Künstliche neuronale Netze (Artificial Neural Network- ANN) sind, ähnlich dem menschlichen Gehirn, in der Lage, Handlungsstrategien selbstständig anhand von „erlebten“ Erfahrungen (etwa in Form von Trainingsdaten) zu entwickeln. Es liegt nahe, solche Netzstrukturen auch für technische Regelungen einzusetzen. Das Fraunhofer-Institut für Solare Energiesysteme ISE   hat in dem Projekt „Annsolar - Neuronale Netzwerke für die Anwendung in der Solarthermie“ selbstlernende künstliche neuronale Netze für die Regelung solarthermischer Heizungssysteme entwickelt.
 

Solarthermie-Anlagen können mit neuronalen Netzen deutlich effizienter gesteuert werden.
Bild: Sonnenhaus Institut e.V.

Sie erfassen die thermische Dynamik des Gebäudes, die Wärmebedarfsänderung durch Solarstrahlung auf die Gebäudehülle und den Ladezustand des Speichers in Abhängigkeit der Betriebsbedingungen. So können die Netze die thermischen Zustände für die Zukunft prognostizieren, ohne dass eine Simulation erforderlich ist. Die neuronalen Netze erlernen die entsprechenden Abhängigkeiten selbstständig.

Im Rahmen des Projekts Annsolar    entwickelten die Forscher des Fraunhofer ISE ein Regelungskonzept, das individuelle Randbedingungen wie das lokale Klima sowie das charakteristische Betriebsverhalten der solarthermischen Anlage und des Wärmeverteilsystems selbständig identifiziert. Im Regelungsbetrieb kann dann die Entwicklung von Raumtemperatur, Solarertrag und Speicherladezustand prognostiziert werden, um die Heizungsanlage optimal zu betreiben.

Einsparpotenziale zwischen 7 und 12 Prozent

„Künstliche neuronale Netze bieten so eine hervorragende Möglichkeit, Heizungsanlagen effizienter und kostengünstiger zu regeln", sagt Dr. Wolfgang Kramer, Abteilungsleiter Thermische Speicher und Gebrauchsdaueranalyse sowie Koordinator Solarthermie am Fraunhofer ISE. Die Einsparpotenziale gegenüber einer optimierten konventionellen Regelung bei Bestandsgebäuden liegen bei mindestens 7 Prozent. Gegenüber nicht optimierten Regelungen, wie sie sehr häufig in der Praxis vorkommen, liegt das Einsparpotenzial in der Größenordnung von 12 Prozent und mehr, so ein Ergebnis der Arbeiten. Höhere Einsparpotenziale seien gegebenenfalls realisierbar, wenn mehr Informationen über heizungsrelevante Parameter berücksichtigt werden, hieß es auf Anfrage von E&M. So zum Beispiel die individuelle thermische Charakteristik für jeden Raum und eine Erfassung und Prognose von Anwesenheitszeiten durch Anwesenheitssensoren oder intelligente Auswertung von Stromlastprofilen.

Die ANN-Regelung übernimmt zwei Regelungsfunktionen und greift dabei auf die ANN-Prognosen zurück. Zum einen wird die individuell optimale Heizkurve automatisch ermittelt, wobei im Vergleich zu einer konventionellen Heizkurve zusätzliche Einflüsse (z.B. passive solare Erwärmung des Gebäudes, Betrieb eines Kaminofens) berücksichtigt werden.

Darüber hinaus steuert die Regelung auch die Zuschaltung der fossilen Nachheizung: Für die Entscheidung über die Einschaltung der Heizung wird überprüft, ob die notwendigen Speichertemperaturen innerhalb eines Prognosezeitraums möglicherweise auch ohne Nachheizung erreicht werden können. Unnötige Brennerstarts unterbleiben dann, die fossile Nachheizung wird minimiert und der solare Ertrag maximiert.

Projektpartner bei Annsolar sind die Regelungshersteller Steca, Sorel und Prozeda. Eine Entscheidung über eine Serieneinführung hat bisher aber noch keiner der Projektpartner getroffen.