Verbundvorhaben: EnOB: Shango - Monitoring / Optimierung von Heizungsanlagen über Web-Schnittstellen; Teilvorhaben: Cloud basierte Plattform für KI-Algorithmen
Zeitraum
2021-10-01 – 2025-03-31
Bewilligte Summe
770.415,39 EUR
Ausführende Stelle
Förderkennzeichen
03EN1044A
Leistungsplansystematik
Energieoptimierte Gebäude - Regelungstechnik, Betriebsoptimierung und Monitoring [EA4430]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESN1)
Förderprogramm
Energie
Ziel des Projekts SHANGO ist die Effizienzsteigerung von Heizungsanlagen in Ein- und Kleinfamilienhäusern. Durch KI-basiertes Monitoring und Optimierung des Betriebes der Heizungsanlagen im Gebäudebestand, soll der unerwünschte Energieverbrauch und der damit verbundene CO2-Ausstoß reduziert werden. Hierfür stehen vor allem Systeme mit Wärmepumpen und deren Potenzial zur Lastverschiebung im Fokus. In vielen kleinen und mittleren Anlagen, wie sie typischerweise in Ein- und kleinen Mehrfamilienhäusern zu finden sind, führen fehlerhafte Bedienung und Parametrierung, Montagefehler und unentdeckter Verschleiß zu ineffizientem Betrieb, d. h. zur Verschwendung von Energie, respektive Erhöhung des CO2-Ausstoßes. Viele dieser Betriebsfehler bleiben unentdeckt oder lassen sich nicht wirtschaftlich in einem Vor-Ort-Termin durch eine Fachkraft beheben, obwohl bereits heute vielfach Sensoren und Kommunikationsschnittstellen (kleine Web-Server) in den Anlagen existieren. Im Projekt SHANGO werden die vorhandenen Sensoren und Kommunikationsmöglichkeiten für ein ständiges Monitoring und Optimieren von Heizungsanlagen genutzt. Die fehlenden Informationen werden mit Hilfe von künstlicher Intelligenz (KI) bzw. Machine Learning-Verfahren, verknüpft mit zusätzlichen Daten (Wetter, weitere Gebäudedaten wie Baujahr, Grundfläche etc.) sowie den beobachteten Betriebsmustern generiert. In Laborstudien wird, unter Einsatz von Demonstratoren, eine Fehlerdatenbank, die typische Anlagen-Betriebsmuster der häufigsten Effizienzprobleme nachstellt, generiert und analysiert. Diese dient dem späteren Training der KI-basierten Algorithmen in der skalierfähigen Shango Plattform und bildet somit das Fundament zur Erkennung von Effizienzproblemen im Feldbetrieb. Die Ergebnisse werden in der SHANGO Cloud Plattform für interne und externe Nutzer visualisiert.