Kurzbeschreibung aus dem Antrag

Zur Erreichung der Klimaziele müssen die CO2-Emissionen im Gebäudesektor stark gesenkt werden. Durch die Integration von erneuerbaren Energiequellen steigt jedoch die Komplexität der Gebäudeenergiesysteme und damit die Anforderungen an die Betriebsstrategie. Für einen effizienten Betrieb sind modellbasierte und prädiktive Regler notwendig. Aufgrund der hohen Komplexität der Energiesysteme ist die Entwicklung, Implementierung und Inbetriebnahme jedoch sehr aufwändig und somit mit hohen Kosten verbunden, weshalb modellprädiktive und optimierungsbasierte Regelstrategien bisher kaum in der Praxis eingesetzt werden. Ziel des Projektes AGENT-2 ist es, ein selbsteinstellendes, selbstlernendes, modellprädktives Regelungskonzept zu entwickeln, welches den Implementierungs- und Inbetriebnahmeaufwand reduziert und so die Anwendbarkeit effizienter Betriebsstrategien in der Praxis erhöht. Das zu entwickelnde Regelungskonzept basiert dabei auf verteilten Agenten, die jeweils das Systemverhalten eines Teilsystems erlernen und das Teilsystem regeln. Dabei wird auf den Erkenntnissen und dem entwickelten Framework aus dem Vorgängerprojekt AGENT aufgebaut. Der Betrieb des Gesamtsystems wird durch die Interaktion der selbstlernenden Agenten miteinander erreicht. So entsteht eine selbsteinstellende und skalierbare Regelungsstrategie für Gebäudeenergiesysteme. Die selbstlernende Regelungsstrategie wird simulativ mit State-of-the-art-Konzepten verglichen und in zwei Demonstrationsgebäuden im praktischen Betrieb erprobt. Die gewonnenen Erkenntnisse werden verallgemeinert und Möglichkeiten zur Überführung in die Praxis erarbeitet. Das Projekt trägt somit zur Effizienzsteigerung des Gebäudebetriebs und zur Kostenreduktion bei der Reglerimplementierung und Inbetriebnahme bei.

Peer-Reviewed

Sonstige Veröffentlichungen (Tagungsbeiträge, Poster etc.)