forschung |entwicklung

WICKIE M verfügt bereits über eine gut funktionierende vorhersage für präsenzzeiten. die präsenzmelder innerhalb des gebäudes sorgen dafür, dass das system genug daten zur verfügung hat. das neuronale netz nutzt diese sensordaten, um sich wöchentlich zu aktualisieren und dem nutzerverhalten anzupassen. das thema dieser arbeit ist es zu überprüfen, ob sich das system so erweitern lässt, dass auch der primärregelkreis und das heizventil mit eingebunden werden kann. der primärregelkreis beinhaltet die vorhersage des heizenergiebedarfs für die ansteuerung des wärmeerzeugers. um diese analyse durchzuführen, wurden über ein simulationsmodell synthetische daten generiert. mithilfe dieser daten wurden machine-learning-modelle erstellt, welche mit ausreichender genauigkeit die zur regelung nötigen parameter vorhersagen. anschliessend wurde ein vergleich zur bisher eingesetzten regelung durchgeführt, um das einsparpotenzial von energie und weitere vorteile einer ki-gestützten regelung zu ermitteln. wie die ergebnisse zeigen, führt die ki gestützte regelung nicht nur zu einer energieersparnis von 10%, zusätzlich wird auch das wohlbefinden innerhalb des gebäudes gesteigert. während der erstellung dieser drei modelle konnte ermittelt werden, dass sich die täglichen heizzeiten durch deren einsatz um 75 minuten reduzieren lassen. des weiteren wurde festgestellt, dass sich die wärmeverluste der pufferspeicher um 5,8% und der energieaufwand für den wärmeerzeuger um 10,08% verringern lassen. im vergleich zwischen herkömmlicher ansteuerung und dem einsatz von WICKIE M konnte daher ein erhebliches einsparpotenzial ermittelt werden. diese ergebnisse zeigen, dass der einsatz von WICKIE M zu einer signifikanten senkung des wärmebedarfs, einer gezielteren verteilung und regelung der energie und daher zur einsparung von ressourcen führen kann.

‍

‍