Zurück zur Übersicht

Das KI-BHKW | 2020-09

Mithilfe von Daten aus Verbrauchszählern soll in diesem Projekt überprüft werden, wie man Blockheizkraftwerke durch intelligente Algorithmen optimieren kann.

Das KI-BHKW - Mehrwert durch mehr Werte
Projektdaten  
Projektname Das KI-BHKW – Datenorientierter Service für intelligent & vorausschauend gesteuerte BHKW
Projektnummer 2020-09
Projektart Forschung und Studien
Projektträger E-MAKS GmbH & Co. KG
Laufzeit 01.07.2019 - 31.07.2021
Fördersumme 150.000 €

Mehrwerte durch Daten heben

„Wie stiftet man Mehrwert durch mehr Werte?“ Für das Energiesystem der Zukunft sind traditionelle Ansätze der Wärmebedarfsprognose zu überdenken. In einem gemeinsamen Innovationsprojekt nutzen E-MAKS und NEXT Data Service unter anderem die Daten fernauslesbarer Verbrauchszähler, um mit intelligenten Algorithmen den Einsatz von Blockheizkraftwerken zu optimieren.

Das Ökosystem der Wärmebereitstellung wandelt sich hin zu dezentralen Energiezellstrukturen. Dabei rücken Kleinstanlagen und Quartierskonzepte gekoppelt mit Direktvermarktungsmechanismen in den Fokus. Diese zukunftsfähigen Konzepte erfordern sehr viel mehr Flexibilität und Individualität. Damit steigt die Komplexität für Wärmebedarfsprognose und -beschaffung und für den Betrieb der Anlagen im wirtschaftlichen Optimum. In der Konsequenz sind diese neuen Ansätze noch nicht wirtschaftlich.

Gemeinsam mit der NEXT Data Service AG widmete sich die E-MAKS GmbH & Co. KG dieser Herausforderung. Die Unternehmen untersuchten gemeinsam die Realisierbarkeit von datengetriebenen Dienstleistungen und entsprechenden Geschäftsmodellen. Dazu entwickelten sie technologische Werkzeuge und intelligente Algorithmen, die sich insbesondere die seit Neustem sehr viel höhere Granularität von Verbrauchsdaten zu Nutze machen. Mit dem Projekt bewerteten die Partner die Machbarkeit und Nutzen datengetriebener maschineller Lernverfahren. Diese Verfahren realisieren eine kurzfristige Prognose von Wärmebedarfen für Blockheizkraftwerke (BHKW). Es wurden dabei sowohl Erlöse aus der Stromproduktion als auch die Dynamik der technischen Seite berücksichtigt und Störgrößen, wie z.B. den Einsatz von Pufferspeichern oder unterschiedlichen Verbrauchsszenarien bewertet. Die Partner sind sich sicher: Mit der Nutzung der zunehmend verfügbaren Daten erschließen Akteure in der Energiewirtschaft Datenpotenziale, mit denen sie sich erfolgreich vom Wettbewerb absetzen.

Das Vorhaben „ DaS KI BHKW – Datenorientierter Service für KI-gestützte BHKW-Fahrweise“ wurde durch den Innovationsfond Klima- und Wasserschutz der badenova gefördert. Dem Projektantrag ist dabei ein intensiver Dialog von NEXT und E-MAKS mit den verbundenen Unternehmen badenova Wärmeplus, Syneco und badenova vorausgegangen. Im Rahmen von „Data Service Ideation Workshops“ diskutierten die Partner die Fragestellung, wie neue Geschäftsmodelle für Data Driven Services auf Basis vorhandener Daten innoviert werden können. Die identifizierten Service-Ideen wurden priorisiert und diese Projektidee für die erste Machbarkeitsprüfung ausgewählt.

Basierend auf der Methodik der NEXT war angestrebt im Projekt nun innerhalb eines halben Jahres ein sogenannter MVP (minimal viable product) umzusetzen, der mit minimalen Mitteln einen Machbarkeitsnachweis für den gewinnbringenden Einsatz der Daten liefern soll. Untersucht wurde auch mit welcher Granularität und durch welche Kombination unterschiedlicher Datensätze eine Optimierung hervorgerufen werden kann. Mit dem agilen Projektmanagement-Ansatz wurde das Projekt in kleinen Iterationszyklen und kontinuierlicher Rückkopplung vorangetrieben. Damit wurden Projektrisiken früh erkannt und eine flexible Nachsteuerung ermöglicht. Zusätzlich spiegelte das Projektteam monatlich im Management den Fortschritt und entschied hier über vorzeitigen Abbruch wegen Zielverfehlung oder Fortsetzung. Das Vorgehen erlaubte einen ressourcenoptimierte Machbarkeitsstudie auf deren Basis über die Skalierung und Weiterentwicklung des Ansatzes entschieden werden kann.

Drei wesentliche Erkenntnisse aus dem Projekt:

  • Die Anbindung der Zähler, Sensoren und Analgen erhalten eine sehr viel höhere Bedeutung, als wenn „nur für die Abrechnung“ und im ersten Schritt für den Kunden ein Monatswert gebraucht wird. Kommt dieser einen Tag früher oder später ist das im Prinzip egal, wenn man darauf Prognosen aufbaut, kommt ein viel höheres Potenzial den Daten zu aber auch viel mehr Aufwand in der Sicherstellung der Daten!
  • Für die Datenbereitstellung sollte man mehr Zeit einplanen oder die Qualität von vorhandenen Basisdaten detaillierter prüfen, sodass diese ein Projekt nicht aufhalten.
  • Durch die vorhandenen Daten kann man ein theoretisches Konzept erstellen, welches die Machbarkeit bereits teilweise beweisen kann. Die Datenevaluation diente der Auswertung der gewonnen Daten und der Analyse der im Projekt identifizierten Potentiale. Das Flexibilisierungspotential zeigt eine Möglichkeit eine Wirtschaftlichkeit abzubilden.

Wie ein Wärmenetz optimiert werden kann, damit unterschiedliche dezentrale Wärmeerzeuger möglichst effizient zusammenspielen, wird auch im Zusammenschluss des Wärmenetz Kehl pilothaft umgesetzt, einem anderen ebenfalls vom Innnovationsfonds geförderten Projekt.