Annex 81 Deliverables
Annex 81 Endbericht
Die IEA-EBC-Initiative Annex 81 „Data-Driven Smart Buildings“ untersuchte, wie die Digitalisierung zur Verbesserung der Energieeffizienz von Nichtwohngebäuden genutzt werden kann. Dabei wurden sowohl auf (i) Datenanalyse und Softwareanwendungen für künstliche Intelligenz (zur Verbesserung der Energieeffizienz) als auch auf (ii) die digitale (IT-)Infrastruktur, die zur Unterstützung dieser Softwareanwendungen erforderlich ist, eingegangen. Der vorliegende Bericht fasst die Ergebnisse des Annexes zusammen.
Abschlussbericht Subtask A
Subtask A des IEA EBC Annex 81 konzentriert sich auf einen der kritischsten Schritte bei der Implementierung von datengesteuerten intelligenten Gebäudedienstleistungen, nämlich die Einrichtung der erforderlichen IT-Infrastruktur und Datenverwaltungsdienste in einem Gebäude. Dieser Schritt ist die Grundlage für den späteren Einsatz von energiesparenden Softwareanwendungen. Er ist die Quelle vieler Hindernisse für einen energieeffizienten Gebäudebetrieb.
Dieser Bericht fasst die Ergebnisse der Arbeit von Subtask A zusammen, in dem die Prioritäten und die Technologien für ein modernes Datenmanagement in intelligenten energieeffizienten Gebäuden untersucht wurden.
Abschlussbericht Subtask B
Model Predictive Control (MPC) verwendet ein mathematisches Modell eines Gebäudes, um das Verhalten des Gebäudes unter verschiedenen Steuerungsstrategien vorherzusagen. Dadurch kann der Regler zukünftige Ereignisse (z. B. Wetter, Belegung oder Preisgestaltung) proaktiv vorhersehen und die Regelungseinstellungen unter Berücksichtigung dieser Ereignisse optimieren. MPC-Regler können den Energieverbrauch um bis zu 40 % senken. Subtask B des IEA EBC Annex 81 zielte darauf ab, ein umfassendes Verständnis von MPC zu schaffen und Werkzeuge für Forscher und Industrie bereitzustellen, um innovative Lösungen zu entwickeln und zu vergleichen.
Dieser Bericht fasst die Ergebnisse dieser Arbeiten zusammen.
Abschlussbericht Subtask C
Subtask C des IEA EBC Annex 81 zielte darauf ab, ein umfassendes Verständnis von datengesteuerten Smart-Building-Anwendungen zu schaffen, mit besonderem Fokus auf Fehlererkennung und -diagnose (FDD) und Building-to-Grid-Anwendungen (B2G). Es wurde ein Literaturreview durchgeführt und Smart-Building-Experten befragt, um verfügbare Key Performance Indicators (KPIs), datengesteuerte Strategien, kritische Tools, Frameworks, Datensätze und primäre Marktübernahmebarrieren für FDD- und B2G-Anwendungen zu bewerten.
Dieser Bericht fasst die Ergebnisse von Subtask C zusammen.
State-of-the-Art-Report: Datengesteuerte intelligente Gebäude
Opportunities for Government Leadership on Data-Driven Smart Buildings
Dieser Bericht soll Regierungen Hinweise geben, wie sie die Einführung der Digitalisierung in Nichtwohngebäuden durch die Industrie unterstützen können. Er identifiziert acht Schlüsselthemen, bei denen die Regierung helfen kann, Hindernisse der Industrie zu überwinden. Zu diesen Themen werden spezifische Maßnahmen identifiziert, und es werden Beispiele dafür angeführt, in welchen Ländern entsprechende Maßnahmen schon umgesetzt haben.
Ein Leitfaden zu Datenplattformen für datengesteuerte intelligente Gebäude
In diesem Bericht werden die technischen Merkmale moderner Datenplattformen und ihre zentrale Rolle bei der Umwandlung von Gebäuden in intelligente, datengesteuerte Einheiten untersucht. Er befasst sich mit den wichtigsten Aspekten, die für die erfolgreiche Einführung und den Einsatz dieser Plattformen in der datengesteuerten Infrastruktur eines Gebäudes erforderlich sind.
Dazu gehören Aspekte, die sich auf die digitale Bereitschaft eines Gebäudes, die Beschaffung und den Einsatz von Plattformen beziehen.
Datenbank für Gebäudeforschung
Es wurde eine Datenbank für Gebäudedaten eingerichtet. Dort ist eine Reihe von Datensätzen verfügbar, die für die Entwicklung von Gebäudedienstleistungen verwendet werden können. Es ist auch möglich, eigene Datensätze hochzuladen.
A Data Sharing Guideline for Buildings and HVAC Systems
Die Vorteile der Digitalisierung hängen davon ab, dass der Zugang zu relevanten Daten kosteneffizient, vertrauenswürdig und flexibel ist und mit den Verpflichtungen zur Wahrung der Privatsphäre und der gewerblichen Rechte in Einklang steht.
Unter Anwendung der FAIR-Datengrundsätze werden in diesem Leitfaden Konzepte und Begriffe erörtert, die für die Datenqualität, das Datenmanagement und die Datenverwaltung von Bedeutung sind. Er soll Gebäudeeigentümern und politischen Entscheidungsträgern dabei helfen, einen besseren Zugang zu und eine bessere Kontrolle über ihre Daten zu erlangen, um Märkte zu erschließen und wettbewerbsfähige intelligente Gebäudedienste zu beziehen.
Survey of metadata schemas for data-driven smart buildings
Es wird eine Übersicht über Metadatenschemata für datengesteuerte Gebäude vorgestellt. Ziel dieses Dokuments ist es, einen Einblick und Klarheit in die Gesamtstruktur sowie in die Kompromisse und Argumente zu geben, die hinter jedem der wichtigsten Metadatenschemata für datengesteuerte intelligente Gebäude stehen. Dazu gehört auch der Kontext, wie diese Metadatenschemata in der Praxis angewendet werden.
Die Zielgruppe dieses Papiers sind Gebäudeeigentümer, Auftraggeber, Systemintegratoren und Softwareentwickler, die sich in einer Entscheidungsposition befinden, wenn es darum geht, einen Metadatenstandard für die Analyse zu wählen oder zu fordern.
LBNL Fault Detection and Diagnostics Data Sets
Das DOE und das Berkeley Lab aus den USA haben sich und mit internationalen Forschungsinstitutionen zusammengetan, um den weltweit größten Satz von gekennzeichneten Zeitseriendaten zu sammeln, zu validieren und zu veröffentlichen, die kommerzielle HLK-Systeme in fehlerhaftem und fehlerfreiem Zustand darstellen.
Die Datensätze umfassen derzeit Dachgeräte, Einkanal-Lüftungsgeräte, Zweikanal-Lüftungsgeräte, Boxen mit variablem Luftvolumen, Gebläsekonvektoren, Kühlanlagen und Kesselanlagen. Jeder Datensatz enthält zwischen 20 und mehr als 100 Datenpunkte, die in modernen Gebäuden üblicherweise überwacht werden. Diese Betriebsdaten werden mit Ground-Truth-Informationen gepaart, die angeben, welche Fehler in welchen Zeiträumen auftreten.
A review of data-driven fault detection and diagnostics for building HVAC systems
In diesem Journal Paper werden zunächst in der Literatur beschriebene datengesteuerte Methoden erörtert, die in jedem Schritt eines FDD-Prozesses eingesetzt werden. Anschließend werden die Anwendungen datengesteuerter FDD in verschiedenen HLK-Systemen/Komponenten und die üblicherweise für die FDD-Entwicklung verwendeten Datenquellen besprochen, gefolgt von einer Zusammenfassung typischer Metriken zur Bewertung von FDD-Methoden. Abschließend kommt diese Literaturübersicht zu dem Schluss, dass datengesteuerte FDD-Methoden trotz der vielversprechenden Leistungen, über die in der Literatur berichtet wird, immer noch mit vielen Herausforderungen konfrontiert sind, z. B. Einsatz in realen Gebäuden, Leistungsbewertung und Benchmarking, Skalierbarkeit und Übertragbarkeit, Interpretierbarkeit, Cybersicherheit und Datenschutz, Benutzererfahrung usw. Die Bewältigung dieser Herausforderungen ist entscheidend für eine breite Einführung von datengesteuerter FDD in der Praxis.
Zhelun Chen, Zheng O’Neill, Jin Wen, Ojas Pradhan, Tao Yang, Xing Lu, Guanjing Lin, Shohei Miyata, Seungjae Lee, Chou Shen, Roberto Chiosa, Marco Savino Piscitelli, Alfonso Capozzoli, Franz Hengel, Alexander Kührer, Marco Pritoni, Wei Liu, John Clauß, Yimin Chen, Terry Herr,
Data-driven key performance indicators and datasets for building energy flexibility: A review and perspectives
Dieses Journal Paper bietet einen ganzheitlichen Überblick über (1) datengesteuerte Energieflexibilitäts-Kennzahlen (KPIs) für Gebäude in der Betriebsphase und (2) offene Datensätze, die für die Prüfung von Energieflexibilitäts-KPIs verwendet werden können. Die Übersicht identifiziert insgesamt 48 datengesteuerte Energieflexibilitäts-KPIs aus 87 aktuellen und relevanten Veröffentlichungen.
Han Li, Hicham Johra, Flavia de Andrade Pereira, Tianzhen Hong, Jérôme Le Dréau, Anthony Maturo, Mingjun Wei, Yapan Liu, Ali Saberi-Derakhtenjani, Zoltan Nagy, Anna Marszal-Pomianowska, Donal Finn, Shohei Miyata, Kathryn Kaspar, Kingsley Nweye, Zheng O’Neill, Fabiano Pallonetto, Bing Dong
Fallstudien
Die im Annex 81 gesammelten Fallstudien wurden auf einer eigenen Website zur Verfügung gestellt. Dort können die Fallstudien nach verschiedenen Kriterien wie Weltregion, verwendete Technologie oder Typ des Gebäudes gefiltert werden. Für jede Fallstudie kann ein Informationsblatt heruntergeladen werden. Bei manchen Fallstudien sind auch Messdaten verfügbar.