Prognosegest%c3%bctzte tabs steuerung von prof elmar bollin zum uponor kongress 2013

© Prof. Elmar Bollin

Prognose gestützte TABS Steuerungals Beispiel für prädiktive Automation in der

Gebäudetechnik

Elmar Bollin

Leiter des Instituts für Energiesystemtechnik INES und der Forschungsgruppe net an der Hochschule Offenburg

In Zusammenarbeit mit Thomas Feldmann und Martin Schmelas Forschungsgruppe net der Hochschule Offenburg

© Prof. Elmar Bollin

Übersicht

Einführung Gebäudeautomationund TABS

Entwicklung der prädiktive Automations-verfahren in der für TABS

Betriebserfahrungen mit Prädiktiven Automationsverfahren

© Prof. Elmar Bollin

Klassifizierung von thermoaktiven Bauteilsystemen (TABS)

Im Folgenden: Betonkerntemperierung

© Prof. Elmar Bollin

TABS Eigenschaften 1

• Keine zusätzlichen Heiz- und Kühlelemente im Raum• Moderate Temperaturen zum Heizen und Kühlen • Kontrollierte thermische Aktivierung der Bauteile

© Prof. Elmar Bollin5

Estrich

Dämmung

Betondecke

Deckenputz

•Vorlauftemperaturen nahe der Raumtemperatur•Hohe Speicherfähigkeit•Selbstregeleffekt•Hohe Trägheit

TABS Eigenschaften 2

© Prof. Elmar Bollin

Thermoaktive Bauteilsystemen TABS Wärmetransport zum Raum

Temperatur

Weg in cm

© Prof. Elmar Bollin

TABS-Hydraulik mit Vierleiteranschluss

© Prof. Elmar Bollin

a) Dauerbetrieb der Pumpe b) nächtlicher Pumpenbetrieb (Tag-Nacht-Betrieb)c) kontinuierlicher Taktbetrieb der Pumpe d) diskontinuierlicher Taktbetrieb der Pumpe.

Unterschiedliche Betriebsmodi für TABS

© Prof. Elmar Bollin

Schematische Darstellung eines Raumes mit TABS zur Temperierung des Raumes

© Prof. Elmar Bollin

• Thermischer Komfort: Grenzwerte einhalten

• Minimierung des Energieeinsatzes

• Thermische Energie (Heizen und Kühlen)

• Elektrische Energie (Antrieb der Umwälzpumpe)

10

Zielsetzung TABS-Steuerung und -Regelung

17,0

19,0

21,0

23,0

25,0

27,0

29,0

-15,0 -5,0 5,0 15,0 25,0 35,0

Rau

mte

mpe

ratu

r in

°C

Außentemperatur in °C

© Prof. Elmar Bollin

Regelungstechnische BetrachtungenBeachte: TABS ist eine schwierige, träge Regelstrecke

weatherforecast

Änderungen des Stellsignals wirken sich erst mit großer Zeitverzögerung auf Regelgröße aus

© Prof. Elmar Bollin

Verzugszeit Tu Ausgleichszeit Tg Tu/Tg

Oberflächennahe

Temperierung0,08 h 2,73 h 0,029

Betonkernaktivierung

(Dicke von 16 cm0,26 h 18,28 h 0,014

Betonkernaktivierung

(Dicke von 24 cm) 0,7 h 26,93 h 0,026

Regelstrecke TABSSprungantwort mit großen Zeitkonstanten

© Prof. Elmar Bollin

Regelungstechnische BetrachtungenKonzepte: Regelung versus Steuerung (hat keine Rückführung)

© Prof. Elmar Bollin

Regelungstechnische BetrachtungenSteuerung bezieht Störgrößen mit ein

weatherforecast

weatherforecast

© Prof. Elmar Bollin15

Konventionelle TABS RegelungTABS-Vorlauftemperaturregelung

Automatisierungsgerät

© Prof. Elmar Bollin

Automationsschema TABS mit außentemperaturgeführte Vorlauftemperaturregelung

© Prof. Elmar Bollin17

Konventionelle TABS RegelungRaumtemperaturregelung mit Dreipunktregler und konstanter Vorlauftemperaturregelung

Automatisierungsgerät

© Prof. Elmar Bollin

Beispielhafte Änderung der Raum-, operativen und Oberflächentemperatur Dreipunktregelung unter Betrachtung der inneren und äußeren Lasten im Tagesverlauf

21 °C Raumtemperatur werden unterschritten: TABS im Heizbetrieb

Interne Wärmequellen lassen Raumtemperatur ansteigen: TABS aus!

Interne Wärmequellen führen zur Überhitzung des Raumes: TABS im Kühlbetrieb!

Dreipunkt-Regelung der Raumtemperatur führt zu Heiz- und Kühl-betrieb am selben Tag! Prädiktion soll un-nötiges Aufheizen des TABS verhindern.

Quelle:Schmelas, Bollin: UPONOR Praxishandbuch Bd. 2, 2013

© Prof. Elmar Bollin

Gebäudeautomation:Der Schlüssel zum effizienten Gebäudebetrieb

•

Nichtwohngebäude haben digitale Gebäudeautomation DDC mit dazugehöriger Leittechnik mit als Standard

DDC stellt einen Automationsverbund zwischen den TGA Gewerken her

Diese kommunikative Automationstechnik ermöglicht neue erweiterte Betriebswerkzeuge

Gebäudeautomation Teil der Ingenieurausbildung an der Hochschule Offenburg

DDC stellt einenAutomationsverbund zwischen den TG

© Prof. Elmar Bollin

Simulation

idGA

weatherforecast

idGA intelligente dynamische GebäudeautomationGebäudeautomation mit erweiterten Funktionen

• Simulation des Gebäudes und der TGA • Automatische Einbindung von

Wetterprognosen• Prädiktion des Wärme und Kältebedarfs• Automatische Auswahl des besten

Betriebsmodus• Minimierung des Energieeinsatzes

© Prof. Elmar Bollin

Warum vorausschauende, prädiktive Steuerung in der GA? Gebäudeautomation mit erweiterten Funktionen

Herkömmliche Regelung ist überfordert: Regelgröße schwankt, zu große Regelabweichungen. Dies führt zu unnötigen Energieverbräuchen und mangelhaftem Komfort

Übergang von Regelung zur Steuerung

Es gibt ausreichend Kenntnisse über das Auftreten der Randbedingungen und Störgrößen in naher Zukunft

Digitale Gebäudeautomation erlaubt Zugang zu Web-Services und freiprogrammierbare Algorithmen

© Prof. Elmar Bollin

Prädiktive VerfahrenWas wird dazu benötigt?

• Prognosedaten– Wettervorhersage– Nutzungspläne– Gebäudedaten

• Mathematische Modelle– Gebäude– Energiebereitstellung– Nutzerverhalten

• Optimierte BetriebsstrategienPrädiktion sinnvoll bei speicherbehafteten Systemen1. Thermisch aktive Bauteilsysteme (TABS)2. Nachtlüftung (Frei Kühlung)3. Lademanagement für elektrische Speicher (EM)

© Prof. Elmar Bollin

Prädiktive VerfahrenWetterprognosen im Angebot

• Stündliche Werte für fünf Tage– Außentemperatur– Solarstrahlung– Relative Luftfeuchte

• Empfang– Datenbankabfrage per Webservice– FTP Download– Langwellenfunk

Lokal abgestimmte Wetterdaten

Lokale Wetterprognosen Wetterdaten per Langwellenfunksignal

© Prof. Elmar Bollin

Erprobung prädiktiver Automations-VerfahrenAnwendungsgebiete und Objekte im Rahmen der Forschungsgruppe net

• Nachtlüftung mit Expertensystem

(sic Freiburg)

• Simulationsbasiertes Verfahren für TABS

(Electror Stuttgart)

• Regelbasiertes Energiemanagement

(Effizienzhaus Plus Berlin)

© Prof. Elmar Bollin

sic - Solar Info Center, FreiburgPilotprojekt: Nachtlüftung mit Fuzzy Logic - Expertensystem

Nächtliche freie Kühlung eines Bürogebäudes mit Hilfe einer vorhandenen Abluftanlage, ein Projekt im Rahmen des BWI-Vorhabens SolarbauMonitor

© Prof. Elmar Bollin

Demoprojekt sicVersuchs- und Referenzzone im sic

Versuchszonen C-2/3 mit prädiktive NachtlüftungReferenzzone C-1 mit konventioneller Nachtkühlung

C-1

C-2/3

t Start (75%)

02:11

t Start t Stop

00:15 08:00

Steuerung der Abluftanlage Stellgröße Lüftungsintensität: Darstellung der Stellgröße y = 75 %

M echanische LüftungFreie Lüftung

Abluftsystem im sic

© Prof. Elmar Bollin

Fuzzy Logic – ExpertensystemIm Solar Info Center

Fuzzy - System• Zwei Eingangsgrößen

– Raumtemperatur um Mitternacht als Indikator für den thermischen Zustand des Gebäudes

– Die für den kommenden Tag vorhergesagte maximale Außentemperatur

• Eine Ausgangsgröße– Lüftungsintensität (Lüftungsdauer und

Ventilatorleistung)

!?TRaum

Tprogn

ILüft

Wissensbasierte Lösung

© Prof. Elmar Bollin

Expertenwissen in Form von Regeln

hier 3 von insgesamt 25:

Wenn TRaum = kalt und TProgn = kalt dann Lüftung = aus

Wenn TRaum = angenehm und TProgn = warm dann Lüftung = viel

Wenn TRaum = warm und TProgn = heiss dann Lüftung = voll

Fuzzy Logic - Expertensystem im Solar Info Center

© Prof. Elmar Bollin

MeteocontrolFTP-Server

SAUTER GLTNova pro

SAUTER DDC

Textdatei

Wetterprognose per FTPim Solar Info Center

© Prof. Elmar Bollin

Zone C2/3

Zone C1

Darstellung: Stellsignal Abluftventilatoren

Prädiktive Freie Kühlung versus konventionellValidierung im sic-Betrieb im Sommer 2009

© Prof. Elmar Bollin

Messergebnis Energieverbrauch sicEnergieeinsparung 38 % beim Ventilatorenstrom in Vergleichszone

© Prof. Elmar Bollin

Simulationsbasiertes Verfahren für TABS BMBF Vorhaben Klima 2: Demoprojekt Electror, Stuttgart

Bürogebäude Elektror Airsystems, Stuttgart Ostfildern

© Prof. Elmar Bollin

MeteocontrolWebservice

SAUTER GLTNova pro SAUTER DDC

Wetterprognose per Webservice Projekt Elektror

XML

© Prof. Elmar Bollin

TRNSYS Gebäudesimulation Prognose des Kühlenergiebedarfs

• Für 121 typische Sommertage des Standortes wurde der Kühlenergiebedarf berechnet.

• Der Zusammenhang mit dem Wetterdaten am Standort Stuttgart wurde für den jeweiligen Tag dargestellt

Simulationsbasiertes Prädiktions-Verfahren Elektror Airsystems

© Prof. Elmar Bollin38

TRNSYS GebäudemodellSechs Zonen Modell

© Prof. Elmar Bollin39

TRNSYS: TABS FluidkreisläufeSechs Zonen Modell

© Prof. Elmar Bollin

1 2 3 4 5

Kühllast

Kühllastberechung auf Basis von• Hohen Außentemperaturen• Hohen Solareinstrahlungen verbunden mit hohen Temperaturen• Hohen Windgeschwindigkeiten verbunden mit hohen Einstrahlungen

Prädiktive Steuerungsstrategie für TABS Electror basierend auf 5-Tages-Wetterprognosen

Pulse width modulation of fluid pumpConstant fluid temperature of 18°CConstant flow rate of 300

Pulse width modulation of fluid pumpConstant fluid temperature of 18°CConstant flow rate of 300

© Prof. Elmar Bollin

Simulationsbasiertes Verfahren Analyse der Abhängigkeit Kühllast und Außentemperatur

Simulationsergebnis Kühlenergiebedarf

© Prof. Elmar Bollin42

Simulationsergebnis Kühlenergiebedarf

Simulationsbasiertes Verfahren Analyse der Abhängigkeit Kühllast von Außentemperatur und Solarer Einstrahlung

© Prof. Elmar Bollin

TABS Heiz- und Kühlkurve ElectrorFestlegung der TABS Vorlauftemperatur im konventionellen Betrieb: Heiz und Kühlkurve

© Prof. Elmar Bollin

DifferenzVorlauf - Rücklauftemperatur

Messergebnisse Electrorkonventionelle TABS-Steuerung

• Steuerung der Energiemenge durch Regelung der Vorlauftemperatur• Temperaturen nahe der gewünschten Raumtemperatur• Umwälzpumpen im Dauerbetrieb Geringe Differenz Vorlauf-Rücklauf

© Prof. Elmar Bollin

DifferenzVorlauf - Rücklauftemperatur

• Steuerung der Energiemenge durch die Pumpenlaufzeit• Temperaturen so niedrig wie möglich• Umwälzpumpen nur wenn notwendig

Messergebnisse ElectrorPrädiktive gesteuerter Nachtbetrieb

© Prof. Elmar Bollin

Konventioneller Dauerbetrieb

Prädiktiver Nachtbetrieb

Messergebnisse Elektror Airsystems Vergleich TABS-Betriebsstunden

© Prof. Elmar Bollin

Einsparung:70 % elektrisch7 % thermisch

Messergebnisse 2009 Elektror Airsystems Betriebstemperaturen und Energieverbrauch

© Prof. Elmar Bollin

Modell- und regelbasiertes PrädiktionsverfahrenEffizienzhaus Plus mit Elektromobilität, Berlin

Prädiktives Energiemanagement-SystemSpeicher-, Last- und Einspeisemanagement

© Prof. Elmar Bollin

Effizienzhaus Plus – Entwurf Werner Sobek

© Prof. Elmar Bollin

Effizienzhaus Plus Gebäudetechnik

© Prof. Elmar Bollin

Modell- und Regelbasiertes Energiemanagement im Effizienzhaus PlusEnergiefluss-Schema

VerteilungPV-Anlage

ÖffentlichesStromnetz

Prädiktives Energiemanagementsystem PEMS -Lastmanagement

Leis

tung

Prädiktives Energiemanagementsystem PEMS -Lastmanagement

Leis

tung

Prädiktives Energiemanagementsystem PEMS -Lastmanagement

Leis

tung

Prädiktives Energiemanagementsystem PEMS -Lastmanagement

ÖffentlichesStromnetz

Leis

tung

Prädiktives Energiemanagementsystem PEMS -Lastmanagement

Leis

tung

© Prof. Elmar Bollin

PEMS - Prädiktives Energiemanagementsystem

Vorhersagen bezüglich …

• Leistung der Photovoltaik-Generators • Wärmebedarf des Gebäudes für Heizung, Lüftung und Warmwasserbereitung• Energiebedarf der elektrische Verbraucher im Gebäude • Energiebedarf für die Ladung der Elektrofahrzeuge

Methoden• Mathematische Modelle• Statistische Verfahren

aS = alpha_S * pi /180; //SonnenazimutgS = gamma_S * pi /180; //Hoehenwinkel der Sonnez = pi /2 - gS ; //Zenitwinkel

rho = 0.2 ; //Albedo ( Standardwert : rho = 0.2 )

aE = (drehung-180)*pi/180; //Umrechnung auf SuedabweichunggE = neigung*pi/180;theta_gen_skalar = -cos(gS) * sin(gE) * cos(aS-aE) + sin(gS)*cos(gE);theta_gen = acos(theta_gen_skalar) ;

// Bestimmung , ob Direkteinstrahlung moeglichdirekt = 1-(theta_gen_skalar < 0 || gamma_S < 0 );

// Berechnung der einzelnen Strahlungsanteile nach Temps / Coulson / KlucherGbt = direkt*Gbh*cos(theta_gen)/sin(gS);Gst = (Gdh/2)*(1+cos(gE))*(1+FK*sin(gE/2)**3)*(1+FK*cos(theta_gen)**2*sin(z)**3);Grt = (Gh/2)*rho*(1-cos(gE))*(1+sin(z/2)**2)*abs(cos(aS-aE));

© Prof. Elmar Bollin

PEMS - Prognoseassistenten

Wetterprognose

Leistung Photovoltaik

Wärmebedarf Gebäude

Strombedarf Gebäude

Strombedarf Fahrzeuge

PEMS – Kern

Regeln

Entscheidungen Aktionen

PrognoseEnergiebilanz

© Prof. Elmar BollinPrinzip

PEMS – Prognoseassistent Wärmebedarf

Wärmebedarfsprognose Gebäude• Mathematisches Modell aus historischen Messdaten

• Energiebedarf für Heizung und Lüftung• Tagesmittelwert Außentemperatur• Tagesmittelwert der Globalstrahlung

o Statistisches Verfahren Multiple Lineare Regression

o Modell lernt aus dem realen Betrieb

• Prognose mit Modell aus Daten der Wetterprognose

Wetterprognose

© Prof. Elmar Bollin

PEMS – Prognoseassistent Wärmebedarf

Jeder Punkt zeigt Daten eines Tages

• Energiebedarf• Außentemperatur• Globalstrahlung

Multiple lineare Regression

Ebenengleichung

© Prof. Elmar Bollin

PEMS – Prognoseassistent Wärmebedarf

Jeder Punkt zeigt Daten eines Tages

• Energiebedarf• Außentemperatur• Globalstrahlung

Multiple lineare Regression

Ebenengleichung

© Prof. Elmar Bollin

Wärmebedarfsprognose GebäudeWetterprognose (Tamb, Iglob)

PEMS – Prognoseassistent Wärmebedarf

© Prof. Elmar Bollin63

Ausblick: Dissertation M. Schmelas: Prädiktive Algorithmen für Virtuelle Kraftwerke

© Prof. Elmar Bollin

Ausblick: Selbstlernende prädiktive VerfahrenPassivseminargebäude Gebäude E der Hochschule Offenburg 2013/14

Thermisch aktive Bauteilsysteme TABSSelbstlernende prädiktive Algorithmen im Gebäude E der HSO

© Prof. Elmar Bollin

Fazit: Prädiktive Gebäudeautomation

• TABS lassen sich schlecht regeln besser steuern• Speicherbehaftete Prozesse benötigen vorausschauendes

Handeln um Energieverbräuche zu minimieren• Kenntnisse bezüglich der kommenden Ereignisse sind verfügbar

(Wetter, Nutzung) und lassen sich in prädiktiver Steuerung nutzen• Prädiktive Steuerungen bieten besseren Komfort bei geringerem

Betriebsaufwand• Gerade bei der Nutzung regenerativer Energiequellen bedarf es

zunehmend prädiktiver Steuer- und Regelmechanismen

Der Nutzung Pädiktiver Automation im Gebäude wird zunehmen!

weatherforecast

weatherforecast

© Prof. Elmar Bollin

Forschungsgruppe netnachhaltige Energietechnik

fgnet.hs-offenburg.de