Beräkningsmodell för småhus : En statistiskt uppbyggd modell för beräkning av kostnads- och energieffektiva åtgärder för småhus

Eftersom miljöarbetet är i fokus och miljömålen, om att minska den totala energianvändningen i bostäder med 20 procent till år 2020 och med 50 procent till år 2050, behövs förenklade verktyg för framtagande av energibesparande åtgärder för småhus (Boverket, 2007a) . Verktygen bör vara användarvänlig...

Full description

Bibliographic Details
Main Authors: Markusson, Peter, Persson, Frida
Format: Others
Language:Swedish
Published: Högskolan i Gävle, Akademin för teknik och miljö 2013
Online Access:http://urn.kb.se/resolve?urn=urn:nbn:se:hig:diva-14832
Description
Summary:Eftersom miljöarbetet är i fokus och miljömålen, om att minska den totala energianvändningen i bostäder med 20 procent till år 2020 och med 50 procent till år 2050, behövs förenklade verktyg för framtagande av energibesparande åtgärder för småhus (Boverket, 2007a) . Verktygen bör vara användarvänliga såväl för ”folk i branschen” som fö småusäare. Problemet med de flesta av dagens energiberäkningsmodeller och programvaror är att det krävs specialiserade kunskaper inom området byggfysik samt mycket byggnadsteknisk information om det aktuella huset. Som småhusägare med mindre byggnadsteknisk kunskap är det ofta dyrt och kan ta lång tid att få kostnadseffektiva förslag på energibesparingsåtgärder för sitt småhus. För att förenkla framtagandet av energibesparingsåtgärder för småhus behövs ett lätthanterligt verktyg! En förenklad beräkningsmodell som bygger på statistiska värden har tagits fram. Beräkningsmodellen är tänkt att tillämpas i en programvara som syftar till att underlätta arbetet vid framtagande av kostnads- och energieffektiva åtgärder för småhus. Beräkningsmodellen är uppbyggd i tre steg. I modellens första steg beräknas, utifrån statistiska värden och beroende av användarens indata, småhusets energianvändning. Andra steget är ett beräkningssteg som endast är aktivt då brukaren har tillgång till en energideklaration. Den statistiskt framtagna energianvändningen korrigeras då med hjälp av den normalårskorrigerade energianvändningen från energideklarationen. I beräkningsmodellens sista steg görs beräkningar för relevanta energibesparingsåtgärder utifrån modellens första eller andra steg. Resultatet av arbetet är en begränsad beräkningsmodell som tillämpas i Excel. Vid analys av beräkningsmodellens trovärdighet har modellens framtagna energianvändning jämförts med 100 stycken slumpmässigt utvalda energideklarationers normalårskorrigerade energianvändning. Vid analysen visade det sig att modellens energianvändning låg i genomsnitt 26,6 procent ifrån energideklarationens värde. Detta motsvarar en medelavvikelse på cirka 4804 kWh. === Since the environmental issues and environmental objectives are on focus for reducing the total energy use in homes by 20 percent until 2020 and by 50 percent until 2050. It will be needed simplified tools for the production of energy-saving measures for houses (Boverket, 2007a). The tools should be user-friendly for both the "people in the building industry" as the house owners. The problem with many of today's energy modeling and software is that it requires specialized knowledge in the field of building physics and technical information about the current house. As house owners with less knowledge of the building, it is often expensive and can take a long time to get cost proposals on energy saving measures for their houses. To simplify the development of energy-saving measures for houses it will be necessary to create an easy useable tool! A simplified method of calculation based on statistic values has been developed. The calculation model is meant to be applied in a software. It’s designed to simplify cost and energy efficiency measures for houses. The model is constructed in three steps. The model's first step is based on statistic values and depends on the users inputs, for calculation of the buildings energy use. The second step is the calculation step that is only activated when the user has access to an energy declaration. In the last step the model is set up to calculate relevant energy-saving measures from the model's first or second step. The result of this work is a computational model applied in Excel. For the analysis of the model's credibility it has been compared with 100 randomly selected energy declarations statistically corrected energy value. In the analysis it was found that the model energy value was in average 26,6 percent from energy declaration value.