This is a cache of https://www.uibk.ac.at/bauphysik/forschung/projects/borealis/index.html.de. It is a snapshot of the page at 2024-11-21T02:59:48.371+0100.
BOREALIS – Self-learning building controls for a greener and healthier society

BOREALIS – Self-learning building controls for a greener and healthier society

Projektleitung: Sascha Hammes

Projektleitung Gesamtprojekt: johannes Weninger, Bartenbach GmbH

 Projektkonsortium:

  • Bartenbach GmbH
  • Zumtobel Lighting GmbH
  • Hella Sonnen- und Wetterschutztechnik GmbH
  • Universität Innsbruck, Department of Computer Science
  • Universität Innsbruck, Arbeitsbereich für Energieeffizientes Bauen

Fördergeber: Bundesministerium für Klimaschutz, Umwelt, Energie, Mobilität, Innovation und Technologie (BMK) vertreten durch die Österreichische Forschungsförderungsgesellschaft mbH (FFG)

Förderprogramm: AI for Green

BMK FFG

Förderungssumme: 319.175 Euro (UIBK-EEB)

Laufzeit: 01.07.2024 bis 30.06.2027

Zusammenfassung

Trotz bahnbrechender Erfolge wie der Einführung der LED und sensorbasierter Steuersysteme ist eine Effizienzsteigerung im Bereich der Beleuchtung (15% bis 20% am weltweiten elektrischen Energiebedarf im Gebäudesektor) für Klimaschutz und Nachhaltigkeit dringend erforderlich. Verbesserungen im Bereich integraler Kunst- und Tageslichtsteuerungen stellen hierfür grundsätzlich ein hohes Potential bereit, welches jedoch nur unter Beachtung applikationsspezifischer Eigenschaften wie individuellem Raumnutzungsverhalten vollumfänglich ausgeschöpft werden kann. Da diese Informationen während der Planungsphase im Normalfall nicht zur Verfügung stehen, basieren Kunst- und Tageslichtsteuerungen heute vorrangig auf verallgemeinerten Annahmen zu Nutzereigenschaften und -verhalten ohne reale Individualitäten zu berücksichtigen.

Diese in der frühen Planungs- und Simulationsphase getroffenen, fehlerhaften Annahmen resultieren oftmals in starken Abweichungen von der Realität (sogenannten Performance Gaps) und verhindern ein vollständiges Abrufen der angestrebten energetischen und gesundheitlichen Potentiale moderner Beleuchtungssysteme. Zudem bleibt die resultierende Diskrepanz aufgrund fehlender erweiterter Inbetriebnahmen weitestgehend unerkannt oder führt zu ressourcen- und kostenintensiven nachträglichen Anpassungen von Steuerungen im laufenden Betrieb, um die fehlerhaften Annahmen der Planungsphase auszugleichen. Eine verbesserte Abbildung applikationsspezifischer Eigenschaften im Planungsprozess wird sich jedoch auch Zukunft als schwierig erweisen und ist in einigen Fällen (wie z.B. Neubauten) aufgrund fehlender Nutzerinformationen schlichtweg unmöglich. Zur Gewährleistung des optimalen Betriebs von integralen Steuerungssystemen erweist sich dementsprechend eine Anpassung an die jeweilige Applikation im laufenden Betrieb als unumgänglich. Zudem sollten Systeme auch Nutzungsänderungen (z.B. saisonale Effekte oder bei Nutzerwechsel) effizient abbilden können, um ein langfristiges Abrufen der energetischen und gesundheitlichen Potentiale über die gesamte Lebenszeit des Gebäudes zu gewährleisten. Hierfür stehen aktuell jedoch keine anwendbaren Steuerungskonzepte zur Verfügung.

Die im Projekt BOREALIS angestrebte Entwicklung eines auf Reinforcement Learning basierenden Steuerungskerns wird dementsprechend maßgeblich dazu beitragen, die übergeordneten Systempotentiale abzurufen und sowohl klima- als auch gesundheitspolitische Ziele zu erreichen. Das hierfür notwendige Knowhow wird von den wissenschaftlichen Partnern bereitgestellt. Um zudem die möglichst breite Anwendung und erfolgreiche Implementierung der Ergebnisse im Beleuchtungssektor zu gewährleisten, umfasst das Konsortium international führende Unternehmen, die über eigene Steuerungssysteme verfügen.
Nach oben scrollen