Weltweit werden etwa 40 % der insgesamt eingesetzten Endenergie für die Klimatisierung und Beheizung von Gebäuden verwendet. Der Gebäudesektor ist damit zu etwa 40 % direkt oder indirekt an den globalen CO₂-Emissionen beteiligt. Die Effizienzsteigerung und Bedarfsreduzierung im Gebäudebereich stellt daher eine wichtige Herausforderung im Hinblick auf die Klimaschutzziele dar. Insbesondere eine unzulängliche Betriebsweise und Regelung von Gebäuden kann einen erheblichen Verlust an Energieeffizienz zur Folge haben.

Im Rahmen dieses Projektes soll der Einsatz von modellbasierter prädiktiver Regelung (englisch: model predictive control, MPC) an einem großen Bürogebäude in Hamburg untersucht werden. Bei dieser Regelungsstrategie werden Vorhersagedaten wie z. B. Wettervorhersagen genutzt, um mit einem Modell des Gebäudes über ein Optimierungsproblem den optimalen Verlauf einer Regelungsgröße zu bestimmen.

Ziel ist die Reduzierung des Energiebedarfs bei gleichzeitiger Steigerung des Nutzerkomforts. Es werden hierbei verschiedene Ansätze wie Grey Box oder Black Box Modellierung, z. B. mithilfe neuronaler Netze untersucht. Zum Einsatz kommen dabei MATLAB, sowie die Modellierungssprache Modelica^®.

Kontakt: Svenne Freund