Schwerpunkte

Solarthermische Heizungssysteme

KI-Regelung für höheren Solarertrag

05. September 2018, 14:00 Uhr   |  Christina Deinhardt

KI-Regelung für höheren Solarertrag
© Sonnenhaus Institut e.V.

Solarthermie-Anlagen können mit künstlichen neuronalen Netzen effizient und kostengünstig geregelt werden.

Unnötige Brennerstarts treiben die Kosten in die Höhe und senken die Effizienz von Solaranlagen. Doch nicht so mit dem Regelungskonzept des Fraunhofer ISE. Die Forscher setzten auf selbstlernende künstliche neuronale Netze für die Regelung solarthermischer Heizungssysteme.

Der Herbst ist nicht mehr fern, was sich langsam durch die ersten kühlen und verregneten Tage ankündigt. Für manch einen sind die kühlen Temperaturen bereits jetzt ein guter Grund wieder ordentlich einzuheizen. Doch für eine optimale Regelung der Heizanlage gibt es einige Dinge zu beachten, besonders, wenn es um solarthermische Anlagen geht. Im Rahmen des Projekts ANNsolar entwickelten die Forscher des Fraunhofer ISE ein Konzept, das individuelle Randbedingungen – z.B. lokales Klima und Wärmedämmstandard – sowie das charakteristische Betriebsverhalten von solarthermischen Anlagen und Wärmeverteilsystemen selbstständig identifiziert. Um die Heizungsanlage optimal zu betreiben, kann die Entwicklung von Raumtemperatur, Solarertrag und Speicherladezustand prognostiziert werden.

Möglich wird das durch künstliche neuronale Netze, die verschiedene Aspekte erfassen wie die individuelle thermische Dynamik des Gebäudes, die Wärmebedarfsänderung durch Solarstrahlung auf die Gebäudehülle und den Ladezustand des Speichers in Abhängigkeit der Betriebsbedingungen. Dadurch können sie die thermischen Zustände für die Zukunft prognostizieren – und das ganz ohne Simulation. Die neuronalen Netze erlernen die entsprechenden Abhängigkeiten selbstständig.

»Künstliche neuronale Netze bieten eine hervorragende Möglichkeit, Heizungsanlagen effizienter und kostengünstiger zu regeln«, erklärt Dr. Wolfgang Kramer, Abteilungsleiter Thermische Speicher und Gebrauchsdaueranalyse sowie Koordinator Solarthermie am Fraunhofer ISE. Laut dem Institut liegen die Einsparpotenziale gegenüber einer optimierten konventionellen Regelung bei Bestandsgebäuden bei mindestens 7 Prozent. Dagegen liegt das Einsparpotenzial bei nicht optimierten Regelungen in der Größenordnung von 12 Prozent und mehr.

Durch den Ansatz soll neben der Maximierung von Solarertrag und Energieeffizienz auch eine Reduzierung der Aufwände bei Installation und Inbetriebnahme der Regler erreicht werden. Erwartet werden Einsparungen von mehreren Stunden an Handwerkerdienstleistung.

Anlagenregelung auf Basis von ANN-Prognosen

Ein Ansatz besteht aus der Kombination von selbstlernenden künstlichen neuronalen Netzen (Artificial Neural Network- ANN), die nichtlineare Zusammenhänge abbilden, und einer Linearen System Identifikation (LSI). Diese Kombination kann sowohl nichtlineares als auch lineares Verhalten der Anlage abbilden. Die benötigten Algorithmen wurden am Fraunhofer ISE entwickelt, in einen Regelungscode implementiert und erfolgreich in einer realen Anlage validiert.

Prognosen von Raumtemperatur, Solarertrag und Speicherladezustand bilden die Basis des entwickelten Regelungskonzepts. Die Größen können mithilfe der Kombination aus ANN und LSI in genau vorhergesagt werden. Um dies nachzuweisen, wurden Messdaten einer realen Heizungsanlage mit solarthermischer Unterstützung für das Training von ANN-Netzen genutzt.

Die ANN-Regelung übernimmt zwei Regelungsfunktionen und greift dabei auf die ANN-Prognosen zurück. Zum einen wird die individuell optimale Heizkurve automatisch ermittelt, wobei im Vergleich zu einer konventionellen Heizkurve zusätzliche Einflüsse berücksichtigt werden. Außerdem steuert die Regelung die Zuschaltung der fossilen Nachheizung: Bevor Einschalten der Heizung, wird überprüft, ob die notwendigen Speichertemperaturen innerhalb eines Prognosezeitraums ggfs. auch ohne Nachheizung erreicht werden kann. Dadurch bleiben unnötige Brennerstarts aus, die fossile Nachheizung wird minimiert und der solare Ertrag maximiert.

Auf Facebook teilen Auf Twitter teilen Auf Linkedin teilen Via Mail teilen

Das könnte Sie auch interessieren

Verwandte Artikel

Fraunhofer ISE (Institut für Solare Energiesysteme)