Hur bygger man en dynamisk simulatormodell av ett fj\u00e4rrv\u00e4rmen\u00e4t som inneh\u00e5ller 46 000 r\u00f6r, 9 000 kunder och har en utbredning p\u00e5 20 km inom rimlig tid och kostnad?<\/p>\n
Det \u00e4r ganska uppenbart att det skulle ta f\u00f6r l\u00e5ng tid att bygga modellen f\u00f6r hand och v\u00e4ldigt s\u00e5rbart f\u00f6r att g\u00f6ra fel. Detta problem st\u00e4lldes EU-projektet OPTi inf\u00f6r n\u00e4r det startades. Optimation antog utmaningen att f\u00f6rs\u00f6ka bygga simulatormodellen. Modellen skulle dessutom uppfylla ett antal kriterier f\u00f6r att vara anv\u00e4ndbar i de olika scenarios som skulle unders\u00f6kas. D\u00e4ribland reglering av differentialtryck p\u00e5 best\u00e4mda punkter i n\u00e4tet, temperaturutbredning i n\u00e4tet beroende p\u00e5 fl\u00f6det och ett antal f\u00f6rluster i r\u00f6ren. Andra akt\u00f6rer i projektet arbetade med pilotmodeller av specifika kunder d\u00e4r inomhusklimat och utetemperatur spelade in.<\/p>\n
<\/p>\n
Med utg\u00e5ngspunkt fr\u00e5n att alla r\u00f6r och kunder i hela n\u00e4tet finns lagrat i GIS (Geografiskt InformationsSystem) tillsammans med hur r\u00f6r och kunder \u00e4r kopplade till varandra s\u00e5 fanns f\u00f6ruts\u00e4ttningarna att p\u00e5 automatisk v\u00e4g skapa en modell. En modell \u00e4r per definition en f\u00f6renkling av verkligheten. D\u00e4rf\u00f6r kan man ocks\u00e5 anta att modellen g\u00e5r att f\u00f6renkla ytterligare s\u00e5 l\u00e4nge den \u00e4nd\u00e5 tillr\u00e4ckligt bra beskriver verkligheten. Fr\u00e5n GIS \u00f6verf\u00f6rs data p\u00e5 r\u00f6r, kunder och knutpunkter till en egen SQL-databas d\u00e4r sedan data kan bearbetas med ett antal f\u00f6renklingsalgoritmer. Till exempel kan flera r\u00f6r i serie r\u00e4knas om till ett l\u00e4ngre r\u00f6r och villaomr\u00e5den med likadant f\u00f6rbrukningsm\u00f6nster f\u00f6renklas ![\"\"](\"https:\/\/optimation.se\/wp-content\/uploads\/2021\/03\/opti-layout-300x225.png\")
till endast en f\u00f6rbrukare. Pilotmodellerna och m\u00e4tpunkterna reserverades s\u00e5 att de f\u00f6rblev unika. N\u00e4r alla \u00f6nskade f\u00f6renklingar \u00e4r utf\u00f6rda konverteras inneh\u00e5llet i databasen till en modell i det format som simuleringsprogrammet beh\u00f6ver.<\/p>\n
Med hj\u00e4lp av ett Graphical User Interface kan man generera och granska modellen steg f\u00f6r steg till f\u00e4rdig modell. Modellen kan sedan inspekteras visuellt i Dymola och vid behov \u00e4ndras manuellt.<\/p>\n
<\/p>\n
F\u00f6r att anv\u00e4nda en dynamisk modell beh\u00f6vs \u00e4ven ett kommunikations-gr\u00e4nssnitt. Det finns m\u00f6jlighet att v\u00e4lja mellan flera olika gr\u00e4nssnitt, i OPTi valdes att jobba med FMI (Functional Mock-Up Interface) f\u00f6r kommunikationen mellan modeller.<\/p>\n
I en dynamisk modell g\u00e5r det att studera fenomen och interagera med modellen p\u00e5 ett s\u00e4tt som inte \u00e4r m\u00f6jligt med statiska modeller. I OPTi har modellen anv\u00e4nts till bland annat \u00f6verordnad styrning, optimering av framledningskurvor och optimering av anv\u00e4ndarflexibilitet (demand response). Samma metodik kan anv\u00e4ndas f\u00f6r vilket storskaligt distributionsn\u00e4t som helst.<\/p>\n
Den st\u00f6rsta vinsten \u00e4r att en ny modell enkelt kan genereras inom n\u00e5gra timmar med hj\u00e4lp av n\u00e5gra knapptryckningar om man exempelvis vill studera hur en f\u00f6reslagen ny ledning skulle p\u00e5verka systemet.<\/p><\/blockquote>\n