KI in der Lüftungstechnik – intelligente Regelung von RLT-Anlagen
Raumlufttechnische Anlagen müssen sehr unterschiedliche Anforderungen gleichzeitig erfüllen. Sie sollen ein angenehmes Raumklima schaffen, ausreichend Frischluft bereitstellen und je nach Anwendung Temperatur und Luftfeuchtigkeit innerhalb bestimmter Grenzen halten. Gleichzeitig soll dafür möglichst wenig Energie eingesetzt werden.
Konventionelle Regelungen arbeiten hierfür mit festgelegten Sollwerten, Kennlinien und Regelstrategien. Moderne Verfahren gehen einen Schritt weiter: Sie nutzen Modelle, Messdaten und künstliche Intelligenz, um das zukünftige Verhalten einer Anlage und des versorgten Gebäudes zu berücksichtigen.
Dadurch kann die Regelung nicht nur auf einen bereits eingetretenen Zustand reagieren, sondern den Betrieb vorausschauend optimieren.
Die Effizienz einer RLT-Anlage hängt nicht ausschließlich von ihren mechanischen Komponenten ab.
Moderne Ventilatoren, effiziente Wärmeübertrager oder eine leistungsfähige Wärmerückgewinnung schaffen wichtige technische Voraussetzungen. Wie diese Komponenten im tatsächlichen Betrieb eingesetzt werden, entscheidet jedoch die Regelung.
Sie bestimmt beispielsweise Luftmengen, Temperaturen, Klappenstellungen und die Anforderung von Heiz- oder Kühlleistung. Je nach Anlage können weitere Funktionen wie Entfeuchtung oder die Regelung des Kanaldrucks hinzukommen.
Dabei verändern sich die Anforderungen kontinuierlich. Außentemperatur und Luftfeuchtigkeit schwanken, Räume werden unterschiedlich genutzt und interne Wärmelasten ändern sich.
Eine konventionelle Regelung reagiert auf diese Veränderungen anhand ihrer hinterlegten Logik. Das funktioniert zuverlässig, muss aber nicht unter allen Betriebsbedingungen energetisch optimal sein.
Genau hier setzen intelligente Regelungsverfahren an. Sie versuchen, die notwendigen Raum- und Anlagenbedingungen mit einem möglichst effizienten Betrieb zu verbinden.
Eine intelligente Regelung benötigt zunächst Informationen über den aktuellen Zustand der Anlage und des versorgten Gebäudes.
Sensoren liefern dafür beispielsweise Temperaturen, Feuchtewerte, Drücke und weitere Betriebsdaten. Für die energetische Bewertung können zusätzlich Strom- und Wärmeverbräuche erfasst werden.
Auf Basis dieser Informationen wird ein Modell des Systems erstellt.
Dieses Modell beschreibt vereinfacht, wie sich Veränderungen an der RLT-Anlage auf den zukünftigen Zustand auswirken. Dabei können sowohl physikalische Modelle als auch mit Daten trainierte Modelle zum Einsatz kommen.
HANSA kombiniert bei etaSmart beispielsweise neuronale Netze mit physikalisch basierten Modellen. Die eigentliche Modellierung erfolgt dabei auf einem Industrie-PC, der mit der Anlagenregelung kommuniziert.
Ein wichtiger Ansatz ist die modellprädiktive Regelung, häufig als MPC – Model Predictive Control – bezeichnet.
Dabei wird nicht ausschließlich der aktuelle Zustand betrachtet. Das Modell berechnet, wie sich verschiedene Regelentscheidungen voraussichtlich auf die kommenden Betriebszustände auswirken.
Vereinfacht lautet die Frage nicht mehr nur:
„Was muss die Anlage jetzt tun?“
Sondern:
„Wie sollte die Anlage jetzt betrieben werden, damit der gewünschte Zustand möglichst effizient erreicht und anschließend gehalten wird?“
Damit wird aus einer rein reagierenden Regelung eine vorausschauende Optimierung.
Eine intelligente Regelung benötigt eine zuverlässige Datengrundlage. Denn ein Modell kann den Anlagenbetrieb nur dann sinnvoll bewerten, wenn die relevanten Zustände messbar sind.
Hier greifen die zuvor beschriebenen Themen Energiemonitoring und Anlagenmonitoring direkt ineinander.
Betriebsdaten zeigen, was innerhalb der RLT-Anlage passiert. Energiemessungen machen zusätzlich sichtbar, welcher Energieeinsatz für diese Betriebsweise notwendig ist.
Abhängig von der vorhandenen Anlage kann deshalb zusätzliche Sensorik erforderlich sein. HANSA nennt für die Implementierung von etaSmart ausdrücklich zusätzliche Sensoren, beispielsweise Energiesensoren, als einen möglichen Bestandteil des Systems.
Die Daten erfüllen dabei unterschiedliche Aufgaben.
Temperaturen und Feuchtewerte beschreiben beispielsweise die klimatischen Bedingungen. Betriebszustände zeigen, welche Komponenten aktiv sind. Strom- und Wärmeverbräuche ermöglichen eine energetische Bewertung.
Damit entsteht eine wichtige Grundlage für die Optimierung:
Messen → Modellieren → Vorhersagen → Optimieren → Bewerten
Die Qualität einer intelligenten Regelung hängt deshalb nicht allein vom verwendeten Algorithmus ab. Ebenso wichtig sind geeignete Sensorik, zuverlässige Messwerte und ein Modell, das die tatsächliche Anlage ausreichend gut beschreibt.
Energiemonitoring und KI-Regelung sind damit eng miteinander verbunden. Die etaTECH-Module etaWatch, etaConnect und etaVisu schaffen Möglichkeiten, Energie- und Betriebsdaten zu erfassen, zu übertragen und auszuwerten. etaSmart geht anschließend den nächsten Schritt und nutzt Modellierung und Regelungsoptimierung für einen intelligenten Anlagenbetrieb.
Das wesentliche Ziel einer intelligenten Regelung besteht nicht darin, möglichst viele Betriebszustände automatisch zu verändern. Entscheidend ist vielmehr, die geforderten Raumkonditionen mit einem möglichst effizienten Anlagenbetrieb zu erreichen.
Besonders interessant ist dies bei komplexen Anwendungen mit stark wechselnden Bedingungen.
HANSA entwickelte etaSmart zunächst für Schwimmbadlüftungen. Hallenbäder stellen hohe Anforderungen an Temperatur und Luftfeuchtigkeit und weisen gleichzeitig einen hohen Energiebedarf für Lüftung, Entfeuchtung und Beheizung auf.
In vier frühen Fallstudien in Ramsloh, Barßel, Bad Zwischenahn und Steinfeld wurden nach Angaben von HANSA Kosteneinsparungen zwischen 20 und 31 Prozent nachgewiesen. HANSA berichtet inzwischen außerdem von weiteren Schwimmbädern, in denen die Ergebnisse validiert wurden.
Die Technologie lässt sich jedoch auch auf komplexere Lüftungssysteme übertragen.
Ein Beispiel ist die Zonenregelung. Versorgt ein zentrales Lüftungsgerät mehrere Räume oder Bereiche, muss der notwendige Kanaldruck so bereitgestellt werden, dass auch ungünstig gelegene Bereiche ausreichend Luft erhalten.
Wird dauerhaft ein hoher Druck erzeugt und anschließend an einzelnen Stellen gedrosselt, kann unnötige Ventilatorenergie entstehen.
HANSA untersucht deshalb mit etaSmart eine dynamische Kanaldruckregelung. Ein Modell des Lüftungsnetzes und der Ventilatoren dient dabei dazu, den benötigten Druck in Echtzeit zu bestimmen. Bei einem ersten Projekt mit drei versorgten Zonen lag der geregelte Luftleitungsdruck laut HANSA 60 bis 100 Pa unter dem einer konventionellen Kanaldruckregelung. Für dieses konkrete Projekt nennt HANSA erste Einsparungen von 25 Prozent beim Stromverbrauch und 42 Prozent bei der Wärme. Diese Werte sind projektspezifisch und lassen sich nicht pauschal auf andere Anlagen übertragen.
Damit wird deutlich: Der Nutzen intelligenter Regelung entsteht vor allem dort, wo viele Einflussgrößen zusammenkommen und sich der optimale Anlagenbetrieb kontinuierlich verändert.
HANSA bündelt die modellbasierte KI-Regelung von RLT-Anlagen innerhalb von etaTECH unter etaSmart.
Das System arbeitet dabei zusätzlich zur vorhandenen Geräteebene. Die eigentliche Steuerung des Lüftungsgeräts erfolgt weiterhin über die DDC. Ein Industrie-PC übernimmt die Modellierung und kommuniziert mit der Anlagenregelung.
Ein wichtiger Aspekt dieses Aufbaus ist die Betriebssicherheit: Sollte der für etaSmart eingesetzte Industrie-PC ausfallen, läuft das RLT-Gerät nach Angaben von HANSA mit der auf der DDC hinterlegten konventionellen Regelung weiter.
etaSmart kann außerdem nicht nur bei neuen HANSA-Geräten eingesetzt werden. Nach Angaben von HANSA ist eine Nachrüstung auch bei Bestandsanlagen mit geeigneter Steuerung möglich. Der tatsächliche Aufwand hängt von der jeweiligen Anlage ab und kann unter anderem die Modellierung des Geräts und Gebäudes, zusätzliche Sensorik sowie einen Industrie-PC umfassen.
Damit fügt sich etaSmart in die zuvor beschriebenen digitalen etaTECH-Bausteine ein:
etaConnect schafft die Verbindung zur RLT-Anlage.
etaVisu macht Betriebsdaten sichtbar und ermöglicht deren Analyse.
etaWatch erfasst und bewertet Energieverbräuche und Wirkungsgrade.
etaSmart nutzt Modelle, Sensorik und Betriebsinformationen, um die Regelung vorausschauend zu optimieren.
Die Entwicklung geht dabei bereits über die reine Regelungsoptimierung hinaus. HANSA arbeitet mit etaSmart PM auch an Predictive Maintenance. Dabei werden einzelne Komponenten eines Lüftungsgeräts neuronal modelliert. Das im normalen Betrieb erlernte Verhalten wird anschließend mit dem tatsächlichen Verhalten verglichen. Größere Abweichungen können einen Hinweis auf einen fehlerhaften Betrieb liefern. Das Konzept ist laut HANSA sowohl für Neu- als auch für Altgeräte als Add-on vorgesehen.
Damit zeigt sich, wohin sich die Digitalisierung von RLT-Anlagen entwickeln kann: Betriebsdaten dienen nicht mehr ausschließlich der Anzeige und Dokumentation. Sie können genutzt werden, um Anlagenzustände zu modellieren, zukünftiges Verhalten vorherzusagen und den Betrieb gezielt zu optimieren.
Künstliche Intelligenz ersetzt dabei nicht die technische Auslegung einer RLT-Anlage. Sie ergänzt sie um eine weitere Ebene: die kontinuierliche, daten- und modellbasierte Optimierung während des tatsächlichen Betriebs.
Interesse geweckt?
Haben Sie Fragen oder Interesse an unserem Produkt oder Service? Wir stehen Ihnen gerne zur Verfügung und beantworten Ihre Anliegen.
HANSA Klimasysteme
Als Experten für Klimasysteme bieten wir innovative Lösungen. Entdecken Sie jetzt unsere Produkte und lassen Sie sich von unserem Know-how überzeugen!