Energieeffizienz und Datenanalyse. Seit Jahren wird darüber gesprochen, wie wertvoll Daten nicht sind. Big Data, KI, Data Science – all diese Schlagworte implizieren, dass in großen Datensätzen ein Wert verborgen ist. Und das stimmt. Aber diesen Wert zu finden, ist leichter gesagt als getan – insbesondere für Nicht-IT-Unternehmen. Aber wo soll man anfangen? In diesem Blogbeitrag schauen wir uns genauer an, wie viel wir aus einem einzigen Datenpunkt lernen können – dem Lastprofil. Anhand eines realen Anwendungsfalls zeigen wir Ihnen, wie Sie das Verhalten eines Objekts verstehen können, ohne das betreffende Objekt überhaupt betreten zu müssen.
Beginnen wir mit den Grundlagen. Was ist das Lastprofil überhaupt? Es ist die historische Aufzeichnung des Strombedarfs einer Anlage – bezogen auf elektrische Energie. In Österreich müssen Energienetzbetreiber Lastprofile für spezielle Verbraucher bereitstellen. Als Sonderverbraucher gilt jede Anlage mit einem Strombedarf von mehr als 100.000 kWh/a elektrischer Energie und 50 kW Anschlussleistung. Diese Kriterien gelten nicht nur für große Industrieanlagen, sondern bereits für Hotels, Verwaltungsgebäude und Krankenhäuser. Das macht die Nutzung dieser Datenquelle komfortabel. Kein interner Mitarbeiter muss von Anfang an nach bestimmten Datensätzen innerhalb der Anlage suchen.
Was wir hier sehen, ist ein beispielhaftes Lastprofil. Es ist die Aufzeichnung des Strombedarfs unserer Beispielfabrik für über ein Jahr.
In dieser ersten Grafik sehen wir einen signifikanten saisonalen Effekt (höherer Strombedarf in den Sommermonaten). Der Effekt lässt vermuten, dass die Kühlung (z. B. in Form von HVAC) eine große Rolle spielt. Darüber hinaus scheint es eine signifikante Änderung im Verhalten des Systems zu geben. Der Strombedarf vor den Sommermonaten ist geringer als nach dem Sommer. In der Tat interessant. Um herauszufinden, was sich in diesem Lastprofil sonst noch verbirgt, wollen wir noch etwas tiefer graben.
In einem weiteren Schritt wollen wir verstehen, wie eine durchschnittliche Woche aussieht. Dazu berechnen wir die durchschnittlichen Leistungsprofile pro Wochentag und vergleichen diese. Das Ergebnis sieht wie folgt aus.
An allen Tagen – auch Samstag und Sonntag – steigt die Leistung an, um 6:30 Uhr wird der Tageshöchstwert erreicht.
Die Arbeitstage haben dann bis auf den Freitag, der etwas früher endet, einen identischen Verlauf. Um 20:00 Uhr wird eine größere Anlage (ca. 45 kW) abgeschaltet, um 21:15 Uhr wird ein weiterer Verbraucher mit 11 kW abgeschaltet.
Wir sehen dieses Verhalten auch am Wochenende. An den Wochenenden wird im Allgemeinen viel weniger gearbeitet – müssen die Verbraucher also überhaupt eingeschaltet werden? Wenn nicht, würde dies zu einer Einsparung von über 50.000 kWh pro Jahr führen.
Diese Informationen helfen Fachleuten, besser und schneller zu verstehen, was innerhalb des Gebäudes passiert. Gute Visualisierungen und deren Interpretationen helfen, sich in kürzester Zeit einen Überblick über die Situation zu verschaffen. Und vor allem: sie machen komplexe Sachverhalte verständlich.
Außerdem möchten wir das Grundlastverhalten unseres Objekts untersuchen. Dazu verwenden wir das bestellte Dauerlastprofil. Hier werden die Stunden angezeigt, in denen eine definierte Leistungsanforderung erforderlich war.
Wir sehen die Grundlast im Vergleich zu den höchsten auftretenden Spitzen. Dies wird besonders interessant, wenn wir mehr als eine ähnliche Einrichtung vergleichen können.
Die Grundlast beträgt in diesem Fall etwa 30 % des Jahresverbrauchs. Mit anderen Worten: Die Aktivitäten in aktiven Zeiten des Jahres machen 70 % des Stromverbrauchs aus. Anhand dieser Kennzahlen können wir diese Objekte mit ähnlichen vergleichen. In diesem Fall betrachten wir ein durchschnittliches österreichisches Krankenhaus. Vergleiche wie dieser können aber auch dazu führen, sinnvollere Lösungen zu finden.
Zu guter Letzt wollen wir noch ein besonders schönes Tool vorstellen. Heatmaps können verwendet werden, um das Verhalten einer Einrichtung im Detail zu verstehen.
Wenn wir mit unserem Beispiel fortfahren, können wir die folgende Heatmap erstellen. Bevor wir mit der Analyse beginnen, sollten wir versuchen, die Struktur zu verstehen. Auf der horizontalen Achse dieser Heatmap sehen wir die Stunden des Tages von 00:00 bis 23:59. Auf der horizontalen Achse sortieren wir von oben beginnend alle Tage des Jahres beginnend vom 01.01. bis 31.12. Die Farben auf dieser Heatmap entsprechen den Leistungsanforderungen im Bereich von ~10kW (grün) bis ~90kW (rot).
Werfen wir einen genaueren Blick darauf, was wir aus dieser Heatmap lernen können.
Anhand der Stromverbrauchsanalyse können wir Anomalien finden. Bereiche, in denen Strom nicht effizient genutzt wird. Wir vermuten, dass die Gebäudeleittechnik nicht richtig eingestellt ist und hier besteht großer Handlungsbedarf.
Durch das Gespräch mit dem zuständigen Facility Manager können wir nun beginnen, Probleme zu identifizieren. Unsere Visualisierungen leiten uns und sorgen für ein gemeinsames Verständnis der Situation. Dadurch ist der FM-Manager in der Lage, Prioritäten zu setzen, Probleme zu erkennen und Lösungen zu schaffen.
In unserem Fall konnten wir gemeinsam mit dem Facility Manager suboptimale Einstellungen in der Steuerung der Haustechnik finden. Die Lüftungsanlage lief rund um die Uhr, der Betrieb war jedoch nur zwischen 7 und 17 Uhr erforderlich. Und zwar nur von Montag bis Freitag. Außerdem wurde im Winter der Frischlufttemperatur-Sollwert auffallend hoch eingestellt. Dies zu ändern, führte zu Einsparungen von über 15 %.
Das Abschalten der Klimaanlage am Wochenende brachte eine weitere Einsparung von über 6 %. Außerdem wurde das System so angepasst, dass es weniger taktet, wodurch die Verschleißkosten reduziert werden. Einige kleinere Maßnahmen brachten weitere 2 %.
Insgesamt wurde eine Stromeinsparung von über 23 % realisiert. Das entspricht ca. 75.000 kWh oder ca. 9.000 € pro Jahr. In diesem Fall wurde keine zusätzliche Investition getätigt. Lediglich die Steuerung wurde angepasst. So hohe Ersparnisse findet man nicht immer. Erfahrungsgemäß gehen wir von durchschnittlich 5 bis 10 % aus. Die Analyse bietet jedoch weitere Vorteile, die nicht unerwähnt bleiben sollten.
Die Kombination aus Einfachheit und Leistungsfähigkeit macht diese Analysen zu einem großartigen Werkzeug, um einen ersten Einblick in das energetische Verhalten eines Systems zu erhalten. Sie sind jedoch nur ein erster Schritt, um in einen datengesteuerten Kreislauf kontinuierlicher Energieeffizienzverbesserungen einzutreten.
Wir gewinnen eine Vorstellung davon, wo wir als nächstes suchen müssen. Welche Daten als nächstes analysiert werden sollen und worauf zu achten ist. In diesem Beispiel würden wir jetzt damit beginnen, das Steuerungssystem zu überprüfen, um die jahreszeitlichen Veränderungen besser zu verstehen.
Ein weiteres Augenmerk gilt den abends abgeschalteten Großverbrauchern. Anhand ihrer Betriebsart können wir sowohl prüfen, ob sie an den Wochenenden abgedreht werden können, als auch im nächsten Schritt ihren Betrieb zu verbessern.
Wenn diese Untersuchungen Interesse geweckt haben, stay tuned. In zukünftigen Blogbeiträgen werden wir uns genauer damit beschäftigen.
Wir verstehen, dass die hier vorgestellten Visualisierungen möglicherweise nicht einfach von jedem erstellt werden können. Aus diesem Grund haben wir uns entschieden, mit unseren Freunden bei e7 zusammenzuarbeiten und die Analyse des Leistungsprofils in das nista.io-AI-gestützte Energiemanagement einzubringen. Wenn Interesse gegeben ist, den Herzschlag der eigenen Einrichtung besser zu verstehen, gibt es hier die Möglichkeit sich einen Zugang zu unserer Plattform einzurichten.
