Innovation Scout · Quellenprofil
Ein Feldversuch in Berkeley verbindet die Prognose des Gebäudeverhaltens mit wechselnden Strompreisen. Die Auswertung unterscheidet eingesparte Energie von zusätzlichen Kostenvorteilen durch einen veränderten Bezugszeitpunkt.
Kühle Nachtluft kann ein Bürogebäude bereits abkühlen, bevor am Nachmittag hohe Außentemperaturen und Strompreise zusammentreffen. Ein Team um Ettore Zanetti vom Lawrence Berkeley National Laboratory untersuchte, wie sich solche zeitlichen Spielräume für Heizung, Lüftung und Kühlung nutzen lassen. Der Versuch betraf zwei Bürogeschosse mit rund 6000 Quadratmetern Fläche im Forschungsgebäude Building 59.
Die modellprädiktive Regelung, kurz MPC, berechnet mögliche Betriebsweisen für die nächsten 24 Stunden. Sie verwendet vereinfachte physikalische Gebäude- und Anlagenmodelle, deren Parameter mit Messdaten angepasst werden. Wettervorhersagen, Wärmeeinträge etwa durch Geräte und Personen sowie Strompreise gehen in die Berechnung ein. Der Regler wählt unter anderem Lüfterleistung, Kühlung und Außenluftanteil. Die Berechnung berücksichtigt den geforderten Frischluftbedarf und die vorgegebenen Temperaturbereiche.
Zwischen Juni 2023 und Mai 2024 wurden Testphasen in allen vier Jahreszeiten mit der vorhandenen regelbasierten Steuerung verglichen. Erprobt wurden vier künstlich erzeugte, zur jeweiligen Jahreszeit passende Strompreisprofile. Die Regelung konnte dadurch etwa nachts vorkühlen oder vor kalten Morgenstunden vorheizen und später mit geringerer Leistung arbeiten.
Für einen Jahresvergleich leitete das Team aus den Testdaten Zusammenhänge zwischen Außentemperatur und Anlagenverbrauch ab. Diese wurden auf ein typisches Wetterjahr übertragen. Daraus ergaben sich gegenüber der bisherigen Steuerung rund 45 Prozent weniger Strombedarf für die betrachtete Gebäudetechnik und gut 60 Prozent geringere Kosten unter dem erprobten dynamischen Preisszenario. Es handelt sich um eine Hochrechnung aus Testperioden, nicht um ein vollständig unter MPC gemessenes Betriebsjahr.
Ein Teil des Kostenvorteils entstand durch geringeren Energiebedarf, ein weiterer durch die Verlagerung auf günstigere Stunden. Eine Nachrechnung derselben Betriebsdaten mit annähernd konstanten Tagespreisen ergab einen kleineren Kostenvorteil. Die ausgewerteten Abweichungen von den vorgegebenen Temperaturgrenzen waren insgesamt ähnlich wie bei der bisherigen Steuerung, auch wenn einzelne Sommer- und Herbstnachmittage stärkere Temperaturspitzen zeigten.
Die physikalisch modellbasierte Regelung bietet einen Vergleichsfall für lernende KI-Regler. Ein Betriebsteam könnte die beiden Ansätze an denselben Anlagen, unter denselben Preisannahmen und mit denselben Temperaturgrenzen erproben. Strombedarf, Kosten und Temperaturabweichungen wären dabei getrennt auszuwerten. Vorab wäre zu klären, welche Messdaten vorliegen und welche Lüfter-, Kühl- und Heizungsfunktionen der Regler tatsächlich steuern kann.
