Verbundvorhaben: EnOB: SmartPrior - Entwicklung einer hocheffizienten Optimierung von Energieversorgungssystemen im Gebäudebereich auf Basis von Prior-Modellen der Künstlichen Intelligenz; Teilvorhaben: Entwicklung von Prior-Modellen und einer Klassifizierung von Anwendungsfällen
Zeitraum
2022-01-01 – 2024-12-31
Bewilligte Summe
400.737,00 EUR
Ausführende Stelle
Förderkennzeichen
03EN1051A
Leistungsplansystematik
Energieoptimierte Gebäude - Digitale Werkzeuge [EA4450]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESN1)
Förderprogramm
Energie
Die fortlaufende Energiewende stellt aufgrund der Vielzahl an oft hybriden und komplexen Energieversorgungssystemen, v.a. im Bereich der Wärme- und Kältebereitstellung, eine Herausforderung dar, so dass sich die für das Gebäude passende Systemauswahl für den Planer schwierig gestaltet. Daher zielt das Projekt SmartPrior darauf ab, die bereits in einem Vorgängerprojekt entwickelten Methoden der künstlichen Intelligenz, verbunden mit Methoden der statistischen Versuchsplanung, zur automatisierten Optimierung von Energieversorgungssystemen weiterzuentwickeln. Obgleich die entwickelten Methoden bereits deutlich vorteilhafter als gängige Lösungen sind, besitzen sie noch Grenzen der kommerziellen Anwendbarkeit, v.a. in Bezug auf die benötigte Rechenzeit. An dieser Stelle setzt das Vorhaben an: Die Entkopplung von vorgelagerter rechenintensiver Modellbildung und der nachgelagerten Zuordnung des individuellen Anwendungsfalls an das sogenannte Prior-Modell, das dem konkreten Anwendungsfall entspricht. Dieses Vorgehen bietet v.a. für komplexe Energieversorgungssysteme ein erhebliches Potential zur Reduzierung der Rechenzeit während der Anwendung, bei nur wenig reduzierter Genauigkeit der Ergebnisse. Im Projektverlauf werden die zu entwickelnden Methoden an möglichst diversen und im Hinblick auf Jahressimulationen anspruchsvollen Energiesystemen angewandt und getestet. Als Ergebnis aus dem Verbundvorhaben werden Methoden und Algorithmen entwickelt, die nicht-wissenschaftlichen Anwendern komplexe und ehemals zeitkritische Analysen in einem Bruchteil der gängigen Rechenzeiten sowie weitere komplexe und anwendungsorientierte Analysen, insbesondere auch zur Einbeziehung von Unsicherheiten bezüglich der Randbedingungen, ermöglichen. Das ZIES der HSD beschäftigt sich in seinem Teilvorhaben schwerpunktmäßig mit der Entwicklung von Generalisierungsfunktionen, Prior-Modellen, einer automatisierten Klassifizierung von Anwendungsfällen sowie weitergehenden Analysemöglichkeiten.