Al4HP - Künstliche Intelligenz für Wärmepumpen

Laufzeit: 09/2021 -08/2024
Auftraggeber / Zuwendungsgeber:
DLR/BMBF (Förderbereich "Künstliche Intelligenz - Deutsch-Französische Kooperation")
Kooperationspartner: Stiebel-Eltron GmbH & Co. KG, CEA List (Laboratory for Integration of Systems and Technologies), EDF R&D, Laboratoire de Psychologie et NeuroCognition LPNC (assoziierter Forschungspartner)
Projektfokus:      
© Fraunhofer ISE
KI-Pipeline für adaptiven Wärmepumpenbetrieb.

Wärmepumpen stellen eine effektive Lösung dar, um den Energieverbrauch und die Umweltbelastung von Gebäuden zu verringern und erneuerbare Energien in die Wärmeversorgung einzubringen. Allerdings entspricht die tatsächliche Effizienz von Wärmepumpen in der Praxis nicht immer den Erwartungen. Neben hohen auftretenden Wärmeverlusten wird die Energieeffizienz durch eine nicht passende Anlagenauslegung, durch Fehlparametrierung der Wärmepumpenregelung und durch unerkannte Betriebsdefizite vermindert. Gegenstand des »AI4HP«-Projekts ist deswegen die Entwicklung einer neuen Generation von "intelligenten Wärmepumpen", die sich mit Hilfe von Künstlichen Neuronalen Netzen adaptiv an eine sich verändernde Randbedingungen anpasst und damit die Energieeffizienz unter Einhaltung des Nutzerkomforts erhöht.

Bis heute wird die Regelung von Wärmepumpen im Wohnbereich hauptsächlich mit sehr einfachen heuristischen Methoden realisiert, die weder die realen Nutzerbedürfnisse noch die Vorhersage externer Einflüsse wie eine Änderung der Nutzergewohnheiten oder eine Alterung bzw. Sanierung des Gebäudes berücksichtigen. Ziel des Verbundprojektes zwischen deutschen und französischen Experten aus dem Bereich Wärmepumpen und Energieversorgung und aus dem Bereich KI-Forschung ist daher die Entwicklung neuartiger Methoden der Künstlichen Intelligenz (KI) auf Basis des inkrementellen Lernens mit künstlichen neuronalen Netzen (KNN) zur adaptiven Wärmepumpensteuerung und -überwachung. Die neuen intelligenten, KI-gestützten Wärmepumpen integrieren erstmals neue Funktionalitäten und Interaktionen mit einer sich verändernden Umgebung, um dem Benutzer die höchste Energieeffizienz und den besten Komfort zu bieten, Wartungsarbeiten zu erleichtern und Leistungseinbußen durch Fehlererkennung zu vermeiden.

KI-Methoden müssen jedoch an Robustheit und Skalierbarkeit gewinnen, um kostengünstig in einer großen Anzahl heterogener Gebäude implementiert werden zu können, in denen die Daten oft von Sensoren mit geringer Präzision und Zuverlässigkeit stammen. Schließlich finden nur zuverlässige und vertrauenswürdige Methoden, die einen sicheren Betrieb gewährleisten, Akzeptanz bei Wärmepumpenherstellern und deren Kunden. Der erste Teil des Projekts befasst sich daher mit der Entwicklung neuartiger maschineller Lernmethoden aus dem Gebiet des inkrementellen und des Online-Lernens für Zeitreihendaten, die notwendig sind, um sicherzustellen, dass KNNs autonom und adaptiv in einer sich ändernden Umgebung lernen, ohne den kompletten Satz vergangener Daten speichern zu müssen oder vergangenes Wissen zu vergessen.

Die adaptive KI-Pipeline wird für die drei Anwendungsfälle „adaptive Heizkurvenregelung“, „adaptive Regelung von Warmwasserwärmepumpen auf Basis von Lastprognosen“ und „adaptive Fehlererkennung und -diagnose“ entwickelt, in die Wärmepumpenregelung integriert und in Labortests und Pilotgebäuden validiert. Durch den Einsatz der fortschrittlichen KI-Methoden erwarten wir bis zu 20 % Energieeinsparung und CO2-Emissionsreduzierung ohne Komforteinbußen. 

Weitere Informationen zu diesem Forschungsthema:

Geschäftsfeldthema

Gebäudesystemtechnik

Geschäftsfeldthema

Betriebsführung von Gebäuden

 .

Geschäftsfeldthema

Wärmepumpen

Geschäftsfeld

Energieeffiziente Gebäude