Forschung für unsere Zukunft

Die Energie von morgen heute verstehen.

Diese Website verwendet Cookies, um bestimmte Funktionen zu ermöglichen. Mit der Nutzung unserer Seite erklären Sie sich damit einverstanden.
Weiters gilt für sämtliche, über Formulare auf dieser Website übermittelten Daten unsere Datenschutzerklärung

#853663

IntelliEE-Home Intelligent energy-efficient home

Der Energieverbrauch im Gebäudesektor hat mit rund 40% einen ganz wesentlichen Anteil am nationalen und internationalen Energiekonsum. Aus verschiedenen Quellen geht hervor, dass mit intelligenten Automatisierungssystemen der Energieeinsatz in Wohnhäusern signifikant reduziert werden kann. Es ist ohne aufwendige bauliche Maßnahmen möglich den Energieverbrauch und den CO2-Ausstoß für Gebäudeheizung und -kühlung sowohl in Neubauten als auch in Bestandsgebäuden mit intelligenten Automatisierungssystemen zu reduzieren (bis zu 40%). Besonders geeignet hierfür ist die modellprädiktive Regelung, welche zukünftige Störgrößen wie Wetter, Strahlung, und NutzerInnenverhalten explizit in ihrer Optimierung berücksichtig. Im gegenständlichen Projekt soll eine intelligente modellprädiktive Regelung für ein Heim-Automatisierungssystem entworfen werden. Um mit geringstem Aufwand eine bestmögliche Anpassung an die spezielle Anwendung zu erhalten, wird neben dem prädiktiven Regelungskonzept auch ein selbstlernendes adaptives Modell des Gebäudes und des NutzerInnenverhaltens angepasst. Das selbstlernende Modell ist in der Lage durch Adaption an das NutzerInnenverhalten Modellfehler zu korrigieren und sich selbst im laufenden Betrieb neu zu parametrieren. Neben dem adaptiv-prädiktiven Regler liegt der Schwerpunkt der wissenschaftlichen Problemstellung auf einem geeigneten Datenverarbeitungsalgorithmus. Durch die adaptiv-prädiktive Regelung steigt der thermische Komfort für NutzerInnen, während nachhaltig der Energieverbrauch reduziert wird. Außerdem wird eine flexible Nutzung erneuerbarer Energiequellen möglich, im einfachsten Fall durch eine integrierte smarte Storen-Regelung. Durch die Ansteuerung mit mobilen Endgeräten ist dieses Konzept leicht bedienbar und mittels User-Interface für alle Kunden nutzerfreundlich. Überdies wird die Funktionalität für die aktive Teilnahmen an Smart Grids geschaffen. Durch ein selbstlernendes System kombiniert mit prädiktiver Regelung im Eigenheimbereich definiert der Industriepartner evon automation GmbH ein Alleinstellungsmerkmal am Markt. Durch kostengünstige Implementierung wird somit eine große Anzahl an potentiellen Kunden angesprochen, sowohl im Feld der Neubauten als auch im Bereich des Retrofitting von Bestandsgebäuden. Durch diesen Multiplikatoreffekt ergibt sich ein sehr hohes Potenzial für CO2-Einsparungen im Wohnsektor.

Ausgangssituation

Heim-Automatisierungssysteme sind nicht nur für das Wohlbefinden im Haus wichtig.
Ebenso relevant sind Aspekte wie Sicherheit, Energie Management Systeme, Anwendungen
wie Licht, Audio-Geräte, aber natürlich auch Ansteuerung des Heizsystems und Vorgabe der
Wunschtemperatur. Messsignale stammen teils aus den Temperaturmessungen im
Gebäude, teils aus Daten einer Wetterstation und können auch aus Wetterprädiktionen
kommen. Damit bietet das System die Möglichkeit, das Eigenheim durch prädiktive Regelung
als Energiespeicher zu nutzen. Diese Nutzung von Eigenheimen als thermischer Speicher ist
in der Literatur als großes Potenzial für zukünftige Smart Grids diskutiert worden, es gibt bis
heute aber keine Methodik, welche dies kundenfreundlich und wirtschaftlich ermöglichen
würde.

In den aktuell existierenden Wohnsiedlungen
existieren insgesamt Energieeinsparungspotentiale in der Höhe von 35%-40%.
Durch Eigenheim Automatisierungssysteme werden Energieeinsparungen sichtbar, wie zum
Beispiel die Kontrolle der Beleuchtung und die Helligkeit der Belichtungsstufe.
Energieeinsparungen werden ebenso durch optimale Temperierung abhängig vom
Anwesenheits-/Belegungsprofil des Eigenheims generiert. Optimale und automatische
Stellung der Storen ist ebenso ein wichtiger Ansatz für Einsparungen.

Projektverlauf

Das Projekt verläuft sehr positiv im geplanten zeitlichen Rahmen. Es wurden dabei innovative Methoden entwickelt und auch bei wissenschaftlichen Fachkonferenzen publiziert. Diese Grundlagen wurden aufbereitet, damit sie in die Smart Home Anwendung übernommen werden können.

Derzeit ist die Implementierung in zwei verschiedenen Testhäudern in Vorbereitung. Dort sollen die geplanten Funktionen getestet und vefeinert werden.

Meilensteine
1 Projekt starten
2 Adaptives Modell liegt vor
3 Regler-Methodik ist entwickelt
4 Algorithmus zur Datenverknüpfung ist entwickelt
5 Design von User-Interface ist festgelegt und umgesetzt
6 Methode ist fertig entwickelt
7 Projekt ist abgeschlossen
Ergebnisse

Publikationen:

 M. Killian, and M. Kozek. Adaptive modelling and short-term occupancy prediction for model predictive control of smart homes. In Proc. of IFAC workshop on Control of Smart Grid and Renewable Energy Systems, June 10–12, 2019, Jeju Island, South Korea, submitted.

M. Killian, M. Kozek. Adaptive model predictive control for energy-efficient smart homes using a dynamic Kalman filter-bank. In Proc. the15th International Conference on Control, Automation, Robotics and Vision (ICARCV 2018), November 18 – 21, 2018, Singapore, IEEE, accepted for presentation.

 M. Zauner, M. Killian, M. Kozek. Localized Online Weather Predictions with Overnight Adaption; In Proc. of International Conference on Time Series and Forecasting (ITISE 2018), September 19 -21, 2018, Granada, Spain.

M. Killian, M. Kozek, A. Leitner, R. Goldgruber. Optimization of smart homes using mixed-integer quadratic-programming and occupancy predictions.  
In Proc. of 8th International Symposium on Energy August 06 – 09, 2018, Aberdeen, Scotland, UK (invited), North Sea Conference & Journal.

M. Killian, M. Zauner, and M. Kozek. Comprehensive smart home energy management system using mixed-integer quadratic-programming; Applied Energy, 222 (2018), S. 662 - 672.

 M. Killian, M. Kozek, A. Leitner, and R. Goldgruber. Short-term forecasts for optimal model predictive control in smart homes. In Proc. of International Congress e-nova: “Zukunft der Gebäude: digital – dezentral – ökologisch”, November 23–24, 2017, Pinkafeld, Austria.

 M. Killian, M. Kozek, A. Leitner, and R. Goldgruber. IntelliEE-Home: Intelligentenergy-efficient home automation system. In Proc. of International Congress e-nova: “Nachhaltige Gebäude: Versorgung – Speicherung“, November 24–25, 2016, Pinkafeld, Austria.

M. Killian, A. Leitner, R. Goldgruber, and M. Kozek. Adaptive model predictive control for energy-efficient smart homes. In Proc. of 7th International Symposium on Energy, August 13–18, 2017, Manchester, England, UK (invited), North Sea Conference & Journal.

Diplomarbeit:

M. Zauner. Global Predictive control for smart homes using improved disturbance predictions.
Betreuer/in(nen): M. Kozek, M. Killian; Institut für Mechanik und Mechatronik, 2018; Abschlussprüfung: 06.03.2018.

Steckbrief

Projektnummer
853663
Koordinator
Technische Universität Wien, Institut für Mechanik und Mechatronik
Projektleitung
Martin Kozek, kozek@impa.tuwien.ac.at
Partner
evon GmbH
Schlagwörter
Energieeffizienz Smart Home adaptiv-prädiktive Regelung
Förderprogramm
Energieforschung (e!MISSION)
Dauer
01.2016 - 12.2018
Budget
297.403 €