Energie-Monitoring im privaten Haushalt

Vorschau

Inhaltsverzeichnis, Datei (46 KB)
Vorwort, Datei (25 KB)
Leseprobe, Datei (120 KB)

Die meisten privaten Haushalte besitzen nur wenige Informationen bzgl. ihres Strombedarfs. Vielen Menschen sind zwar die monatlichen Kosten ihres elektrischen Energiebezugs bekannt, den zeitlichen Verlauf des Energiebedarfs bzw. mit welchem Gerät wann wieviel Strom “verbraucht” wird, wissen sie in der Regel nicht. Sie besitzen nur geringe Kenntnisse, wie bzw. mit welchen Maßnahmen elektrische Energie in ihrem Haushalt eingespart werden kann, da ihnen die Zuordnung des Energieverbrauchs zu den einzelnen Geräten des Haushalts fehlt. Ein Energie-Monitoring-System, das den zeitlichen Verlauf der Wirkleistungs-aufnahme des Haushalts visualisiert und entsprechend auf die einzelnen elektrischen Geräte verteilt kann diese Informationslücke schließen.

Im vorliegenden Werk werden Konzepte und Randbedingungen für die nachträgliche Installation eines Energie-Monitoring-Systems im privaten Haushalt vorgestellt. Neben der Topologieanalyse notwendiger technischer Komponenten des Systems, wird ein spezieller optischer Sensor vorgestellt, mit dem sich viele der bereits im Haushalt installierten elektromechanischen Drehstromzähler zur Auslesung nachrüsten lassen. Damit kann der Verlauf der Wirkleistungsaufnahme eines Haushalts im Zeitraster von bis zu einer Sekunde aufgenommen und visualisiert werden. Die Algorithmen eigenen sich ebenfalls zur Analyse von Wirkleistungsverläufen, welche mit den neuen zukünftigen elektronischen Haushaltszählern (eHZ) aufgenommen werden können.

Des Weiteren werden Lastüberwachungsverfahren präsentiert, bei denen der Fokus auf selbstlernenden Algorithmen liegt, um manuelle Eingaben des Bedieners bei der Initialisierung des Systems zu vermeiden. Die entwickelten NIALM-Algorithmen (Non-Intrusive-Appliance-Load-Monitoring) verwenden spezielle Clusterverfahren sowie Genetische Algorithmen zur Erkennung elektrischer Verbraucher aus den Messdaten des Gesamtlastverlaufs der Wirkleistung. Die entwickelten Algorithmen wurden an simulierten und realen Tageslastverläufen der elektrischen Wirkleistungsaufnahme getestet. Diese lassen sich ebenfalls zur Analyse beliebiger Datenvektoren anderer technischer Disziplinen anpassen und einsetzen.