Wenn es darum geht, den Klimaschutz und die intelligente Weiterentwicklung der Stadt voranzutreiben kommt smarter Informations- und Kommunikationstechnik (ICT) eine zentrale Rolle zu: Sie gewährleistet, dass alle Akteure des Energiesystems (Smart Building, Smart Grid, Smart User) zum richtigen Zeitpunkt die richtigen Daten und Informationen haben, um die richtigen „Entscheidungen“ hinsichtlich Produktion, Verbrauch, Speicherung und sogar Handel von Energie zu treffen.
Im Rahmen der ASCR-Forschung verknüpft die intelligente Technik unter Einhaltung strenger Datenschutzrichtlinien sämtliche aus Gebäuden und dem Netz gewonnenen Daten – wie Temperatur, Raumluft, Stromverbrauch oder Spannung – sowie externe Daten – wie das Wetter oder die Energienutzung. Anschließend können so Zusammenspiel und Wechselwirkungen zwischen Netz, Gebäuden und dem Energieverbrauch der UserInnen automatisch analysiert und optimal gesteuert werden.
Selbstlernende Systeme
Gebäudenutzung und Netzauslastung befinden sich in ständiger Veränderung, entsprechend ist eine kontinuierliche Nachjustierung der Simulationsmodelle notwendig. Mittels adaptiver Selbstlernalgorithmen verfeinern sich die Modelle und daher auch die gebäude- und netzinternen Steuermechanismen zusehends selbstständig.
Die gewonnenen Informationen sind besonders für die optimale Integration erneuerbarer Energie von Bedeutung. Die ASCR untersucht, welche Auswirkungen der Einsatz unterschiedlicher Energiequellen – in verschiedenen Kombinationen und unter wechselnden Wetterverhältnissen – auf das Netz und auf die Gebäude hat. Mögliche lokale Überlastungen können prognostiziert bzw. Engpässe durch die Koordination zwischen Netz und Gebäude aufgelöst werden.
Digitale Realität dank Big Data
Tagtäglich werden in den Testbeds der ASCR rund 1,5 Millionen Messwerte gesammelt. Um mit den enormen Datenmengen aus den verschiedenen Domänen umzugehen, werden im Forschungsbereich Smart ICT Big-Data-Methoden angewandt. Dabei wird unter anderem auch erforscht, wie viele Daten für welchen Zeitraum tatsächlich gebraucht werden. Denn je mehr Daten gespeichert und verarbeitet werden müssen, desto höher die Kosten! Die gewonnenen Daten können in Folge digital nachgebildet und hochskaliert werden, Optimierungen im Bereich des Eigenverbrauchs oder der Energieverteilung erreichen und mögliche Probleme im Netz, wie zum Beispiel Spannungsfluktuationen, frühzeitig erkennen. Erweiterungen, unterschiedliche Szenarien, Energiekonzepte und Optimierungsmaßnahmen werden so in neuen, bisher ungekannten Maßstäben simuliert – alles auf Basis echter Verbrauchsdaten. Das zahlt in das langfristige Ziel der ASCR ein: Auf ganze Städte anwendbare, effiziente Lösungen für die urbane Energieversorgung zu entwickeln.
Use Cases
Zwischenergebnisse im Forschungsbereich Smart ICT
Um die Qualität der Daten zu sichern, wurden zunächst unterschiedliche Datenerfassungsintervalle getestet. Mittels speziell entwickelter Algorithmen können die vom Gebäude bereitgestellten Daten ausgewertet und Wechselbeziehungen ermittelt werden.
Durch Erprobung der passenden Datenauflösung – also wie viel Daten für welchen Zeitraum braucht man wirklich – konnte eine Optimierung der Investitions- und Betriebskosten der ICT-Landschaft erreicht werden.
Das ICT-Testbed in der Seestadt lieferte zudem valide Erfahrungswerte für den seit 2018 laufenden Smart-Meter-Rollout.
Applikationen und Services
Durch Integration und Austausch unterschiedlicher Daten konnte die Entwicklung wichtiger Applikationen und Services für die verschiedenen Stakeholder vorangetrieben werden. Reporting, Simulationen und vergleichende Analyse von Gebäuden und Gebäudeteilen bzw. des Netzes zur Bewertung von Optimierungsmaßnahmen in Betrieb und Ausstattung wurden ermöglicht.
In der operativen Netzplanung unterstützen neu entwickelte Applikationen das Auffinden von Anomalien und Schwellwertüberschreitungen im Niederspannungsnetz. Die digitale Nachbildung erlaubt darüber hinaus die Simulation geeigneter Maßnahmen.
Auf Basis historischer Informationen und externer Faktoren wie Wetter oder Events, wie zum Beispiel Feiertage, können mittels intelligenter Machine Learning-Technologie Lastprognosen erzeugt werden. Die BewohnerInnen haben mittels Home Automation die Möglichkeit, die Steuerungen zu übernehmen und so einerseits Energie zu sparen und andererseits Komfort zu gewinnen.