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 werden 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. Dabei sollen insbesondere Komponenten-Hersteller zur Identifikation von Dienstleistungen und Geschäftsmodellen in die Projektbearbeitung eingebunden werden.
- Entwicklung und Evaluierung von Methoden zur Anwendung von Big Data Analysemethoden auf Daten der
Gebäudeautomation
- Identifikation von Poten- Lehrstuhl für Gebäudetechnologie und klimagerechtes Bauen der TU München
- Software Engineering Group der RWTH Aachen
- Wilo SE
- Synavision GmbH Aachen
zialen zur energetischen Betriebsoptimierung