Innovation Scout · Quellenprofil
Eine Studie trennt eine gelernte Heizstrategie von ihrer Umsetzung am Heizungsventil. Simulationen und Wintertests im NEST-Forschungsgebäude zeigen, wie sich die Steuerung mit begrenzten Daten auf einen anderen Raum übertragen lässt.
Zwei Räume reagieren auf dieselbe Ventilöffnung unterschiedlich: Fensterflächen, Außenwände und Nutzung beeinflussen, wie schnell sie sich erwärmen. Ein Team um Mina Montazeri und Carl Remlinger von Empa und Swiss Data Science Center untersucht deshalb, wie eine bereits gelernte Heizungsregelung in weiteren Räumen eingesetzt werden kann. Die Erprobung nutzt drei Räume der Wohneinheit UMAR im NEST-Forschungsgebäude in Dübendorf.
Die Steuerung besteht aus zwei gelernten Modellen. Der erste Baustein entscheidet, welche Temperaturänderung erwünscht ist. Er wird durch Reinforcement Learning trainiert: In einem simulierten Raum erprobt er Heizentscheidungen. Die Bewertung belohnt geringen Energieverbrauch und bestraft Abweichungen von den vorgegebenen Temperaturgrenzen. Der zweite Baustein übersetzt die gewünschte Temperaturänderung in eine passende Ventilöffnung. Er lernt diesen Zusammenhang aus vorhandenen Messdaten des jeweiligen Raums.
Für das Training simuliert ein ebenfalls aus Daten gelerntes Raummodell die Folgen der Heizentscheidungen. Seine Bauweise erzwingt grundlegende physikalische Zusammenhänge: Mehr Heizleistung darf beispielsweise nicht zu einer niedrigeren vorhergesagten Temperatur führen. Beim Raumwechsel bleibt die gelernte Regelstrategie erhalten; neu angelernt wird der Baustein für die Ventilsteuerung im Zielraum.
In Simulationen untersuchte das Team sechs Übertragungen zwischen den drei Räumen. Als Vergleich dienten eine einfache Ein-Aus-Regelung und ein klassisch übertragener Lernregler. Bei diesem Vergleichsverfahren wird der gesamte Regler anhand eines Modells des Zielraums nachtrainiert. Die Forschenden fassten Energieverbrauch und Abweichungen von den Temperaturgrenzen zu einer gemeinsamen Bewertung zusammen. Bei wenigen Zielraumdaten schnitt die modulare Lösung in dieser Gesamtbewertung besser ab als der vollständig nachtrainierte Lernregler. Mit umfangreicheren Daten konnte dieser Vergleichsregler in einzelnen Fällen aufholen oder besser abschneiden.
Für die reale Erprobung steuerten der ursprüngliche und der angepasste Regler zwei Schlafzimmer während Testperioden im Januar und Februar 2024. Die Übertragung funktionierte auch dort, die Temperaturen blieben aber nicht durchgehend innerhalb der vorgesehenen Grenzen. Ein geöffnetes Fenster unterbrach beispielsweise die Heizung und ließ die Raumtemperatur vorübergehend absinken. Der Feldtest erprobte die Übertragung zwischen Räumen; die Vergleiche mit der Ein-Aus-Regelung stammen aus den Simulationen.
Für weitere Räume bietet die Aufteilung einen konkreten Arbeitsweg: Die vorhandene Heizstrategie wird weiterverwendet. Messdaten zur Temperaturentwicklung und zu den Ventilstellungen dienen dazu, ihre Umsetzung im neuen Raum zu lernen. Die Studie zeigt dies innerhalb eines Forschungsgebäudes. Bei anderen Gebäuden und Heizsystemen müsste erneut erprobt werden, ob die übernommene Strategie passt.
Die NEST-Studie dient im Buchholz-Galerie-Profil als methodischer Hintergrund für die Empfehlung, einen eigenen Pilotversuch mit zugeordneten Anlagendaten und zulässigen Raumzuständen vorzubereiten.
Use Case öffnenDie NEST-Studie ergänzt im Schulhaus-Bach-Profil den fachlichen Hintergrund für eine eigene Erprobung der Heizungsregelung mit passenden Heizflächen und repräsentativen Räumen.
Use Case öffnenDie NEST-Studie dient im Origo-Profil als methodischer Hintergrund für die Empfehlung, einen Optimierungsdienst für den eigenen Bestand am konkreten Anlagenumfang und an den zulässigen Eingriffen zu beurteilen.
Use Case öffnen