Jan Derua beschrijft waarom de Thomas More Hogeschool een AI-ondersteunde slimme energiemanager ontwikkelde en hoe dat in zijn werk ging.
De Thomas More Hogeschool is de grootste hogeschool in Vlaanderen, België, en is verspreid over acht locaties. Op Campus De Nayer in Sint-Katelijne-Waver bieden we opleidingen in Elektromechanica, Autotechniek, Ontwerp- en Productietechniek en Elektronica/ICT. We zijn een KNX-gecertificeerd opleidingscentrum en een KNX Scientific Partner, en we doen aan onderzoek en ontwikkeling op verschillende gebieden, waaronder geïntegreerde systemen, zoals KNX.
Enkele jaren geleden besloot de Vlaamse energiedistributiemaatschappij om de traditionele analoge energiemeters te vervangen door digitale. Hoewel deze meters “slimme meters” worden genoemd, zijn ze alleen voorzien van een communicatiepoort waarmee meetgegevens digitaal kunnen worden opgevraagd. De standaardproducten die deze meters echt slim moeten maken en de energiestromen moeten beheren, zijn bijna allemaal controlesystemen die alleen maar het verbruik in beeld brengen – het zijn geen echte energiebeheersystemen. Daarom is er behoefte aan echte energiebeheersystemen, die ondersteund worden door AI, waardoor deze meters ook daadwerkelijk slim worden en zelfstandig kunnen leren. En aangezien je voor optimaal energiebeheer een goed communicatiesysteem tussen sensoren, actoren en controllers nodig hebt, is KNX het voor de hand liggende protocol.
Omvang van het project
Het uiteindelijke doel is een AI-ondersteunde slimme energiemanager waarmee zoveel mogelijk technologieën en apparaten in de woonomgeving kunnen worden aangestuurd. Deze manager moet zelfstandig kunnen leren en de gebruiker helpen om zonder al te veel zorgen een optimaal energieverbruik te bereiken. Het is de bedoeling om dit in zowel nieuwe als bestaande situaties te kunnen integreren zonder dat de installatie ingrijpend moet worden aangepast en zonder al te veel financiële gevolgen. Bovendien beperkt het project zich niet alleen tot elektrische energiestromen, want ook op thermisch niveau kan veel energie gebufferd en gekanaliseerd worden.
Ontwerp en toepassing
Voor de communicatie met de KNX-bus werd het ontwerp uitgerust met een in België ontwikkelde chip, namelijk de ONSEMI NCN5130. De KNX-stack werd daarom intern ontwikkeld.
Het is de bedoeling dat je alle toepassingen in huis kunt bekijken en bedienen. Denk bijvoorbeeld aan de omvormer voor zonne-energie, zonneboiler, warmtepomp, slimme stekkers, enzovoort, zonder dat er veel extra investeringen nodig zijn.
We besloten om met een aangepaste Linux-distributie te werken op betrouwbare industriële hardware. Omwille van hun betrouwbaarheid en duurzaamheid zijn systemen met Raspberry Pi of Arduino in feite niet de beste opties. Er werd gebruik gemaakt van Bare Metal en Docker image voor een krachtige en dynamische integratie, terwijl programmeren mogelijk is via Node Red, datalogging op Influx berust en Grafana wordt ingezet voor visualisatie. Hierdoor is elke mogelijke integratie mogelijk.
Voordelen van AI
Dankzij het gebruik van AI is het mogelijk om het huis intelligent te maken zonder extra programmering of menselijke tussenkomst. De hardware is AI-ready, wat betekent dat er geen internetverbinding nodig is voor de AI-verwerking. Er is alleen een internetverbinding nodig voor de weersvoorspelling en de voorspelling van de stroomproductie van de zonnepanelen. Het AI-gedeelte is nog in ontwikkeling en moet nog verder getest worden, maar we boeken reeds goede resultaten via Node Red.
Testcases
We hebben drie testcases ontwikkeld. De eerste omvat een vrij groot nieuwbouwhuis dat bijna energieneutraal is. Hierin zijn de PV-panelen en warmtepomp ingebouwd, net als een batterij voor energieopslag. In dit geval ligt de nadruk op het optimaliseren van energiestromen en vooral op het beperken van verbruikspieken, aangezien de prijsstelling in Vlaanderen deels afhankelijk is van het capaciteitstarief.
Voorlopig werd er in september en oktober samen ongeveer EUR 370 aan energiekosten bespaard dankzij het energiebeheer en een hoger zelfverbruik, en daarnaast nog eens ongeveer EUR 10 per maand dankzij peak shaving en het omzeilen van het capaciteitstarief.
De tweede testcase betrof een ouder huis waar PV-panelen waren geïnstalleerd, samen met een houtpelletsysteem voor verwarming en warm water, evenals een batterij voor energieopslag. De bediening gebeurt via ons AASEM-apparaat, in combinatie met de KNX-installatie. We hebben op dit moment niet genoeg cijfers voor deze installatie om de kostenbesparingen te publiceren, maar we verwachten dat ze in de loop van het jaar aanzienlijk zullen oplopen.
De derde testcase betreft het KNX trainings- en onderzoekslab, dat uitgerust werd met PV-panelen in combinatie met een 7,5kWh batterij en een laadstation voor elektrische voertuigen. Dankzij deze opstelling is het lab volledig autonoom.
Naast energiebesparing en een aangename bediening leveren de drie testcases een enorme hoeveelheid gegevens op die gebruikt kunnen worden om de AI verder te trainen en te optimaliseren.
Samenvatting
Het gebruik van ons AASEM-apparaat levert zeer goede resultaten op, zowel wat betreft de werking als de registratie van gegevens. Dankzij de enorme hoeveelheid gegevens die werd en nog wordt verzameld, kan de AI-component nog verder worden geoptimaliseerd. Het ontwerp van de module kan eenvoudig worden geïntegreerd in een standaard verdeelbord en verbruikt zeer weinig stroom. In de toekomst willen we het apparaat nog verder uitbreiden met KNX RF en de KNX Secure Stack implementeren.
Jan Derua MSc is professor en onderzoeker aan de Thomas More Hogeschool, KNX-gecertificeerd docent en bestuurslid van KNX België.
