mpcEnergy

Höhere Energieeffizienz beim Energiemanagement in Gebäuden durch verfeinerte Prozessmodellierung und Optimierungsstrategien

Einleitung

Energiemanagementsysteme zielen darauf ab, Energie-, Kühl- und Heizungsanlagen so zu steuern, dass einerseits einem energieeffizienten Betrieb dieser Komponenten als auch den Komfortansprüchen der Bewohner Rechnung getragen wird. Dabei kommen Wetterabhängigkeit und Wohnverhalten als wesentliche Einflussgrößen hinzu. Die Hypothese des Projektes war, dass durch verfeinerte Methoden der Modellierung und Optimierung substantielle Effizienzsteigerungen realistisch zu erwarten sind. So haben Experimente mit Partnern gezeigt, dass mittels Integration von heuristischen Regeln basierend auf lokalen Wetterprognosen Einsparungspotentiale von 5% an Heizenergie im Winter und 10% Kühlenergie im Sommer möglich sind. Um die Übertragbarkeit dieser Einsparungspotentiale auf individuelle Gebäudetypen, Wohnsituationen und technische Infrastruktur zu gewährleisten, sind automatisierte Methoden des Model Predictive Control (MPC) und Transfer Learning erforderlich, die Steuerungsregeln aus Messdaten und datenbasierten Prognosen durch Erlernen von verfeinerten Modellen ableiten. Eine solche Herangehensweise ist die Grundlage für einen höheren Grad an Adaptivität in der Regelung und somit auch für das Ausschöpfen weiterer Einsparungspotentiale.

Ziele

In Anbetracht steigender Nutzung und Einbeziehung alternativer Energiequellen (Photovoltaik, Solarthermie, Biomasse) stellte sich die Frage nach einer energiequellenübergreifenden Optimierung des Zusammenspiels aller Energieerzeuger und Verbraucher, um die vorhandenen Energiequellen möglichst energieeffizient einzusetzen, d.h. ein optimales ganzheitliches auf ein Gebäude bezogenes Energiemanagement zu schaffen. Dadurch wurde eine automatisierte Anpassung der Steuerung (z.B. Heizkurvenoptimierung) ermöglicht.

 

Ganzheitliches Energiemanagement

 

Die Projektziele waren somit:

  • Entwicklung und Analyse von breit einsetzbaren Methoden aus dem Bereich der Computational Intelligence zur Erstellung von Prozessmodellen
  • Erstellen von konkreten Teilsystemmodellen für die Bereiche Energieertrag (PV, Solar), Energieverbrauch (Strom, Heizung, Warmwasser, ...), und Energiespeicherung
  • Entwicklung und Integration von semantisch angereicherten Modellen des Benutzerverhaltens
  • Entwicklung und Evaluierung von konkreten MPC-Anwendungen
  • MPC Testumgebung basierend auf entsprechenden Gebäudesimulationen
  • Integration in und Evaluierung an einem realen Testobjekt
  • Entwicklung von Methoden zur einfachen Parametrisierung und Umsetzung von MPC-Ansätzen

Ergebnisse

Im Projekt wurde ein selbstlernendes Gebäudemodell entwickelt, das sowohl Benutzerverhalten als auch Wetterprognosen berücksichtigen kann, um schlussendlich Energiekosten bei gleichbleibendem Komfort senken zu können.

 

 Zusammenspiel zwischen Energiekosten und Komfort

Um Energiemanagementaufgaben simulieren zu können, wurde eine „mpcEnergy Testumgebung“ entwickelt. Dadurch können verschiedene Optimierungsmethoden ausgewählt und auf deren Einsparungspotential evaluiert werden. Die Bedienung dieser mpcEnergy Testumgebung wird im Demonstrationsvideo unten gezeigt.

Projektdaten

Projektdauer: 01.07.2012 – 31.12.2014

Budget: ca. 596.000 € Gesamtprojektkosten und ca. 298.000 € Förderungsbetrag

Projektpartner:

  • Software Competence Center Hagenberg GmbH (Koordinator)
  • Johannes Kepler Universität Linz, Institut für Symbolisches Rechnen (RISC)

Forschungsprogramm: 1. OÖ Energieforschungsprogramm

Das Projekt mpcEnergy wurde im Rahmen des Programms Regionale Wettbewerbsfähigkeit OÖ 2007-2013 aus Mitteln des Europäischen Fonds für Regionale Entwicklung sowie aus Mitteln des Landes OÖ gefördert.

Video (77,5 MBYTE)

 
 
00:00
 
04:02