handling - Fachportal für Handhabungstechnik, Fabrikautomation, Intralogistik
Home> Wirtschaft + Unternehmen> Archiv> Energie effizient einsetzen

EnergieeffizienzEnergie effizient einsetzen

Unternehmensweites Verbrauchsmanagement setzt auf algorithmischen Ansatz
sep
sep
sep
sep
Energieeffizienz: Energie effizient einsetzen
Energiemanagementsysteme mit Echtzeit-Datenerfassung und prädiktiver Modellierung verbessern die Entscheidungsfindung, reduzieren den Energieverbrauch und steigern die Effizienz.

Energiemanager stolpern oft über Datenlücken, verschiedenartige Datenquellen und komplizierte Systemschnittstellen. Das erschwert die effiziente Analyse der Echtzeit-Energiedaten und die Effizienzmaximierung. Daher existieren seit einiger Zeit neue Konzepte für das Energiemanagement (EEM). Als besonders erfolgversprechend haben sich Energiemanagementsysteme mit einem integrierten, algorithmischen Ansatz erwiesen, durch deren Einsatz gewerbliche und industrielle Energieverbraucher erhebliche Effizienzsteigerungen für ihr Energiemanagement erreichen können. Echtzeit- und Stammdaten werden dabei zur Vorhersage von Leistungstrends und Evaluierung der Reaktionsmöglichkeiten herangezogen. Eine solch ganzheitliche Methodik ermöglicht wesentlich bessere Einblicke in die laufenden Arbeitsprozesse. Mögliche Probleme lassen sich rascher erkennen und eingrenzen sowie Präventivmaßnahmen in Hinblick auf sich abzeichnende Ereignisse wie Witterungsänderungen, Änderungen in den Produktionsplänen oder Energiepreisen ergreifen.

Anzeige

In der Praxis erfolgreich getestet

In einer Reihe von Feldversuchen bei Unternehmen, die ein EEM-System mit einem solchen Ansatz bereits implementiert haben, lässt sich dessen Wirksamkeit gut beobachten. Die vorläufigen Ergebnisse hat Rockwell Automation, Anbieter von industriellen Automatisierungs- und Informationslösungen, jetzt in einem aktuellen Whitepaper beschrieben. Sie zeigen, dass Anwender den Energieverbrauch in Universitätsgebäuden, großen Anlagen und Produktionsstätten im ersten Jahr auf diese Weise um zehn bis 23 Prozent senken konnten. EEM-Systeme tragen überdies dazu bei, die Einsparungen auch in den Folgejahren beizubehalten und die Energieeffizienz der Gebäude und Maschinen von Jahr zu Jahr ständig weiter zu verbessern. Durch diese nachhaltigen Einsparungen verzeichneten die Unternehmen Amortisationszeiten für die Lösung von zum Teil unter einem Jahr.

Ein EEM-System muss demnach verschiedene, grundlegende Anforderungen erfüllen. Dazu zählen die Anbindung verschiedener Datenquellen, die Energiemodellierung für den Leistungsvergleich in Echtzeit, analytische Leistungsmerkmale zur Unterstützung der Inbetriebnahme laufender Systeme sowie eine zugängliche Visualisierung der Energieverbrauchsdaten. Energiedaten fallen in verschiedenster Form an und entstammen unterschiedlichsten Quellen. Auf dem weiten Feld der Energie-Informationssysteme unterscheidet man daher zwei Grundtypen, die bislang als Standard-Repositories für Energiedaten herangezogen werden: Energie-Management-Steuerungssysteme (EMCS) sowie Mess- beziehungsweise Prüfsysteme. EMCS umfassen typischerweise direkte digitale Regler (DDC) und Kontrollgeräte für die Energieversorgung. Die im EMCS verfügbaren Daten hängen damit direkt von den Komponenten ab, welche das System kontrolliert. Mess- und Prüfsysteme dagegen quantifizieren anhand der erhobenen Energiedaten potenzielle Einsparmöglichkeiten.

Ein EEM-System, das nach einem ganzheitlichen Ansatz arbeitet, vereint beide Systemtypen und bindet zusätzlich weitere Datenquellen an. Die Komplexität individueller Datenquellen wird dadurch abstrahiert und eine kohärente, vereinheitliche Sicht auf alle relevanten Daten ermöglicht. Gleichzeitig reduziert sich der Aufwand für die Datenerhebung, und es kann mehr Zeit auf die eigentliche Datenanalyse verwendet werden. Benchmarking von Energie-Daten wird schon seit Jahren verwendet, um Energie-Datenmengen über verschiedene Zeiträume und Bedingungen zu vergleichen und anzupassen. Weil es unterschiedlichste Variablen sind, die den Energieverbrauch eines Objektes beeinflussen, lässt sich anhand von Benchmarking und Modellierungsmethoden validieren, ob tatsächlich Energieeinsparungen stattgefunden haben.

Energie-Benchmarking ist grundsätzlich nach zwei verschiedenen Modellen unterschiedlicher Komplexität und Genauigkeit möglich: der multiplen linearen Regression und dem so genannten ANN-Modell, das auf künstlichen neuronalen Netzen basiert (artificial neural networks). Der regressive Ansatz eignet sich am ehesten für die Bewertung der Gesamtenergieeffizienz von neuen Gebäuden innerhalb der Phase von Konzeption und Inbetriebnahme. Die ANN-Methode dagegen führt zu genaueren Vorhersagen über den tatsächlichen Energieverbrauch, insbesondere hinsichtlich Potenzial für Energieeinsparungen im Rahmen von Nachrüstungsmaßnahmen.

Bisher kamen bei EEM-System-Implementierungen in der Regel multiple, lineare Regression und ANN-Modelle gleichermaßen zum Einsatz. EEM-Systeme mit algorithmischem Ansatz dagegen erzeugen eine so genannte kontinuierliche „Baseline“, die sowohl die aktuelle Leistung und Benchmarks bewertet als auch gleichzeitig Voraussagen über zukünftige Energieverbrauch in Echtzeit ermöglicht. Vereinfacht lässt sich dies am Beispiel eines gekühlten Wasserzählers darstellen: Nach dem multiplen linearen Regressionsmodell werden historische Mess- mit aktuellen Wetter- und Temperaturdaten verglichen und für jede Messung ein Modell erstellt – ein zeitaufwändiges Verfahren. Mit algorithmischem Ansatz generiert das EEM-System diese Modelle automatisch. Der Algorithmus beinhaltet Datenverarbeitungs-Funktionen, um Abschnitte „schlechter“ Zählerdaten zu identifizieren und darauf aufbauend automatisch eine neue Basis für jede neue Messung zu kreieren.

Analytische Leistungsmerkmale

Energieeffizienz beginnt bereits mit der Inbetriebnahme eines Gebäudes. Sie ist umso größer, je automatisierter diese abläuft und je besser in diesem Zusammenhang bereits Echtzeit-Systemüberwachung und -analytik realisiert werden. Die Methoden zur Energie-Visualisierung hängen nicht nur von den zur Verfügung stehenden Daten ab, sondern auch von der jeweiligen Zielgruppe, für welche diese Daten bestimmt sind. Ein Energie-Ingenieur interessiert sich möglicherweise für HVAC Performance-Daten, der Gebäude-Manager möchte die Energiekosten pro Quadratmeter ermittelt haben und der Bewohner will wissen, inwieweit Energieverbrauch und CO2-Ausstoß zusammenhängen. Für die gesammelten Daten muss also jeweils die passende und aussagekräftigste Visualisierungsmethode gewählt werden. Je automatisierter daher die Sammlung von Echtzeitdaten abläuft, desto leistungsfähiger und flexibler müssen die Visualisierungswerkzeuge sein, die ein EEM beinhaltet. Damit lassen sich die Daten effizient und zielgruppengerecht dem jeweiligen Rezipienten zur Verfügung stellen. Alle vier vorgenannten charakterisierten Funktionsbereiche – Datenquellen-Anbindung, Energiemodellierung, analytische Leistungsmerkmale zur Unterstützung der Inbetriebnahme, Visualisierung – gilt es, in einer einheitlichen Business Intelligence Plattform zusammenzufassen. Das EEM-System greift auf diese Daten dann mittels algorithmische Analysen zu und ermöglicht auf diese Weise einen ganzheitlichen, unternehmensweiten Ansatz für das Energiemanagement.

Uwe Küppers, Rockwell Automation/bw

Anzeige
Diesen Artikel …
sep
sep
sep
sep
sep

Weitere Beiträge zum Thema

Leistungsschalter

LeistungsschalterMit Schalter sparen

40 Prozent der gesamten Energie werden allein in Gebäuden verbraucht. Immobilien- und Facility Manager können bis zu 30 Prozent Einsparungen realisieren, wenn sie in entsprechende Energiemanagementmaßnahmen investieren.

…mehr
zenon-EDMS Report Trend pro Anlagengruppe

Verbrauchsdaten-Management in der FertigungErkenntnisse für Energiemanager

Mit dem zenon Energy Data Management System stellt Copa-Data ein neues Lösungspaket für Energiedaten-Management vor, das Unternehmen bei der Einführung und Umsetzung eines effektiven Energiemanagement unterstützt.

…mehr
Energiedatenmanagement

KommunikationslösungenWerkzeug der Effizienz

Ganz im Zeichen von Industrie 4.0 verlegt sich der Systemanbieter Welotec auf neue Hardware- und Softwarelösungen, die die Kommunikation sowie die Vernetzung von Maschinendaten intelligent unterstützen.

…mehr
Energiemanagent

Betriebliches Energiemanagement setzt...Visualisierung macht sensibel

Energiekosten haben sich in den letzten Jahren zu einem massiven Kostenfaktor entwickelt. Um wettbewerbsfähig zu bleiben und ertragsoptimiert arbeiten zu können, ist ein effizienter Umgang mit Energie ein entscheidender Faktor.

…mehr
FIR-Energiestudie ab Februar:: Sparpotenzial bei den KMU

FIR-Energiestudie ab Februar:Sparpotenzial bei den KMU

Das FIR an der RWTH Aachen sucht Teilnehmer für eine Energie- und Lastmanagementstudie, die im Februar beginnt. Die Untersuchungen sind Bestandteil des im April 2013 gestarteten Forschungsprojekts Polar.…mehr
Anzeige

Neue Stellenanzeigen

Anzeige