Ai thermostat energy saving methodology BASICS

Ai thermostat energy saving methodology BASICS

Inhalt dieser Schulungssitzung:

  1. AI-Systemdiagramm in der Architektur
  2. Funktionale Blöcke und Rollen innerhalb dieses Systems
  3. Strategie zur Berechnung der Energieeinsparung
  4. Strategie der KI-Intelligenz zur Energieeinsparung
  5. Faktoren, die die Berechnung der Energieeinsparung % beeinflussen
  6. Labor- und Feldergebnisse der Energieeinsparung % durch TRV und UFH

1. AI-Systemdiagramm



2. Funktionale Blöcke und Rollen

Cloud (mit KI-Funktion)

  • Lernt das Temperaturprofil in Innenräumen bei verschiedenen Szenarien…
  • Nimmt die Außentemperatur online für Vorhersagen
  • Deep Neural Network zur Vorhersage, überschreibt Befehle für Thermostate…. • Berechnet die Energieeinsparung % basierend auf Vorhersage vs. tatsächlich…
  • Speichert Daten für Statistik….
  • Etc. etc…..

Gateway

Quantum-Thermostat (mit aktualisierter Firmware)

TRV oder Aktuatoren

Salus Premium Lite Apps (mit Option für erweiterte Intelligenz)


3. Strategie zur Berechnung der Energieeinsparung

Der gesamte Energieverbrauch wird durch die Einschaltdauer des Relais (Sekunden) definiert


Im Labor gemessene Energieeinsparung % = Tatsächlich (ohne KI) – Tatsächlich (mit KI). Im Feld berechnete Energieeinsparung % = Vorhergesagt – Tatsächlich (mit KI)


Der vorhergesagte Energieverbrauch wird anhand seiner gelernten Temperaturhistorie geschätzt. Je länger es lernt, desto genauer wird die Vorhersage des Energieverbrauchs.


4. Strategie der KI-Intelligenz zur Energieeinsparung

Ziel: Während der Komfort durch das Erreichen des Temperatureinstellwerts erhalten bleibt, zielt die KI darauf ab, die gesamte Einschaltdauer des Relais zu reduzieren und somit Energie zu sparen.

Basierend auf den gelernten Temperaturdaten im Cloud-Deep-Neural-Network:

  1. Vorhersage der Temperaturanstiegsrate, mögliche Überschreitung durch die Einschaltdauer des RelaisEinschaltdauer
  2. Die Einschaltdauer im Voraus verkürzen
  3. Einschaltzyklus stoppen
  4. Unnötige Einschaltzyklen entfernen
  5. Frühzeitige Ausschaltplanung
  6. Etc. etc..

5. Faktoren, die die Berechnung der Energieeinsparung % beeinflussen

  1. Die Vorhersage basiert auf historischen Temperaturdaten
  2. Die Grundtpi- oder Spannungsregelungsleistung des Thermostats ist gut oder schlecht
  3. Die Energieeinsparung wird in die Berechnung einbezogen oder nicht
  4. Umweltveränderungen (z.B. Wassertemperatur, offenes Fenster, Außentemperatur)
  5. Belegung der Räumlichkeiten
  6. Etc. etc….

6. Labor- und Feldergebnisse der Energieeinsparung %

Laut den TRV-Radiatortests von WL im Cincinati-Labor und den UFH-Tests am CoE in Rumänien,


DURCHSCHNITTLICHE ENERGIEEINSPARUNG DURCH KI = 8%

Die aufgezeichnete Energieeinsparung durch KI reicht von 0 – 30%, abhängig von den Bedingungen.

N.B. Verkaufsangaben behaupten eine Energieeinsparung von bis zu 20% plus?