Refine
Document Type
- Report (6) (remove)
Language
- German (6)
Is part of the Bibliography
- no (6) (remove)
Keywords
- Energieeffizienz (3)
- Forschung (2)
- energetisches Monitoring (2)
- Abschlussbericht (1)
- Gebäudehülle (1)
- Gebäudemonitoring (1)
- Maschinelles Lernen (1)
- Monitoring (1)
- Nahwärme (1)
- Neubau (1)
Gebäuden haben einen Anteil von 40% am deutschen Gesamtenergiebedarf und sind damit eine entscheidende Stellschraube beim Erreichen der Klimaziele. Der Energiebedarf von Gebäuden wird von der Gebäudehülle und der Gebäudetechnik bestimmt. Ein Großteil der Gebäudetechnik wird nicht in optimaler Weise betrieben. So können durch die Analyse des Gebäudes im Rahmen eines technischen Monitorings und anschließender Optimierung, Energieeinsparungen im Bereich von 5% bis 30% erzielt werden. Mit der Optimierung der Gebäudetechnik kann der Energiebedarf von Gebäuden ohne zusätzlichen Ressourcenaufwand reduziert werden. Jedoch ist die Implementierung eines technischen Monitorings in Gebäuden aufwändig und wird daher, trotz des möglichen Einsparpotentials, in nur wenigen Gebäuden umgesetzt.
Um die Verbreitung von technischem Monitoring, und damit die Analysemöglichkeiten von Gebäuden, voranzutreiben, wurde im Projekt EnOB: InSitu Nachweisverfahren erforscht, wie mit geringem Aufwand Rückschlüsse auf den Zustand von Gebäude getroffen werden können. Hierfür wurde untersucht welche Parameter gemessen werden müssen um aus einem einfachen Basismonitoring, das üblicherweise in situ stattfindet, Aussagen zur Gebäudequalität, Anlagenqualität und Nutzerverhalten treffen zu können. Der Schwerpunkt der Untersuchungen im Projekt wurde zum einen auf Untersuchungen zur Detektierung der Anwesenheit von Personen in Räumen gelegt, als auch auf die automatische Fehlererkennung von Anlagenfehlern. Dabei war ein maßgeblicher Arbeitsaufwand die Entwicklung geeigneter Versuchsreihen und die Aufbereitung der Daten. Für die Umsetzung wurden Messungen in einer Forschungswohnung, als auch im Labor für intelligente Gebäudetechnik, kurz LiGT, erzeugt. Im Rahmen des Projekts wurde das LiGT umgebaut und mit entsprechender Mess- und Gebäudetechnik ausgestattet. Für die Analysen der Daten wurden Methoden des Maschinellen Lernens und der Statistik, wie zum Beispiel Random Forest und LASSO, eingesetzt. Für die Erkennung der Anwesenheit sind drei Messreihen durchgeführt worden. Darunter ein Versuch mit zwei realen Personen, ein Versuch mit fünf künstlichen Nutzern und ein weiterer Versuch mit der Kombination von Simulations- und Messdaten. Um das Ziel der kostengünstigen Analyse zu erreichen, sollten ohnehin in Gebäuden verfügbare Raumklimasensoren verwendet werden. Die Analyse erfolgte daher auf Raumebene. Unter der Verwendung von CO2-, Temperatur-, Feuchtesensoren in den Innenräumen und Solarstrahlungs- und Temperatursensoren im Außenbereich konnte die Personenanzahl im Raum mit hoher Genauigkeit bestimmt werden. Für die Anwesenheit von bis zu fünf Personen wurde eine Trefferquote von 86,5% und für den Versuch mittels Simulationen eine Sensitivität von mindestens 83% und eine Spezifität von mindestens 97% erzielt.
Für die automatische Fehlererkennung wurden zwei unterschiedliche Ansätze untersucht. Beim ersten Ansatz, welcher auch im Rahmen des Annex 71 vorgeschlagen wurde, wurde ein statistisches Modell mit Messdaten aus einem fehlerfreien Zeitraum trainiert. Mithilfe diesem Modells werden Abweichungen vom fehlerfreien Zustand identifiziert. Dazu wurden Simulationen der Zwillingshäuser am Fraunhofer Institut für Bauphysik in Holzkirchen verwendet anhand welcher die entwickelte Methoden getestet wurde. Mit dem Ansatz konnte fehlerbehaftete Zeiträume identifiziert werden, jedoch nicht die Art des Fehlers. Im zweiten Ansatz wurden die Fehler selbst simuliert und als Trainingsdaten für die statistischen Modelle verwendet. Zur Validierung des Verfahrens wurden Daten eines realen Gebäudes analysiert. Zur Generierung der Messdaten wurden im LiGT Messungen durchgeführt. Hierbei wurden zu unterschiedlichen Zeitpunkten drei unterschiedliche Fehler künstlich herbeigeführt. Die Qualität der Fehlererkennung ist dabei maßgeblich von der Qualität der Simulation und der Art des Fehlers abhängig. Im Projekt wurden sowohl Methoden zur Anwesenheitserkennung, als auch zur automatisierten Fehlererkennung von Anlagen entwickelt. Diese Erkenntnisse können in einem Basismonitoring zur Untersuchung von Gebäudequalität, Anlagenqualität und Nutzerverhalten verwendet werden. Automatisierte Methoden haben in Zukunft einen wesentlichen Einfluss auf den Erfolg und die Anwendbarkeit von technischem Monitoring.
Forschungsbericht 2014
(2015)
Forschungsbericht 2015
(2016)
In einem beispielhaften Pilotprojekt wird das ehemalige Kasernengelände bei Bad Aibling zur "Nullenergiestadt" saniert und modernisiert. Dabei beschäftigt sich das Projekt mit Fragen des energieeffizienten Bauens in Bestand und Neubau, sowie mit der ganzheitlichen Betrachtung von Gebäuden im Verbund zu Siedlungen, Kommunen und Städten.
Im Rahmen eines durch das BMWi geförderten Forschungsprojekts wird das Vorhaben wissenschaftlich begleitet. Die Hochschule Rosenheim übernimmt im Projekt das energetische Monitoring und dessen Auswertung. Neben dem Monitoring der Einzelgebäude ist dabei ein wesentlicher Bestandteil die Betrachtung eines niedrigtemperierten Nahwärmenetzes, das im Sommer ausschließlich über große Solarthermieflächen gespeist wird.
In diesem Low-Ex-Ansatz sind auch Innovationen wie die "Fassadenheizung", die Untersuchung dezentraler vs. zentraler Lüftungsanlagen in der Gebäudesanierung und die Planung höchst energieeffizienter Gebäude ein Thema.
Ziel der Gemeinde Höhenkirchen-Siegertsbrunn war es, ein Kinderhaus (Kindergarten, Hort und Kinderkrippe) zu errichten, das in der Jahresbilanz mehr Energie erzeugt als es selbst verbraucht (Plus-Energie-Gebäude). Im Rahmen eines durch das BMWi geförderten Forschungsprojekts wurde das Vorhaben wissenschaftlich begleitet.
Die Hochschule Rosenheim begleitete das Vorhaben messtechnisch mit dem Ziel der Betriebsoptimierung und der nachvollziehbaren Validierung der angestrebten Ziele. Zur Auswertung der umfangreichen Datensätze wurde das am Karlsruher Institut für Technologie (Fachgebiet Bauphysik & Technischer Ausbau) entwickelte Werkzeug MoniSoft verwendet. Durch die plattformunabhängige Software werden das Monitoring und die Betriebsanalyse vereinfacht. Seit 2013 wird die Software an der Hochschule Rosenheim maßgeblich mit weiterentwickelt.
Im vom BMWi geförderten Forschungsprojekt Niedrigst-Energie-Hotel wurde ein Bestandsgebäude mithilfe eines umfassenden Sanierungskonzeptes zu einem energiesparenden Nur-Strom-Gebäude entwickelt. Eine höchst wärmegedämmte Hülle, komplett neue Anlagentechnik und intelligente Verknüpfung der Anlagenteile versprechen niedrigen Energiebedarf bei gleichzeitig hohem Komfort.
Doch mit steigender Komplexität der Anlagen steigt auch das Risiko, dass Bestandteile nicht optimal zusammenarbeiten oder sich sogar gegenseitig negativ beeinflussen. Beim energetischen Monitoring werden diese Anlagen und ihre Bestandteile überwacht und deren Energieströme gemessen. Dieses Wissen erlaubt schließlich die detaillierte Bewertung des innovativen Energiekonzepts in der Anwendung und in gewissem Umfang auch die Optimierung der Anlagen.
Zur Auswertung der umfangreichen Datensätze wird das am Karlsruher Institut für Technologie (Fachgebiet Bauphysik & Technischer Ausbau) entwickelte Werkzeug MoniSoft verwendet. Durch die plattformunabhängige Software werden das Monitoring und die Betriebsanalyse vereinfacht. Seit 2013 wird die Software an der Hochschule Rosenheim maßgeblich mit weiterentwickelt.
Projektziele - Durch das energetische Monitoring können folgende Ziele erreicht werden:
Beurteilung des Betriebs der komplexen Gebäudetechnik unter realen Bedingungen, Vergleich der Messergebnisse mit den Erwartungen der Planer, Erarbeitung von Optimierungsmöglichkeiten in der Gebäudetechnik