Slutrapport för EU-projekt Polysmart P22374-1

Följande sammanfattar erfarenheterna inom projektet:- Besparing av primärenergi är väldigt beroende av ett fåtal faktorer där primärenergi faktor för generering av el till nätet är avgörande. I projektet använde man termen ”non-renewable primary energy” där förnybara källor som bioenergi och även sopförbränning har väldigt låga värden. Om man använder den europeiska mixen för elproduktion ger enbartkraftvärme nästan alltid besparing av primär energi. Det samma gäller system där man använder förnybar energi eller sopförbränning. För system med trigenerering som använder fossila bränslen måste man ha både hög andel elproduktion från kraftvärmeaggregatet och relativt hög COP för den värmedrivna kylmaskinen om man ska få en besparing av primärenergi.- Systemen är komplexa och man har lärt sig mycket inom projektet. Dock har man inte kommit så långt som standard systempaket.- Elförbrukning är oftast högre än förväntat och i verklighet högre än specificerat.- Värmesänkan i systemet är en nyckelkomponent som är kritiskt för bra systemprestanda. Mer FoU krävs för att få fram komponenter som lämpar sig väl till sådana system (och som skulle också gynna andra system).- Mätning av systemet med tillhörande analys har behövts för att förbättra systemprestanda, vilket är kopplat till att system är komplexa och att det inte fanns en grundläggande kompetens i början av projektet hos alla partners.- Lovande nischmarknader har identifierats men de kräver förmodligen paketlösningar som inte finns på marknaden än.- Man ska enbart täcka baslasten med trigenereringssystem.- Koppling med fjärrvärme kan fungera bra men leverantören måste acceptera relativt höga returtemperaturer.

Vem blir långtidsarbetslös?

I ett antal länder har man på senare tid utvecklat statistiska modeller som ett stöd för förmedlarna att förutsäga vilka arbetslösa som riskerar att bli långtidsarbetslösa, s k profiling. I den här rapporten redovisar vi resultaten av att skatta hasardmodeller för att förutsäga vem som riskerar att bli långtidsarbetslös bland dem som registrerar sig som arbetslösa arbetssökande vid arbetsförmedlingen. Av resultaten framgår det att den skattade modellen lyckas relativt väl med att förutsäga vem som riskerar att bli arbetslös i minst sex månader – träffsäkerheten i prognoser som görs utanför modellens skattningsperiod är nästan 70 %.