Gas - in Kooperation mit Verivox

ein Service der Verivox GmbH Datenschutzbestimmungen

Knstliche Intelligenz fr die kostengnstige und energetisch optimierte Regelung von Heizungsanlagen

Knstliche neuronale Netze sind, hnlich dem menschlichen Gehirn, in der Lage, Handlungsstrategien selbststndig anhand von erlebten Beispielen (d.h. Trainingsdaten) zu entwickeln. Der Aufbau eines knstlichen neuronalen Netzes orientiert sich dabei an den Erkenntnissen der Neurobiologie ber die Funktionsweise des menschlichen Gehirns. Es liegt nahe, solche Netzstrukturen auch fr technische Regelungen einzusetzen. Das Fraunhofer-Institut fr Solare Energiesysteme ISE hat in dem Projekt ANNsolar - Neuronale Netzwerke fr die Anwendung in der Solarthermie selbstlernende knstliche neuronale Netze fr die Regelung solarthermischer Heizungssysteme entwickelt. Sie erfassen die individuelle thermische Dynamik des Gebudes, die Wrmebedarfsnderung durch Solarstrahlung auf die Gebudehlle und den Ladezustand des Speichers in Abhngigkeit der Betriebsbedingungen. So knnen die Netze die thermischen Zustnde fr die Zukunft prognostizieren, ohne dass eine Simulation erforderlich ist. Die neuronalen Netze erlernen die entsprechenden Abhngigkeiten selbststndig.

Im Rahmen des Projekts ANNsolar entwickelten die Forscher des Fraunhofer ISE ein Regelungskonzept, das individuelle Randbedingungen (z.B. lokales Klima und Wrmedmmstandard) sowie das charakteristische Betriebsverhalten der solarthermischen Anlage und des Wrmeverteilsystems selbstndig identifiziert. Im Regelungsbetrieb kann dann die Entwicklung von Raumtemperatur, Solarertrag und Speicherladezustand prognostiziert werden, um die Heizungsanlage optimal zu betreiben.

Knstliche neuronale Netze bieten so eine hervorragende Mglichkeit, Heizungsanlagen effizienter und kostengnstiger zu regeln, erklrt Dr. Wolfgang Kramer, Abteilungsleiter Thermische Speicher und Gebrauchsdaueranalyse sowie Koordinator Solarthermie am Fraunhofer ISE. Die Einsparpotenziale gegenber einer optimierten konventionellen Regelung bei Bestandsgebuden liegen bei mindestens 7 Prozent. Gegenber nicht optimierten Regelungen, wie sie sehr hufig in der Praxis vorkommen, liegt das Einsparpotenzial in der Grenordnung von 12 Prozent und mehr, so ein Ergebnis der Arbeiten.

Neben der Maximierung von Solarertrag und Energieeffizienz soll durch diesen Ansatz insbesondere auch eine Reduzierung der Aufwnde bei Installation und Inbetriebnahme der Regler erreicht werden. Erwartet werden Einsparungen von mehreren Stunden an Handwerkerdienstleistung.

Anlagenregelung auf Basis von ANN-Prognosen

Ein vielversprechender Ansatz besteht aus der Kombination von selbstlernenden knstlichen neuronalen Netzen (Artificial Neural Network- ANN), die nichtlineare Zusammenhnge abbilden, und einer Linearen System Identifikation (LSI). Diese Kombination ist in der Lage, sowohl nichtlineares als auch lineares Verhalten der Anlage abzubilden. Die dafr bentigten Algorithmen wurden am Fraunhofer ISE entwickelt, in einen Regelungscode implementiert und erfolgreich in einer realen Anlage validiert.

Wesentliche Basis des entwickelten Regelungskonzepts sind die Prognosen von Raumtemperatur, Solarertrag und Speicherladezustand. Diese Gren knnen mit Hilfe der Kombination aus ANN und LSI in guter Genauigkeit vorhergesagt werden. Um dies nachzuweisen, wurden Messdaten einer realen Heizungsanlage mit solarthermischer Untersttzung fr das Training von ANN-Netzen genutzt.

Die groe Strke des gewhlten Regelungsansatzes besteht darin, dass er in der Lage ist, individuelle Prognosen ber die zuknftige Entwicklung von Raumtemperatur und Solarertrag zu generieren und zu bercksichtigen, ohne dass dafr aufwndige Simulationen notwendig sind, so Dr. Wolfgang Kramer.

Die ANN-Regelung bernimmt zwei Regelungsfunktionen und greift dabei auf die ANN-Prognosen zurck. Zum einen wird die individuell optimale Heizkurve automatisch ermittelt, wobei im Vergleich zu einer konventionellen Heizkurve zustzliche Einflsse (z.B. passive solare Erwrmung des Gebudes, Betrieb eines Kaminofens) bercksichtigt werden. Darber hinaus steuert die Regelung auch die Zuschaltung der fossilen Nachheizung: Fr die Entscheidung ber die Einschaltung der Heizung wird berprft, ob die notwendigen Speichertemperaturen innerhalb eines Prognosezeitraums ggfs. auch ohne Nachheizung erreicht werden. Unntige Brennerstarts unterbleiben dann, die fossile Nachheizung wird minimiert und der solare Ertrag maximiert.

Weitere Nachrichten

Verivox Logo© 2018 Verivox GmbH - Alle Rechte vorbehalten. Verivox verwendet grtmgliche Sorgfalt auf Aktualitt, Vollstndigkeit und Richtigkeit der dargestellten Informationen, kann aber keine Gewhr fr diese oder die Leistungsfhigkeit der dargestellten Anbieter bernehmen. Bitte beachten Sie die AGB und Datenschutzbestimmungen von Verivox.
Cookie-Einstellungen ändern