Motivation
Wärmepumpen stellen eine effektive Lösung dar, um den Energieverbrauch und die Umweltbelastung von Gebäuden zu verringern. Für die Raumheizung und Warmwasserbereitung wird die Wärme zunehmend aus natürlichen Energiequellen wie Umgebungsluft, Erdreich oder Grundwasser gewonnen. Damit sind Wärmepumpen eine Schlüsseltechnologie, um erneuerbare Energien in die Wärmeversorgung von Gebäuden einzubringen. Allerdings entspricht die tatsächliche Effizienz von Wärmepumpen in der Praxis nicht immer den Erwartungen. Neben hohen auftretenden Wärmeverlusten wird die Energieeffizienz vermindert, indem die Anlagen unpassend ausgelegt oder die Parameter der Wärmepumpenregelung fehlerhaft. Bis heute werden Wärmepumpen im Wohnbereich hauptsächlich mit sehr einfachen heuristischen Methoden geregelt, die weder die realen Nutzerbedürfnisse noch die Vorhersage externer Störungen wie eine Änderung der Nutzergewohnheiten oder eine Alterung bzw. Sanierung des Gebäudes berücksichtigen. Gegenstand des AI4HP-Projekts war es daher, neuartige Methoden der Künstlichen Intelligenz (KI) auf Basis des inkrementellen Lernens mit künstlichen neuronalen Netzen (KNN) zur adaptiven Wärmepumpensteuerung und – überwachung zu entwickeln. Damit sollte eine neue Generation von „intelligenten Wärmepumpen“ geschaffen werden, die neue Funktionalitäten und Interaktionen integrieren und sich dabei verändernden Umgebungsbedingungen anpassen kann.
Ziele und Vorgehen
KI-Methoden müssen 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. Um in der Wärmepumpenregelung integriert werden zu können, müssen die Modelle in ausreichend kurzer Zeit und mit dem verfügbaren Speicher trainiert werden, wobei die notwendige Anpassung an sich ändernde Umgebung zu berücksichtigen ist. Schließlich finden nur zuverlässige und vertrauenswürdige Methoden, die einen sicheren Betrieb gewährleisten, Akzeptanz bei Wärmepumpenherstellern und deren Kunden.
Innovationen und Perspektiven
AI4HP befasste sich daher mit der Entwicklung neuartiger Methoden für das autonome und adaptive Lernen in einer sich ändernden Umgebung, die anhand von drei Anwendungsfällen zur adaptiven Regelung von Wärmepumpen durch Lernen der optimalen Heizkurve und des Lastprofils sowie zur adaptiven Fehlererkennung und -diagnose entwickelt, in die Wärmepumpenregelung integriert und in Labortests und Pilotgebäuden validiert werden. Durch den Einsatz der KI-Methoden in den Simulationstests je nach Gebäudetyp eine Energieeinsparung von durchschnittlich 13% im Vergleich zur standardmäßig eingestellten Heizkurve wie sie üblicherweise in realen Anlagen zu finden ist, erreicht. Im vorläufigen Testbetrieb des Wärmepumpenreglers in einem realen Gebäude wurde eine COP [Coefficient of Performance] Steigerung von ca. 8,5% erreicht. Gleichzeitig verdeutlichte der Feldtest aber auch, dass der adaptive Regelungsansatz hohe Anforderungen an die Genauigkeit des KI-Gebäudemodells stellt.