Abgeschlossene Forschungsprojekte

BENEFIZZO – Kombinierte Verhaltens- und Analyse-Innovation zur Steigerung der Energieeffizienz mittels Smart Meter in Privathaushalten (maschinelle Lernverfahren für Energieeffizienz-Feedback)

Durch die Anwendung maschineller Lernverfahren auf große Datenmengen des privaten Energiekonsums und den Einsatz moderner Feedback-Technologien entwickelt dieses Verbundprojekt eine Kundenbindungsplattform als ausgereiften Prototypen. Diese digitale Plattform ermöglicht eine handlungsorientierte und auf den einzelnen Haushalt zugeschnittene Kommunikation, welche private Haushalte zu mehr Energieeffizienz anleitet. Aufbauend auf der zu entwickelnden Energieeffizienz-Plattform werden wir zusammen mit Energieanbietern in Europa neuartige Dienstleistungen entwickelt, welche die Energieeffizienz bzw. die nachhaltige Energienutzung im Privatbereich steigern. Dabei adressieren wir die von Unternehmen, Forschung und Politik anerkannten Grenzen der Smart-Meter-Technologie sowie die des privaten Energiekonsumverhaltens.

Das Teilprojekt der Universität Bamberg umfasst die (Weiter-)Entwicklung und Evaluation von maschinellen Lernverfahren, welche die Grundlage für die zu entwickelnde intelligente Energieeffizienzplattform bilden. Wir bringen Machine-Learning-Modelle voran, welche Haushaltseigenschaften (Wohnungsgröße, Anzahl der Bewohner oder Geräte, usw.) oder die Bereitschaft von Kunden für eine Teilnahme an Energieeffizienz- oder Lastverschiebungskampagnen mit Hilfe von Lastkurven, Standortinformationen und anderen Datenquellen vorhersagen können. Zudem evaluieren wir Techniken des Explainable AI (XAI) für deren Einsatz im Bereich des Energiefeedbacks.

Gefördert durch das Eurostars Programm der Europäischen Union

Projektlaufzeit: 01.12.2020 – 31.05.2022

Beteiligte Personen an der Universität Bamberg: Konstantin Hopf (Principal Investigator), Felix Haag (Projektmitarbeiter)

Projektpartner:

Gesamtbudget des Projekts: 899’680 € (Förder- und Industriebeitrag), davon 175’521 € für die Universität Bamberg

ERA-Net SG+ Projekt SmartLoad – Automatische Erkennung von Effizienz- und Selbstversorgungspotenzialen individueller Haushalte

Die aufkommende Verbreitung von intelligenten Stromzählern erzeugt große Datenmengen, die den Energiekonsum von Haushalten beschreibt. Diese Daten enthalten umfangreiche (versteckte) Hinweise auf Haushaltscharakteristika, wie z. B. dem individuellen Einsparpotential aber auch zu Nachhaltigkeitsthemen wie Selbstversorgung und Speicherung.

In diesem Projekt entwickeln und testen wir Methoden zur automatischen Erkennung von individuellen Haushaltscharakteristika basierend auf gewöhnlichen 15-minütigen Smart-Meter-Daten und weiteren externen Daten (geographisch, sozial-ökonomisch, Wetter- und Statistikdaten etc.). Der Fokus der abzuleitenden Haushaltscharakteristika liegt auf Merkmalen mit Bezug zum Interesse an erneuerbaren Energien und grünen Tarifen und auf der Eignung für Eigenstromerzeugung, Speicherung und Selbstversorgung. Außerdem werden wir atypische Verbräuche identifizieren, Grundlast schätzen sowie das individuelle Einspar- und Lastverschiebungspotential von Haushalten untersuchen.

Zusammen mit unserem Implementierungspartner BEN Energy entwickeln wir Methoden, die auf Smart-Meter-Daten von unserem Industriepartner, dem Energieversorger CKW, basieren. Die Projektresultate werden vom Konsortium im Feldversuch bewertet. Die Umsetzung des Projekts erfolgt im Einklang mit den schweizerischen und europäischen Datenschutzbestimmungen.

Als Projektergebnis erwarten wir validierte und skalierbare Methoden, die Energieeinsparpotenziale von Privathaushalten aufdecken und Energieversorgern dabei helfen, den Vertrieb von nachhaltigen Produkten im Einklang mit nationalen Energiezielen zu optimieren.

Projektmitarbeiter an der Universität Bamberg: Andreas Weigert, Dr. Konstantin Hopf

Laufzeit: 01.06.2017 — 31.03.2020

Gesamtbudget des Projekts: 802'378 € (Förder- und Industriebeitrag)

Projektpartner:

Centralschweizerische Kraftwerke (CKW) AG, CH
BEN Energy AG, CH
Lehrstuhl für Energieeffiziente Systeme der Universität Bamberg, DE

Gefördert durch:

ERA-Net Smart Grids Plus (SG+), EU
Bundesministerium für Wirtschaft und Energie (BMWi), DE
Bundesamt für Energie (BFE), CH

Energy Data Analytics: Steigerung der Servicequalität und der Energieeffizienz im Privatkundenbereich

Energieversorgungsunternehmen haben eine große Kundenbasis, aber ihr Wissen über die Kunden ist gering. Dieser Umstand behindert einerseits die Entwicklung von innovativen, zielgruppenspezifischen Produkten und Dienstleistungen und schmälert andererseits die Gewinne der Versorger. Unsere Softwarelösungen helfen Energieversorgern, ihre Kunden zur Teilnahme an Energieeffizienzkampagnen zu motivieren und entsprechende Dienstleistungen zu vermarkten.

In diesem Projekt entwickeln wir Machine-Learning-Algorithmen weiter, welche Haushaltseigenschaften (Wohnungsgröße, Anzahl der Bewohner oder Geräte, usw. ) oder die Bereitschaft von Kunden für eine Teilnahme an Energieeffizienz- oder Lastverschiebungskampagnen mit Hilfe von Lastkurven, Standortinformationen und anderen Datenquellen vorherzusagen. Unsere Softwarewerkzeuge stellen Einblicke in die Kundenbasis skalierbar und kosteneffizient zur Verfügung und lösen dabei außerdem weitere bedeutende unternehmensrelevente Probleme: Die Effektivität von Energieeffizienzkampagnen, die Steigerung des Kundenwertes und die Adoption damit verbundener Dienstleistungen.

Gefördert durch das Eurostars Programm der EU

Projektlaufzeit: 01.11.2015 - 30.10.2018

Projektmitarbeiter an der Universität Bamberg: Konstantin Hopf

Projektpartner:

BEN Energy AG

Gesamtbudget des Projekts: 818’840 € (Förder- und Industriebeitrag)

Smart Meter Data Analytics für Massenmarkttaugliche Energiedienstleistungen

Intelligente Stromzähler ermöglichen die Erfassung von Lastprofilen einzelner Haushalte. Ziel des Projektes ist es, Verfahren des machinellen Lernens zu entwickeln, um relevante Haushaltscharakteristika automatisiert aus Lastprofilen abzuleiten. Die gewonnenen Informationen dienen Energieversorgern als Grundlage für Energieberatungsleistungen und zur Optimierung der Vertriebsaktivitäten. Aus den Ergebnissen soll bis 2016 eine Software entstanden und im Einsatz sein.

Gefördert durch die Kommission für Technologie und Innovation, Schweiz

Projektmitarbeiter an der Universität Bamberg: Konstantin Hopf, Dr. Mariya Sodenkamp

Projektlaufzeit: 01.05.2014 - 30.04.2016

Projektpartner:

Förderbeitrag: CHF 442'560

Smart-Meter-Datenanalyse für automatisierte Energieberatungen (SMEC)

Kommunikationsfähige Stromzähler ermöglichen die Erfassung individueller Lastprofile mit hoher zeitlicher Auflösung (typisch in 15-Minuten-Intervallen). Projektgegenstand ist die Weiterentwicklung von Methoden des maschinellen Lernens, um aus Lastprofilen automatisiert Merkmale von Haushalten abzuleiten, welche für eine individuelle und spezifische Energieberatung von Nutzen sind. Dadurch lassen sich IT-unterstützte und skalierbare Effizienzkampagnen realisieren.

Gefördert durch das Bundesamt für Energie, Schweiz

Projektmitarbeiter an der Universität Bamberg: Konstantin Hopf, Ilya Kozlovskiy, Dr. Mariya Sodenkamp

Projektlaufzeit: 01.04.2014 - 31.01.2016

Projektpartner:

Förderbeitrag: CHF 353'450

DAIAD

Das EU-Projekt DAIAD beschäftigt sich mit dem Aufbau und der Erprobung einer IT-Infrastruktur zur Erfassung und Analyse des (Warm)Wasserverbrauch in privaten Haushalten. Gemeinsam mit der Amphiro AG (CH), WaterWise (UK), dem Athena Research (GR), dem Fraunhofer Institut für "Systems and Innovation Research" (Fraunhofer) und der Stadt Athen stattet die Forschergruppe aus Bamberg Haushalte mit energieautarken und kommunikationsfähigen Wärmemengenzählern aus und erprobt Konzepte zur Motivation eines nachhaltigen Nutzerverhaltens.

Gefördert durch das Seventh Framework Programme for Research der EU

Projektleiter: Prof. Dr. Thorsten Staake ; Dipl.-Kffr. Anna Kupfer

Projektlaufzeit: 01.03.2014 - 31.08.2017

Projektpartner:

Förderbeitrag: EUR 3'202'288

Datenanalytik für Kundensegmentierung und Engagement

Kundenzufriedenheit und Vertrauen sind die Basis für langfristig erfolgreiche und nachhaltige Beziehungen zwischen den Versorgungsunternehmen und den Verbraucher. Ziel des Projektes ist es, reichhaltige Verfahren der Datenanalyse von Verbrauchs- und Verhaltensdaten zu entwickeln, um die Segmentierung von Stromverbrauchskunden im privaten Haushaltsbereich zu ermöglichen. Die gewonnenen Informationen dienen Energieversorgern als Grundlage für zielgerichtete Effizienzinterventionen und Vertrauen schaffender Dialog mit den Kunden durch die intelligente Verknüpfung von Kundendaten.

Gefördert durch RWE AG

Projektmitarbeiter an der Universität Bamberg: Ilya Kozlovskiy, Dr. Mariya Sodenkamp

Projektlaufzeit: 01.10.2013 - 01.12.2014

Projektpartner: BEN Energy AG

Sense4EN

Das Projekt Sense4EN wird von der Europäischen Union im Rahmen der ClimateKIC-Initiave gefördert. Der Lehrstuhl für Energieeffiziente Systeme erarbeitet und erprobt gemeinsam mit der ETH Zürich, der TU Berlin und Vattenfall Konzepte zur Reduktion des Wärmeenergieverbrauchs (insbesondere Warmwasser) mittels intelligenter Verbrauchsanzeigen.