„nachhaltige technologien 04 | 2021"

13 12 Black-Box – White-Box-Modelle Oft werden heute die Verhaltensaspekte des realen Gebäudes bis zu einem gewissen Grad auch durch so genannte Black-Box-Modelle erfasst. Ein Black-Box- Modell sollte in der Lage sein, korrekt zu reagieren, d. h. die physikalischen Sensorsignale zu replizieren, wenn es demselben Stimulus (Input) ausgesetzt wird wie das reale Gebäude. Da das Modell selbst jedoch nichts über die zugrundeliegende Physik weiß, muss eine große Menge an Trainingsdaten zur Verfügung stehen. Außerdem kann es kein Verhalten nachbil- den, das außerhalb der beobachteten Signale und Messungen liegt. Ein Vorteil ist hingegen, dass das Training eines Black-Box-Modells keine Kenntnisse über das Gebäude selbst erfordert und vollautoma- tisch erfolgen kann. Wir konzentrieren uns hier auf White-Box-Modelle, genauer gesagt auf Modelle, die einen der Entwurfsphase entsprechenden Detaillie- rungsgrad aufweisen und leicht an die Nachverfol- gung eines Gebäudes in Echtzeit angepasst werden können. Sowohl White- als auch ausreichend trai- nierte Black-Box-Modelle können zur Verbesserung der Gebäudesteuerung eingesetzt werden. Parameter- und Zustandsermittlung sowie virtuelle Sensoren Ein White-Box-Modell kann auf zwei verschiedene Arten an das Gebäude angepasst werden: Mittels Parameterermittlung (Parameter Estimation - PE) und Zustandsermittlung (State Estimation - SE). Parameterermittlung bedeutet, dass die Parameter (zeitlich unveränderliche Eingaben) des Modells kalibriert werden, um die gemessenen Daten so gut wie möglich zu replizieren. Dies ist ein Prozess, der oft von Hand durchgeführt wird, um die Vorhersage- fähigkeiten des Modells zu verbessern, aber er kann auch automatisiert und in regelmäßigen Abständen durchgeführt werden. Wird er automatisch durchge- führt, kann er interessante diagnostische Informati- onen liefern. Wenn z. B. die U-Werte von Wänden, Fenstern oder Wärmetauschern beginnen, von ihren Auslegungswerten abzuweichen, sollte dies näher untersucht werden (Ist dies auf einen fehlerhaften Sensor zurückzuführen oder verliert die eigentliche Gebäudekomponente ihre ursprüngliche Qualität?). Bei der Zustandsermittlung wird ein Modell in Echtzeit parallel zum Gebäude betrieben, und das Modell wird kontinuierlich gezwungen, (annähernd) korrekte phy- sikalische Sensorsignale zu replizieren. Dies ist kein trivialer Vorgang für ein physikalisches Modell eines Raums, das Hunderte von Variablen haben kann, während vielleicht nur ein oder zwei physikalische Messungen verfügbar sind. Wenn dies jedoch gelingt, sind die Vorteile beträchtlich, und wir erhalten dann Zugang zu Hunderten sogenannten virtuellen Sensoren im Raum (alle zusätzlichen Variablen des White-Box- Modells). Dies bedeutet, dass wir zuverlässig Dinge beobachten (und kontrollieren) können, die im realen Gebäude nicht so einfach gemessen werden können, wie z. B. die operative Temperatur oder die Wärme- ströme durch eine Wand. Die automatisierte Analyse der Zeitreihen kann interessante Erkenntnisse für das Gebäudemanagement zutage fördern, z. B. über- mäßiges Öffnen von Fenstern, nicht funktionierende Jalousien, Belegung außerhalb der Auslegungsbedin- gungen, gleichzeitiges Heizen und Kühlen in Räumen, unangenehme Raumbedingungen usw. Methode des „Building Trackers“ Abbildung 1 zeigt eine gemessene Raumtemperatur im Vergleich zum unkalibrierten Simulationsergebnis für einen Zeitraum von mehr als zwei Monaten. Wäh- rend des untersuchten Zeitraums sind signifikante Unterschiede zwischen der gemessenen und der simulierten Lufttemperatur von bis zu fünf Grad Celsius zu beobachten, je nachdem, was im Raum passiert. Abbildung 1: Vergleich gemessene und simulierte Temperatur ohne Building Tracker Quelle: EQUA Temperatur (deg-C) Zeit (Stunden) 7400 7600 7800 8000 8200 8400 8600 8800 25 20 15 10 5 0 -5 Measurement Measurement-Simulation Simulation GEBÄUDESIMULATION