Jan Derua beschreibt, warum die Thomas More University of Applied Sciences einen KI-gestützten intelligenten Energiemanager entwickelt hat und wie es gemacht wurde.
Die Thomas More University of Applied Sciences ist die größte Hochschule für angewandte Wissenschaften in Flandern, Belgien, und ist auf acht Standorte verteilt. Am Campus De Nayer in Sint-Katelijne-Waver bieten wir Studiengänge in den Bereichen Elektromechanik, Automobiltechnik, Design und Produktionstechnik sowie Elektronik/ICT an. Wir sind ein KNX-zertifiziertes Schulungszentrum sowie ein KNX Scientific Partner und betreiben Forschung und Entwicklung in verschiedenen Bereichen, einschließlich eingebetteter Systeme wie KNX.
Vor einigen Jahren beschloss das flämische Energieversorgungsunternehmen, die traditionellen analogen Energiezähler durch digitale Zähler zu ersetzen. Obwohl diese Zähler als "intelligente Zähler" bezeichnet werden, verfügen sie nur über eine Kommunikationsschnittstelle, die den digitalen Abruf von Zählerdaten ermöglicht. Bei den bereits verfügbaren Produkten, die diese Zähler tatsächlich intelligent machen und die Energieflüsse verwalten sollen, handelt es sich fast ausschließlich um Überwachungssysteme, die den Verbrauch lediglich sichtbar machen - sie sind keine echten Energiemanagementsysteme. Daher besteht ein Bedarf an echten Energiemanagementsystemen, die durch KI ergänzt werden und diese Zähler wirklich intelligent und selbstlernend machen. Und da Energiemanagement ein gutes Kommunikationssystem zwischen Sensoren, Aktoren und Steuerungen erfordert, ist KNX das Protokoll der Wahl.
Umfang des Projekts
Das Endziel ist ein KI-gestützter Smart Energy Manager, der es ermöglicht, möglichst viele Technologien und Geräte in einer Wohnumgebung zu steuern. Dieser Manager soll selbstlernend sein und den Nutzer dabei unterstützen, einen rationellen Energieverbrauch ohne große Sorgen zu erreichen. Er soll sowohl in neue als auch in bestehende Situationen integriert werden können, ohne dass viele Änderungen an der Installation erforderlich sind und ohne große finanzielle Auswirkungen. Außerdem beschränkt sich das Projekt nicht nur auf elektrische Energieströme, da auch auf thermischer Ebene viel Energie gepuffert und kanalisiert werden kann.
Design und Implementierung
Für die Kommunikation mit dem KNX-Bus wurde das Design mit einem in Belgien entwickelten Chip, dem ONSEMI NCN5130, ausgestattet. Der KNX-Stack wurde also selbst entwickelt.
Das Ziel ist es, alle bereits im Haus vorhandenen Anwendungen visualisieren und steuern zu können. Beispiele sind der Solarwechselrichter, die Solaranlage, die Wärmepumpe, intelligente Steckdosen und so weiter, ohne große zusätzliche Investitionen zu erfordern.
Wir haben uns dafür entschieden, mit einer maßgeschneiderten Linux-Distribution auf zuverlässiger Industriehardware zu arbeiten. Denn aus Gründen der Zuverlässigkeit und Langlebigkeit sind Lösungen mit Raspberry Pi oder Arduino nicht die besten Optionen. Für eine robuste und dynamische Integration wurden Bare Metal und Docker-Image verwendet, während die Programmierung über Node Red möglich ist, die Datenprotokollierung auf Influx basiert und Grafana zur Visualisierung eingesetzt wird. Dies ermöglicht jede erdenkliche Integration.
Vorteile der KI
Durch den Einsatz von KI kann das Haus intelligent gemacht werden, ohne dass zusätzliche Programmierung oder menschliches Eingreifen erforderlich ist. Die Hardware an Bord ist KI-fähig, was bedeutet, dass keine Internetverbindung für die Verarbeitung der KI erforderlich ist. Lediglich die Wettervorhersage und die Vorhersage der Stromerzeugung der Solarzellen erfordern eine Internetverbindung. Der KI-Teil ist noch in der Entwicklung und muss weiter getestet werden, aber wir erzielen bereits gute Ergebnisse über Node Red.
Testfälle
Wir haben drei Testfälle entwickelt. Der erste betrifft ein ziemlich großes neues nahezu energieneutrales Haus. Hier wurden die PV-Paneele und die Wärmepumpe integriert, sowie eine Batterie zur Energiespeicherung. In diesem Fall liegt der Schwerpunkt auf der Optimierung der Energieflüsse und insbesondere auf der Begrenzung der Verbrauchsspitzen, da die Tarifierung in Flandern teilweise vom Kapazitätstarif abhängt.
Zurzeit, in den Monaten September und Oktober, konnten durch das Energiemanagement und die Erhöhung des Eigenverbrauchs Energiekosten in Höhe von ca. 370 Euro eingespart werden, und eine weitere Einsparung in Höhe von ca. 10 Euro pro Monat durch die Vermeidung von Verbrauchsspitzen und die Umgehung des Kapazitätstarifs.
Der zweite Testfall betrifft ein älteres Haus, in dem PV-Paneele installiert wurden, sowie eine Holzpelletanlage für Heizung und Warmwasser und eine Batterie zur Energiespeicherung. Die Steuerung erfolgt über unser aasem-Gerät, kombiniert mit der KNX-Installation. Wir haben noch nicht genug Zahlen für diese Installation, um die Kosteneinsparungen zu veröffentlichen, aber wir erwarten, dass sie im Laufe des Jahres beeindruckend sein werden.
Der dritte Testfall betrifft das KNX Schulungs- und Forschungslabor, das mit PV-Paneelen in Kombination mit einer 7,5-kWh-Batterie und einer EV-Ladestation ausgestattet wurde. Durch die Steuerung ist das Labor autark.
Neben der Energieeinsparung und der komfortablen Steuerung liefern die drei Testfälle eine Fülle von Daten, die das weitere Training und die Optimierung der KI ermöglichen.
Zusammenfassung
Das Ergebnis des Einsatzes unseres aasem-Gerätes ist sowohl von der Bedienung als auch von der Datenerfassung her sehr zufriedenstellend. Die Masse an Daten, die erfasst wurde und wird, erlaubt es, den KI-Teil noch weiter zu optimieren. Das Design des Moduls ermöglicht eine einfache Integration in einen Standardverteiler und verbraucht sehr wenig Strom. In Bezug auf zukünftige Entwicklungen denken wir daran, das Gerät noch weiter mit KNX RF zu erweitern und den KNX Secure Stack zu implementieren.
Jan Derua MSc ist Professor und Forscher an der Thomas More University of Applied Sciences, ein KNX-zertifizierter Tutor und Mitglied des Vorstands von KNX Belgien.
