Big Data für EnBop – Big Data Analysen von Automationsdaten zur energetischen Betriebsoptimierung des Gebäudebestandes
Ziel des Vorhabens ist die Entwicklung und Evaluierung von Methoden zur Anwendung von Big- Data-Analysemethoden auf Daten der Gebäudeautomation zur Identifikation von Potenzialen zur energetischen Betriebsoptimierung im Gebäudebestand.
Der innovative Schwerpunkt liegt in der Anwendung von Analysemethoden für große und komplexe Datenmengen (Big Data) auf die enorme Menge von Betriebsdaten der Gebäude- und Komponentenautomation in modernen Gebäuden. Diese werden heute in der Regel nur für die unmittelbare Betriebsführung der Gebäude und Anlagen genutzt. Lediglich ein minimaler Anteil der Daten wird für Sichtprüfungen, Alarme oder grundlegendste Analysen und Berichte genutzt. Die meisten Daten werden nicht gespeichert oder ausgewertet.
Mit dem hier verfolgten Ansatz sollen leistungsstarke Big Data-Methoden insbesondere durch Visualisierung/Mapping und Algorithmik zur Datenanalyse systematisch auf historisierte und Echtzeit-Daten aus Gebäudeautomationsanlagen und einzelnen gebäudetechnischen Komponenten wie Wärmepumpen, Kesseln, Lüftungsgeräten oder Pumpen angewendet werden, um die Potenziale dieser Daten zu analysieren und Nutzungskonzepte zu entwickeln.
Mögliche Anwendungsszenarien sind unter anderem:
- Komponentenspezifische Analysen
- zur Betriebsoptimierung
- für ein kostenoptimiertes und vorbeugendes Wartungsmanagement
- zur Identifikation von Qualitätsdefiziten einzelner Chargen oder Installationsbetrieben
- Systemspezifische Analysen der Daten von Gebäuden und Anlagen
- zur Identifikation und Korrektur von Betriebsfehlern
- zur Optimierung von Betriebsfehlern
- Quartiersspezifische Analysen
- zur energetisch und wirtschaftlich optimierten Betriebsführung von Anlagen im Stadt- und Netzkontext
Im Projekt werden typische Daten sowohl über Simulationen als auch in der Praxis analysiert und bewertet, um aus diesen Daten Identifikationsmethoden für die oben beschriebenen Anwendungen zu entwickeln. Die Methoden werden anschließend an realen Gebäuden und ihren Anlagen in der Praxis erprobt.
Die angestrebten Methoden sollen eine flächendeckende und weitgehend automatisierte Identifikation von Optimierungspotenzialen im Gebäudebestand ermöglichen und so die Grundlage für eine einfachere, beschleunigte und wirtschaftlichere Nutzung dieser Potenziale bilden.