Kl-basierte Methoden zur optimierten Dimensionierung von Wänrmepumpen in Bestandsgebäuden hinsichtlich Treibhausgasemissionen und Netzstabilität

Abstract

Ziel des Projektes ist es, eine Dimensionierungs-Methodik für Wärmepumpen zu entwickeln, die den dabei vorliegenden multivariablen Lösungsraum unter der Maßgabe einer Minimierung von Treibhausgas-Emissionen und einer Minimierung der Verteilnetzbelastung berücksichtigt. Hierfür sollen sowohl die Leistungs- und Effizienzkennfelder marktüblicher Wärmepumpen, als auch die heutige und zukünftige (lokale) Verfügbarkeit von erneuerbarem Strom sowie die thermische Charakteristik unterschiedlicher energetischer Gebäudestandards und frei verfügbare 

Monitoring-Daten als Trainingsdaten für Methoden des maschinellen Lernens herangezogen werden. Dabei liegt eine Extraktion von Dimensionierungs-Regeln mittels Unsupervised Learning mit anschließender Validierung von Prognosen auf der Basis von Supervised Learning nahe. Für das dabei entstehende KI-Modell wird im Anschluss an das Promotionsvorhaben die Bereitstellung einer Open-Source-Anwendung im Rahmen eines Transferprojekts angestrebt, wodurch eine signifikante Entlastung von Fachkräften im Planungsprozess für die notwendige Installation von Wärmepumpen im hohen sechsstelligen Stückzahlbereich pro Jahr entstünde.