KI und IoT optimieren den Energieverbrauch von HLK-Systemen
Heizungs-, Lüftungs- und Klimaanlagen (HLK) sind große Energieverbraucher, die oft bis zu 40% des gesamten Energieverbrauchs eines Gebäudes ausmachen. Ein effizienter Betrieb von HLK-Systemen senkt nicht nur die Energiekosten, sondern trägt auch erheblich zur Verringerung des CO2-Fußabdrucks bei. Erfahren Sie, wie Künstliche Intelligenz (KI) und das Internet of Things (IoT) die Optimierung von Heizungs-, Lüftungs- und Klimaanlagen ermöglichen und warum sie für eine nachhaltige Zukunft wichtig sind.
Energieeffizienz und Klimaschutz: Die aktuelle Lage in der EU
Mit Initiativen wie dem European Green Deal, dem Emissionshandelssystem (ETS), der Richtlinie über Industrieemissionen (IED) und der Energieeffizienzrichtlinie (EED) ist die Europäische Union führend in den Bestrebungen zur Verbesserung der Energieeffizienz und zur Bekämpfung des Klimawandels.
HLK-Optimierung dank KI und IoT
Künstliche Intelligenz (KI) und das Internet of Things (IoT) transformieren HLK-Systeme (Englisch: HVAC-Systems), indem sie die Energieoptimierung durch Datenanalyse und Echtzeitanpassungen ermöglichen. Die wichtigsten Aspekte dabei sind:
- Dynamische Steuerungssysteme: KI- und IoT-Sensoren ermöglichen eine Echtzeit-Anpassung der HLK-Systeme an Bedingungen wie Auslastung und Wetter, um so eine optimale Leistung der Systeme zu gewährleisten.
- Intelligente Überwachung: Die kontinuierliche Kontrolle durch IoT-Geräte deckt ineffiziente Abläufe auf und ermöglicht ein frühzeitiges Gegensteuern.
- Vorhersage des Energieverbrauchs: KI-Modelle sagen den künftigen Energiebedarf auf der Grundlage historischer Daten voraus, verbessern so die Planung und verringern die Verschwendung von Energie.
- Integration mit Gebäudemanagementsystemen: KI und IoT integrieren HLK-Systeme mit Gebäudemanagementsystemen und sorgen so für eine optimierte Gesamtenergieeffizienz.
Anwendungsfallanalyse: Dynamische HLK-Steuerung mit KI
Das KI-Team von GFT untersuchte das Potenzial der Implementierung einer KI-basierten Steuerung für ein HLK-System in einem Geschäftsgebäude. Gegenstand der Studie ist ein Bereich von 1160 m² in einem Bürogebäude. Dieser Bereich ist in acht verschiedene thermische Zonen unterteilt und wird von einem einzigen RTU-Wiederaufheizsystem mit den folgenden Merkmalen versorgt:
- Auslegung Luftstrom: 33.980 m³/h
- Kühlleistung: 356 MBH (30 Tonnen oder 105,5 kW)
- Wärmepumpe: 117 kW (400 MBH) (nominell) Wärmepumpe (ursprünglich Luftquelle, später durch Wasserquelle ersetzt)
Die Temperatur in jeder Wärmezone wird durch lüfterbetriebene Wärmeeinheiten fein abgestimmt:
- Hydronik-Heizregister: 117 kW oder 400 MBH Nennleistung
- Luftverteilung (Diffusoren) für fein abgestimmte Kühlung
Das HLK-System liefert Informationen über die folgenden Variablen:
Darüber hinaus sind Daten über das Außenwetter und die Belegung des Gebäudes verfügbar.
Das Verfahren umfasst die Integration eines Simulationsmodells, das die Korrelation zwischen den Betriebsvariablen dynamisch ermittelt, wenn sich die Bedingungen ändern. Ein Optimierungsmodell sucht nach den optimalen Steuerungsparametern, die eine Zieltemperatur bei minimalem Energieverbrauch aufrechterhalten. Dieses Optimierungsmodell wird durch eine Kostenzielfunktion gesteuert, die verhindert, dass das System von der angestrebten Zieltemperatur abweicht.
Die Modelle wurden anhand einer Kombination aus historischen und generierten Daten trainiert. Das Ergebnis ist ein Algorithmus, der so kalibriert ist, dass er optimale HLK-Einstellungen auch unter neuen, unbekannten Bedingungen liefert.
Als Eingangsparameter werden die Zieltemperatur jeder thermischen Zone, das aktuelle Außenwetter und vergangene HLK-Betriebsparameter genutzt. Daraus ergibt sich eine Reihe optimaler HLK-Parameter, unter anderem der „AI RTU Supply Air Setpoint“ oder die „AI Thermal Zone Fan Speed“. Diese optimierten Parameter werden auf das HLK-System angewandt, wodurch die gewünschte Innentemperatur bei minimiertem Energieverbrauch erreicht wird.
Welche Verbesserungen wurden erreicht?
Die Lösung wurde anhand der Daten vom 1. Juli bis 6. Dezember 2023 für das oben beschriebene Gebäude bewertet. In diesem Zeitraum verursachte die nicht optimierte HLK 353 Temperaturverstöße mit einer durchschnittlichen Abweichung von 2,2°F außerhalb des zulässigen Bereichs. Verstöße sind Zeiträume, in denen die Temperatur außerhalb der im System festgelegten Mindest- und Höchstwerte liegt. Der Energieverbrauch für den Zeitraum betrug 54 MW mit einem durchschnittlichen Momentanverbrauch von 3,5 KWh.
Die KI-Steuerung des HLK-Systems konnte die Zahl der Überschreitungen von 353 auf 72 und die durchschnittliche Abweichung pro Überschreitung von 2,2°F auf 0,45°F reduzieren. Zusätzlich wurde der Energieverbrauch von 54 MW auf 46 MW gesenkt.
Effizienzsteigerung und CO₂-Reduktion durch KI-optimierte HLK-Systeme
Die Studie verdeutlicht, wie der Energieverbrauch von HLK-Systemen durch den Einsatz von KI erheblich reduziert werden kann, was wiederum zu einer spürbaren Senkung der Betriebskosten führt. Gleichzeitig wird die Freisetzung von bis zu einer Tonne CO₂ pro Megawatt nicht verbrauchter Energie vermieden.
Darüber hinaus ermöglicht die KI-gestützte Steuerung von HLK-Systemen nicht nur finanzielle Einsparungen, sondern auch eine Reduzierung von Temperaturüberschreitungen.
Letztlich lässt sich dieser Ansatz als herkömmlicher geschlossener Regelkreis umsetzen, wodurch nahezu alle bestehenden HLK-Systeme intelligenter und effizienter arbeiten können.
Schlussfolgerung
Die Optimierung des Energieverbrauchs von HLK-Systemen in gewerblichen und industriellen Umgebungen ist nicht nur eine betriebliche Notwendigkeit, sondern auch ein wichtiger Bestandteil der globalen Nachhaltigkeitsbemühungen. KI und IoT spielen in diesem Optimierungsprozess eine zentrale Rolle und bieten bewährte Lösungen, die sicherstellen, dass HLK-Systeme sowohl energieeffizient wie auch kosteneffektiv sind.
Möchten Sie erfahren, wie GFT den Energieverbrauch in Ihrem Unternehmen optimieren kann? Kontaktieren Sie uns.
