Verbundvorhaben: HIP-EMIL - Holistisches interaktives prädiktives Energiemanagement über modellbasierte intelligente Lernmethoden; Teilvorhaben: Energieprognosen auf unterschiedlichen Akteurebenen
Zeitraum
2026-01-01 – 2028-12-31
Bewilligte Summe
98.093,36 EUR
Ausführende Stelle
Förderkennzeichen
03EN6058G
Leistungsplansystematik
Regenerative und energieeffiziente Wärme- und Kältenutzung im Gebäude [EA4351]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Energie (BMWE.IIC2)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESN6)
Förderprogramm
Energie
Gebäudeenergiemanagementsysteme (EMS) werden in der derzeitigen Praxis oft isoliert für die Bereiche Strom, Wärme und Mobilität und basierend auf starren Regeln aufgebaut. Die Forschung zeigt, dass modell- und auch datenbasierte Ansätze deutlich leistungsfähiger sind. Diese Konzepte können Vorhersagen regenerativer Einspeiser, volatiler Lasten und variabler Strompreise effektiv integrieren. Zudem ermöglichen sie eine optimale Kopplung von Sektoren wie Strom, Wärme und Mobilität. Dadurch wird eine gezielte Optimierung von Zielen wie Energieeffizienz, -kostenreduzierung und Netzentlastung realisiert. Allerdings ist die Praxistauglichkeit solcher Ansätze stark eingeschränkt. Das Projekt zielt darauf ab, gänzlich neue Pfade für Gebäude-EMS zu eröffnen. Entwickelt wird eine Symbiose hybrider modell- und datenbasierter Methoden, welche die Vorteile der einzelnen Ansätze kombiniert, Nachteile eliminiert und die Bereiche Strom, Wärme, Mobilität synergetisch betrachtet. Grundlage bilden neuartige KI-Methoden, die für ein leistungsfähiges und zugleich praxistaugliches EMS neue Pfade eröffnen. Vision ist die Schaffung eines hybriden Basismodells als Grundlage des Gebäude-EMS, das sich ohne größeren Aufwand auf unterschiedliche Gebäudetypen übertragen lässt. Zusammengefasst wird ein sektorenübergreifendes EMS entwickelt, welches durch die Symbiose datenbasierter und physikalischer Grundmodelle einen Innovationssprung bzgl. Leistungsfähigkeit und Energieeffizienz ermöglicht. aimpera bringt seine Expertise und Vorarbeiten im Bereich produktiver ML-Prädiktionsdienste auf Basis von End-to-End ML-Pipelines sowie der Integration lokaler und globaler Wettermodelle in das Projekt ein und strebt an, die Ergebnisse im Rahmen ihrer KI-basierten Prognose- und Energiemanagementlösungen für kommunale sowie industrielle Großverbraucher und Energieversorger zu verwerten.