Datengestützte Methoden für die Energie- und Wärmewende in Gebäuden und Quartieren (CBML-Wende)

Entwicklung des komponenten-basierten maschinellen Lernens als strategisches ebenenkoppelndes Planungswerkzeug

Die Energie- und Wärmewende erfordert eine integrierte Betrachtung der energetischen Gebäude- und Quartiersenergiesystemen. Maßnahmen, wie Sanierung der Hülle und Systemwechsel im Gebäude, müssen mit dem Energiesystem abgestimmt stattfinden und Sektorenkopplung berücksichtigen, um Klimaneutralität zu erreichen. Zukunftsfähige Strategien, wie sie für die kommunale Wärmeplanung erforderlich sind, benötigen dazu zuverlässige Prognosemethoden, die beide Ebenen Gebäude und Quartier in der Prognose präzise und schnell einschließlich Unsicherheiten und Steuerungsstrategien gekoppelt abbilden. Derzeitige Simulationsmethoden sind hierzu jedoch kaum fähig, oft sehr komplex und erfordern viele Informationen. Das Projekt hat daher zum Ziel, die bereits entwickelten Methoden des komponentenbasierten maschinellen Lernens (CBML) als datengestützte Modellierung für Gebäude und Energiesystem und eine integrierte Prognose der Interaktion vom Einzelgebäude als Verbraucher, Energiequelle und Speicher und dem Quartiersenergiesystem zu erreichen. Die datengestützte Methode wird in der Lage sein, die Energie- und Wärmeflüsse innerhalb des Gebäudes, an der Schnittstelle zwischen Gebäude und System, wie auch im System einschließlich von Unsicherheiten aus Gebäudenutzung und möglicher Sanierungsoptionen und -qualitäten zu prognostizieren. Es sollen dynamische Flüsse in beiden Richtungen korrekt vorhergesagt werden können. Außerdem soll die Methodik sowohl mit der klassischen physikalischen Gebäudesimulation als auch mit Mess- und Monitoringdaten aus dem Smart-Building/Grid-Bereich interagieren können, um möglichst eine hohe Prognosequalität zu erreichen. Eine Validierung in einem typischen Testfall soll dies bestätigen. Schließlich werden die Projektergebnisse nicht nur wissenschaftlich, sondern auch unter den Akteuren der Energie- und Wärmewende bekannt gemacht, um so den Weg für den Einsatz von datengestützten Methoden für die Energie- und Wärmewende in der Praxis zu ebnen.