Der Solar Manager wird im Bereich der Solarwettervorhersage vom Forschungsfonds Aargau unterstützt

Abschlussbericht 1. Projektphase

In dem vom Forschungsfonds Aargau unterstützen Projekt ging es darum, den Solar Manager um einen Smarten Energie Assistenten zu erweitern. Dieser Assistent besteht aus zwei Hauptkomponenten: der Solarwetterprognose und der Klassifikation der grossen Strom-Verbraucher des Hauses. Zusammen sollen diese beiden Komponenten benutzt werden, um Vorschläge an den Benutzer abzugeben (z.B. «Morgen wird die Sonne scheinen und ich empfehle, die Waschmaschine um 14:00 Uhr einzustellen oder entsprechend zu programmieren.») und so den Eigenverbrauch (bzw. die Autarkie) des Haushalts zu erhöhen. So kann z.B. bei konsequenter Verwendung von Geschirrspüler, Waschmaschine und Tumbler bei ausreichend Solarstrom eine Erhöhung des Eigenverbrauchs um 6% pro Jahr erzielt werden (resp. eine Einsparung um rund CHF 170) gegenüber der Verwendung dieser Geräte ohne Solarstrom (z.B. immer abends).[1]

Im Rahmen des Projekts konnten beide Hauptkomponenten bearbeitet werden und haben sehr zufriedenstellende Ergebnisse ergeben.

So wurde die Solarwetterprognose basierend auf Daten von Meteotest und verschiedenen Input-Parametern wie Ausrichtung und Neigung der Solaranlage erstellt. Ein Bild des entwickelten Prototyps für die Prognose ist in der nachfolgenden Abbildung gezeigt. Es hat sich jedoch gezeigt, dass die Solarwetterprognose mittels dieses Ansatzes nicht in allen Fällen gut genug ist (z.B. bei Schneefall oder Verschattungen). Deshalb wurden im Rahmen des laufenden Projekts erste Versuche mit Machine Learning durchgeführt. Dieser Ansatz ist sehr vielversprechend und die Prognose wurde in 90% der Fälle entscheidend verbessert. Der Ansatz mittels Machine Learning soll nun in einem weiteren Schritt noch weiterverfolgt werden.

Solar Manager - Solarwetterprognose

Im Teil der Klassifikation der grossen Strom-Verbraucher sind die Resultate ebenfalls vielversprechend. Im Rahmen der laufenden Arbeit wurden unterschiedliche Algorithmen und Vorgehensweisen analysiert und bewertet. In diesem Teil der Arbeit zeigten sich allerdings auch grössere Herausforderungen. So erreicht die Klassifikation derzeit noch nicht die gewünschte Zuverlässigkeit. Analysen haben jedoch gezeigt, dass eine Klassifizierung mit einem neuronalen Netz die Zuverlässigkeit wesentlich verbessern könnte.

[1] Es wurden die folgenden Annahmen getroffen:

1) Jährlicher Energieverbrauch des Geschirrspülers von 300 kWh, der Waschmaschine von 400 kWh und des Tumblers von 500 kWh (gemäss https://www.energieheld.ch/gesamtsanierung/energieverbrauch)

2) Während 70% des Jahres können die 3 Geräte mit Solarstrom betrieben werden.

3) Es wird von einem totalen jährlichen Energieverbrauch des Haushalts von 14'500 kWh ausgegangen.

Dies ergibt: Erhöhung des Eigenverbrauchs = 0.7 * (300 + 400 + 500) / 14'500