TABS@CMU. Nutzung der Gebäudemasse als Energiespeicher zur Unterstützung des zukünftigen Energienetzes - Fallanalyse CMU (FHNW Campus Muttenz)
Lade...
DOI der Originalpublikation
Projekttyp
angewandte Forschung
Projektbeginn
01.01.2025
Projektende
31.12.2025
Projektstatus
laufend
Projektkontakt
Projektmanager:in
Beteiligte
Beschreibung
Zusammenfassung
Im Rahmen dieses Projekts wird ein Proof-of-Concept für eine optimierte Regelung von thermisch aktivierten Bauteilsystemen (TABS) erarbeitet. Dabei soll gezeigt werden, dass die Vorlauftemperatur nicht nur basierend auf der Aussentemperatur, sondern auch unter Einbezug weiterer Wetterdaten, Energiepreisen und Informationen zur Raumnutzung bestimmt werden kann.
Zur Umsetzung wird ein datenbasiertes Modell entwickelt, das mit minimalem Sensoreinsatz arbeitet und sich in bestehende Gebäudeautomationssysteme integrieren lässt. Die benötigten Messdaten werden am FHNW-Gebäude „KUBUK“ erhoben und mithilfe von Methoden des maschinellen Lernens analysiert.
Durch diese prädiktive Steuerung soll ein Beitrag zur Steigerung der Energieeffizienz, zur Netzunterstützung sowie zur Reduktion von CO₂-Emissionen im Gebäudebetrieb geleistet werden. Das Konzept wird in einer realitätsnahen Umgebung simulativ getestet und visuell aufbereitet, um die Ergebnisse einem breiten Publikum zugänglich zu machen.
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Zero Emission
New Work
New Work
Hochschule
Hochschule für Architektur, Bau und Geomatik FHNW
Institut
Institut Nachhaltigkeit und Energie am Bau
Finanziert durch
HABG-Kollaborationsprojekt
Projektpartner
Institut Bauingenieurwesen, Hochschule für Architektur, Bau und Geomatik FHNW
Institut Nachhaltigkeit und Energie am Bau, Hochschule für Architektur, Bau und Geomatik FHNW
Institut Nachhaltigkeit und Energie am Bau, Hochschule für Architektur, Bau und Geomatik FHNW
Auftraggeberschaft
SAP Referenz
B006-0044-2
Schlagwörter
Energieinformatik
Betriebsoptimierung
Gebäudetechnik
Machine learning
Betriebsoptimierung
Gebäudetechnik
Machine learning