De Nederlandse energietransitie legt steeds meer druk op het elektriciteitsnet, met name door de groei van hernieuwbare energieopwekking, de elektrificatie van gebouwen en de beperkte uitbreiding van de netcapaciteit. Kantoorgebouwen kunnen daardoor niet langer passieve energieverbruikers zijn; in plaats daarvan moeten zij actief kunnen inspelen op netcondities, energieprijzen en lokale duurzame energieproductie. Dit vereist gebouwsystemen die op toekomstige omstandigheden kunnen anticiperen, in plaats van alleen te reageren op realtime behoeften.

Om aan deze nieuwe eisen te voldoen, zijn aanpassingen in de softwarearchitectuur van conventionele Gebouwbeheersystemen (GBS) of Building Energy Management System (BEMS) nodig. Verschillende databronnen en geavanceerde regelstrategieën moeten in het BEMS worden geïntegreerd. Het MoPreCEF-project pakt deze uitdaging aan door architectonische aanpassingen in het BEMS te ontwikkelen en te testen, waarmee voorspellende en adaptieve regelingen mogelijk worden gemaakt, terwijl tegelijkertijd het comfort van de gebouwgebruikers wordt gewaarborgd.

Dit project is gefinancierd door het Nederlandse subsidieprogramma Topsector Energie Gebouwde Omgeving (TSE-GO) en uitgevoerd door de Rijksdienst voor Ondernemend Nederland (RVO).

Model Predictive Control for Energy Flexibility in Buildings

Projectnaam:
Model Predictive Control for Energy Flexibility in Buildings

Referentienummer:
TSEGO23003

Aantal jaren:
2

Voortgangsrapportage periode:
08-01-2024 tot 08-01-2025

Het belangrijkste doel van het MoPreCEF-project was het ontwikkelen en valideren van een open en modulaire BEMS-architectuur die energieflexibiliteit in kantoorgebouwen ondersteunt door zowel realtime als historische data te integreren, de integratie van third-party applicaties mogelijk te maken en de implementatie van Machine Learning (ML) voorspellingen en Model Predictive Control (MPC) toepassingen te faciliteren.

Daarnaast was het doel van het project om, door het testen van verschillende data-gedreven voorspellingsmethoden en predictieve (MPC) regelstrategieën, de piekvraag naar elektriciteit te verminderen, het lokale gebruik van hernieuwbare energie te vergroten en het thermisch comfort binnenshuis te behouden binnen adaptieve comfortgrenzen.

Werkpakketten

Werkpakket 1:
Probleemanalyse GBS en BEMS voor kantoorgebouwen en (klimaat)systemen

Werkpakket 2:
Open structuur software platform InsiteViewNext

Werkpakket 3:
Model Predictive Control

Werkpakket 4:
Machine Learning

Werkpakket 5:
Prestatie evaluatie aan de hand van IEA Annex 81 SRI KPIs

Werkpakket 6:
Integratie resultaten werkpakketten 2-4 in open structuur GBS platform

Werkpakket 7:
Conclusies praktijk onderzoek en terugkoppeling naar eindgebruikers

Resultaat

Conventionele BEMS-systemen zijn beperkt in het ondersteunen van geavanceerde, datagedreven regelstrategieën en energieflexibiliteit. Een BEMS-architectuur gebaseerd op open API’s is essentieel voor schaalbare integratie van externe applicaties en diensten. Het InsiteOpenDataConnect (IODC)-concept maakt flexibele, gebruiker-configureerbare data-uitwisseling mogelijk en ontkoppelt applicaties van leveranciersspecifieke systemen.
API-gebaseerde integratie maakt het mogelijk om MPC- en ML-oplossingen te hergebruiken tussen verschillende gebouwen, wat de schaalbaarheid aanzienlijk vergroot.
De combinatie van Model Predictive Control (MPC) en Machine Learning (ML) is veelbelovend voor multi-objectieve optimalisatie van energie, comfort en flexibiliteit.
Machine learning-voorspellingen, inclusief CO₂-uitstoot, verbeteren regelbeslissingen en bieden meerwaarde ten opzichte van uitsluitend prijsgebaseerde optimalisatie.
MPC in combinatie met digital twins leidt tot verbeterde regelprestaties, maar de overdraagbaarheid blijft een uitdaging door gebouwspecifieke modellen en parameters.
Praktijktests tonen aan dat slimme regelstrategieën effectief zijn: piekbelasting kan worden verlaagd (bijvoorbeeld via smart EV charging) en energieflexibiliteit kan worden vergroot.
Adaptief thermisch comfort (ISSO 74 / NEN-EN 16798) maakt flexibele temperatuurinstellingen mogelijk zonder verlies van gebruikerscomfort.
Er is sprake van een duidelijke afweging tussen flexibiliteit en totaal energiegebruik, met name bij strategieën zoals voorverwarming en voorkoeling.

Terug naar het overzicht ‘Gerelateerde Projecten’