Jan Derua beschreibt, warum die Thomas More University of Applied Sciences einen KI-unterstützten intelligenten Energiemanager entwickelt hat und wie dies geschah.
Die Thomas More Hochschule für angewandte Wissenschaften ist die größte Hochschule für angewandte Wissenschaften in Flandern, Belgien, und ist auf acht Standorte verteilt. Am Campus De Nayer in Sint-Katelijne-Waver bieten wir Studiengänge in den Bereichen Elektromechanik, Automobiltechnik, Design und Produktionstechnik sowie Elektronik/IKT an. Wir sind ein KNX-zertifiziertes Schulungszentrum sowie ein KNX Scientific Partner und betreiben Forschung und Entwicklung in verschiedenen Bereichen, einschließlich eingebetteter Systeme wie KNX.
Vor einigen Jahren beschloss das flämische Energieversorgungsunternehmen, die traditionellen analogen Energiezähler durch digitale Zähler zu ersetzen. Obwohl diese Zähler als „intelligente Zähler“ bezeichnet werden, verfügen sie nur über eine Kommunikationsschnittstelle, die den digitalen Abruf von Zählerdaten ermöglicht. Bei den verfügbaren Produkten, die diese Zähler tatsächlich intelligent machen und die Energieflüsse verwalten sollen, handelt es sich fast ausschließlich um Überwachungssysteme, die den Verbrauch nur sichtbar machen – sie sind keine echten Energiemanagementsysteme. Daher besteht ein Bedarf an echten Energiemanagementsystemen, die durch KI ergänzt werden, um diese Zähler wirklich intelligent und selbstlernend zu machen. Und da Energiemanagement ein gutes Kommunikationssystem zwischen Sensoren, Aktoren und Steuerungen erfordert, ist KNX das Protokoll der Wahl.
Umfang des Projekts
Das ultimative Ziel ist es, einen KI-gestützten intelligenten Energiemanager zu entwickeln, der es ermöglicht, so viele Technologien und Geräte wie möglich in einer Wohnumgebung zu steuern. Dieser Manager sollte selbstlernend sein und den Nutzer dabei unterstützen, ohne große Sorgen einen rationalen Energieverbrauch zu erreichen. Er soll sowohl in neue als auch in bestehende Situationen integriert werden können, ohne dass viele Änderungen an der Installation und große finanzielle Auswirkungen erforderlich sind. Darüber hinaus ist das Projekt nicht nur auf elektrische Energieflüsse beschränkt, da auch auf thermischer Ebene viel Energie gepuffert und kanalisiert werden kann.
Aufbau und Implementierung
Für die Kommunikation mit dem KNX-Bus wurde das Design mit einem in Belgien entwickelten Chip, dem ONSEMI NCN5130, ausgestattet. Der KNX-Stack wurde also intern entwickelt.
Ziel ist es, alle bereits im Haus vorhandenen Anwendungen visualisieren und steuern zu können. Die Beispiele sind Solarwechselrichter, Warmwasserbereiter, Wärmepumpe, intelligente Steckdosen und so weiter, ohne dass große zusätzliche Investitionen erforderlich sind.
Wir haben uns dafür entschieden, mit einer maßgeschneiderten Linux-Distribution auf zuverlässiger Industrie-Hardware zu arbeiten. Denn aus Gründen der Zuverlässigkeit und Langlebigkeit sind Lösungen mit Raspberry Pi oder Arduino nicht die beste Wahl. Für eine robuste und dynamische Integration wurden Bare Metal und Docker Image verwendet, während die Programmierung über Node Red möglich ist, die Datenprotokollierung auf Influx basiert und Grafana zur Visualisierung eingesetzt wird. Dies ermöglicht jede erdenkliche Integration.
Vorteile der KI
Der Einsatz von KI ermöglicht es, das Haus intelligent zu machen, ohne dass eine zusätzliche Programmierung oder ein menschliches Eingreifen erforderlich ist. Die Hardware an Bord ist KI-fähig, d. h., es ist keine Internetverbindung für die Verarbeitung der KI erforderlich. Lediglich die Wettervorhersage und die Vorhersage der Stromerzeugung der Solarzellen erfordern eine Internetverbindung. Der KI-Teil befindet sich noch in der Entwicklung und muss weiter getestet werden, aber wir erzielen bereits gute Ergebnisse über Node Red.
Testfälle
Wir haben drei Testfälle entwickelt. Der erste betrifft ein ziemlich großes neues, nahezu energieneutrales Haus. Hier wurden die PV-Paneele und die Wärmepumpe sowie eine Batterie zur Energiespeicherung integriert. In diesem Fall liegt der Schwerpunkt auf der Optimierung der Energieflüsse und insbesondere auf der Begrenzung von Verbrauchsspitzen, da die Tarifierung in Flandern teilweise vom Kapazitätstarif abhängt.
In den Monaten September und Oktober des vergangenen Jahres wurden durch das Energiemanagement und die Steigerung des Eigenverbrauchs Energiekosten in Höhe von etwa 370 Euro eingespart, und durch die Vermeidung von Spitzenverbrauch und die Umgehung des Kapazitätstarifs wurden weitere 10 Euro pro Monat eingespart.
Der zweite Testfall betrifft ein älteres Haus, in dem PV-Paneele sowie eine Holzpelletanlage für Heizung und Warmwasser und eine Batterie zur Energiespeicherung installiert wurden. Die Steuerung erfolgt über unser aasem-Gerät, kombiniert mit der KNX-Installation. Wir haben noch nicht genug Zahlen für diese Installation, um die Kosteneinsparungen zu veröffentlichen, aber wir erwarten, dass sie im Laufe des Jahres beeindruckend sein werden.
Der dritte Testfall betrifft das KNX-Schulungs- und Forschungslabor, das mit PV-Paneelen in Kombination mit einer 7,5-kWh-Batterie und einer EV-Ladestation ausgestattet wurde. Durch die Steuerung des Systems ist das Labor autark.
Neben den Energieeinsparungen und der komfortablen Steuerung liefern die drei Testfälle eine Fülle von Daten, die eine weitere Schulung und Optimierung der KI ermöglichen.
Zusammenfassung
Das Ergebnis des Einsatzes unseres aasem-Gerätes ist sowohl in Bezug auf den Betrieb als auch auf die Datenerfassung sehr zufriedenstellend. Die Masse an Daten, die erfasst wurde und noch erfasst wird, ermöglicht eine weitere Optimierung der KI. Das Design des Moduls ermöglicht eine einfache Integration in einen Standardverteiler und verbraucht sehr wenig Strom. In Bezug auf zukünftige Entwicklungen denken wir daran, das Gerät noch weiter mit KNX RF zu erweitern und den KNX Secure Stack zu implementieren.
MSc Jan Derua ist Professor und Forscher an der Thomas More University of Applied Sciences, ein KNX-zertifizierter Tutor und Mitglied des Vorstands von KNX Belgien.
