Fraunhofer-Institut für Integrierte Systeme und Bauelementetechnologie IISB
Fraunhofer-Institut für Integrierte Systeme und Bauelementetechnologie IISB

Downloads & Veröffentlichungen

Software-Werkzeuge

Im Rahmen von ProEnergie - Bayern wurden Softwarewerkzeuge entwickelt, welche Unternehmen bei der Analyse ihrer Energiedaten, bei der Prognose des Energiebedarfs sowie bei der Optimierung der energetischen Gebäudeinfrastruktur (EGI) unterstützen.

Der Quellcode der Softwaretools ist als Open-Source-Software (OSS) verfügbar. Dieser kann unter Beachtung der Lizenzbedingungen eingesetzt und erweitert werden. Alle benötigten Dateien (Quellcodes, Demo-Datensätze, Kurzdokumentation etc.) sind im Fraunhofer-GitLab zu finden. Bei Fragen hierzu nehmen Sie gerne Kontakt mit uns auf!

Im Folgenden werden die wichtigsten Features der einzelnen Tools etwas genauer beschrieben. Die jeweils beim Tool zu finden Links führen zur aktuellsten Release, weches auch eine für Windows übersetzte Version (ausführbare Datei) enthält.

Lastprofil-Analyse-Tool

Das Lastprofil-Analyse-Tool wird eingesetzt, um Messdaten aus dem betrachteten Energiesystem (z. B. elektrische und thermische Last- und Erzeugungsprofile) analysieren zu können.

Video mit einer Demo des Lastprofil-Analyse-Tools, welches zur systematischen Analyse der Eingangsdaten eingesetzt wird. Neben elektrischen Lastprofilen bzw. Lastgängen können zahlreiche andere Arten von zeitlichen Leistungsverläufen (z. B. Wärmebedarf) analysiert werden.

Für die Auswertung der Eingangsdaten (Lastprofil/Lastgang, Erzeugungsprofil etc.) werden neben verschiedenen Kennzahlen folgende graphische Darstellungen eingesetzt:

  • Zeitverlauf der betrachteten Größe (z. B. des Strombedarfs).
  • Jahresdauerlinie: Kumulierte Zeit (x-Achse) der Überschreitung einer vorgegebenen Leistung (y-Achse).
  • Balkendiagramm: Auftrittsdauer (y-Achse) von Leistungsbereichen (x-Achse).
  • Rasterdiagramm: Zuordnung der mittleren Leistungen (Farbachse) zum Tag des Jahres (x-Achse) sowie zur Zeit des Tages (y-Achse).
  • Lastspitzenanalyse: Auswertung der auftretenden Lastspitzen abhängig von einer definierten Bezugsgrenze.
  • Boxplot: Statistische Auswertung der mittleren stündlichen Leistungen, bei Bedarf gefiltert nach Jahreszeit und Wochentag.
  • Energie-Balkendiagramm: Tägliche, wöchentliche, monatliche oder jährliche Energie- oder Lastspitzenbilanz.

Die Lastganganalyse stellt die Grundlage für die Ermittlung von Optimierungsmaßnahmen im betrachteten Energiesystem dar. Weiterhin wird sie zur nachträglichen Validierung von Maßnahmen eingesetzt. Neben elektrischen Lastprofilen können zahlreiche andere Arten von zeitlichen Leistungsverläufen (z. B. Wärmebedarf, Kältebedarf, Temperaturverlauf etc.) als Eingangsgrößen genutzt und analysiert werden.

Produktions-Lastgang-Tool

Das Produktions-Lastgang-Tool ermöglicht die Vorhersage von Energiebedarfen auf Basis von Produktionsplanungs- und Wetterprognosedaten.

© Fraunhofer IPA
Screenshots vom Lastgang-Prognose-Tool, welches zum Einlesen der Daten (oben), zum Training der Modelle und zur Prognose der Lastgänge (unten) eingesetzt wird.

Für die Prognose der Energiebedarfe (Strom, Wärme, Kälte, Gase) werden folgende Schritte ausgeführt:

  • Einlesen von Produktions- und Lastdaten in die integrierte Datenbank
  • Modelltraining, bei welchem die eingesetzten Machine-Learning Modelle (ML-Modelle) auf die Eingangsdaten trainiert werden
    • Manuelle Konfiguration und Optimierung der Modellparameter (für Nutzer/-innen mit Hintergrundwissen im Bereich ML)
    • AutomatischeSuche des besten Verfahrens und der optimalen Hyperparameter (für Nutzer/-innen ohne Hintergrundwissen)
  • Erstellung einer Lastprognose mit dem am besten geeigneten ML-Modell auf Basis von Produktionspalnungsdaten
  • Visualisierung der Eingangsdaten und der Lastprognose

Mit Hilfe der Lastprognose kann der Einsatz der EGI für den nächsten Tag geplant werden, indem zum Beispiel kritische Zeitbereiche mit hohen Lasten vorab bekannt sind.

EGI-Optimierungs-Tool

Mit dem EGI-Optimierungs-Tool wird die energetische Gebäudeinfrastruktur (EGI) simuliert und optimiert. Basis hierfür ist das flexibel konfigurierbare EGI-System.

© Fraunhofer IISB
Screenshot vom EGI-Optimierungs-Tool, welches zur Konfiguration der energetischen Gebäudeinfrastruktur (EGI) sowie zur Simulation und Optimierung des Energiesystems auf Basis von eingelesenen Lastgängen eingesetzt wird. Mit Hilfe eines Jobsystems können Simulationen automatisiert durchlaufen werden.

Folgender Funktionsumfang ist im EGI-Optimierungs-Tool enthalten:

  • Erstellung der EGI-Konfiguration
    • Hinzufügen von Komponenten aus der Modellbibliothek und Parametrierung dieser
    • Hinzufügen von Energienetzen und Parametrierung dieser
    • Priorisierung der Komponenten
  • Einlesen von Lastprofilen und weiteren Daten (z. B. PV-Profil), die benötigten Datenpunkte werden vom Tool automatisch erkannt und abgefragt
  • Simulation des Systems
    • Ausgabe relevanter Kennzahlen (z. B. Eigenversorgungsgrad, Eigennutzungsgrad, Lastspitze etc.)
    • Darstellung (Tabelle und konfigurierbare Diagramme) und Möglichkeit zum Export der Ergebnisse
  • Erstellung und Ausführung einer Jobliste zur Variation von Parametern und automatischem Durchlauf der dazugehörigen Simulationen
  • Optimierung eines ausgewählten Parameters des EGI-Systems inkl. zweier abhängiger Parameter

Die Modellbibliothek enthält zahlreiche Komponenten aus der EGI. Diese Komponenten (z. B. BHKW) enthalten neben dem eigentlichen Modell zusätzlich benötigte Betriebsstrategien, einen Energiespeicher (z. B. Wärmespeicher) und Peripherie (z. B. Motorklappe). Das gesamte Tool ist objektorientiert programmiert, um zukünftigte Erweiterungen und Anpassungen zu ermöglichen.

Publikationen

Folgende wissenschaftliche Paper, Vorträge, Pressemeldungen und Berichte mit Bezug zum Projekt ProEnergie - Bayern wurden veröffentlicht:

  • C. Lange. „Optimierung der energetischen Gebäudeinfrastruktur: Kosten und CO2 einsparen“. Transforming Economies (2023), Bertelsmann Stiftung, 20.09.2023. Online verfügbar unter: https://transforming-economies.de/egi-optimierung-der-energetischen-gebaudeinfrastruktur-kosten-und-co2-einsparen/.
  • Fraunhofer IISB. „Kosten und CO2-Emissionen einsparen durch intelligentes Energiemanagement: Open-Source-Softwaretoolbox für Unternehmen“. Pressemeldung (2023). Download der Pressemeldung.
  • C. Lange, R. Öchsner, A. Eirenschmalz, M. Eirenschmalz. „Optimierung industrieller Energiesysteme zur CO2- und Kostenreduzierung. Forschungsprojekt ProEnergie und Energiesystem Eirenschmalz“. Vortrag (2023). Berliner Energietage 2023. Download des Vortrags.
  • A. Trenz, C. Hoffmann, C. Lange, R. Öchsner. „Increasing energy efficiency and flexibility by forecasting production energy demand based on machine learning“. Manufacturing Driving Circular Economy. Hrsg. von Kohl, H., Seliger, G., Dietrich, F. GCSM 2022. Lecture Notes in Mechanical Engineering (2023). Cham: Springer. DOI: 10.1007/978-3-031-28839-5_50.
  • Fraunhofer IISB, Fraunhofer IPA. „Intelligentes Energiemanagement für Unternehmen: Projekt ProEnergie-Bayern stellt Software-Toolbox vor“. Pressemeldung (2022). Download der Pressemeldung.
  • C. Lange, R. Öchsner, J. Geiling, A. Rueß. „Intelligent Energy Management“. Vortrag (2022). Fraunhofer IISB. Download des Vortrags. DOI: 10.13140/RG.2.2.33911.29602.
  • C. Lange. „BHKW des Jahres 2020 – BHKW mit Wärmespeicher und Batterie zur Strom-/Wärmeversorgung sowie Lastspitzenreduktion“. Vortrag (2021). BHKW 2021 – Innovative Technologien und neue Rahmenbedingungen, 09.11.2021 - 10.11.2021, Magdeburg. Download des Vortrags. DOI: 10.13140/RG.2.2.26423.80803.
  • C. Lange. „Energiesektoren-übergreifende Lastspitzenreduktion mit elektrischen und thermischen Energiespeichern“. Dissertation (2021).  Technische Fakultät der Friedrich-Alexander-Universität Erlangen-Nürnberg. URN: urn:nbn:de:bvb:29-opus4-169778.
  • C. Lange, A. Grauvogl. „BHKW, Wärmespeicher und Batterie mit intelligenter Betriebsstrategie zur Strom-/ Wärmeversorgung und Lastspitzenreduktion“. Vortrag (2021). Berliner Energietage 2021. Download des Vortrags.
  • C. Lange, A. Rueß, A. Nuß, R. Öchsner, M. März. „Dimensioning battery energy storage systems for peak shaving based on a real-time control algorithm“. Applied Energy 280 (2020), 115993. ISSN: 0306-2619. DOI: 10.1016/j.apenergy.2020.115993.
  • R. Öchsner, C. Lange, A. Nuß, A. Rueß, C. Hoffmann. "ProEnergie – Bayern: Effizienz- und Flexibilitätsgewinn durch Optimierung von Betriebsstrategien der energetischen Gebäudeinfrastruktur basierend auf prognostizierten Energiebedarfen der Produktion". Jahresbericht 2019 der Bayerischen Forschungsstiftung (2020), S. 52. Online verfügbar unter: https://forschungsstiftung.de/assets/mediathek/jahresberichte/BFS_Jahresbericht-2019.pdf.

Abschlussarbeiten

Im Rahmen von ProEnergie erfolgten in Kooperation mit den jeweils aufgeführten Universitäten und Hochschulen folgende Abschlussarbeiten:

  • S. Bauer. „Energieversorgungskonzepte für ein CO2-neutrales Institut”. Masterarbeit (2022). Friedrich-Alexander-Universität Erlangen-Nürnberg. Betreuer: C. Lange, R. Öchsner, M. März.
  • P. Fleischmann. „Untersuchung von Technologien für eine CO2-neutrale Wärmeversorgung”. Masterarbeit (2022). Friedrich-Alexander-Universität Erlangen-Nürnberg. Betreuer: C. Lange, R. Öchsner, M. März.
  • G. Shenkerman. „Aktuelle und zukünftige Technologien für CO2-neutrale Unternehmen”. Masterarbeit (2022). Friedrich-Alexander-Universität Erlangen-Nürnberg. Betreuer: C. Lange, R. Öchsner, M. März.
  • J.-B. Both. „Lastprofil-Modellbildung in der Produktion mithilfe maschineller Lernverfahren”. Masterarbeit (2022). Universität Bayreuth. Betreuer: A. Trenz, M. Friedrich, F. Döpper.
  • Y. Qin. „Development of an Optimization Algorithm for Multi-Objective Optimization of Building Energy Infrastructure”. Masterarbeit (2022). Friedrich-Alexander-Universität Erlangen-Nürnberg. Betreuer: A. Rueß, C. Lange, M. März.
  • C. Gundermann. „Entwicklung und Vereinheitlichung von Betriebsstrategien für Komponenten aus der energetischen Gebäudeinfrastruktur”. Bachelorarbeit (2021). Friedrich-Alexander-Universität Erlangen-Nürnberg. Betreuer: C. Lange, A. Rueß, M. März.
  • S. Purohit. „Automated Data-based Modelling of Key Components of Building Energy Infrastructure”. Masterarbeit (2021). HS Offenburg. Betreuer: C. Lange, A. Rueß, P. Treffinger.