Eingabe löschen

Zum Inhalt

Hauptnavigation

Zürcher Hochschule
für Angewandte
Wissenschaften

Servicenavigation

Machbarkeitsstudie Reinforcement Learning Control für Heizsysteme

Beschreibung

Wir schaffen die wissenschaftlichen Grundlagen für den Einsatz selbstlernender Energiemanagementsysteme für Gebäude mit heterogenen Energiesystemen und zeitlich variablem Nutzerverhalten. Eine solche Steuerung ermöglicht es, dauerhaft optimal arbeitende Energiesysteme auch für ältere Gebäude mit nur teilweise bekannten energetischen Charakteristika und für solche mit wechselnden Anforderungsprofilen ohne permanente Kalibration durch eine Fachperson anzubieten. Die Steuerung kann auch in Altbauten eingesetzt werden.Die Steuerung basiert auf Reinforcement Learning (RL), einer datenbasierten Optimierungsmethode, die in der letzten Zeit spektakuläre Erfolge gefeiert hat. RL lernt selbständig die Konsequenzen einer Steuerungsaktion und kann daher heuristisch annähernd optimale Steuertrajektorien finden. Damit kombiniert RL eine hohe Energieeffizienz mit dem für den Markteinsatz nötigen geringen Implementierungsaufwand. RL ist zudem intrinsisch adaptiv und passt sich Änderungen in der Systemdynamik oder im Bewohnerverhalten an.Für die Optimierung wird eine hohe Anzahl an Datenpunkten benötigt, die nur durch mehrjährige Messungen an einem Heizsystem gewonnen werden kann. Diesem Problem wird dadurch begegnet, dass zuerst die Dynamik des Systems identifiziert wird, was mit weitaus weniger Datenpunkten möglich ist. Das Heizsystem kann in der Identifizierungsphase, welche nur wenige Wochen benötigt, regelbasiert gesteuert werden und ist damit sofort einsatzbereit.Ziel der vorliegenden Machbarkeitsstudie ist es, die Umsetzbarkeit einer RL-basierten Steuerung für Gebäudesysteme in einer realistischen Simulationsstudie nachzuweisen und die geeignetsten Algorithmen zu identifizieren.

Eckdaten

Projektleitung

Stellv. Projektleitung

Projektstatus

abgeschlossen, 10/2018 - 10/2020

Institut/Zentrum

Institut für Angewandte Mathematik und Physik (IAMP); Centre for Artificial Intelligence (CAI); Institut für Informatik (InIT)

Drittmittelgeber

Innovationsprojekt / Projekt Nr. 31326.1 IP-EE

Projektvolumen

250'000 CHF

Privatsphäre-Einstellungen

Wir zeigen Ihnen hier, welche Dienste auf unserer Website laufen können. Sie entscheiden selbst, welche Dienste wir nutzen dürfen. Mehr Informationen finden Sie in unseren Datenschutzhinweisen.

Unsere Website braucht diese Cookies, damit alles richtig funktioniert. Diese Cookies werden automatisch erstellt, wenn Sie auf der Seite aktiv sind – zum Beispiel, wenn Sie Datenschutz-Einstellungen ändern oder Formulare ausfüllen. In Ihrem Browser können Sie die Cookies zwar sperren oder sich warnen lassen. Dann werden aber einige Teile der Website nicht mehr richtig angezeigt. Diese Cookies speichern keine persönlichen Daten von Ihnen.

Mit diesen Diensten können wir sehen, wie unsere Website genutzt wird. Wir wissen aber nicht, wer Sie sind. Wenn Sie diese Dienste aktivieren, helfen Sie uns, die Website für alle besser zu machen.