Generische Nutzerverhaltensmodellierung im Kontext Gebäudeenergieeffizienz

• Antragsteller: Professor Dr.-Ing. Christoph van Treeck
• Fachliche Zuordnung: Konstruktiver Ingenieurbau, Bauinformatik und Baubetrieb
• Förderung: Förderung von 2019 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 418297274

Im Rahmen dieses Projekts soll eine Methode zur Modellierung des Nutzerverhaltens in Gebäuden hinsichtlich des Nutzenergieverbrauchs entwickelt werden. Aufgrund des hohen Einflusses des Nutzerverhaltens auf den Energieverbrauch eines Gebäudes, sowie basierend auf dem aktuellen Stand der Forschung, sollen die in diesem Projektantrag verwendeten Methoden zunächst für manuell bedienbare Fenster entwickelt werden. Die daraus gewonnenen Erkenntnisse sollen anschließend zur Modellierung weiterer energiebezogener Nutzeraktivitäten verwendet werden. Zur Modellierung werden Nutzeraktionen als diskrete Zeitreihen definiert. Der Fokus liegt hierbei insbesondere auf der Verallgemeinerung der Modelle um diese für eine große Anzahl unterschiedlicher Gebäudenutzern einsetzen zu können, wobei Modellzuverlässigkeit und Modellanpassbarkeit als Kernkomponenten betrachtet werden. Im Bereich der energetischen Gebäudesimulation sowie in Gebäudeautomationssystemen fehlen derzeit genau solche generischen und individualisierbaren Nutzverhaltensmodelle (NVM). Die Verlässlichkeit und Anpassbarkeit solcher NVM ist vor dem Hintergrund der Energiewende mit den Anforderungen an netzdienliche Gebäude und dezentrale Energiesysteme von hoher Bedeutung. Die verwendeten Modellierungsmethoden stammen aus dem Bereich des „Deep Learning“. Hierfür werden insbesondere „feed forward“ Netzwerkarchitekturen und „recurrent neural networks“ verwendet. In einem Arbeitspaket wird ein feed forward Netzwerk zur Vorhersage der Nutzeraktionen verwendet. Das neuronale Netz wird zur Prognose des Nutzerverhaltens verwendet und mittels physikalischer Messgrößen modelliert. Um die zeitliche Dimension des Nutzerverhaltens abbilden zu können, wird das neuronale Netz mit einem Graphenmodell kombiniert. Ein weiteres Arbeitspaket beinhaltet die Entwicklung eines „recurrent neural network“ zur Vorhersage von Nutzerverhalten. Dies beinhaltet Forschung in Bezug auf eine optimale Netzwerkarchitektur sowie hinsichtlich der Eignung von „gated structures“ und long short-term memory (LSTM) zur Modellierung von Handlungen, wobei die Nutzeraktionen aus den Zeitreihen der vorherigen Veränderungen in physikalischen Systemen und durchgeführten Handlungen resultieren.

• DFG-Verfahren: Sachbeihilfen