Über zwei Jahrzehnte hat sich an der Hochschule Offenburg im Umfeld von Prof. Elmar Bollin eine Forschungsgruppe etabliert, die die beiden Bereiche Gebäudeautomation und nachhaltige Energietechnik zusammenführten.
Energieeffizienz im Gebäude: Algorithmus ermöglicht Prognose von Energiebedarf.
Anfänglich ging es darum, Potenziale internetbasierter Wetterprognostik und modellbasierter Anlagensteuerung für die Verbesserung des Komforts und der Energieeffizienz im Gebäude zu nutzen. Im Rahmen von Forschungs- und Entwicklungsarbeiten mit Einsatz von dynamischen Gebäudesimulationen konnte schließlich ein Algorithmus gefunden werden, AMLR genannt, der es ermöglichte, auf Basis von prognostizierter Außentemperatur und Sonneneinstrahlung den Energiebedarf eines Bürogebäudes für den Folgetag vorherzusagen. In Verbindung mit Gebäudeautomation entstand so die prädiktive TASBS-Steuerung AMLR.
Thermoaktive Bauteilsysteme (TABS) zeichnen sich dadurch aus, dass, bedingt durch die enorme thermische Masse, bei deren Reglung speziell in den Übergangszeiten große zeitliche Verzögerung auftreten. Dies kann zu erheblichen Komforteinbußen verbunden mit Energieaufwänden für deren Kompensation führen. Hier findet die prädiktive Steuerung ein ideales Anwendungsgebiet. Die Forschungsgruppe um Prof. Elmar Bollin konnte nun nach jahrelanger Entwicklungsarbeit, angefangen mit Computersimulation über Forschungsversuche mit Klimakammern bis hin zum Einsatz in realen zahlreichen Bürogebäuden nachweisen, dass die Steuerung und Regelung von TABS mit dem prognosebasierten Werkzeug AMLR als Teil der Gebäudeautomation nicht nur Energie einspart, sondern auch die Behaglichkeit in TABS-beheizten und -gekühlten Büroräumen erheblich verbessert wird.
Für die Anwendung von AMLR bedarf es keiner zusätzlichen Geräte. Lediglich muss das Gebäudeautomations-System über die Möglichkeit verfügen, aus dem Internet Wetterprognosedaten zu erfassen und entsprechend zu verarbeiten. Das Besondere am AMLR-Programms aus Offenburg ist zudem, dass es dem Mitautor Dr. Martin Schmelas im Rahmen seiner Promotion an der Hochschule Offenburg gelang, die Parametrisierung des prädiktiven Steueralgorithmus selbstlernend, also adaptiv, zu gestalten, wodurch sich der Aufwand für die Inbetriebnahme der prädiktiv-gesteuerten TABS erheblich verringert.
Im soeben bei Springer-Vieweg erschienen Fachbuch „TABS - Thermoaktive Bauteilsysteme: Selbstlernendes und vorausschauendes Steuern mit AMLR“ von Elmar Bollin und Martin Schmelas wird der AMLR-Algorithmus im Detail erläutert. Zudem werden sämtliche Entwicklungsschritte der AMLR, von ersten Computer-Simulation bis zum Einsatz in Bürogebäude, dokumentiert. So ist es Gebäudeplanern und Gebäudeautomatisierern möglich die prädiktive Steuerung von TABS in allen Klimazonen einzusetzen. Weitere Informationen zum Fachbuch finden Sie hier .
MLR-Modell zur Vorhersage des Energiebedarfs eines Büroraumes
Vereinfachtes Widerstands-Kapazitätsmodell für die Beladung von TABS
Veranstaltungshinweis „Das Gebäude als Energiesystem“
