Innovation aus dem Hause senercon: Smarte Überwachung von Heizanlagen
Dr. Kamble und das ihm unterstehende Data-Science Team haben einen Algorithmus entwickelt um den Heizenergieverbrauchs von Gebäuden in Echt-Zeit zu überwachen.
Jetzt kontaktierenBislang wird der Heizenergieverbrauch von Gebäuden auf Basis zurückliegender Jahres- oder Monatsrechnungen analysiert oder, seit Einführung intelligenter elektronischer Zähler auf Basis hochauflösender, von online Portalen der Energieversorger abrufbarer Smart-Meter-Daten. Solche Energieverbrauchsdaten sind jedoch im Nachhinein schwer zu interpretieren.
Wird z.B. im Jahresvergleich solcher Daten eine signifikante Veränderung im Heizenergieverbrauch festgestellt, kann über Ursachen, wie z.B. Änderung von klimatischen Bedingungen, Änderungen im Nutzerverhalten oder Änderungen von technischen Bedingungen nur spekuliert werden.
Bei einem technischen Defekt im Heizsystem hätte ein Schaden zum Zeitpunkt der späten Entdeckung in der Jahresabrechnung bereits hohe Kosten verursacht.
Um eine Heizungsanlage in Echtzeit zu überwachen, wären zusätzliche elektronische Sensoren notwendig, deren Installation für kleine Gebäude oft jedoch teuer ist.
Diese Schwierigkeiten könnten in Zukunft durch einen Analysealgorithmus gelöst werden, der ohne teure Sensoren und ohne Klimabereinigung der Daten auskommt, der eine Echtzeitkontrolle des Energieverbrauchs gewährleistet und der Energieeinsparungen von umgesetzten Effizienzmaßnahmen exakt bestimmen könnte.
Einen solchen Software-Algorithmus, der auf maschinellem Lernen und künstlicher Intelligenz basiert, hat das Data-Analytics-Team von senercon unter der Leitung von Dr. Bhaskar Kamble im Rahmen eines geförderten Projekts entwickelt.
Der Algorithmus erlernt das energetische Verhalten des Gebäudes anhand von Energieverbrauchsdaten sowie von Wetter- und gebäudespezifischen Daten wie Baujahr und Gebäudetyp. Je besser der Algorithmus das Verhalten „gelernt“ hat, desto leichter kann er normale Schwankungen im Energieverbrauch von einer systemischen Veränderung unterscheiden, wie z.B. durch einen technischen Fehler oder nach einer erfolgreichen Umsetzung einer Energiesparmaßnahme.
Die Möglichkeit, Verbrauchsdaten in Echtzeit ohne große Investitionskosten zu analysieren, macht den Algorithmus massentauglich für 1-2 Familienhäuser sowie kleine und mittelgroße Wohn- und Nichtwohngebäude.
Der Algorithmus wurde auf die Daten von 113 öffentlichen Gebäuden des Berliner Immobilienmanagements angewendet und erwies sich als zuverlässiger bei der Vorhersage und Analyse des Energieverbrauchs als herkömmliche Methoden.
senercon hat sich zum Ziel gesetzt, diesen Algorithmus im nächsten Jahr in das Energiesparkonto zu integrieren.
Lesetipp: Für Interessierte empfehlen wir die Lektüre eines wissenschaftlichen Artikels, der kürzlich gemeinsam von Prof. Biessmann (Technische Universität Berlin), Dr. Kamble (senercon) und Rita Streblow in der Fachzeitschrift MDPI veröffentlicht wurde. Der Artikel befasst sich mit der Vorhersage des Energieverbrauchs von Gebäuden unter Verwendung von Algorithmen des „automatisierten maschinellen Lernens“. Hier geht es zum Artikel.
