Simple Science

Hochmoderne Wissenschaft einfach erklärt

# Elektrotechnik und Systemtechnik# Systeme und Steuerung# Systeme und Steuerung

Innovatives Steuerungssystem optimiert die Effizienz von Wärmepumpen

Ein neues Steuersystem verbessert die Leistung von Wärmepumpen in kalten Klimazonen.

― 7 min Lesedauer


Fortschritte imFortschritte imSteuerungssystem fürWärmepumpenKosten.Neues System senkt Energieverbrauch und
Inhaltsverzeichnis

Elektrische Wärmepumpen können fossile Heizsysteme ersetzen und helfen, die Treibhausgasemissionen zu reduzieren. Allerdings können sie auch die Nachfrage nach Elektrizität erhöhen, was zu höheren Stromrechnungen führen und das Stromnetz belasten kann. Diese Situation ist besonders herausfordernd in Wohngebieten bei kaltem Wetter, wenn der Heizbedarf steigt und Wärmepumpen möglicherweise nicht so effizient arbeiten.

In diesem Artikel geht es um die Entwicklung und Erprobung eines Steuerungssystems für eine Luft-Luft-Wärmepumpe in einem Haus in einem kalten Klima. Das Steuerungssystem passt die Innentemperatur basierend auf Wettervorhersagen, Belegung und Daten, die das Heizsystem des Gebäudes verfolgen, an. Die Tests wurden in einem Einfamilienhaus in Indiana, USA, durchgeführt, wo die Aussentemperaturen im Winter sehr niedrig wurden. Die Ergebnisse zeigten, dass dieses Steuerungssystem Energie sparen und die Stromkosten senken kann, während es den Bewohnern Komfort bietet.

Die Bedeutung von Wärmepumpen

Das Heizen von Gebäuden mit fossilen Brennstoffen trägt etwa fünf Prozent zu den globalen Treibhausgasemissionen bei. Der Umstieg auf elektrische Wärmepumpen, die Strom mit niedrigem Kohlenstoffanteil nutzen, kann diese Emissionen erheblich reduzieren. Allerdings kann die Nutzung von Wärmepumpen manchmal zu einem Anstieg des Stromverbrauchs bei kaltem Wetter führen. Dieser Anstieg der Nachfrage kann das Stromnetz belasten und möglicherweise zu Stromausfällen führen. Versorger könnten entscheiden, das Stromnetz auszubauen, um dieser Nachfrage gerecht zu werden, aber das kann teuer sein und die Verbraucher letztendlich belasten. Daher ist es wichtig, Wege zu finden, um die Stromnachfrage, insbesondere zu Spitzenzeiten, zu steuern.

Wie Wärmepumpensteuerungssysteme funktionieren

Das in dieser Studie verwendete Steuerungssystem soll steuern, wie die Wärmepumpe arbeitet. Es arbeitet neben den grundlegenden Steuerungen der Wärmepumpe. Übliche Wärmepumpen passen die Kompressor- und Lüftergeschwindigkeiten an, um eine angenehme Innentemperatur zu halten. Im Gegensatz dazu passt dieses neuere übergeordnete System die Temperatureinstellungen an, um die Effizienz zu gewährleisten und den Stromverbrauch besser zu steuern.

Forscher haben verschiedene Methoden zur Steuerung von Wärmepumpen untersucht, beginnend mit früheren Methoden, die ohne Echtzeit-Rückmeldung arbeiteten. Spätere Entwicklungen beinhalteten ein System namens Model Predictive Control (MPC), das Rückmeldungen nutzt, um die Leistung zu verbessern, sobald neue Informationen verfügbar sind.

Bedeutung von Echtzeittest

Die meisten Forschungen zu Steuerungssystemen für Wärmepumpen wurden durch Simulationen oder kontrollierte Umgebungen durchgeführt. Echtzeit-Tests sind jedoch entscheidend, um zu verstehen, wie diese Systeme funktionieren, wenn sie in Wohnungen eingesetzt werden. Dieser Artikel konzentriert sich auf einen Feldtest eines übergeordneten Wärmepumpensteuerungssystems, das als erstes seiner Art über einen längeren Zeitraum lief.

Wichtige Beiträge der Studie

Die Studie bietet mehrere wichtige Ergebnisse:

  1. Es handelt sich um einen der ersten Langzeittests eines Steuerungssystems für die Heizungen in Wohnhäusern.
  2. Es untersucht eine gängige Art von Wärmepumpe, die oft mit elektrischen Widerstandsheizungen gepaart wird, insbesondere in kälteren Klimazonen.
  3. Es führt eine adaptive Methode ein, um Energieeffizienz und Komfort basierend auf Wettervorhersagen und Bewohnerpräferenzen in Einklang zu bringen.
  4. Die Studie liefert neue Daten dazu, wie Spitzen im Stromverbrauch von Heizgeräten verringert werden können.

Durch die Behandlung dieser Punkte zielt die Studie darauf ab zu zeigen, wie praktikabel und vorteilhaft fortgeschrittene Heizungsregelungen in Wohnhäusern sind.

Überblick über das DC-Nanogrid-Haus

Die Feldtests wurden in einem Haus durchgeführt, das mit elektrischen Geräten und einer zentralen Luft-Luft-Wärmepumpe ausgestattet ist. Das Haus befindet sich in Indiana und wurde auf Energieeffizienz umgerüstet. Es verfügt über Dämmung und energieeffiziente Fenster, um eine stabile Innentemperatur zu gewährleisten.

Die Wärmepumpe dient als Hauptheizquelle und wird von zusätzlichen elektrischen Widerstandsheizelementen unterstützt, die bei Bedarf aktiviert werden. Das System ist so konzipiert, dass die Luft gleichmässig im gesamten Haus verteilt wird.

Entwurf des Steuerungssystems

Das übergeordnete Steuerungssystem nutzt Daten von verschiedenen Sensoren, um Entscheidungen zu treffen. Es misst den Stromverbrauch und die Innentemperaturen und greift auf Wettervorhersagen zu, um den Heizzeitplan anzupassen. Dieser Prozess hilft, den Energieverbrauch effektiver zu steuern.

Durch die Kombination physikalischer Modelle mit datengestützten Ansätzen konnte das Steuerungssystem den Bedarf an umfangreichen Trainingsdaten im Vergleich zu rein datenbasierten Methoden reduzieren.

Energieüberwachung und -steuerung

Die Überwachung des Stromverbrauchs ist entscheidend, um das Heizen effektiv zu managen. Das Steuerungssystem verlässt sich auf Sensoren, um den Stromverbrauch und die Innentemperaturen zu verfolgen. Durch die Integration dieser Messungen in seine Berechnungen kann das System in Echtzeit Anpassungen vornehmen, um die Effizienz zu maximieren.

In den Tests kommunizierte das übergeordnete Steuerungssystem mit einer Datenbank, um die für die Entscheidungsfindung notwendigen Informationen abzurufen. Es nutzte auch Vorhersagen über Aussentemperaturen und erwartete solare Gewinne, um seine Strategien zu informieren.

Schulung des Steuerungssystems

Die Entwicklung des Steuerungssystems für die Wärmepumpe umfasste die Erstellung von Modellen, die die Heizdynamik vorhersagen. Diese Modelle berücksichtigen, wie schnell sich die Innenumgebung auf Änderungen in der Heizung reagiert. Das System verfolgt verschiedene Parameter, einschliesslich Innen- und Aussentemperaturen, um die Heizleistung zu optimieren.

Um genaue Modelle zu erstellen, sammelten die Forscher einen Monat lang Daten aus dem Haus. Diese Daten halfen, das System zu optimieren, damit es während der Heizsaison eine effektive Temperaturregelung bieten konnte.

Leistungsbewertung

Die Forscher führten während der Wintermonate zahlreiche Tests durch und konzentrierten sich darauf, wie gut das Steuerungssystem unter realen Bedingungen funktionierte. Sie verglichen Tage, an denen das Steuerungssystem aktiv war, mit Tagen, an denen traditionelle Heizmethoden verwendet wurden, um seine Effektivität zu bewerten.

Die Ergebnisse zeigten, dass die Nutzung des Steuerungssystems zu erheblichen Energieeinsparungen im Vergleich zu Standardheizmethoden führte. Im Durchschnitt reduzierte es den Heizenergieverbrauch um fast 20 % und verringerte dramatisch die Abhängigkeit von Backup-Heizelementen.

Energieeinsparungen und Kostenreduzierung

Die Fähigkeit des Steuerungssystems, den Energieverbrauch zu senken, hat das Potenzial, erhebliche Kosteneinsparungen bei den Heizrechnungen zu ermöglichen. In einem Fall schätzten die Forscher, dass das System rund 300 Dollar pro Jahr bei den Heizkosten für das durchschnittliche Haus einsparen könnte.

Die Fähigkeit, den Stromverbrauch während Spitzenzeiten zu minimieren, schützt zudem das Stromnetz vor Überlastung. Dieser Vorteil ist besonders wichtig in kälteren Klimazonen, wo die Heiznachfrage plötzlich in die Höhe schnellen kann.

Aufrechterhaltung des thermischen Komforts

Während Energieeinsparungen und Kostensenkungen wichtig sind, ist es ebenso wichtig, den Komfort der Bewohner aufrechtzuerhalten. Während der Tests wurden Umfragen mit den Bewohnern durchgeführt, um deren Komfortniveau zu bewerten. Die Ergebnisse dieser Umfragen zeigten, dass das Steuerungssystem Innentemperaturen lieferte, die den Komfortniveaus entsprachen oder sogar diese mit traditionellen Heizmethoden übertrafen.

Nachfragemanagement

Eines der bemerkenswerten Ergebnisse der Studie war die Effektivität des Steuerungssystems im Management der Spitzenstromnachfrage. Durch die Optimierung der Heizpläne und die Reduzierung der Abhängigkeit von Backup-Heizelementen konnte das System die maximale Leistung, die während der kältesten Zeiten genutzt wurde, erheblich senken.

Diese Leistung ist für Versorger von entscheidender Bedeutung, da sie hilft, die Notwendigkeit teurer Upgrades der Stromnetz-Infrastruktur zu vermeiden, während gleichzeitig sichergestellt wird, dass die Häuser warm bleiben.

Praktische Herausforderungen und zukünftige Verbesserungen

Die Umsetzung des übergeordneten Steuerungssystems brachte Herausforderungen mit sich, die für eine breitere Anwendung angegangen werden müssen. Dazu gehörten technische Schwierigkeiten, um eine nahtlose Kommunikation zwischen den verschiedenen Heizungskomponenten und Sensorsystemen sicherzustellen.

Für zukünftige Forschungen wäre es vorteilhaft, das System über längere Zeiträume zu testen und möglicherweise mehr Bewohnerbeteiligung zu integrieren, um die Komforteinstellungen weiter zu verfeinern.

Fazit

Die Demonstration eines prädiktiven Heizungssteuerungssystems in einem vollelektrischen Haus zeigt erhebliches Potenzial zur Reduzierung des Energieverbrauchs und der Kosten bei gleichzeitiger Aufrechterhaltung des Komforts. Während immer mehr Haushalte erwägen, auf elektrische Heizungen umzusteigen, könnten Technologien wie diese eine wichtige Rolle bei der Nachfrageverwaltung und der Reduzierung von Emissionen im Wohnbereich spielen.

Diese Arbeit hebt die Bedeutung der Entwicklung fortschrittlicher Steuerungssysteme hervor, die sich an wechselnde Bedingungen anpassen und gleichzeitig den Energieverbrauch und die Kosten im Griff behalten. Mit fortgesetzter Forschung und Feldtests könnte es möglich werden, diese Systeme breitflächig zu implementieren, was den Weg für verbesserte Energieeffizienz in Haushalten verschiedener Klimazonen ebnet.

Originalquelle

Titel: Field demonstration of predictive heating control for an all-electric house in a cold climate

Zusammenfassung: Efficient electric heat pumps that replace fossil-fueled heating systems could significantly reduce greenhouse gas emissions. However, electric heat pumps can sharply increase electricity demand, causing high utility bills and stressing the power grid. Residential neighborhoods could see particularly high electricity demand during cold weather, when heat demand rises and heat pump efficiencies fall. This paper presents the development and field demonstration of a predictive control system for an air-to-air heat pump with backup electric resistance heat. The control system adjusts indoor temperature set-points based on weather forecasts, occupancy conditions, and data-driven models of the building and heating equipment. Field tests from January to March of 2023 in an occupied, all-electric, 208 m^2 detached single-family house in Indiana, USA, included outdoor temperatures as low as -15 C. On average over these tests, the control system reduced daily heating energy use by 19% (95% confidence interval: 13--24%), energy used for backup heat by 38%, and the frequency of using the highest stage (19 kW) of backup heat by 83%. Concurrent surveys of residents showed that the control system maintained satisfactory thermal comfort. The control system could reduce the house's total annual heating costs by about $300 (95% confidence interval: 23--34%). These real-world results could strengthen the case for deploying predictive home heating control, bringing the technology one step closer to reducing emissions, utility bills, and power grid impacts at scale.

Autoren: Elias N. Pergantis, Priyadarshan, Nadah Al Theeb, Parveen Dhillon, Jonathan P. Ore, Davide Ziviani, Eckhard A. Groll, Kevin J. Kircher

Letzte Aktualisierung: 2024-02-10 00:00:00

Sprache: English

Quell-URL: https://arxiv.org/abs/2402.07032

Quell-PDF: https://arxiv.org/pdf/2402.07032

Lizenz: https://creativecommons.org/licenses/by/4.0/

Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.

Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.

Mehr von den Autoren

Ähnliche Artikel