Buradasın

Binalarda Enerji Performans Göstergeleri ve Analizleri Webinarı

youtube.com/watch?v=UfJIvEE2Tdo

Yapay zekadan makale özeti

Kısa
Ayrıntılı

Bu video, Türk Tesisat Mühendisleri Derneği (TTMD) tarafından düzenlenen bir webinar sunumudur. Elektrik yüksek mühendisi Mustafa Kemal Korkmaz tarafından "Binalarda Enerji Performans Göstergeleri, Base Line ve Regresyon Analizleri" konusunda sunulan eğitim içeriğidir.
Webinar, binaların enerji performansını ölçmek için kullanılan göstergeler, base line (referans hat) ve regresyon analizleri konusunu ele almaktadır. Sunum, ISO 50001 yönetim sistemi kapsamında enerji performansının nasıl değerlendirileceğini açıklamakta, HDD (Isıtma Derece Gün Sayıları) ve CDD (Soğutma Derece Gün Sayıları) kavramlarını detaylı şekilde anlatmakta ve Excel'de regresyon analizi yapma yöntemlerini göstermektedir.
Videoda AVM'ler ve oteller gibi farklı tesis türlerindeki enerji tüketimi analizleri örneklerle gösterilmektedir. Doğalgaz ve elektrik tüketimi analizleri, regresyon denklemi oluşturma, R-kare değerinin yorumlanması ve performans değerlendirmesi gibi konular adım adım açıklanmaktadır. Ayrıca, 2023 yılına kadar ISO 50001 yönetim sisteminin oluşturulması gerektiği yasal zorunluluklar da vurgulanmaktadır.

00:07Mühendislik ve TTM'nin Amacı: Mühendis, ofiste, evde ve yaşamın her alanında görünmez ama hissedilen bir kahramandır; projeleri başarı ile tasarlayıp uyguladıkça görünmez olur.
Mühendislik, bilim ve doğa alanında tüm bilinenleri doğa ve insanlık için kullanmaktır; tasarımda estetik, sürdürülebilirlik, enerji verimliliği ve çevre duyarlılığı gibi kavramlar altını çizilir.
Türk Tesisat Mühendisleri Derneği (TTM), 1992'den beri insanlığın konfor ihtiyaçlarını doğaya saygı göstererek sağlamak ve mühendislik mesleğini etik değerler doğrultusunda uygulamak için varlığını sürdürmektedir.
08:50Webinar Tanıtımı: Türk Tesisat Mühendisleri Derneği Yönetim Kurulu, elektrik yüksek mühendisi Mustafa Kemal Korkmaz'ın "Binalarda Enerji Performans Göstergeleri, Base Line ve Regresyon Analizleri" başlıklı sunumunu düzenlemektedir.
Regresyon analizi sonucunda ortaya çıkan sıra dışı verilerin değerlendirilmesi ve anlamlandırılması mutlaka bir uzmanın elinde yapılmalıdır.
Webinar sırasında teknik sorunlar için chat kısmından veya ttmd.org.tr adresine mail atarak, sorular için questions kısmından iletişim kurulabilir.
12:24Sunumun Amacı ve Önemi: Sunumda binalar için enerji performans göstergelerinin ve base line'ın regresyon analizi kullanılarak nasıl hesaplandığı anlatılacaktır.
Son yıllarda bir binanın performansının doğru bir şekilde ölçülmesi için bu analizler önem kazanmıştır.
2023 yılına kadar ISO 50001 yönetim sisteminin oluşturulması zorunlu hale gelmiş, bu sistem kurulduktan sonra binaların performansının izlenmesi teknik personellere düşmektedir.
14:28Enerji Performans Kavramları: Enerji performansı, enerji verimliliği, enerji kullanımı ve enerji tüketimi ile ilgili ölçülebilir sonuçlardır.
Enerji performansı, ISO 50001'in en önemli motor maddesidir, ancak iyi bir enerji yönetim sistemi için enerji eylem planı, görevlerin tanımlanması gibi diğer maddelerin de gerçekleştirilmesi gerekir.
Enerji performans göstergesi, kuruluş tarafından tanımlanan enerji performansının ölçüsü veya birimidir; yönetim sistemlerindeki KPI'lara karşılık gelmektedir.
16:27Enerji Performans Göstergeleri: Enerji performans göstergeleri, kuruluşun faaliyetine, alana ve işine bağlı olarak basit bir metrik, oran veya model kullanılarak ifade edilebilir.
Basit bir metrik örneği olarak üretim açısından kilowat saat bölü üretilen miktarın tonu veya adedi, buhar sistemi için kilowat saat bölü üretilen buharın metreküpü veya basınçlı hava sistemi için kilowat saat bölü üretilen havanın metreküpü verilebilir.
Bu eğitim kapsamında ISO 5001'in önerdiği regresyon analizleri ile enerji performans göstergeleri belirlenecektir.
17:40Enerji Referans Çizgisi: Enerji referans çizgisi, enerji performansını karşılaştırılmasına temel oluşturan referans değerleridir.
Enerji performansının ölçülmesi için mutlaka bir referans değer ile karşılaştırma yapılması gerekir.
Enerji referans çizgisi, kuruluş tarafından belirtilen bir zaman dilimine veya koşullara ait verilere dayanır ve genellikle son üç yılın verileri kullanılarak belirlenir.
19:55Baseline Periyodu ve Normalizasyon: Enerji performansını ölçmek için belirli bir baseline periyodunda bir referans çizgisi oluşturulmalı ve enerji tüketimleri bu değere göre karşılaştırılmalıdır.
Raporlama periyodunda enerji performans göstergesinin değeri değiştiğinde, referans çizgisi yeniden revize edilmelidir.
Bu revize edilme işlemine normalizasyon adı verilir ve eğitim boyunca üzerinde durulacak önemli bir konudur.
21:31Çoklu Enerji Referans Çizgisi: Enerji performansını iyileştirmesinin belirlenmesi için öncesi ve sonrasında bir veya daha fazla enerji referans çizgisi kullanılabilir.
Her enerji türü için ayrı bir enerji performans göstergesi belirlenmelidir.
Enerji kullanan sistemler için (soğutma sistemi, doğalgaz, buhar, basınçlı hava) ayrı referans çizgileri kullanılmalıdır.
23:34Statik Faktör: Statik faktör, enerji tüketimini etkileyen ancak kendisi sürekli olarak değişmeyen değerlere verilen addır.
Örneğin, AVM'nin açık kaldığı saat sayısı veya fabrikadaki vardiya sayısı statik faktörlerdir.
Statik faktörlere bağlı olarak regresyon analizleri yapılmamalıdır.
26:07Regresyon Analizi ve İstatistiksel İlişki: Enerji performans göstergelerinin belirlenmesinde bağımlı değişken (enerji tüketimi) ve bağımsız değişken (performans göstergesi) arasında y = ax + b şeklinde bir doğru denklemi oluşturulur.
Regresyon analizinde R kare değeri, bağımlı değişken ve bağımsız değişken arasındaki ilişkiyi gösterir; 1 değeri birebir ilişkiyi, 0 değeri ise hiçbir ilişkiyi ifade eder.
Amac, doğru denklemini çıkarmak ve istatistiksel olarak ilişkiyi ispatlayarak binanın çeşitli performans göstergelerine göre performansını ölçmaktır.
28:09Doğalgaz Tüketimi ve Enerji Performans Göstergeleri: Konuşmacı, 2018 yılında bir AVM'nin doğalgaz tüketimlerine bağlı olarak regresyon analizi ile enerji performans göstergesi belirleyeceğini açıklıyor.
İklimlendirme amaçlı doğalgaz tüketimlerinde HHD (Isıtma Derece Gün Sayıları) ve CDD (Soğutma Derece Gün Sayıları) gibi göstergeler kullanılıyor.
HHD ve CDD değerleri, Meteoroloji Genel Müdürlüğü'nün ana sayfasından analizler kısmında ulaşılabilir.
30:09HHD ve CDD Kavramları: HHD, bir mevsimin ne kadar sert geçtiğini ve ısıtma için doğalgaz harcamasını gösterirken, CDD yaz aylarının ne kadar sıcak geçtiğini belirtir.
HHD hesaplamasında, ısıtma eşiği olan 18 dereceden günlük sıcaklık çıkarılıp, ayın her günü için bu değerler toplanarak ayın HHD değeri bulunur.
CDD hesaplamasında ise soğutma eşiği olan 22 dereceden günlük sıcaklık çıkarılıp, ayın her günü için bu değerler toplanarak ayın CDD değeri hesaplanır.
34:47Enerji Hesaplamalarında Kullanılan Formüller: Enerji hesaplamalarında Q=m·c·ΔT formülü kullanılır, burada Q enerji, m kütle, c öz ısısı, ΔT ise sıcaklık farkıdır.
Bu formül, soğutma kulelerinin kapasitesi ve soğutma çevriminde sıkça kullanılır.
Binaların enerji performansı analizinde, m yerine ρ·V (özkütle çarpı hacim) yazılabilir ve bu şekilde ısıtma ve soğutma için gerekli olan enerji miktarının alan, yükseklik ve ΔT ile ilişkili olduğu görülür.
36:29Regresyon Analizi: Analiz için regresyon analizi kullanılacak ve bunun Excel üzerinde gerçekleştirileceği belirtiliyor.
Regresyon analizi için Excel'de Veri Çözümleme Araç Seti kullanılır, bu araç seti ilk defa kullanılıyorsa Eklentiler menüsünden eklenmesi gerekir.
Regresyon analizinde Y (bağımlı değişken) doğalgaz tüketimi, X (bağımsız değişken) ise ısıtma derece gün sayısı olarak belirlenir.
39:01Regresyon Analizi Sonuçlarının Yorumlanması: Regresyon analizlerinde ilk olarak R kare değeri incelenir ve ISO 50001 denetçileri tarafından kabul edilebilir bir değer 0,75'in üzerinde olmalıdır.
Birden fazla bağımsız değişken kullanılıyorsa ayarlı R kare değeri incelenmelidir.
İyi sonuçlar elde etmek için sadece R kare değerine değil, anlamlılık derecesine de bakılması gerekmektedir.
40:18Regresyon Analizinde Değerlendirme Kriterleri: İyi bir regresyon modeli için anlamlılık derecesinin 0,5'ten küçük olması gerekir.
P değeri, birden fazla değişkenle analiz yapıldığında, bu değişkenlerin bağımlı değişkeni etkileme derecesini gösterir.
Anlamlılık derecesine en yakın olan parametre, bağımlı değişkeni en fazla etkileyen parametredir.
41:56Regresyon Denkleminin Oluşturulması: Regresyon analizi sonucunda elde edilen katsayılar, y = ax + b şeklindeki doğrusal denklemi oluşturmak için kullanılır.
Kesişim değeri (b), y eksenini kestiği noktayı ifade eder ve denklemde sabit terim olarak yer alır.
Bağımsız değişkenin katsayısı (a), denklemde eğim değerini temsil eder.
43:45Performans Değerlendirmesi: Referans döneme göre bulunan denklem, raporlama dönemi için hdd değerleriyle kullanılarak beklenen tüketim hesaplanır.
Gerçekleşen tüketim ile beklenen tüketim arasındaki fark, enerji performansını değerlendirmek için kullanılır.
Bu farklar kümülatif toplanarak, aylar boyunca enerji tasarrufu miktarı hesaplanabilir.
48:48Normalizasyon ve Performans Ölçümü: Raporlama dönemi için hdd değerleri, referans dönemi denklemine yerleştirilerek normalizasyon işlemi gerçekleştirilir.
Gerçekleşen tüketim ile beklenen tüketim arasındaki fark, enerji performansını gösterir.
Performans değerlendirmesi için oranlar alınabilir veya hedefler belirlenebilir.
51:55Performans Ölçümü İçin Kümülatif Toplamlar: Performansı ölçmenin en iyi yollarından biri kümülatif toplamlar üzerinden yapmaktır.
Kümülatif toplam, o aya kadar olan değerlerin toplanmasıdır (örneğin Şubat ayında Ocak ve Şubat değerlerinin toplanması).
Kümülatif toplamlar grafiğinde eğim performansı gösterir; eğimin arttığı yerler performansın arttığı yerlerdir, azaldığı yerler performansın kötüleştiği yerlerdir.
53:44Özel Değişikliklerde Referans Çizgisini Değiştirme: Özel statik faktörlerde değişiklik olduğunda referans çizgisini değiştirmek gerekir.
Normalizasyon işlemi yapılmalıdır; çalışma saati için birim saat başına düşen doğalgaz, açılan mağaza sayısı için kazan kapasitesi veya boru çapı gibi faktörler göz önünde bulundurulmalıdır.
Normalizasyon için basit oranlar, ikinci bir regresyon analizi veya değişikliği matematiksel olarak modelleyebilecek farklı bir denklem kullanılabilir.
55:24Elektrik Tüketimi Analizi: AVM'lerde elektrik tüketimi analizinde kişi sayısı, CDD (soğutma derecesi) ve HDD (ısınma derecesi) gibi parametreler önemlidir.
Kişi sayısı ile elektrik tüketimi arasında 74% gibi bir ilişki varken, ciro ile tüketim arasında ise 0,4 gibi alakasız bir oran çıkmıştır.
İstatistik modelde R-kare değeri tatmin edici değilse, tüketimi etkileyen başka faktörlerin analize katlanması gerekir.
59:49Çoklu Değişken Analizi ve Denklem Oluşturma: Birden fazla değişken ile analiz yapıldığında R-kare değeri daha doğru sonuç verir.
Kişi sayısı, CDD ve HDD ile yapılan analizde R-kare değeri 0,98 olarak çok iyi bir sonuç vermiştir.
Elektrik enerjisi denklemi oluşturulmuş ve 2019 yılı Ocak ayı için raporlama dönemi başlamıştır.
1:03:44Enerji Tüketimi Analizi: Ocak ayında bir AVM'de elektrik faturası 1.588.000 kVh olarak görülmüş ve kapı giriş sayımı 981 olarak belirlenmiştir.
Meteoroloji sitesinden 2009 yılı için Ocak ayında HDD değeri 317 olarak bulunmuştur.
Enerji tüketimi analizinde sabit, kişi sayısı, HDD ve CDD değerleri kullanılarak denklem oluşturulmuştur.
1:04:43Beklenen Enerji Tüketimi Hesaplama: Denklemde sabit 633.819, kişi sayısına 1.14 katsayısı, HDD'ye 345 katsayısı yerleştirilmiştir.
Ocak ayında 981 kişi giriş, CDD 0, HDD 317 değerleri kullanılarak beklenen enerji tüketimi 1.641.654 kVh olarak hesaplanmıştır.
Gerçek tüketim (1.588.000 kVh) ile beklenen tüketim arasındaki fark 53.654 kVh olarak bulunmuştur.
1:07:03Haziran Ayı Analizi: Haziran ayında enerji tüketimi 2.080.000 kVh, kişi sayısı 894.000 olarak belirlenmiştir.
2009 yılı Haziran ayında CDD değeri 53 olarak bulunmuştur.
Haziran ayında beklenen tüketim 1.941.000 kVh olarak hesaplanırken, gerçek tüketim 2.080.000 kVh olduğundan enerji performansı kötüleşmiştir.
1:09:37Kümülatif Performans Değerlendirmesi: Kümülatif performans değerlendirmek için toplam değerler kullanılmıştır.
2009 yılındaki AVM enerji performansının gösterge grafiği oluşturulmuştur.
Kümülatif analiz, performans değerlendirmek için oldukça iyi bir yöntemdir.
1:10:30Oteldeki Enerji Analizi: Gerçek bir otelde mutfak için su tüketimleri, doğalgaz tüketimleri ve kazan tüketimleri incelenmiştir.
Otelde elektrik tüketimi, oda sayısı ve kişi sayısı üzerinden analiz edilmiştir.
Oda sayısı, bir odanın o ay içinde kaç defa kiralandığı anlamına gelmektedir.
1:12:13Doğalgaz Tüketimi Analizi: Doğalgaz miktarı ile oda sayısı arasında istatistiksel olarak anlamlı bir ilişki bulunmamıştır.
Doğalgaz miktarı ile HDD (Soğuk Gün Sayısı) arasında anlamlı bir ilişki tespit edilmiştir.
Doğalgaz tüketimi, HDD ve oda sayısı ile birlikte analiz edildiğinde daha iyi bir model elde edilmiştir.
1:15:31Doğalgaz Tüketimi Denklemi: Doğalgaz tüketimi için elde edilen denklem: 262.18 + 40.58 × HDD + 0.55 × Oda Sayısı olmuştur.
Bu denklem, normalizasyon analizinde kullanılacaktır.
2021 yılı Ocak ayında doğalgaz tüketiminin 18.000 metreküp olduğu görülmüştür.
1:16:51Enerji Performans Analizi Örneği: 2021 Ocak ayı için HDD (Sıcaklık Derecesi Gün) değeri 295 olarak belirlenmiş ve kiralanan oda sayısı 5400 olarak alınmıştır.
Regresyon analizi kullanılarak enerji tüketimi için denklem oluşturulmuş ve sabit değeri 272,8 olarak hesaplanmış.
Enerji performans göstergesi için kümülatif toplamlar hesaplanmış ve performansın iyileştikleri dönemler belirlenmiştir.
1:20:53Elektrik Enerjisi Analizi: Elektrik enerjisi analizinde CDD (Soğuklık Derecesi Gün) ve oda sayısı bağımsız parametre olarak kullanılmıştır.
Regresyon analizi sonucunda CDD'nin daha fazla etkili olduğu, oda sayısının daha az etkili olduğu belirlenmiştir.
Elektrik enerjisi denklemi: Elektrik enerjisi = 26.710 + 446,90 × CDD + 10,90 × Oda sayısı şeklinde oluşturulmuştur.
1:23:17Enerji Performans Analizinin Önemi: Bu analizler özellikle Avrupa'da çok profesyonel ve sık şekilde gerçekleştirilmektedir.
Üretim ve enerji tüketimi arasındaki ilişkiyi gösteren grafiklerle tüketimin verimliliği analiz edilebilir.
Enerji tüketiminin yoğunlaştığı alana göre verimliliği değerlendirilebilir; üretim çok ve tüketim az olan alan en verimli, üretim az ve tüketim fazla olan alan ise en verimli olmayandır.
1:25:48Sanayi İçin Enerji Analizi: Sanayi için enerji yoğunluğu endeksi veya birim ürün başına harcanan enerji hesaplanabilir.
Sanayi analizlerinde ürün odaklı, buhar sistemi odaklı veya basınçlı hava odaklı yaklaşımlar kullanılabilir.
Statik faktör ve sistemsel olarak enerji tüketimini etkileyen parametreler birbirinden ayrılması gerekmektedir.
1:26:55Enerji Performans Göstergesi Belirleme Yaklaşımları: Otel veya AVM'lerde bölgesel olarak (örneğin otelin son beş katı veya AVM'nin bodrum katı) bezline oluşturmak için enerji analizi yapılması ve ölçüm stratejisi izlenmesi gerekir.
Enerji performans göstergesi belirlemede bina olarak, sistem olarak veya ekipman grubu olarak farklı yaklaşımlar kullanılabilir.
Enerji performans göstergesi belirlemede mutlaka ölçüm yapılması gerekir, örneğin elektrik veya doğalgaz tüketimi ölçülmelidir.
1:29:24Performans Göstergelerinin Doğruluğu: "Kilovatsaat bölü metrekare" gibi performans göstergeleri birçok yerde kullanılmakla birlikte bilimsel değildir ve doğru sonuç veren bir yöntem değildir.
Hastanelerdeki enerji tüketim yoğunluğu pandemi döneminde farklılaşmıştır; poliklinik hasta sayısı %40 azalmışken yoğun bakımda artış olmuştur.
Hastanelerde hasta sayısına göre, açık olan poliklinik sayısına göre veya çalışma saatine göre analiz yapılması gerekir.
1:31:30ISO 50001 Standardı ve Veri Analizi: ISO 50001, belirli bir sanayi veya bina için değil, tüm fabrikalar, tesisler ve işletmeler için uygulanabilir bir global enerji yönetim standardıdır.
ISO 50001 sistemi kurmakla zorunlu olan işletmeler 2023'e kadar bu sistemi kurmak zorundadır.
Enerji performans göstergesi belirlemede ne kadar fazla veri varsa o kadar doğru sonuç verir, tavsiye edilen son üç yılın verileridir, ancak son on yıllık veriler kullanılabilirse daha iyi sonuçlar elde edilir.

Binalarda Enerji Performans Göstergeleri ve Analizleri Webinarı

Yapay zekadan makale özeti

Yanıtı değerlendir