Beyond - Virtual Reality-fähige Energiedienste für intelligente Energiesysteme

Ausgangssituation

Die österreichische Regierung ist entschlossen, den Übergang ihrer Energiesysteme zu beschleunigen und bis 2040 CO₂-Neutralität zu erreichen. Um dieses Ziel zu erreichen, muss Österreich seine Bemühungen zur Dekarbonisierung des gesamten Energiesektors deutlich verstärken. Gebäude sind für etwa ein Drittel der Gesamtnachfrage nach Energie verantwortlich. Europa befindet sich nun in der vierten Welle der Energieeffizienz, gekennzeichnet durch die zunehmende Digitalisierung der Gesellschaft, den Einsatz verteilter Energieressourcen und den Wandel des Energieangebots- sowie Energie Nachfrage-Mixes. Intelligente Energiedienstleistungen wie vorausschauende Wartung, Lastmanagement und modellprädiktive Regelung sind zentrale Komponenten zur Reduktion des Energieverbrauchs von Gebäuden und zur Transformation von Gebäuden zu intelligenten Akteuren in der nächsten Generation intelligenter Energiesysteme. 

Die Nutzung von Internet der Dinge (IoT)-Technologien auf der Nachfrageseite in Wohnhäusern, Gewerbe- und Industriegebäuden sowie Bildungs- und Gemeinschaftseinrichtungen bietet ein enormes Potenzial zur Steigerung der Effizienz durch umfassendere Energiemanagementsysteme.
Die aktuelle Landschaft der Ausbildung im Ingenieurwesen offenbart eine deutliche Lücke, die es den Studierenden erschwert, immersive und praktische Elemente zu erlernen, die für ein umfassendes Verständnis komplexer Konzepte im Zusammenhang mit Bauphysik entscheidend sind. Gleichzeitig stoßen vorausschauende Wartungsprozesse in Gebäudesystemen auf Effizienz- und Genauigkeitsprobleme, was die Notwendigkeit innovativer Lösungen unterstreicht. Diese Lücken eröffnen die Möglichkeit für das Projekt "Beyond", sie effektiv anzugehen.

Ziele

Das "Beyond"-Projekt hatte zum Ziel, die technologische Grundlage für "Next Generation Energy Services" zu entwickeln, die durch das Zusammenspiel folgender Technologien ermöglicht wird: 

• Virtual Reality (VR) für die Visualisierung und Echtzeitinteraktion mit dem realen Gebäude; 
• maschinelles Lernen (ML) und physikalische Simulation zur Darstellung der realen Auswirkungen von Interventionen und Entscheidungen; 
• Internet der Dinge (IoT)-Plattformen zur Umsetzung von intelligenten Systemen und bidirektionalen Echtzeitkommunikation zwischen dem Gebäude und seinen Nutzer*innen. 

Die technologischen Entwicklungen wurden anhand von zwei Anwendungsfällen von Energiedienstleistungen getestet und bewertet: "Menschliche Aspekte in Gebäuden" und "Vorausschauende Wartung und Fehlerdiagnose".

Der erste Anwendungsfall, Energiedienstleistung 1, "Menschliche Aspekte in Gebäuden", hatte zum Ziel, theoretisches Wissen und praktische Fähigkeiten nahtlos zu integrieren, insbesondere im Bereich der Bauphysik, und ein Verständnis für die Auswirkungen von Nutzer:innenentscheidungen auf die Leistung von Gebäuden zu erleichtern. Dieser Anwendungsfall strebte danach, eine praxisnahe Lernerfahrung durch Virtual Reality zu fördern und so zu einem tieferen Verständnis praktischer Anwendungen durch ein lehrreiches VR-Spiel beizutragen. Der methodische Ansatz in Energiedienstleistung 1 nutzte modernste VR-Technologie in Verbindung mit der IoT-Plattform, Energiesimulation und maschinellem Lernen (ML), um Veränderungen der Benutzenden in Echtzeit zu bewerten.

Energiedienstleistung 1, konzipiert als lehrreiches VR-Spiel, bietet eine innovative und immersive Lernumgebung, maßgeschneidert für Ingenieurstudierende. Es integriert nahtlos praktische Szenarien und Datenvisualisierung, um ihr Verständnis komplexer Konzepte zu vertiefen. Die Ergebnisse zeigen eine interaktive VR-Umgebung, bereichert mit visuellem, haptischem und auditivem Feedback, und bieten so eine bemerkenswert realistische virtuelle Erfahrung. Durch die Teilnahme an praktischen Szenarien im Spiel entwickeln VR-Nutzer*innen ein tiefes Verständnis für nachhaltiges und energieeffizientes Gebäudedesign, wodurch ihre Fähigkeiten und Kenntnisse auf diesem Gebiet weiter ausgebaut werden.

Der zweite Anwendungsfall, Energiedienstleistung 2 "Vorausschauende Wartung und Automatische Fehlererkennung", konzentrierte sich auf reale Anwendungen, um die Effizienz der Überwachung und Wartung von Luftfiltern in Heizungs-, Lüftungs- und Klimaanlage (HLK)-Systemen durch vorausschauende Wartung und automatische Fehlererkennung zu verbessern. Das Projekt strebte an, Wartungspraktiken in Gebäuden durch den Einsatz von fortgeschrittener Datenanalyse, maschinellem Lernen und IoT-Technologien zur Vorhersage und Erkennung potenzieller Fehler in HLK-Systemen zu optimieren. Dieser Ansatz betonte den iterativen Prozess der Verfeinerung von vorausschauenden Wartungsstrategien auf Basis eines erweiterten Datensatzes und der Aufrechterhaltung des technologischen Fortschritts. 

Trotz Herausforderungen bei der genauen Vorhersage der Lebensdauer von Luftfiltern übertrafen die maschinellen Lernmodelle die Erwartungen und zeigten vielversprechende Ergebnisse bei der Vorhersage von Druckdifferenzänderungen, was wertvolle Einblicke für die Wartung von HLK-Systemen lieferte. Obwohl weitere Datensammlung und technologische Fortschritte als notwendig für die Optimierung erkannt werden, tragen die Projektergebnisse erheblich zum Bereich der vorausschauenden Wartung von HLK-Systemen bei.

Ausblick

Ausblickend sieht das Projekt mehrere zukünftige Entwicklungen vor, um die Auswirkungen von Energiedienstleistung 1 zu verbessern. Dazu gehören die Einführung von Multiplayer-Erfahrungen im VR-Lernspiel für gemeinsames Lernen sowie die Verfeinerung von vorausschauenden Wartungsstrategien durch Fortschritte in Sensortechnologien und Datenanalyse. Die Ergebnisse des Projekts richten sich an verschiedene Zielgruppen, darunter Studierende (z.B. von Bauingenieur, Architektur und Maschinenbau), Fachleute der Bauindustrie und die breitere Forschungsgemeinschaft, mit dem übergeordneten Ziel, nachhaltige Baupraktiken und innovative Bildungsmethoden voranzutreiben. 

Der Ausblick für Energiedienstleistung 2 ist vielversprechend in realen Anwendungen, insbesondere in der vorausschauenden Wartung und automatischen Fehlererkennung von Luftfiltern in HLK-Systemen. Dennoch wird eine weitere Datensammlung zur Verfeinerung von vorausschauenden Wartungsstrategien für HLK-Systeme vorgeschlagen, und zusätzliche Arbeit ist erforderlich für die Entwicklung genauer Modelle zur Bestimmung der Restnutzungsdauer von Luftfiltern.

Projektleitung

Institut für Bauphysik, Gebäudetechnik und Hochbau, Technische Universität Graz

Projekt- bzw. Kooperationspartner:innen

• Institute of Interactive Systems and Data Science (ISDS), Technische Universität Graz
• Institute of Software Technology (IST), Graz University of Technology
• EAM Systems
• EnaLytics

TU Graz
Institut für Bauphysik, Gebäudetechnik und Hochbau
Univ.-Prof. Dipl.-Ing. Dr. Christina J. Hopfe
Lessingstraße 25/III
A-8010 Graz
Tel.: +43 (316) 873 - 6240
E-Mail: c.j.hopfe@tugraz.at
Web: www.tugraz.at/institute/ibpsc/