Energie-Management in Gebäuden verbessern
Datengetriebenes prädiktives Steuern verbessert die Batterienutzung und senkt den Energieverbrauch in Gebäuden.
― 5 min Lesedauer
Inhaltsverzeichnis
Der Energieverbrauch in Gebäuden ist ein grosser Teil des gesamten Energiebedarfs. In der Schweiz machte er 45 % des gesamten Energiebedarfs aus. Deshalb ist es wichtig, den Energieverbrauch in Gebäuden zu managen und gleichzeitig sicherzustellen, dass die Leute drinnen bequem sind. Eine Möglichkeit, das zu erreichen, ist die Verwendung von Steuerungssystemen, die den Energieverbrauch regulieren, einschliesslich erneuerbarer Energiequellen wie Solarpanels und Speicheroptionen wie Batterien.
Bedeutung effizienter Steuersysteme
Effiziente Gebäudesteuersysteme zielen darauf ab, den Energieverbrauch zu senken und gleichzeitig den Komfort im Blick zu behalten. Batterien in diese Systeme einzuführen, kann helfen, bringt aber auch Herausforderungen mit sich. Das Hauptproblem ist, dass Batterien mit der Zeit verschleissen und ihre Leistung mit dem Alter abnimmt. Ein gutes Steuersystem muss diesen Alterungsprozess der Batterien berücksichtigen, um effektiv zu funktionieren.
Datenbasierte prädiktive Steuerung
Ein vielversprechender Ansatz zur Lösung dieses Problems nennt sich Datenbasierte prädiktive Steuerung (DeePC). Diese Methode nutzt Daten aus dem Gebäude und den Batteriebetrieb, um die besten Wege zur Energieverwaltung vorherzusagen. Im Gegensatz zu traditionellen Steuerungsmethoden, die auf komplexen Modellen basieren, verwendet DeePC echte Daten, um eine effektive Steuerungsstrategie zu entwickeln.
Diese Strategie kann dabei helfen, Gebäude mit mehreren Zonen zu managen, wie Büros mit mehreren Räumen. Sie kann auch mit Energie-Hubs funktionieren, die Wärmepumpen und Batterien umfassen, um die Heizbedürfnisse des Gebäudes zu decken.
Vergleich mit traditionellen Steuerungsmethoden
Wenn man DeePC mit standardmässigen regelbasierten Reglern (RBC) vergleicht, zeigt es bessere Ergebnisse, wenn es darum geht, den Komfort aufrechtzuerhalten, ohne den Energieverbrauch aus dem Netz zu erhöhen. Tatsächlich kann die Nutzung von DeePC dazu führen, dass die Batterie über die Zeit weniger beansprucht wird. Forschungen zeigen, dass die Batteriealterung um die Hälfte reduziert werden kann, wenn man DeePC anstelle traditioneller Regler verwendet.
Batteriealterung
Batterien altern durch verschiedene Faktoren, wie oft sie aufgeladen und entladen werden, wie sie verwendet werden und unter welchen Bedingungen sie arbeiten. Mit der Zeit, während Batterien vollständige Lade- und Entladezyklen durchlaufen, nimmt ihre Fähigkeit, Energie zu speichern, ab, was ein Problem für jedes Energiemanagementsystem darstellt.
Modellierung des Batterieverhaltens
Um Energie in Gebäuden effektiv zu steuern, ist es wichtig zu verstehen, wie die Batteriealterung funktioniert. Die traditionelle Modellierung dieses Prozesses kann kompliziert und kostspielig sein. DeePC umgeht diese Komplikationen, indem es sich auf tatsächliche Daten stützt, anstatt Ressourcen für detaillierte Modelle auszugeben. Das bedeutet, dass das System flexibler und anpassungsfähiger gegenüber Veränderungen ist, was in der realen Welt wertvoll ist.
Der Energie-Hub
Ein Energie-Hub ist eine Einrichtung, die verschiedene Komponenten wie Wärmepumpen und Batterien umfasst, die zusammenarbeiten, um die Energienachfrage in einem Gebäude zu erfüllen. Die Wärmepumpe nutzt Strom, um Wärme zu erzeugen, die im Gebäude verteilt werden kann. Dieses System muss sorgfältig verwaltet werden, um sicherzustellen, dass es effizient arbeitet und die Heizbedürfnisse aller Räume erfüllt.
Praktische Umsetzung
Um DeePC in die Praxis umzusetzen, wurde ein simuliertes Modell eines Gebäudes und eines Energie-Hubs erstellt. Dieses Setup wurde in einer virtuellen Umgebung getestet, die die Heizdynamik simulieren konnte. Das Gebäude, das in der Simulation verwendet wurde, hatte fünf Räume, und der Energie-Hub umfasste eine Wärmepumpe und eine Lithium-Ionen-Batterie.
Durch das Sammeln von Daten darüber, wie die Temperatur des Gebäudes und der Energiebedarf schwankten, wird es möglich, DeePC zur Optimierung des Energieverbrauchs zu nutzen. Das Ziel ist es, den Energieverbrauch aus dem Netz zu minimieren und gleichzeitig die Innentemperaturen innerhalb komfortabler Grenzen zu halten.
Datensammlung und Simulation
Um die notwendigen Daten für DeePC zu sammeln, wurden über mehrere Tage Messungen vorgenommen, um zu sehen, wie das System auf wechselnde Bedingungen reagierte. Diese Daten umfassten die Temperaturen in jedem Raum und den Stromverbrauch der Wärmepumpe und der Batterie. Durch die Verwendung von regelbasierten Reglern während der Datensammlung stellte das Team sicher, dass die Temperaturen im gewünschten Bereich stabil blieben.
Leistung von DeePC
Nach der Implementierung von DeePC wurden im Laufe eines Jahres mehrere Simulationen durchgeführt. Diese Tests ermöglichten Beobachtungen, wie gut das System den Komfort aufrechterhielt und die Batteriealterung im Vergleich zu RBC steuerte. Die Ergebnisse zeigten, dass DeePC erhebliche Einsparungen beim Batterieverschleiss ermöglichte. Die Verbesserung der Batterieleistung wurde dadurch hervorgehoben, wie viele vollständige Ladezyklen die Batterie durchlief und wie viel ihre Kapazität im Laufe der Zeit abnahm.
Langfristige Vorteile von DeePC
Insgesamt führte die Verwendung von DeePC zu weniger Komfortüberschreitungen im Vergleich zur Verwendung traditioneller Regler. Tatsächlich zeigte DeePC, dass es nur etwa 2,8 % der Zeit die Komfortniveaus überschritt, während RBC dies etwa 5,5 % der Zeit tat. Beide Methoden hatten ähnliche Betriebskosten, aber die geringeren Komfortüberschreitungen machen DeePC zu einer zuverlässigeren Wahl.
Fazit
Zusammenfassend zeigt die Verwendung von Datenbasierter prädiktiver Steuerung vielversprechende Möglichkeiten zur Verbesserung des Energiemanagements in Gebäuden. Sie ermöglicht eine bessere Handhabung der Batterienutzung, was zu weniger Verschleiss und einer verbesserten Gesamteffizienz führt. Der Ansatz hat sich in einer simulierten Umgebung als effektiv erwiesen und könnte die echten Anwendungen im Energiemanagement von Gebäuden verbessern.
Während die Forschung weitergeht, werden weitere Studien untersuchen, wie DeePC in Kombination mit komplexeren Systemen, einschliesslich solcher mit unberechenbaren Energiequellen wie Solarpanels, abschneidet. Das Ziel ist zu sehen, wie diese Methode im grösseren Massstab angewendet werden kann, was potenziell ganzen Stadtvierteln oder Gemeinschaften zugutekommen könnte. Das könnte zu einem noch nachhaltigeren Ansatz zur Energieverwaltung in städtischen Umgebungen führen und den Weg für intelligentere Energielösungen in der Zukunft ebnen.
Titel: Degradation-aware data-enabled predictive control of energy hubs
Zusammenfassung: Mitigating the energy use in buildings, together with satisfaction of comfort requirements are the main objectives of efficient building control systems. Augmenting building energy systems with batteries can improve the energy use of a building, while posing the challenge of considering battery degradation during control operation. We demonstrate the performance of a data-enabled predictive control (DeePC) approach applied to a single multi-zone building and an energy hub comprising an electric heat pump and a battery. In a comparison with a standard rule-based controller, results demonstrate that the performance of DeePC is superior in terms of satisfaction of comfort constraints without increasing grid power consumption. Moreover, DeePC achieved two-fold decrease in battery degradation over one year, as compared to a rule-based controller.
Autoren: Varsha Behrunani, Marta Zagorowska, Mathias Hudoba de Badyn, Francesco Ricca, Philipp Heer, John Lygeros
Letzte Aktualisierung: 2023-07-04 00:00:00
Sprache: English
Quell-URL: https://arxiv.org/abs/2307.01543
Quell-PDF: https://arxiv.org/pdf/2307.01543
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.