In dem von der Innosuisse geförderten Projekt NILM4Balance entwickelte die Hochschule Luzern zusammen mit Firma ASGAL Informatik GmbH und dem Elektrizitätswerk Vilters-Wangs einen Prototypen, der die für das Senken und Glätten von Lastspitzen interessanten Verbraucher automatisch identifiziert, um sie als Energiespeicher bzw. verschiebbare Verbraucher für eine wirtschaftlich sinnvolle Lastverschiebung verwertbar zu machen.
Disaggreation mithilfe von Machine Learning Technologien
Für die automatische Identifizierung von vorhandenen Verbrauchern in Ein- und Mehrfamilienhäusern sowie in Gewerbebetrieben werden Algorithmen aus dem Bereich Machine Learning angewandt. Die Algorithmen analysieren Smart Meter Daten und identifizieren aus dem Gesamtstromverbrauch (Disaggregation) einzelne Verbraucher (Wärmepumpe, Boiler, E-Mobil, etc.) und Produzenten (Photovoltaikanlagen). Dabei werden wertvolle Informationen über die disaggregierten Verbraucher ermittelt, wie beispielsweise deren maximale Leistungsaufnahme, die Ein- und Ausschaltdauer sowie der Energieverbrauch pro Tag. Anhand dieser Daten können unter Zuhilfenahme von Temperatur- und Wettervorhersagen Lastgang-Prognosen generiert werden.
Mehrwert ohne Komforteinbussen und ohne zusätzliche Installation von Hardware
Der zukünftige Service soll eine vollautomatische Identifikation potentieller Verbraucher und deren Lastverschiebepotenzial ermöglichen, ohne dass der Verbraucher einen Komfortverlust erfährt, wobei die Auswertung ausschliesslich anhand von Standard Smart-Meter-Daten erfolgt und dies ohne jegliche zusätzliche Hardware-Installationen. Zudem werden die Daten automatisch permanent mit den sich dynamisch verändernden Umständen in den Gebäuden synchronisiert. Dadurch können die schon installierten Verbraucher (Boiler, Wärmepumpen, E- Mobil, etc.) als kurzzeitige kostengünstige Speicher genutzt. Somit kann im Einklang mit der Energiestrategie 2050 ein erheblicher Mehrwert für die EVUs, ZEVs und Gebäudeeigentümer generiert werden.