idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Grafik: idw-Logo

idw - Informationsdienst
Wissenschaft

Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instanz:
Teilen: 
04.03.2021 11:48

KI für das Energiemanagement im Haus - Hamsternde Häuschen

Rainer Klose Kommunikation
Empa - Eidgenössische Materialprüfungs- und Forschungsanstalt

    Das Energiemanagement in einem Haus mit Solaranlage wird immer komplexer: Wann stelle ich die Heizung an, damit es abends angenehm warm ist? Wieviel Strom darf der Heisswasserspeicher aufnehmen? Reicht die Energie dann noch fürs Elektroauto? Künstliche Intelligenz kann da helfen: Forschende der Empa haben eine KI-Steuerung entwickelt, die all diese Aufgaben selbständig erlernen kann – und dabei mehr als 25 Prozent Energie einspart.

    Wie waren die alten Zeiten einfach: Im Frühjahr, wenn die Heizölpreise sanken, hat man die Tanks im Keller einfach randvoll gefüllt. Dann war man bis zur nächsten Saison alle Sorgen los. Auch fürs Auto gab es Sprit an jeder Ecke. Rund um die Uhr. Volltanken, weiterfahren fertig.

    Der Ausstieg aus der fossilen Wirtschaft macht es für Sparfüchse deutlich schwerer. Nun ändern sich die Energiepreise nicht mehr jährlich, sondern stündlich. Solarstrom gibt’s zur Mittagszeit im Überfluss – am Abend liefert die tiefstehende Sonne kaum noch Energie, gleichzeitig lassen heimkehrende Arbeitspendler den Strombedarf in Stadt und Land rapide ansteigen. Der Effekt ist auf Verbrauchsgrafiken so deutlich zu sehen, dass Wissenschaftler ihm einen eigenen Namen gegeben haben: «Duck-Curve» (Entenkurve). Wenn die Ente ihr Haupt erhebt, wird es teuer für alle, die nun Strom beziehen müssen.

    Beim Energie-beziehen auf die Uhr schauen wäre also wichtig für Elektroautofahrer und Hausbesitzer. 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.

    Ein vielschichtiges Problem

    Bratislav Svetozarevic, forscht im «Urban Energy Systems»-Labor an der Empa und hat das Problem erkannt. 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. Doch Svetozarevic 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.

    Schritt eins: die Theorie

    Die Lösung für solche Probleme ist Künstliche Intelligenz. Der Empa-Forscher entwarf eine KI-Steuerung die auf dem Reinforcement Learning Prinzip basiert. Wenn das System «richtig» agiert, erhält es eine «Belohnung». Allmählich perfektioniert die Steuerung auf diese Weise ihr Verhalten.

    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.

    Schritt zwei: Test im realen Gebäude

    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 kWh-grosse Speicherbatterie im NEST 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.

    «Das Schöne an unserer selbstlernenden KI-Steuerung ist, dass man sie nicht nur im Forschungsgebäude NEST, sondern auch jedem anderen Gebäude einsetzen kann», sagt Bratislav Svetozarevic. «Es braucht keinen Ingenieur, der die Steuerung programmiert, und niemanden, der das Haus zuvor analysiert und eine massgeschneiderte Lösung errechnet.»

    Wohlige Wärme auf sparsame Art

    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. «Wir haben in unserem ersten Experiment einen typischen Haushalt der Zukunft abbilden wollen», sagt der Empa-Forscher. Der Einfachheit halber hat sich das Team aufs Heizen und Fahrzeugladen beschränkt. Die Arbeit legt jedoch die Basis für deutlich mehr. Svetozarevic ist sich sicher: «Unsere KI-Steuerung kommt auch dann noch zurecht, wenn eine Photovoltaik-Anlage Strom liefert, eine Wärmepumpe und ein lokaler Heisswasserspeicher bedient werden muss – und sich die Komfortansprüche der Bewohner immer wieder ändern.»

    Um das KI-System in Zukunft für eine optimale Energieversorgung nutzen zu können, ist allerdings eine neue Generation Elektroautos nötig. Die heute üblichen, europäischen und US-Modelle mit dem CCS-Schnelladeanschluss können nur Strom tanken, jedoch keinen liefern. Japanische Autos mit Chademo-Stecker sind dagegen fürs sogenannte bidirektionale Laden ausgelegt. Der koreanische Konzern Hyundai kündigte im Dezember an, seine neue Elektroauto-Plattform E-GMP ebenfalls für bidirektionales Laden auszurüsten. Damit könnten Elektroautos langfristig beim Energiesparen helfen und zugleich das Elektrizitätsnetz stabilisieren.

    Mehr Informationen zum Thema finden Sie unter: www.empa.ch/web/energy-hub


    Wissenschaftliche Ansprechpartner:

    Bratislav Svetozarevic
    Urban Energy Systems
    Tel. +41 58 765 6535
    Bratislav.Svetozarevic@empa.ch


    Originalpublikation:

    B Svetozarevic, C Baumann, S Muntwiler, L Di Natale, P Heer, M Zeilinger; Data-driven MIMO control of room temperature and bidirectional EV charging using deep reinforcement learning: simulation and experiments; https://arxiv.org/abs/2103.01886


    Weitere Informationen:

    https://www.empa.ch/web/s604/eq70-smarte-batterie


    Bilder

    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.
    Die KI-Steuerung der Empa verteilt Strom aus Solarkollektoren auf optimale Weise. Sie braucht nicht ...

    Empa

    In der NEST-Unit DFAB House steuerte der KI-Algorithmus eine Woche lang die Temperatur eines Studentenzimmers.
    In der NEST-Unit DFAB House steuerte der KI-Algorithmus eine Woche lang die Temperatur eines Student ...
    Roman Keller
    Roman Keller


    Merkmale dieser Pressemitteilung:
    Journalisten
    Energie
    überregional
    Forschungsergebnisse
    Deutsch


     

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).