1. Sonja Salo
Predictive Demand-side Management in District Heating and
Cooling Connected Buildings
Thesis submitted in partial fulfilment of the requirements for
the degree of Master of Science in Technology.
Espoo, 5 September 2016
Supervisor: Professor Sanna Syri
Advisors:
M. Sc. (Tech) Markku Makkonen
M. Sc. (Tech) Samuli Rinne

2. Aalto University, P.O. BOX 11000, 00076 AALTO
www.aalto.fi
Abstract of master's thesis
i
Author Sonja Salo
Title of thesis Predictive Demand-side Management in District Heating and Cooling
connected buildings
Degree programme Energy and HVAC Engineering
Major Energy Technology Code K3007
Thesis supervisor Professor Sanna Syri
Thesis advisors M. Sc. (Tech) Markku Makkonen, M. Sc. (Tech) Samuli Rinne
Date 05.09.2016 Number of pages 97+6 Language English
Abstract
Contemporary technologies enable the control of energy consumption in buildings in a
way which minimizes costs and maximizes consumer comfort. Cost reductions have been
seen in District Heating and Cooling systems mostly as energy conservation. On the other
hand, consumer comfort is increased by providing steadier indoor temperatures. Lately,
literature present has presented a more agile approach of reducing costs by optimizing
the consumption of the overall system with Demand-side Management. This approach
aims to shift loads from peak load hours without necessarily reducing energy
consumption.
This thesis provides a model which applies the thermal capacity of District Heating and
Cooling connected buildings as thermal energy storages. An artificial District Heating
system with variable production costs was developed for the model in order to form
dynamic price signals. These signals were utilized in two simulations. The first optimized
existing heat load data from heavy mass buildings to appraise the effect of Demand-side
Management, whereas the second modelled the behaviour of individual rooms. Both
simulations aimed to store heat beforehand in the building envelope and to discharge it
during price peaks. This offered the possibility to consume heating energy based on
individual consumption profiles and only take action when the whole system requires it.
The simulation model indicates that predictive Demand-side Management with dynamic
price signals reduces heating costs in buildings by 4% during the heating period. The main
cost savings occur to energy producers since variable production costs can be decreased
by 6% due to load control using 15% of the building stock’s heated floor area. The room
simulation demonstrated that the building components are able to store heat dynamically
by intelligent prediction of occupancy, outside weather, and prices. With an autonomous
auction platform, Demand-side Management activities can be targeted to buildings which
are most suitable to shift demand. The order of building participation is determined by
individual consumer comfort and thermal dissipation.
As predictive Demand-side Management relies on dynamic pricing and engagement of
District Heating and Cooling customers and producers, the thesis proposes a concept to
achieve a win-win situation for these stakeholders. In order to ensure a reasonable
allocation of benefits from Demand-side Management and provide a more accurate
demand prediction, new business models could emerge. These models can challenge
producers and customers to revalue District Heating and Cooling.
Keywords Demand-side Management, District Heating and Cooling systems, Dynamic
Pricing, Prediction, Optimization

3. Aalto-yliopisto, PL 11000, 00076 AALTO
www.aalto.fi
Diplomityön tiivistelmä
ii
Tekijä Sonja Salo
Työn nimi Ennustava kysyntäjousto kaukolämmitetyissä ja -jäähdytetyissä
kiinteistöissä
Koulutusohjelma Energia- ja LVI-tekniikka
Pää-/sivuaine Energiatekniikka Koodi K3007
Työn valvoja Professori Sanna Syri
Työn ohjaajat DI Markku Makkonen ja DI Samuli Rinne
Päivämäärä 05.09.2016 Sivumäärä 97+6 Kieli englanti
Tiivistelmä
Nykyaikaiset teknologiat mahdollistavat rakennuksen energiankulutuksen hallinnan
tavalla, joka minimoi kustannuksia ja maksimoi kuluttajien mukavuutta. Kustannusten
alentaminen on kaukolämmössä ja -jäähdytyksessä perinteisesti saavutettu
energiansäästöllä. Kuluttajien mukavuutta on taas parannettu tasaisemmalla
lämmönjakelulla. Viimeisten vuosien aikana tutkijat ovat esittäneet kysyntäjoustoa
ketteränä tapana alentaa systeemitason kustannuksia. Kysyntäjousto pykii siirtämään
ajallisesti osan tehon huippukuormista. Energiankulutusta ei välttämättä vähennetä.
Tämä työ tarjoaa mallin, joka hyödyntää kaukolämmitteisten rakennusten
lämpökapasiteettia energiavarastoina. Mallia varten on kehitetty kaukolämpöjärjestelmä,
jonka antamat hintasignaalit perustuvat muuttuviin tuotantokustannuksiin. Näitä
signaaleja hyödynnettiin kahdessa simulaatiossa. Ensimmäinen optimoi kuormia
systeemitasolla siirtäen olemassa olevia kulutusprofiileja, kun taas toinen simulaatio
käsitteli ihanteellista huonemallia. Molempien simulaatioiden tarkoituksena on
varastoida lämpöä etukäteen rakenteisiin ja purkaa sitä hintapiikkien aikana. Toisin kuin
aiemmissa tutkimuksissa, lämmönsäätimet reagoivat muuttuviin hintasignaaleihin. Tällä
tavalla rakennukset kuluttivat lämmitysenergiaa käyttäjien yksilöllisten kulutusprofiilien
mukaisesti, ja kysyntäjoustotoimenpiteisiin ryhdyttiin, kun koko järjestelmä sitä vaati.
Simulointimalli osoitti, että ennustava kysyntäjousto voi alentaa rakennuksen
lämmityskustannuksia 4% lämmityskauden aikana. Suurimmat kustannussäästöt
koituvat energiantuottajille, sillä muuttuvat tuotantokustannukset laskivat simulaatiossa
6% käyttäen 15% rakennuskannan pinta-alasta hyödyksi. Huonesimulaatio osoitti, että
rakennuksiin voi varastoida dynaamisesti lämpöä läsnäolon, sään ja hintojen älykkäällä
ennustamisella. Itsenäisellä huutokauppa-alustalla kysyntäjouston toimintaa voidaan
kohdistaa rakennuksiin, joilla on parhaimmat edellytykset siirtää hetkittäin
lämmitystehoa. Tämä jako määräytyy kuluttajien mieltymysten ja rakennuksen
lämpöhäviöiden mukaan.
Koska ennakoivan kysyntäjouston täyden potentiaalin hyödyntäminen perustuu
asiakkaiden sekä tuottajien sitoumukseen, tutkielma ehdottaa konseptia, jossa kaikki
osapuolet hyötyvät kysyntäjoustosta. Tutkielmassa käy ilmi, että uusia
liiketoimintamalleja voi syntyä varmistamaan kohtuullisen hyödynjaon ja parantamaan
lämpökuormien ennustettavuutta. Nämä mallit voivat haastaa osapuolia löytämään uutta
arvoa kaukolämmöstä ja -jäähdytyksestä.
Avainsanat kysyntäjousto, kaukolämpö- ja -jäähdytys, dynaaminen hinnoittelu,
ennustaminen, optimointi