Solares Bauen: OOM4ABDO - Objektorientiertes Monitoring als Grundlage für einen effizienteren Betrieb sowie kostengünstige Bestandsoptimierung durch Anwendung von Machine Learning-Techniken; Teilvorhaben 03SBE0006A: Big Data Analyse, Teilvorhaben 03SBE0006B: Entwicklung von Verbesserungsmaßnahmen und Bewertung der Umsetzbarkeit

Abstract

Das Projekt OOM4ABDO konzentriert sich auf die Reduzierung des CO2-Ausstoßes von Gebäuden durch innovative Ansätze im Gebäude- und Energiemanagement. Es erfasst und analysiert umfangreiche Datenströme aus Gebäudeautomationen und Energieversorgungssystemen, um Potenziale zur Steigerung der Energieeffizienz zu identifizieren und zu nutzen. Die Nutzung von Gebäuden trägt erheblich zum Klimawandel bei, wobei etwa 40-50 % des CO2- Ausstoßes darauf zurückzuführen sind. In diesem Kontext werden Nichtwohngebäude zunehmend mit Gebäudeautomationssystemen ausgestattet, während der Betrieb von Stadtquartieren einen Schwerpunkt der dezentralen Energiewende darstellt. In diesem Projekt wurden insgesamt ca. 140 Gebäude in einem technischen Monitoring von etwa 121.800 Datenströmen aufgezeichnet. Eine zentrale Herausforderung besteht darin, die Analyse dieser Vielzahl von Daten effizient zu bewältigen, da oft nicht genügend Personal oder Zeit für eine gründliche Analyse vorhanden ist. Das Projekt zielt darauf ab, Daten aus Energiesystemen und technischen Anlagen in digitalen Datenmodellen zu strukturieren, um Analysefunktionen wie automatisierte Fehlererkennung und Simulationsmodelle zu entwickeln. Analysefunktionen, einschließlich solcher auf Basis künstlicher Intelligenz, werden entwickelt, um typische Fehler beim Betrieb von Anlagen im Gebäude zu erkennen und zu beheben. Durch Demand Side Management Experimente im Stadtquartier Werksviertel wird untersucht, wie Verbraucher ihren Energiebedarf reduzieren können, um das Gesamtsystem zu optimieren. Das Projekt adressiert auch die Herausforderung der unterschiedlichen Benennung von Datenströmen durch verschiedene Gebäudebetreiber. Das „BUDO Schema“ wurde entwickelt, um diese Hürde zu überwinden und eine standardisierte Datenbenennung zu ermöglichen. Darüber hinaus werden Simulationsmodelle für ein virtuelles Labor entwickelt, um die Betriebsoptimierung von Gebäuden und Stadtquartieren zu unterstützen. Die Ergebnisse des Projekts tragen dazu bei, den Betrieb von Gebäuden und Quartieren transparenter zu gestalten, Einsparpotenziale zu identifizieren und Fehlerquellen zu beheben, was letztendlich zu einer nachhaltigeren Energieversorgung beiträgt.