Zielsetzung und Anlass des Vorhabens<\/p>\n
Im von der DBU gef\u00f6rderten Vorg\u00e4ngervorhaben mit dem AZ 33401\/01 “Selbstlernende energieeffiziente Regelung komplexer raumlufttechnischer Ger\u00e4te” konnte grunds\u00e4tzlich nachgewiesen werden, das mit dem Ansatz der modellbasierten Regelung eines Schwimmbad L\u00fcftungsger\u00e4tes ein deutliches Potenzial f\u00fcr einen reduzierten Energieverbrauch erkennbar ist. In einer kurzen Testphase ergab sich eine Reduktion von etwa 20 %. Das Schwimmbad wird aber von zwei Ger\u00e4ten bel\u00fcftet und es zeigte sich, dass beide Ger\u00e4te mit dem entsprechenden Regelansatz ausgestattet werden m\u00fcssen und dar\u00fcber hinaus \u00fcber eine \u00fcbergeordnete Koordinationsebene die Vorgabewerte f\u00fcr die Ger\u00e4te generiert werden m\u00fcssen. Dieses wurde in diesem Vorhaben umgesetzt.<\/p>\n
Darstellung der Arbeitsschritte und der angewandten MethodenDas Projekt gliederte sich in 7 Phasen, die teilweise parallel von HANSA und dem Kooperationspartner Hochschule Emden\/Leer bearbeitet wurden. Nach der Projektkonzeption wurde das Sensor- und Datenkonzept fortgeschrieben und die notwendige Sensorik auf Basis der Ergebnisse auf das erforderliche Minimum reduziert. Die im Vorg\u00e4ngervorhaben entwickelten Modelle wurden auf zwei neue Ger\u00e4te im Schwimmbad \u00fcbertragen und validiert. Auf Basis der im ersten Vorhaben gesammelten Daten wurde ein \u00fcbergeordnetes neuronales Regelmodell entwickelt. Nach Ende der Corona Phase konnten weitere Daten gesammelt werden, um die Modelle weiter zu trainieren. Es konnten Ans\u00e4tze entwickelt werden, um die in einem Geb\u00e4ude erstellten Modelle zu normalisieren um diese auf andere Geb\u00e4ude zu \u00fcbertragen. Die Regelg\u00fcte ist dabei ausreichend.
\nDer Arbeitsplan hat sich w\u00e4hrend des Projektablaufs entwickelt und wurde entsprechend des Arbeitsfortschrittes und Ergebnisse angepasst.<\/p>\n
Ergebnisse und Diskussion<\/p>\n
Auch bei der Adaption der bestehenden Gray- und Blackbox Modelle auf das zweite Ger\u00e4t zeigte sich, dass ein physikalisch basiertes Modell Vorteile bietet, weil zum Training der neuronalen Netze hinreichend Daten f\u00fcr jeden Betriebszustand vorhanden sein m\u00fcssen, diese aber zum Teil nur in geringer Zahl vorhanden waren. Weiterhin ben\u00f6tigt ein neuronal lernendes Modell eine gr\u00f6\u00dfere Anzahl an Sensoren. Dieses ist f\u00fcr die sp\u00e4tere Vermarktung negativ, weil die Anschaffungskosten ansteigen. Grunds\u00e4tzlich war es m\u00f6glich, \u00fcber Skalierungen die Ger\u00e4temodelle sehr schnell anzupassen. Im weiteren Betrieb ist dann ein weiteres Anlernen schnell umzusetzen.
\nIn diesem Vorhaben wurde die prinzipielle M\u00f6glichkeit geschaffen, fortlaufend im Betrieb der Ger\u00e4te die gesammelten Daten zur Optimierung des neuronalen Modelles einzusetzen und fortlaufend automatisch zu trainieren. Die im zweiten Schritt notwendige automatische Linearisierung f\u00fcr den MPC wurde untersucht, konnte aber noch nicht erreicht werden. Hier ist immer noch ein manueller Arbeitsschritt notwendig.
\nEs wurde ein \u00fcbergeordnetes neuronales Geb\u00e4udemodell sowie ein zwei Ebenen MPC Kaskadenregler f\u00fcr das Geb\u00e4ude und die Ger\u00e4te entwickelt. Hiermit ist es m\u00f6glich, mehrere Ger\u00e4te, die auf einen zu klimatisierenden Raum wirken, zu koordinieren.
\nEs war m\u00f6glich, nach Ende der Corona Einschr\u00e4nkung, \u00fcber mehr als ein Jahr die Energieverbr\u00e4uche zu vergleichen. Die Ergebnisse zeigen eine Einsparung des Energiebedarfs von je 25 % elektrische Energie und W\u00e4rmeenergie im Schwimmbad Ramsloh. Um dieses zu verifizieren wurden drei weitere Schwimmb\u00e4der mit dieser Technik ausgestattet. Die Ergebnisse sind vergleichbar. Auf eine detaillierte Darstellung dieser B\u00e4der wird in diesem Abschlussbericht verzichtet.
\nDer entwickelte Regler hat den weiteren Vorteil, dass die Regelg\u00fcte besser ist und somit auch das Komfortempfinden der Badeg\u00e4ste sowie der Angestellten. Eine entsprechende Analyse ist im Bericht dargestellt. <\/p>\n
\u00d6ffentlichkeitsarbeit und Pr\u00e4sentation<\/p>\n
Der in den beiden Vorhaben entwickelte Regler wird bereits der Vermarktung unter dem Namen “etaSmart” zugef\u00fchrt. Es wurde eine eigene Webseite aufgesetzt, auf der die Ergebnisse vorgestellt werden (https:\/\/www.baeder-klima.de\/etasmart ). Das Konzept wurde vorgestellt auf den TGA Kongressen 2021 und 2023. 2022 wurden Ergebnisse in der CCI online dargestellt. 2020 stellten wir etaSmart zusammen mit Siemens auf dem “Management Dialog Digitalisierung” vor. Im Juni 2022 konnten wir das Konzept beim DBU Online-Salon “Steigerung der Energieeffizienz durch k\u00fcnstliche Intelligenz (KI) \u0096 Berichte aus der Praxis” vorstellen. Das Video ist auf Youtube aufrufbar:
\n