Abgeschlossene Forschungsprojekte

Durch die Anwendung maschineller Lernverfahren auf gro?e Datenmengen des privaten Energiekonsums und den Einsatz moderner Feedback-Technologien entwickelt dieses Verbundprojekt eine Kundenbindungsplattform als ausgereiften Prototypen. Diese digitale Plattform erm?glicht 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 Universit?t Bamberg umfasst die (Weiter-)Entwicklung und Evaluation von maschinellen Lernverfahren, welche die Grundlage f¨¹r die zu entwickelnde intelligente Energieeffizienzplattform bilden. Wir bringen Machine-Learning-Modelle voran, welche Haushaltseigenschaften (Wohnungsgr??e, Anzahl der Bewohner oder Ger?te, usw.) oder die Bereitschaft von Kunden f¨¹r eine Teilnahme an Energieeffizienz- oder Lastverschiebungskampagnen mit Hilfe von Lastkurven, Standortinformationen und anderen Datenquellen vorhersagen k?nnen. Zudem evaluieren wir Techniken des Explainable AI (XAI) f¨¹r deren Einsatz im Bereich des Energiefeedbacks.

Gef?rdert durch das Eurostars Programm der Europ?ischen Union

Projektlaufzeit: 01.12.2020 ¨C 31.05.2022

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

Projektpartner:

• Advizzo Ltd
• BEN Energy GmbH

Gesamtbudget des Projekts: 899¡¯680 € (F?rder- und Industriebeitrag), davon 175¡¯521 € f¨¹r die Universit?t Bamberg

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

Die aufkommende Verbreitung von intelligenten Stromz?hlern erzeugt gro?e 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 gew?hnlichen 15-min¨¹tigen Smart-Meter-Daten und weiteren externen Daten (geographisch, sozial-?konomisch, Wetter- und Statistikdaten etc.). Der Fokus der abzuleitenden Haushaltscharakteristika liegt auf Merkmalen mit Bezug zum Interesse an erneuerbaren Energien und gr¨¹nen Tarifen und auf der Eignung f¨¹r Eigenstromerzeugung, Speicherung und Selbstversorgung. Au?erdem werden wir atypische Verbr?uche identifizieren, Grundlast sch?tzen 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 europ?ischen 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 Universit?t Bamberg: Andreas Weigert, Dr. Konstantin Hopf

Laufzeit: 01.06.2017 ¡ª 31.03.2020

Gesamtbudget des Projekts: 802'378 € (F?rder- und Industriebeitrag)

Projektpartner:

• Centralschweizerische Kraftwerke (CKW) AG, CH
• BEN Energy AG, CH
• Lehrstuhl f¨¹r Energieeffiziente Systeme der Universit?t Bamberg, DE

Gef?rdert durch:

• ERA-Net Smart Grids Plus (SG+), EU
• Bundesministerium f¨¹r Wirtschaft und Energie (BMWi), DE
• Bundesamt f¨¹r Energie (BFE), CH

Energieversorgungsunternehmen haben eine gro?e Kundenbasis, aber ihr Wissen ¨¹ber die Kunden ist gering. Dieser Umstand behindert einerseits die Entwicklung von innovativen, zielgruppenspezifischen Produkten und Dienstleistungen und schm?lert andererseits die Gewinne der Versorger. Unsere Softwarel?sungen 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 (Wohnungsgr??e, Anzahl der Bewohner oder Ger?te, usw. ) oder die Bereitschaft von Kunden f¨¹r 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 Verf¨¹gung und l?sen dabei au?erdem weitere bedeutende unternehmensrelevente Probleme: Die Effektivit?t von Energieeffizienzkampagnen, die Steigerung des Kundenwertes und die Adoption damit verbundener Dienstleistungen.

Gef?rdert durch das Eurostars Programm der EU

Projektlaufzeit: 01.11.2015 - 30.10.2018

Projektmitarbeiter an der Universit?t Bamberg: Konstantin Hopf

Projektpartner:

• BEN Energy AG

Gesamtbudget des Projekts: 818¡¯840 € (F?rder- und Industriebeitrag)

Intelligente Stromz?hler erm?glichen 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 f¨¹r Energieberatungsleistungen und zur Optimierung der Vertriebsaktivit?ten. Aus den Ergebnissen soll bis 2016 eine Software entstanden und im Einsatz sein.

Gef?rdert durch die Kommission f¨¹r Technologie und Innovation, Schweiz

Projektmitarbeiter an der Universit?t Bamberg: Konstantin Hopf, Dr. Mariya Sodenkamp

Projektlaufzeit: 01.05.2014 - 30.04.2016

Projektpartner:

• Lehrstuhl f¨¹r Informationsmanagement, Departement Management, Technologie und ?konomie, ETH Z¨¹rich
• BEN Energy AG

F?rderbeitrag: CHF 442'560

Gef?rdert durch das Bundesamt f¨¹r Energie, Schweiz

Projektmitarbeiter an der Universit?t Bamberg: Konstantin Hopf, Ilya Kozlovskiy, Dr. Mariya Sodenkamp

Projektlaufzeit: 01.04.2014 - 31.01.2016

Projektpartner:

• Arbon Energie AG, Schweiz
• Lehrstuhl f¨¹r Informationsmanagement, Departement Management, Technologie und ?konomie, ETH Z¨¹rich
• Lehrstuhl f¨¹r Verteilte Systeme, Departement f¨¹r Informatik, ETH Z¨¹rich

F?rderbeitrag: CHF 353'450

Gef?rdert 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:

• Athena Research Center 
• Amphiro AG
• Fraunhofer ISI
• Waterwise
• EYDAP AS

 F?rderbeitrag: EUR 3'202'288

Kundenzufriedenheit und Vertrauen sind die Basis f¨¹r 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 erm?glichen. Die gewonnenen Informationen dienen Energieversorgern als Grundlage f¨¹r zielgerichtete Effizienzinterventionen und Vertrauen schaffender Dialog mit den Kunden durch die intelligente Verkn¨¹pfung von Kundendaten.

Gef?rdert durch RWE AG

Projektmitarbeiter an der Universit?t Bamberg: Ilya Kozlovskiy, Dr. Mariya Sodenkamp

Projektlaufzeit: 01.10.2013 - 01.12.2014

Projektpartner: BEN Energy AG

Das Projekt Sense4EN wird von der Europ?ischen Union im Rahmen der ClimateKIC-Initiave gef?rdert. Der Lehrstuhl f¨¹r Energieeffiziente Systeme erarbeitet und erprobt gemeinsam mit der ETH Z¨¹rich, der TU Berlin und Vattenfall Konzepte zur Reduktion des W?rmeenergieverbrauchs (insbesondere Warmwasser) mittels intelligenter Verbrauchsanzeigen.