Bessere Effizienz bei Wärmepumpen durch Einsatz der KI
Im Rahmen des Projekts »AI4HP« hat das Fraunhofer ISE in Zusammenarbeit mit dem Unternehmen Stiebel Eltron sowie den französischen Forschungspartnern CEA List und dem Laboratoire de Psychologie et NeuroCognition LPNC sowie dem Industriepartner EDF R&D wesentliche Erkenntnisse zum Potenzial und der Praxistauglichkeit neuer, adaptiver Regelungsverfahren auf Basis neuronaler Netze bei Wärmepumpen gewonnen. Bisher wird die Steuerung von Wärmepumpen im Heizbetrieb in Wohngebäuden vorwiegend durch Heizkurven bestimmt, die bei der Installation festgelegt werden. Diese Heizkurven sind jedoch in vielen Fällen nicht optimal auf die Gegebenheiten eines einzelnen Gebäudes abgestimmt, was nur durch eine aufwendige Kalibrierung zu erreichen wäre. Zudem berücksichtigen sie weder kurzfristige noch langfristige Veränderungen, wie etwa die Sonneneinstrahlung, das Verhalten der Bewohner oder die Alterung und Renovierung des Gebäudes. Das spezifische Verhalten eines Gebäudes, etwa in Bezug auf die Sonneneinstrahlung, wird von der künstlichen Intelligenz (KI) durch die Analyse fortlaufend erfasster Daten erlernt.
Dr. Lilli Frison, Projektleiterin am Fraunhofer ISE, erklärte, dass KI-Methoden robuster und skalierbarer werden müssten, um kostengünstig in verschiedenen Gebäudetypen eingesetzt werden zu können. Sie fügte hinzu, dass nur zuverlässige und vertrauenswürdige Methoden, die den sicheren Betrieb gewährleisten, von den Herstellern von Wärmepumpen sowie deren Kunden akzeptiert werden. Simon Gölzhäuser, ihr Kollege, unterstützte diese Aussage.
Künstliche neuronale Netze sind aufgrund ihrer Fähigkeit, komplexe und nicht-lineare Zusammenhänge präzise darzustellen, gut für diesen Anwendungsbereich geeignet. Im Projekt wurde ein neuronales Netz entwickelt, das auf Konzepten der Zeitreihenvorhersage basiert. Die verwendete Transformer-Architektur ermöglicht es dem Netzwerk, historische und zukünftige Daten zu verbinden. Diese Architektur dient dazu, den Verlauf der Raumtemperatur vorherzusagen. Der neu entwickelte Wärmepumpenregler nutzt ein neuronales Netz als digitale Abbildung des thermischen Verhaltens eines Gebäudes und kombiniert dieses mit einem Echtzeit-Optimierungsalgorithmus, um die Vorlauftemperatur der Wärmepumpe optimal zu steuern.
Erste Simulationstests mit drei unterschiedlichen Gebäuden, die verschiedene Baujahre und energetische Sanierungszustände repräsentieren, haben den neuen KI-Regler positiv bewertet. In den Tests, die über eine Heizsaison durchgeführt wurden, konnte gezeigt werden, dass der Regler sowohl die Selbstkalibrierung als auch die Anpassung an veränderte Bedingungen erfolgreich durchführt. In Bezug auf den Energieverbrauch zeigte sich eine durchschnittliche Einsparung von 13 % im Vergleich zur herkömmlich eingestellten Heizkurve. Diese Einsparung resultiert vor allem aus einer besseren Übereinstimmung der gemessenen Raumtemperatur mit der gewünschten Solltemperatur. Eine zusätzliche Energieeinsparung wird erwartet, wenn der Regler die Effizienz-Charakteristik der Wärmepumpe mit einbezieht.
Ein erster Feldtest in einem realen Gebäude bestätigte die positiven Ergebnisse der Simulation. Der einwöchige Testbetrieb zeigte eine signifikante Verbesserung bei der Erreichung der Solltemperatur, wobei die mittlere Abweichung mehr als halbiert werden konnte. Zudem stieg der COP (Coefficient of Performance) um 25 % im Vergleich zum vorherigen Zeitraum, was in weiteren, längeren Feldtests mit unterschiedlichen Gebäudetypen weiter untersucht werden soll. Der Algorithmus führte bereits nach wenigen Tagen zu stabilen Heizkurvenparametern, die an das jeweilige Gebäude angepasst waren und somit auch eine höhere Effizienz bei der Nutzung von Standard-Heizkurven ermöglichten. Der Feldtest zeigte jedoch auch, dass die gute Leistung des Reglers von einer hohen Genauigkeit des KI-Gebäudemodells abhängt.
Die französischen Projektpartner konzentrierten sich auf die Optimierung des Betriebs von Warmwasser-Wärmepumpen. Der intelligente Algorithmus zur Betriebsoptimierung wurde in einer Klimakammer mit einer echten Wärmepumpe und einem realen Verbrauchsprofil getestet. Die Ergebnisse deuteten darauf hin, dass die KI-gestützte Vorhersage in Verbindung mit einer optimierten Steuerung das Potenzial hat, den Stromverbrauch für die Warmwasserbereitung um bis zu 8 % zu senken.
Dieser Text basiert auf einer Pressemitteilung von idw – Informationsdienst Wissenschaft/ Veröffentlicht am 17.12.2024
