffrorna i output, efterliknader siffrorna ett stort lager med 392? eller med 91? vi kan isf lägga till en kommentar där vi skriver vad vi tror de har simulerat.
λg=3.25 Wm⋅K based on thermal response test analysis.
add source
Average thermal conductivity
har vi lambdavärdet för alla andra borrhål? redovisa gärna dem i så fall. Detsamma gäller temperatur och Rb
Artesian flow is caused by borehole 5 which is 350 m deep
se tidigare kommentar angående detta. Behöver förtydligas
$ = 475.8 ~$
dollartecken
$ d_{b,b}= 3.4 ~m$
det finns några konstiga tecken här
to recover this summer waste heat
(or part of it)
Figure 1: Annual excess heat load.
add a source
The Furuset LT-DHN will feature an annual heat exchange of 20 GWh, a pipe length between 5-10 km, and will serve over 2,000 flats and commercial buildings with temperatures ranging from 70 ∘C (supply) to 50 ∘C (return). This network will connect to Oslo’s High Temperature District Heating Network (HT-DHN) via a 3 km transmission pipe, leveraging excess heat from the main DHN. The HT-DHN spans 400 km and delivers approximately 200 TWh per year at temperatures between 85 ∘C and 120 ∘C
lägg till en referens till denna text.
Date
Det saknas en mellanrubrik med dokumentnummer enligt tidigare instruktion, dvs projektnummer-X.X-Y.Y. Viktigt!
Reviewer
det saknas mellanrubrik för UA (project responsible) enligt tidigare instruktion. Ni behöver inte fixa det denna gång men mallen måste innehålla det framöver.