SmartBuildings – Implementierung von Lastmanagementsystemen SmartBuildings – Implementation of Demand-Side-Management Systems
Conference: VDE-Kongress 2012 - Intelligente Energieversorgung der Zukunft
11/05/2012 - 11/06/2012 at Stuttgart, Deutschland
Proceedings: VDE-Kongress 2012
Pages: 5Language: germanTyp: PDF
Personal VDE Members are entitled to a 10% discount on this title
Authors:
Jungwirth, Johannes; Sänger, Florian; Grahovac, Milica (TU München, Lehrstuhl für Energiewirtschaft und Anwendungstechnik, München, Deutschland)
Rössel, Timm; Schneegans, Jakob; Herzog, Simon (TU München, Lehrstuhl für Bauklimatik und Haustechnik, München, Deutschland)
Mikulovic, Vesna (Siemens Building Technologies Headquarters, Zug, Schweiz)
Abstract:
Die Flexibilisierung der Verbraucherlast kann einen wichtigen Beitrag zur Integration der Erneuerbaren Energien leisten. Gerade Verbraucher aus dem Bereich der Gebäudetechnik (Heizung, Lüftung, Klimatisierung) sind aufgrund Ihrer Ansteuerbarkeit über die Gebäudeautomatisierung und der thermischen Trägheit des Gebäudes für ein Lastmanagement geeignet. Um einen Anreiz für eine Lastverschiebung zu schaffen werden Szenarien für einen zeitlich flexiblen Stromtarif entwickelt. Flexible Verbraucher können ihren Betrieb in kostengünstige Zeiten verlagern und somit die Strombezugskosten minimieren. In einer Gebäude- und Anlagensimulation werden die Auswirkungen von Änderungen der Betriebsweise auf die Behaglichkeit im Raum analysiert und die Betriebszeiten optimiert. Um das daraus resultierende theoretische Potenzial der Lastverschiebung in einem realen Gebäude umzusetzen ist ebenfalls ein Modell dieses Gebäudes notwendig. Da die Erstellung dieser Modelle sehr aufwändig ist, werden adaptive Gebäudemodelle entwickelt, die universell einsetzbar sind. Nach einer Trainingsphase haben sie das Gebäudeverhalten erlernt und können die Auswirkungen von verschiedenen Betriebsweisen vorhersehen und einen kostenoptimalen Fahrplan für die Gebäudetechnik erstellen. Neuronale Netze liefern beim Einsatz zur adaptiven Modellbildung vielversprechende Ergebnisse, die notwendigen Eingangsgrößen sowie die Trainingszeiten müssen jedoch noch optimiert werden.