Energiedaten-Desaggregation: Mehr Transparenz beim Energieverbrauch für Mietende und Wohnungswirtschaft

Smart Living – Use Case bei ForeSight: Die Energiedaten-Desaggregation schafft mehr Transparenz über Energiekosten und gibt Wohnungsunternehmen wertvolle Hinweise für die CO2-Regulationen ihrer Gebäude.
Smarte Gebäudebewirtschaftung über Tablet

Im Zuge des Klimawandels wird es immer wichtiger, den globalen Energieverbrauch zu senken. Der durch Gebäude entstehende CO2-Ausstoß kann verringert werden, wenn das Potenzial von erneuerbaren Energien besser genutzt und der Energieverbrauch, beispielsweise in einem effizienten Energiemanagementsystem sichtbar wird. Gleichzeitig können die Energiekosten durch ein optimales Nutzungsverhalten gesenkt werden.

So haben Mietende Interesse daran, ihren individuellen CO2-Ausstoß zu verringern, indem große Haushaltsgeräte, z.B. Waschmaschinen oder Trockner nur dann eingeschaltet werden, wenn der lokale Strommix viel grünen Strom enthält, oder besonders viel des eigen produzierten PV-Stroms genutzt werden kann. Um eine Vorhersage über den Stromverbrauch treffen zu können, sind Energiedaten aller Verbraucher in einem Haushalt notwendig. Das sogenannte Submetering, also die verbrauchsabhängige Erfassung und Abrechnung der anteiligen Wärme-, Warmwasser- und Kaltwasserkosten in Gebäuden, macht die Installation von Sensoren an den verschiedenen Geräten notwendig. Diese benötigten Daten liegen aber nur in den seltensten Fällen vor, sodass aktuell oftmals keine Rückschlüsse auf den Verbrauch und somit keine Empfehlungen für ökologisches Verhalten gegeben werden können. Zudem hat dieser Vorgang intensive Kosten und Wartungsarbeiten zur Folge.

Keine Sensoren an einzelnen Geräten

Genau hier setzt ForeSight an. Mit Hilfe der Energiedaten-Desaggregation, auch genannt Non-intrusive Load Monitoring (NILM), kann nun der Energieverbrauch einzelner Geräte ohne das Anbringen von Sensorik bestimmt werden. Anhand aggregierter Smart-Meter-Daten kann das Verbrauchsverhalten nun bequem und effektiv als künftiger KI-Service auf der ForeSight-Plattform eingeschätzt werden und die Haushaltsgeräte, welche besonders viel Strom benötigen, zu dem idealen Zeitpunkt genutzt werden.

Dazu werden verschiedene Machine Learning Modelle erstellt, die den Energieverbrauch einzelner Geräte zuverlässig schätzen. Die durch das Smart Meter erfassten Daten werden dann an die ForeSight-Cloud-Plattform weitergeleitet und dort analysiert. Auf das Analyseergebnis können Mieter*innen beispielweise über eine App zugreifen und so ihr Verbrauchsverhalten anpassen. Mit der Grünstromvorhersage erkennen die Bewohner*innen beispielsweise, welche Zeitpunkte am ökologisch oder ökonomisch günstigsten sind, um energieintensivere Geräte anzuschalten. Durch die im Rahmen der ForeSight-Plattform entstehenden Smart Services können aber auch weitere Angebote und Dienstleistungen für  Stromkunden und Unternehmen abgeleitet werden.

Carlos Muza, unsplash.com

Vorteile für Mieter, Wohnungswirtschaft und Unternehmen

Die Energiedaten-Desaggregation hat gleich mehrere Vorteile. Für Mietende kann eine Energieverbrauchsanalyse zur Verfügung gestellt werden, die Information darüber bietet, welche Geräte im Haushalt am meisten Strom verbrauchen. Dies kann Energiekosten transparenter machen, etwa indem eine Übersicht über den Stromverbrauch einzelner Geräte bereitsteht, auch wenn keine speziellen Sensoren zur Verbrauchsmessung vorhanden sind. So können trotz fehlender Sensorik Handlungsempfehlungen ausgesprochen werden. Durch entsprechend informierte Änderungen im Nutzungsverhalten kann dies eine bessere Energieeffizienz gewährleisten und Kosten minimieren. Die dazu aus den Wohnumgebungen erforderlichen Daten werden in der GAIA-X-konformen ForeSight-Plattform sicher verwahrt. Damit Unternehmen auf diese Daten zugreifen können, müssten die Mietenden vorher ihr Einverständnis geben. 

Durch die Desaggregation der Energieverbräuche können Wohnungsunternehmen Mieter*innen einen energieeffizienten Smart Service anbieten, indem sie Transparenz über Energieverbräuche und Handlungsempfehlungen für die Bewohner*innen aufzeigen. Auch im Hinblick auf CO2-Regulationen könnte NILM entscheidend sein.

Ansprechpartner

Oliver Hinz

Leitung Teilprojekt 4

Verantwortlich für Generische Use Cases.

oliver.hinz@foresight-plattform.de

 

Weitere Beiträge

foresight

ForeSight Zwischenbilanz 02/2022

Im zweiten Quartal 2022 wurden insbesondere der ForeSight Dataspace und die Toolbox optimiert. Die Anbindung mehrerer Systeme, darunter auch des Konsortialpartners easierlife, in Testhaushalten des DFKI führte zu einer verbesserten Evaluation der IoT on Edge und – IoT Devices. Außerdem wurden die Sicherheitsanforderungen bei der Plattform-Authentifizierung sowie Nutzer- und Service-Autorisierungen angepasst. Im Semantic Building Labor wurden die zwei intelligenten Services „Notfallerkennung“ und „intelligenter Gebäudepförtner“ verbunden und damit ein neuer Use Case realisiert.

Semantic Building Labor

Semantic Building Labor: Neue Geräte, Konnektoren und technische Weiterentwicklungen

Im Rahmen des KI-Foschungsprojekts ForeSight stellt das Semantic Building Labor in Berlin eine herstellerneutrale Laborumgebung dar. Es bietet eine Reihe von Referenzgeräten aus dem Bereich Smart Home und Smartbuilding, die über SENSE-WoT beschrieben sind und nicht nur vor Ort, sondern aus der Ferne (Remote) zur Verfügung stehen. Die verfügbaren Geräte werden laufend ergänzt und semantische Beschreibungen sowie Konnektoren weiterentwickelt. Damit soll die Entwicklung intelligenter Services in einem heterogenen Umfeld mit lokalen und cloudbasierten Komponenten unterstützt werden.

Digitaler Zwilling

Die Rolle des digitalen Zwillings im ForeSight Dataspace

Nachhaltigkeit, Resilienz und Digitalisierung sind die drei Themen unserer Zeit und können – zusammen gedacht – erhebliche ökologische und ökonomische Vorteile für Wohngebäude schaffen. Als Zukunftsthemen erscheinen sie oft zu groß für ein einzelnes Unternehmen oder einen einzelnen Vermieter oder Hausbesitzer, daher ist es so wichtig, in einem Forschungsprojekt wie ForeSight die wesentlichen Punkte für eine gewerkeübergreifenden Ansatz aufzuzeigen. Der digitale Zwilling spielt bei diesen Themen eine Schlüsselrolle. Deswegen ist er zentraler Bestandteil des ForeSight-Datenraums.