Technisches Monitoring und Visualisierung
Bild 1: Im Rahmen der Analyse werden Informationen eines Bacnet-Datenpunkts in einem mehrstufigen Prozess klassifiziert. (Quelle: Entendix)
Bild 2: Im Reiter „Digitaler Zwilling“ werden die digitalen Zwillinge und die zugehörigen Informationen dargestellt. (Quelle: Entendix)
Bild 3: Im Reiter „Monitoring“ erfolgt die Visualisierung der Betriebsdaten, die Erstellung von Anlagenschaubildern sowie die Anzeige von Key Performance Indicators. (Quelle: Entendix)
Die standardisierte Aufbereitung der Betriebsdaten in Form von digitalen Zwillingen ermöglicht deren konsistente Nutzung für ein TMon. Dies bildet die Grundlage für ein Monitoring-System, welches automatisiert auf die Daten zugreift, um sie zu visualisieren und zu analysieren. Aufgrund der vorab bekannten Struktur der Zwillinge sowie deren Inhalte ist es möglich, Regeln für die Erstellung des TMon zu definieren, welche in Abhängigkeit der identifizierten Gewerke und Anlagen ausgeführt werden. Im Rahmen der Entwicklungsarbeit bei Entendix wurden zwei aufeinander aufbauende Bereiche konzipiert. Der erste Bereich präsentiert im Reiter „Digitaler Zwilling“ die digitalen Zwillinge und die Darstellung der zugehörigen Informationen (Bild 2).
An dieser Stelle besteht für den Nutzer die Möglichkeit, von der KI möglicherweise falsch zugeordnete Daten zu bearbeiten und einer anderen Anlage zuzuordnen. Ebenso können hier zusätzliche Informationen zu einzelnen Anlagen und Komponenten eingepflegt werden, wie technische Pläne und Datenblätter. Im zweiten Reiter „Monitoring“ erfolgt die Visualisierung der Betriebsdaten, die Erstellung von Anlagenschaubildern sowie die Anzeige von Key Performance Indicators (KPI) zur Überprüfung der Funktionalität und Qualität des Anlagenbetriebs (Bild 3).
In Abhängigkeit der erkannten Anlage, beispielsweise einer Lüftungsanlage mit Zu- und Abluftventilator, Erhitzer und Filtern, findet eine automatische Generierung der entsprechenden Schaubilder statt. Nach der Installation der Anwendung erfolgt die kontinuierliche Erfassung und Speicherung von Live-Daten der Anlagen. Auf dieser Grundlage können bereits nach wenigen Wochen erste Analysen und Optimierungsvorschläge erstellt werden und dem Nutzer im intuitiven KPI-Ampelsystem visualisiert werden. Der Fokus liegt auf der Bereitstellung eines einfach zu bedienenden Werkzeugs für den Nutzer, um das nachhaltige Betreiben von Gebäuden zu vereinfachen.
Vollständige Automatisierung und kurze Installationszeiten
Die entwickelte Lösung zeichnet sich insbesondere durch einen vollständig automatisierten Prozess der Datenaufbereitung und Generierung der TMon-Anwendung aus. In Abhängigkeit der Anzahl der Datenpunkte ist für die Analyse durch die KI ein Zeitfenster zwischen 20 Minuten und wenigen Stunden ausreichend. Im Anschluss an den zuvor beschriebenen Prozess erfolgt die Erstellung der digitalen Zwillinge sowie die Initialisierung der Anwendung. Infolgedessen kann der Nutzer spätestens einen Tag nach der Installation die unterstützende Software mit Monitoring und Performance-Überprüfungen nutzen.
Anpassung an neue Standards und Ausblick
Derzeit ist Entendix bestrebt, die Zielabbildung der Datenpunkte an den Bactwin-Standard anzupassen. Der Standard, der dieses Jahr durch die AMEV publiziert wurde, beinhaltet einen herstellerunabhängigen BAS sowie vordefinierte Objekt- und Aggregat-Templates. Letztere dienen der Vereinfachung der Bacnet-Anwendung bei Standardfunktionen und unterstützen zudem komplexe Gebäudeautomationsanwendungen. Die Abbildung von Bestandsanlagen auf den Bactwin-Standard bietet das Potenzial, automatisierte Anwendungen für den optimierten Betrieb bestehender Gebäude erheblich zu verbessern.
Literatur
- Bundesministerium der Justiz: Gesetz zur Einsparung von Energie und zur Nutzung erneuerbarer Energien zur Wärme- und Kälteerzeugung in Gebäuden. www.gesetze-im-internet.de/geg, abgerufen am: 26. 09. 2024
- European Commission: Energy Performance of Buildings Directive. https://energy.ec.europa.eu/topics/energy-efficiency/energy-efficient-buildings/energy-performance-buildings-directive_en, abgerufen am: 26. 09. 2024
- Wolf, Th. et al.: Transformers: State-of-the-Art Natural Language Processing. Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing: System Demonstrations. Online: Association for Computational Linguistics 2020, S. 8 – 45
- Both, M. et al.: Automated monitoring applications for existing buildings through natural language processing based semantic mapping of operational data and creation of digital twins. Energy and Buildings 300 (2023), S. 113635
- Specification of the Asset Administration Shell. Part 1: Metamodel. IDTA Number: 01001-3-0, IDTA, 2023