Schweizer Forschende vom Empa haben eine KI-Steuerung entwickelt, die all diese Aufgaben selbständig erlernen kann – und dabei mehr als 25 Prozent Energie einspart. Wer günstig und zugleich umweltschonend die verfügbare erneuerbare Energie nutzen will, kann sich in Zukunft nicht mehr auf fest installierte Thermostate und manuell betätigte Knöpfe verlassen.
Gefragt ist eine automatische Steuerung, die Energie zu günstigen Tageszeiten hamstert und für teure Tageszeiten nutzbar macht. Als Speicher könnte zum Beispiel die Antriebsbatterie des eigenen Autos dienen, das in der Garage an der Ladestation hängt. Bratislav Svetozarevic, der im Urban Energy Systems-Labor am Empa forscht hat mit einem vielschichtigen Problem zu tun: Jedes Haus ist anders, und seine Bewohner sind es auch. Je nach Wetter und Jahreszeit ändert sich zudem die Stromerzeugung der Solaranlagen, sowie der Bedarf an Heiz- oder Kühlleistung. Eine optimale Energiesteuerung muss also den Tagesrhythmus eines Hauses und seiner Bewohner erlernen – und sollte auch während des Betriebs flexibel reagieren können, etwa wenn ein Wetterumschwung alle Kalkulationen umwirft.
KI: richtige Entscheidungen belohnen
Die KI-Steuerung der Empa verteilt Strom aus Solarkollektoren auf optimale Weise. Sie braucht nicht programmiert zu werden, sondern erlernt mittels künstlicher Intelligenz die Bedürfnisse der Bewohner und passt sich an Tages- und Jahreszeiten an. Sie kann für Gebäude verschiedenster Art und Grösse eingesetzt werden. Bei der Verteilung der Energie hat der Wärmekomfort der Bewohner oberste Priorität. Die Batterie des Elektroautos wird als Zwischenspeicher genutzt und und muss am Morgen genügend Reichweite für die erste Fahrtstrecke des Tages bieten. Netzstrom wird dann eingekauft, wenn er besonders preisgünstig ist.
Die Lösung für solche Probleme ist Künstliche Intelligenz. Der Empa-Forscher entwarf eine KI-Steuerung die auf dem sogenannten Reinforcement Learning Prinzip basiert. Wenn das System richtig agiert, erhält es eine Belohnung. Allmählich perfektioniert die Steuerung auf diese Weise ihr Verhalten.
Steuerung mit Wetterdaten und Raumtemperaturen
Zunächst wurde die Steuerung nur am Computer simuliert. Die Vorgaben: Ein bestimmter Raum in einem Gebäude musste elektrisch auf die gewünschte Temperatur geheizt werden und diese halten. Zugleich musste das System ein Elektroauto mit Strom versorgen, das morgens um 7.00 Uhr zu mindestens 60 Prozent geladen sein sollte und auf die Reise geht. Abends um 17.00 Uhr kehrt das Elektroauto mit einer Restladung zur Ladestation zurück und kann während der Nachtstunden auch Strom ins Haus zurückliefern. Die Steuerung wurde mit Wetterdaten und Raumtemperaturen aus dem vergangenen Jahr gefüttert und musste mit zwei Stromtarifen zu Recht kommen: teurer Strom am Tag zwischen 8.00 Uhr und 20.00 Uhr, billiger Strom während der Nachtstunden.
Das Ergebnis war verblüffend: die selbstlernende Steuerung sparte gegenüber einer fest programmierten Lösung rund 16 Prozent Energie ein und hielt im Theorieversuch auch die gewünschte Raumtemperatur deutlich exakter ein.
Im realen Gebäude: 27 Prozent Heizenergie gespart
Nun musste die Steuerung den Test in der Wirklichkeit bestehen. Svetozarevic nutzte dazu Nest auf dem Empa-Campus. In der Unit DFAB House steuerte der KI-Algorithmus eine Woche lang die Temperatur eines Raumes. Zugleich wurde die 100 Kilowattstunden Batterie genutzt, um die Batterie des Elektroautos zu simulieren. Diesmal fiel das Ergebnis noch deutlicher aus: In einer kühlen Woche im Februar 2020 sparte die KI-Steuerung 27 Prozent Heizenergie ein, im Vergleich zum benachbarten Studentenzimmer, dessen Heizung mit einer fest programmierten (regelbasierten) Steuerung betrieben wurde.
In einem nächsten Schritt wollen Svetozarevic und seine Kolleginnen und Kollegen nun ermitteln, wie sich das System von einem Raum auf größere Gebäude erweitern lässt. „Unsere KI-Steuerung kommt auch dann noch zurecht, wenn eine Photovoltaikanlage Strom liefert, eine Wärmepumpe und ein lokaler Heißwasserspeicher bedient werden muss – und sich die Komfortansprüche der Bewohner immer wieder ändern“, erklärt Svetozarevic. (nhp)
Weitere aktuelle Meldungen:
Baywa r.e. sichert sich digitale Expertise für Betriebsführung
Johannes Dahl von Solytic: Überwachung und Problemlösung komplett digitalisieren
Torsten Sieker von Phoenix Contact Electronics: Sektorenkopplung durchgängig umsetzen
