scaleFLEX - Skalierbare Methode zur Optimierung der Energieflexibilität von Quartieren

Entwicklung einer dezentral organisierten Automatisierungsmethode zur Verbesserung der verbraucherseitigen Flexibilitätsoptionen von Gebäuden und Quartieren. Die dabei verwendeten datengetriebenen Algorithmen versprechen eine hohe Skalierbarkeit und damit geringe Installations- und Betriebskosten. Die entwickelte Methode wird anhand unterschiedlicher Gebäudetypen (High-Tech Bürogebäude, Low-Tech Bürogebäude, Wohngebäude) validiert.

Kurzbeschreibung

Status

Projektstart: 1. Jänner 2023

Ausgangssituation/Motivation

Die Einhaltung der europäischen Klimaziele erfordert eine Neuausrichtung des gesamten Energiesystems. Neben Maßnahmen zur Effizienzverbesserung werden dezentrale und intelligent vernetzte Systemlösungen zur sicheren Steuerung von Flexibilitätsoptionen benötigt.

Über die Sektorkopplung können dabei auch Gebäude netzdienlich integriert, und damit deren Dekarbonisierungsbeitrag deutlich erhöht werden. Diese Entwicklungen sind zwar kostengünstiger als elektrische Speicherkapazitäten, erfordern aber den Einsatz intelligenter Gebäudeautomationssysteme zur kontinuierlichen Anpassung des Energieverbrauchs an die volatile Energieversorgung und die regionale Energieinfrastruktur.

Mit zunehmender Vernetzung der Anlagen stoßen die bestehenden Automatisierungskonzepte, mit einer zentral organisierten Optimierung, an ihre Grenzen. Gründe dafür sind u.a. die hohe Komplexität des Gesamtsystems, die eingeschränkte Interoperabilität der Teilsysteme, die individuellen nutzungsbedingten Anforderungen sowie der Datenschutz.

Darüber hinaus sind die derzeit verfügbaren Automatisierungsmethoden von Informationen aus der Errichtungsphase abhängig, was innovative Sanierungen und Bestandserweiterungen wesentlich erschwert. Auf Gebäude- und Quartiersebene werden daher neue, skalierbare Methoden zur ganzheitlichen Lastoptimierung benötigt.

Inhalte und Zielsetzungen

Im vorliegenden Projekt wird eine entsprechende Überführung der zentral organisierten Automatisierungsstrategie in verteilte Regelungs- und Steuereinheiten mit dezentraler Intelligenz und Entscheidungskompetenzen vorgeschlagen. Der netzdienliche Betrieb wird dabei durch eine übergeordnete Koordination auf Basis des Stackelberg-Modellansatzes erreicht. Die synergetische Nutzung von datengetriebenen, dezentralen Optimierungseinheiten mit einem übergeordneten Reinforcement Learning Optimierungsverfahren erleichtert die Skalierbarkeit und Interoperabilität.

Erwartete Ergebnisse

Die entwickelte Methodik kann somit äußerst kosteneffizient in neue und bestehende Gebäude sowie Quartiere angewendet werden. Damit werden die Potenziale der bereits vorliegenden Energieinfrastrukturen bestmöglich genutzt und innovative Energiedienstleistungen bzw. Geschäftsmodelle nachhaltig unterstützt.

Schematisches Diagramm — Vereinfachte, schematische Darstellung der Gesamtoptmierungsstrategie mittels Reinforcement Learning (Quelle: Projekt scaleFLEX)

Projektbeteiligte

Projektleitung

Forschung Burgenland / Fachhochschule Burgenland

Projekt- bzw. Kooperationspartner:innen

Dipl.-Ing. (FH) Manfred Rudolf Fuhrmann
EAM Systems GmbH

Kontaktadresse

Forschung Burgenland / Fachhochschule Burgenland
Christian Heschl
Steinamangerstraße 21
A-7423 Pinkafeld
Tel.: + 43 (5) 7705 - 4121
E-Mail: christian.heschl@fh-burgenland.at
Web: www.forschung-burgenland.at und www.fh-burgenland.at