Messtechnik und Visualisierungssoftware
Wege zum komfortablen Energie-Management
Fortsetzung des Artikels von Teil 1
Königsdisziplin Regressionsanalyse
Für ein sinnvolles Energie-Management müssen die Hauptverbraucher, kurz SEU (Significant Energy Users), bekannt sein. Diese muss der Anwender selbst identifizieren. Anhand von definierten Kennzahlen, etwa dem Verbrauch vor und nach der Einführung einer Energieeffizienzmaßnahme, wird ermittelt, ob diese zum gewünschten Ergebnis geführt hat.
Allerdings lassen sich die jährlichen Messwerte nicht direkt vergleichen. Vielmehr müssen sie normalisiert werden. So hängt der Energieverbrauch für Heizung und Kühlung unter anderem von den Außentemperaturen ab. Diese äußeren Einflüsse müssen herausgerechnet werden, um zum Beispiel den Wirkungsgrad einer Gebäudeisolierung zu beurteilen. Das Verfahren dazu heißt Regressionsanalyse und ist seit Neuestem Bestandteil von GridVis.
Moßburger beschreibt am Beispiel der Klimatisierung eines Gebäudes das Vorgehen. In diesem befinden sich neben einem Rechenzentrum und Büros auch das Druck- und Versandzentrum. Dort arbeiten neuartige Drucker, die eine bestimmte Feuchte des Papiers benötigen. Das erfordert Energie für die Klimatisierung. „Für die Regressionsanalyse benötige ich eine energetische Ausgangsbasis“, erläutert Moßburger.
„Hierfür haben wir die Werte aus dem Jahr 2022 genommen. Dann muss ich Einflussfaktoren definieren. In unserem Smart-Energy-and-Power-Quality-Solutions-Fall sind dies die Grundlast sowie der jeweilige Energiebedarf von Entfeuchtungstagen, Arbeitstagen und Kühltagen. Diese Werte gebe ich in die Regressionsanalyse und erhalte eine näherungsweise Voraussage für den Lastgang und damit den Verbrauch für die Bedingungen, die ich vorgegeben habe. Dazu kann ich virtuelle Messgeräte einrichten.“
Dieser berechnete Wert entspricht dem Energieverbrauch, der ohne Verbesserungsmaßnahmen angefallen wäre. Vergleicht man ihn mit dem tatsächlichen Wert, lässt sich sowohl relativ als auch in absoluten Zahlen erkennen, wieviel Energie eine Maßnahme eingespart hat. Moßburger kann bereits Resultate nennen: „Wir können in unserer Auswertung genau erkennen, wieviel Energie wir gespart haben, als wir im Sommer 2023 die Luftkonditionen angepasst haben. Die Werte nutzt neben uns auch die Produktion, beispielsweise für den Energieverbrauch pro Druckerzeugnis.“
Natürlich muss das Ergebnis hinsichtlich Genauigkeit und Plausibilität hinterfragt werden. Da im vorliegenden Fall mehrere Einflussfaktoren betrachtet werden, handelt es sich um eine multiple Regressionsanalyse. Bei dieser dient das Bestimmtheitsmaß R 2 zum Abschätzen der Genauigkeit. Moßburger ist mit dem Resultat zufrieden: „R 2 muss größer als 0,9 sein. Dann kann ich mit dem Modell, das ich entwickelt habe, gut arbeiten. Wir haben 0,97 erreicht, also eine Ungenauigkeit von drei Prozent. Das ist schon sehr präzise.“
- Wege zum komfortablen Energie-Management
- Königsdisziplin Regressionsanalyse
- Parameter
Lesen Sie mehr zum Thema
