Cooling LEC - Energieflexible Gebäude durch Steuerung von Kühlanlagen über unidirektionale Kommunikation in Local Energy Communities

Der fortschreitende Klimawandel führt zu höheren Sommertemperaturen und damit zu einem erhöhten Kühlbedarf, der vor allem in Bestandsbauten nicht gänzlich durch passive Kühlmaßnahmen gedeckt werden kann und somit mit einem zusätzlichen Strombedarf einhergeht. Während der zusätzliche Strombedarf durch diese Kühlgeräte eine Heraus¬forderung darstellt, bieten die Geräte auch ein Flexibilitätspotenzial. Eine gezielte Nutzung könnte eine Entlastung der Stromnetze durch Aufnahme überschüssiger erneuerbarer Erzeugung mit sich bringen. Eine Steuerung durch den Netzbetreiber würde aus Systemsicht Sinn machen, birgt aber die Herausforderung des Datenaustausches zwischen Netzbetreiber und den Kühlgeräten. Die Praxis zeigt, dass sich diese Herausforderung derzeit kaum bewältigen lässt.

Im Rahmen von Cooling LEC wurden daher die folgenden Forschungsfragen behandelt:

• Ist die Umsetzung einer Steuerung auf Basis einer unidirektionalen Kommunikation über Rundsteueranlagen unter Zuhilfenahme eines selbstlernenden Systems für die Analyse und Steuerung der Kühllasten möglich?
• Bietet das neue Modell der Energiegemeinschaften ein ausreichend wirtschaftlich attraktives Umfeld, um das System auch wirtschaftlich betreiben zu können?
• Wie reagieren die Nutzer und Nutzerinnen auf ein solches System?

Aufbauend auf diesen Fragestellungen wurde ein selbstlernendes System entwickelt, das unter Verwendung einer unidirektionalen Signalrichtung die zentrale Steuerung dezentraler Kühlgeräte durchführt. Ziel der Steuerung war die Optimierung des Einsatzzeitpunktes der Kühlgeräte, um möglichst viel PV-Überschuss-Strom zu verwenden und gleichzeitig Komforteinbußen bei den Nutzern und Nutzerinnen zu vermeiden. Das Cooling LEC System besteht aus dem Cooling LE -System_Analyser, zur Identifikation der Einschaltvorgänge von Kühlgeräten, dem Cooling LEC Control Optimiser zur Prognose von Lasten, Erzeugung und Einsatzzeitpunkt der Kühlgeräte und der anschließenden Optimierung der Einschaltzeitpunkte der Kühlgeräte und der der Cooling LEC Communication Suite, zur Ansteuerung der Kühlgeräte mittels Rundsteuersignal.

Für den Cooling LEC System Analyser wurde die Methode der Flankenerkennung eingesetzt. Dank einer Überarbeitung der Messdaten der Kühlgeräte für das Training des selbstlernenden Systems wurden beim Systemtest 80 % der Einschaltflanken richtig erkannt. Im Demonstrationsbetrieb sank die Performance der Flankenerkennung deutlich ab und nur rund 40 % der Flanken wurden richtig erkannt.

Für den Cooling LEC Control Optimiser kam eine Zeitreihenprognose auf Basis eines Neuronalen Netzes zum Einsatz, welche den Einsatz der Kühlgeräte, die Gebäudelast und die PV-Erzeugung prognostiziert. Der Ansatz stellte sich als gute Lösung für diesen Aufgabenbereich heraus, obwohl die Datengrundlage für das Training der Modelle corona-bedingt schlecht war. Für die Optimierung des Einsatzzeitpunktes kam der im Forschungsprojekt Hybrid-Flex entwickelte Ansatz zur Optimierung der Warmwasseraufbereitung zum Einsatz, der den Einsatz von Flexibilitäten innerhalb eines Komfortfensters optimiert. Während des Systemtests wurde für die Kühllastprognose ein Root Mean Square Error (RMSE) von rund 0,2 als Mittel in beiden Gebäuden erzielt. Für die Gesamtlastprognose wurde ein RMSE von 0,05 erreicht. Im Demonstrationsbetrieb wurde die Gesamtlastprognose mit dem Mean Average Percentile Error (MAPE) bewertet, dabei wurden Werte von 60 % für das Demonstrationsgebäude „Planungsbüro" und rund 23 % für das Demonstrationsgebäude „Zukunftshaus" erreicht. Letzteres stellt ein gutes Ergebnis dar.

Für die Bewertung der Kühllastprognose wurde die Treffergenauigkeit der Prognose errechnet, diese erreichte im ersten Monat der Demonstrationsphase einen Wert von rund 30 %, was aber auch damit zusammenhing, dass die Prognosewerte vor einer Optimierung der Einschaltzeitpunkte erstellt wurden. In den beiden Folgemonaten wurde die Prognose deutlich schlechter.

Die Nutzer und Nutzerinnen reagierten in einem der beiden Demonstrationsgebäude gut auf die Einschalt¬empfehlungen, jedoch ließ die Reaktionsfreudigkeit im Verlauf der Demonstrationsphase nach.

Für die Übermittlung der Steuersignale war geplant, die bestehende Rundsteueranlage dahin-gehend zu adaptieren, dass die Signale des Cooling LEC Control Optimisers direkt eingepflegt und versandt werden. Dieser Ansatz wurde aus Sicherheitsgründen verworfen und auf eine manuelle Programmierung der Rundsteueranlage umgestellt. Die Kühlgeräte wurden nicht direkt geschalten, da es sich um manuell gesteuerte Geräte handelte, sondern das Rundsteuersignal aktivierte eine Signaleinheit bei den Nutzern und Nutzerinnen, die dann die Steuerung übernahmen. Durch die Maßnahmen der Nutzer und Nutzerinnen konnten in Summe um 40 kWh mehr an PV-Strom direkt genutzt werden.

Für die wirtschaftliche Bewertung des Ansatzes wurde die Einbindung der Demonstrationsgebäude in eine erneuerbare Energiegemeinschaft untersucht und alternative Geschäftsmodelle definiert. Der Ansatz stellte sich grundsätzlich als gut heraus, konnte aber aufgrund der rechtlichen Rahmenbedingungen nicht umgesetzt werden. Der Einsatz des Cooling LEC Ansatzes im Rahmen einer Energiegemeinschaft stellte sich als sinnvoller Ansatz heraus, zumindest zeigten das die Simulationen. Der wirtschaftliche Vorteil war aufgrund der sehr geringen Leistungsstärke der Kühlgeräte mit €15 p.a. ebenfalls sehr gering, zeigte aber das grundsätzliche Potenzial des Ansatzes.

Die Einbindung der Nutzer und Nutzerinnen schaffte Vertrauen und baute Hürden für die Umsetzung ab, dennoch stellte sich heraus, dass reine Empfehlungen an die Nutzer und Nutzerinnen keine ausreichend verlässliche Methode zur Steuerung der Kühlgeräte waren. Der Proof of Concept bestätigte die Annahme, dass die unidirektionale Kommunikation ein Potenzial für energieflexible Gebäude aufweist, aber für eine Steuerung sollten in erster Linie größere Kühlaggregate berücksichtigt werden. Weiters hat sich gezeigt, dass das Potential des Cooling-LEC Ansatzes stark von der Ausgangslage abhängt. Die Leistung der Kühlgeräte muss in einem vernünftigen Verhältnis zur gemessenen Gesamtlast liegen, sodass der Betrieb dieser mittels Flankenerkennung identifizierbar ist und nicht vollständig in der Gesamtlast untergeht. Außerdem muss ein ausreichender PV-Überschuss vorhanden sein, um einen positiven wirtschaftlichen Effekt erzielen zu können. Ist die PV-Anlage jedoch um ein Vielfaches größer als der Verbrauch kann sich das wiederum negativ auf das Optimierungspotential auswirken, da der Kühlenergiebedarf ohnehin bereits zu großen Teilen mit PV-Strom gedeckt wird. Außerdem sind die Prognosemodelle stark von der Verfügbarkeit und der Qualität der Messdaten abhängig. Nur wenn ausreichend geeignete Daten zur Verfügung stehen können gute Prognoseergebnisse erzielt werden. Das ist umso wichtiger zu berücksichtigen, da die Fehlerfortpflanzung in verketteten Systemen ist ein bedeutendes Thema ist.

Obwohl das Potenzial von Rundsteuergeräten theoretisch gegeben ist, gestaltet sich die Umsetzbarkeit als schwierig. Energiegemeinschaften haben theoretisch ein Potenzial für Low-Cost-Flexibilisierungsmaßnahmen.

ProjektleiterIn

4ward Energy Research GmbH

Projekt- bzw. KooperationspartnerInnen

Stadtwerke Hartberg Verwaltungs Gesellschaft m.b.H.

Dr. Thomas Nacht
Reininghausstraße 13A
A-8020 Graz
Tel.: +43 (664) 88500336
E-Mail: thomas.nacht@4wardenergy.at
Web: www.4wardenergy.at