Smart-Meter-Daten clever nutzen
Mit einem KI-gestützten Ausleseadapter, der sekundengenaue Stromdaten aus Smart Metern analysiert und so PV-Erzeuger und grosse Verbraucher erkennt, wollen Forschende der ZHAW ein Instrument für ein vorausschauendes Energiemanagement schaffen. So können Endkunden künftig ihre Smart-Meter-Daten – bis Ende 2027 in 80 % der Schweizer Haushalten Pflicht – auswerten und dadurch ihren Stromverbrauch, PV-Eigenverbrauch sowie Batteriespeicher optimal steuern.
In der Schweiz müssen bis Ende 2027 mindestens 80 % der Stromzähler durch Smart Meter ersetzt sein. Diese neuen Zähler schaffen Transparenz über den Energieverbrauch, ermöglichen flexible Tarife und unterstützen die Eigenverbrauchsoptimierung. Gleichzeitig sind sie ein wichtiges Instrument zur Stabilisierung des Stromnetzes.
Smart Meter erfassen kontinuierlich den Stromfluss. Verbrauchsdaten werden im 15-Minuten-Takt gemittelt und an den Netzbetreiber übermittelt. Dadurch kann dieser Lastprofile erstellen, Lastspitzen erkennen und das Netz effizienter steuern und dimensionieren. Technisch wäre die Übermittlung der Verbrauchsdaten auch in kürzeren Intervallen möglich. Da solche hochaufgelösten Daten jedoch dem Netzbetreiber sehr genaue Rückschlüsse auf das Verhalten im Haushalt zulassen – etwa wann jemand nach Hause kommt, kocht, fernsieht oder schläft – ist der Übertragungsintervall aus Gründen des Datenschutzes auf 15 Minuten festgelegt.
Die hochaufgelösten Daten sind auch für Endverbraucher interessant. Sie liefern Informationen über den aktuellen Strombezug, über Rücklieferungen oder die momentane elektrische Leistung und ermöglichen so eine gezielte Optimierung des Eigenverbrauchs. Dadurch lassen sich PV-Anlagen, Batteriespeicher und grössere Verbraucher wie Elektroautos, Wärmepumpen oder Waschmaschinen intelligent steuern und aufeinander abstimmen. Smart Meter verfügen hierfür über eine Kundenschnittstelle, über die Endverbraucher ihre Daten auslesen können. Dafür ist ein Ausleseadapter notwendig, der die umfangreichen Messwerte analysiert und aufbereitet. Denn bei einer sekundengenauen Erfassung würden jährlich über 31 Millionen Datensätze entstehen, die ausgewertet werden müssen.
An diesem Punkt setzt das Forschungsprojekt «KI-basierte Lösung für das Energiemanagement von PV-Anlagen» der ZHAW School of Engineering an. Forschende des Instituts für Energiesysteme und Fluid-Engineering (IEFE) entwickeln gemeinsam mit dem auf Smart-Metering- und PV-Projekte spezialisierten Industriepartner Ovenstone Engineering GmbH einen neuen Ausleseadapter. Dieser bereitet die Smart-Meter-Daten auf und schafft damit die Grundlage für ein vorausschauendes Energiemanagement.
Der Ausleseadapter liefert dem Home Area Network – das über unterschiedliche Schnittstellen mit grossen Verbrauchern (z. B. Wärmepumpe, Waschmaschine), Speichern (Batteriespeicher) und Erzeugern (PV-Anlage) kommuniziert – die nötigen Informationen, ob Geräte zu- oder abgeschaltet werden sollen, um den Energieverbrauch optimal zu steuern. Auf diese Weise kann der Stromverbrauch kostengünstig optimiert, der Eigenverbrauch von PV-Strom erhöht und der Batteriespeicher effizient genutzt werden.
In einem weiteren Schritt soll der Ausleseadapter auch für Energiemanagementsysteme in Zusammenschlüssen zum Eigenverbrauch (ZEV) und virtuellen ZEV (vZEV) weiterentwickelt werden. Ziel ist es, die Zahl zusätzlicher, kostenintensiver Privatzähler zu reduzieren, indem die relevanten Daten direkt am Smart Meter des Energieversorgers durch den Betreiber des ZEV resp. vZEV ausgelesen und ausgewertet werden.
Für die Entwicklung haben die Forschenden zunächst einen Prüfstand aufgebaut, an dem sie Ausleseadapter von unterschiedlichen Herstellern testen und vergleichen können. Mit diesem Prüfstand lassen sich unterschiedliche Szenarien nachbilden, zum Beispiel ein Gebäude mit typischen Verbrauchern und Erzeugern, das über einen Smart Meter energetisch erfasst wird. Darüber hinaus kann überprüft werden, wie genau die KI-gestützten Prognosen – beispielsweise das Zuschalten grosser Verbraucher oder Erzeuger – mit den tatsächlich gemessenen Vorgängen übereinstimmen. Die Abweichung zwischen Vorhersage und Realität wird dabei als Fehlergrösse bestimmt.
https://www.zhaw.ch/de/forschung/projekt/77156
Projektname
KI-basierte Lösung für das Energiemanagement von PV-Anlagen
Beteiligte
Projektleiter: Prof. Dr. Andreas Heinzelmann, ZHAW
Projektmitarbeitende: Peter Schmidt, ZHAW
Drittmittelgeber: Innosuisse Innovationsscheck
Projektpartner: Ovenstone Engineering GmbH
Projektdauer
Februar 2025 bis Dezember 2026