Wie Prognosen für Verbrauch und Erzeugung erstellt und genutzt werden

1Was ist eine Prognose

Eine Prognose ist eine Aussage über den zukünftigen Verlauf einer messbaren Größe. Sie wird aus beobachteten Werten der Vergangenheit und aus bekannten Einflussgrößen der Zukunft abgeleitet.

Vier Angaben kennzeichnen jede Prognose:

• Zielgröße, was vorhergesagt wird, an welcher Messstelle und in welcher Einheit
• Horizont, wie weit die Aussage in die Zukunft reicht
• Auflösung, in welchem Zeitraster die Werte vorliegen
• Güte, wie zuverlässig und treffsicher die Aussage ist

1.1Abgrenzung zu benachbarten Begriffen

Drei Begriffe können schnell mit Prognosen verwechselt werden:

Die Extrapolation schreibt einen bisherigen Verlauf fort. Sie kommt ohne Modell und ohne Einflussgrößen aus, indem der zuletzt gemessene Wert oder der Mittelwert der Vorwoche in die Zukunft verlängert wird. Bei Größen mit ausgeprägtem Witterungsbezug führt dieses Vorgehen systematisch in die Irre, weil gerade der dominierende Einflussfaktor unberücksichtigt bleibt.

Die Simulation beantwortet eine andere Frage. Sie untersucht, wie sich ein System unter angenommenen Randbedingungen verhalten würde und setzt diese Randbedingungen voraus, statt sie zu bestimmen.

Die Planung beschreibt nicht, was eintreten wird, sondern was eintreten soll. Sie verfolgt eine selbst gesetzte Zielgröße. Eine Prognose kennt keine solche Zielgröße, sie beschreibt einen Zustand, auf den der Betreiber keinen Einfluss hat.

1.2Was eine Prognose leisten muss

Für die Einsatzplanung thermischer und elektrischer Anlagen ist entscheidend, welche Aufgabe eine Prognose tatsächlich erfüllt. Sie besteht nicht darin, jeden einzelnen Wert exakt zu treffen, sondern darin, die Verteilung abzubilden: in welchem Zeitfenster ein hoher Bedarf zu erwarten ist und in welchem ein niedriger.

Ob eine Warmwasserspitze um 6:15 Uhr oder um 6:45 Uhr einsetzt und ob dabei fünf oder sechs Kilowattstunden abgerufen werden, ändert an der Entscheidung, den Speicher über Nacht auf Zieltemperatur zu bringen, nichts. Ob die Spitze überhaupt eintritt und in welchem Zeitraum sie liegt, kann die gesamte weitere Fahrweise beeinflussen. Maßgeblich ist damit die zeitliche Einordnung über einige Stunden und nicht die Genauigkeit einzelner Viertelstundenwerte.

Ebenso gehört zum Verständnis, dass keine Prognose eine Treffsicherheit von 100% erreicht. Ein Wert darunter ist deshalb nicht automatisch unzureichend, sondern der Regelfall. Entscheidend ist allein, ob die verbleibende Unsicherheit die daraus abgeleitete Entscheidung verändert.

2Wofür sektoreins Prognosen einsetzt

Eine automatisierte Einsatzplanung entsteht nicht aus Prognosen allein. Sie setzt sich aus drei Bausteinen zusammen, die aufeinander aufbauen und jeweils eine eigene Frage beantworten.

Aufwand und Komplexität nehmen von Stufe zu Stufe deutlich zu. Der vorliegende Beitrag behandelt die erste und zugleich einfachste. Innerhalb der Plattform erfüllen Prognosen dabei zwei Aufgaben:

2.1Baustein der Einsatzplanung

Prognosen beschreiben die Einflussgrößen, die auf die Einsatzplanung wirken und die sich nicht oder kaum aktiv beeinflussen lassen. Wie kalt es morgen wird, wann die Bewohner duschen und wie stark die Sonne scheint, kann nicht durch die Anlagensteuerung bestimmt werden. Diese Faktoren werden als passive Größen bezeichnet und definieren auf was sich die Anlage in den kommenden Stunden einstellen muss.

Eine Entscheidung treffen sie damit nicht, sie beschreiben die Situation in der entschieden wird. Welcher Erzeuger wann und mit welcher Leistung läuft, berechnet die Einsatzplanung mit Hilfe des digitalen Zwillings.

Ein Beispiel verdeutlicht das Zusammenspiel:

Für den Abend liefert die Prognose drei Aussagen: Der Wärmebedarf steigt ab 17 Uhr deutlich an, die PV-Anlage erzeugt noch bis etwa 16 Uhr einen Überschuss und der Stromverbrauch bleibt gering. Die Börsenstrompreise für denselben Zeitraum stehen bereits fest. Die Einsatzplanung prüft daraufhin mit Hilfe des digitalen Zwillings, wie lange der Pufferspeicher eine früh erzeugte Wärmemenge speichern kann und beim BHKW, welche Laufzeiten und Taktungen zulässig sind. Erst aus dem Zusammenspiel dieser Informationen entsteht der Fahrplan.

Der Unterschied zur klassischen Regelung liegt genau an dieser Stelle. Eine Hysterese auf die Speichertemperatur bewertet ausschließlich den gegenwärtigen Zustand. Sie kann nicht berücksichtigen ob der Bedarf in drei Stunden ansteigt oder einbricht und damit auch nicht beurteilen, ob ein Start zum jetzigen Zeitpunkt wirtschaftlich sinnvoll ist.

2.2Abweichungen erkennen

Ein Prognosemodell beschreibt das normale Verhalten einer Anlage unter gegebenen Bedingungen. Damit steht zu jedem Zeitpunkt ein Erwartungswert zur Verfügung, an dem sich der gemessene Betrieb prüfen lässt.

Weicht die Messung von der Prognose ab, kommen dafür zwei Ursachen in Betracht:

• Die Prognose ist unzureichend und liefert für diese Anlage oder in dieser Betriebssituation keine zuverlässigen Aussagen.
• Es liegt ein technischer Defekt vor, der die tatsächliche Leistung oder die Funktion der Anlage einschränkt.

Welche der beiden Ursachen wahrscheinlicher ist, lässt sich am bisherigen Verlauf der Prognosegüte ablesen. Hat das Modell über einen längeren Zeitraum gute bis sehr gute Treffsicherheit gegenüber der Messung erreicht und tritt die Abweichung dann abrupt auf, spricht das deutlich für einen technischen Defekt. In diesem Fall ist eine Meldung mit dem Hinweis auf eine Prüfung angebracht und berechtigt.

Eine Sommerwoche mit durchgehend wolkenlosen Tagen und stabilen Wetterbedingungen. Über mehrere Tage hinweg stimmen Prognose und gemessene Erzeugung der PV-Anlage weitgehend überein, die Abweichungen bleiben im üblichen Rahmen. Am folgenden Tag liegt die gemessene Erzeugung bei unveränderten Wetterbedingungen 40% unter der Prognose. Da sich weder das Wetter noch das Modell verändert hat, steigt die Wahrscheinlichkeit auf einen technischen Defekt. Es wird ein entsprechender Hinweis erzeugt.

Eine einzelne Abweichung stellt dabei noch keinen Defekt dar. Aussagekräftig wird erst die sprunghafte oder sporadisch starke Abweichung unter Bedingungen, die das Modell sonst zuverlässig abbildet. Ebenso kann die Ursache beim Modell selbst liegen: Beispielsweise könnte bei einer Prognose des Wärmebedarfs nach einer Fassadendämmung des Gebäudes ebenfalls eine starke Abweichung von der Prognose auftreten. In diesem Fall würde die Abweichung konstant auftreten, das Prognosemodell wäre veraltet und kein technischer Defekt schuld.

3Welche Prognosen erstellt werden und woraus

Prognostiziert werden drei Größen. Die Auswahl folgt einem klaren Kriterium: Es handelt sich um diejenigen Größen, die von außen auf die Anlage einwirken und nicht oder nur sehr gering beeinflusst werden können.

3.1Wärmeverbrauch

Der Wärmeverbrauch wird getrennt nach Raumheizung und Trinkwarmwasser prognostiziert, da sich beide Anteile grundlegend unterschiedlich verhalten und technisch unterschiedlich bereitgestellt werden können.

Die Raumheizung folgt zu großen Teilen der Witterung. Sie ist die am besten vorhersagbare Größe im Gebäude, weil ihr dominierender Einflussfaktor, die Außentemperatur, selbst bereits in den Wetterdaten vorhanden ist.
Wie schnell sie der Witterung folgt, ist allerdings vom Objekt und der jeweiligen Nutzungsform abhängig. Jede Gebäudeheizlast hat darin einen eigenen Charakter, bestimmt durch den Baukörper, seine Dämmeigenschaften und die Wärmespeicherfähigkeit der Bausubstanz. Ein massiver, gut gedämmter Bau mit Fußbodenheizung und dem entsprechenden Estrich als Speichermasse reagiert auf einen Temperatursturz mit deutlicher Verzögerung. Ein ungedämmter leichter Baukörper mit Radiatoren wesentlich zeitnaher. Diese Trägheit ist selbst ein Merkmal des Gebäudes, das aus den Messdaten hervorgeht und in die Prognose eingeht.

Das Trinkwarmwasser folgt dem Nutzungsverhalten. Es weist ausgeprägte Morgen- und Abendspitzen auf, unterscheidet sich deutlich zwischen Werktag und Wochenende und enthält eine Zufallskomponente, die sich modellhaft nicht auflösen lässt. Hinzu kommt ein weitgehend konstanter Sockel aus Zirkulations- und Verteilverlusten, der unabhängig von der Zapfmenge anfällt.

Eine gemeinsame Betrachtung beider Anteile würde die Signale gegenseitig verwischen. Der stabile Witterungsbezug der Heizung ginge im Rauschen des Warmwassers unter, während die Warmwasserspitzen im Winter von der höheren Heizlast überdeckt würden.

Die folgende Darstellung zeigt beide Anteile für einen Beispieltag. Aufgetragen ist die Temperaturspreizung zwischen Vor- und Rücklauf in Kelvin, weil dieser Messweg ohne zusätzlichen Wärmemengenzähler auskommt. Die Linie ist der Prognosewert, das Band das zugehörige Prognoseintervall.

Eine Sonderform stellt dabei die zentrale Wärmeversorgung von Objekten dar, wie beispielsweise bei einem Nahwärmenetz oder der Versorgung eines Schwimmbades oder Gewerbebetriebs der die Wärme für Produktionsprozesse benötigt. Hier findet keine Unterscheidung zwischen Raumheizung und Warmwasser statt. In diesen Fällen wird eine individuelle Prognose des Wärmeverbrauchs erstellt die sich bewusst weniger an den Wetterverhältnissen als an individuellen Vorgaben orientiert.

3.2Stromverbrauch

Prognostiziert wird der Stromverbrauch der relevanten elektrischen Verbrauchsstellen eines Objekts. Welche Verbrauchsstellen das sind, hängt von der Nutzungsform ab.

Wohnungswirtschaft. Hier ist es der Allgemeinstrom mit der üblichen Haustechnik: Beleuchtung in Fluren, Treppenhäusern und Tiefgaragen. Dazu kommen Verbraucher wie Umwälzpumpen, Lüftung, Regelungs- und Messtechnik sowie gegebenenfalls der Aufzug. Darüber hinaus lassen sich optional weitere Verbrauchsstellen einbeziehen, beispielsweise die Teilnehmer eines Mieterstrom- oder GGV-Modells. Das geschieht ausschließlich in Summe über mehrere Verbrauchsstellen und damit anonymisiert. Rückschlüsse auf einzelne Wohnungseinheiten sind weder zulässig noch technisch sinnvoll. Ziel ist eine Abschätzung, welche Strommengen für die allgemeine elektrische Versorgung des Objekts benötigt werden. Es geht also um den Strom für die Wohneinheiten und um die grundlegende Versorgung der Haustechnik (Allgemeinstrom).

Gewerbe und Industrie. Relevant ist der Stromverbrauch, der für den laufenden Betrieb des Standorts anfällt, beispielsweise die Versorgung von Büros, Produktionshallen, Maschinen, Werkstätten und Lagerflächen.

Heizwerke und Versorgungsanlagen. In einem Heizwerk zur Wärmeversorgung sind es die elektrischen Aggregate und Pumpen der Anlage selbst oder auch ein direkt angeschlossenes Objekt zur Versorgung mit Strom und Wärme (z.B. Quartiere, Wohngebäude, Schulen oder Schwimmbäder).

Warum steuerbare Anlagen hier ausgeschlossen sind

Nicht einbezogen werden die steuerbaren Erzeuger und Verbraucher der Energieversorgung. Dazu zählen BHKW, Wärmepumpe, Heizstab, der Batteriespeicher und je nach Objekt, Kälteerzeugung und Klimaanlagen.
Dahinter steht keine Frage der Zählpunktabgrenzung, sondern eine grundsätzliche Unterscheidung: Diese Anlagen können aktiv gesteuert werden. Ihr Stromverbrauch ist keine äußere Größe, die auf das System passiv einwirkt, sondern das Ergebnis einer Entscheidung, die eine Regelung trifft. Was gesteuert wird, wird nicht prognostiziert sondern geplant, auch wenn ein einzelnes Gerät z.B. nicht aktiv durch sektoreins gesteuert werden soll. Das Verhalten dieser Anlagen kann von einem digitalen Zwilling vorhergesagt werden.

Würde man sie dennoch prognostizieren, entstünde ein Zirkelschluss: Das Modell sagte einen Verbrauch vorher, den die Einsatzplanung im selben Arbeitsschritt erst festlegt.

Wo die Grenze beweglich ist

Ob eine Anlage als steuerbar gilt, ist nicht von Anfang an eindeutig. Ladeinfrastruktur ist das typische Beispiel. Sie zählt nur dann zu den steuerbaren Verbrauchern, wenn ein Eingriff in ihren Betrieb technisch sinnvoll und vom Betreiber gewünscht ist. Wo keine Steuerung vorgesehen ist, verhält sich eine Ladesäule wie jeder andere Verbraucher am Standort und gehört damit zur prognostizierten Größe des allgemeinen Stromverbrauchs. Die Frage, ob ein Gerät aktiv gesteuert werden soll, liegt bei den verantwortlichen Betreibern oder Planern.

3.3PV-Ertrag

Prognostiziert wird die Gleichstromleistung des Wechselrichters, also diejenige Leistung, die aus den PV-Modulen erzeugt wird. Grundlage sind die Wetterdaten und das gelernte Verhalten des konkreten Generators, also nicht ein theoretischer Wert aus dem Datenblatt, sondern der Ertrag den diese Anlage an diesem Standort unter diesen Bedingungen tatsächlich liefert.
Dass für die Photovoltaik eine Prognose und nicht ein digitaler Zwilling zum Einsatz kommt, hat einen einfachen Grund: PV-Anlagen werden in den allermeisten Fällen nicht aktiv geregelt. Die Anlage ist ein passives Element. Die von den Modulen gelieferte DC-Leistung wird direkt in AC-Leistung gewandelt. Es gibt damit kein steuerbares Betriebsverhalten zu modellieren, sondern lediglich ein Dargebot vorherzusagen. Sollte der Wechselrichter dennoch einen Steuereingriff, z.B. einen Dimmbefehl erhalten, so wird dieses Verhalten im nachgelagerten Schritt durch den digitalen Zwilling erfasst.

Mit dem gelernten Verhalten werden zugleich die individuellen Eigenschaften der Anlage und Modulfelder erfasst, ohne dass sie einzeln hinterlegt werden müssten. Dazu gehören die tatsächliche Ausrichtung und Dachneigung, der Schattenwurf durch Bäume oder benachbarte Dächer sowie Leitungsverluste, die sich aus der Länge der Verkabelung ergeben.
Ein Teil dieser Effekte ist nicht konstant. Verschattungen wechseln mit dem Sonnenstand im Jahresverlauf, weil derselbe Baum im April einen anderen Bereich der Modulfläche trifft als im Juni. Welche Folgen das für die benötigte Datenhistorie hat, beschreibt der Abschnitt zur Prognosegüte.

Die folgende Darstellung zeigt einen Tag mit durchziehender Bewölkung. Der prognostizierte Verlauf ist entsprechend unruhig und das Prognoseintervall breit. An einem wolkenlosen Tag fiele beides deutlich ruhiger und enger aus.

3.4Das Zusammenspiel von Erzeugung und Verbrauch

Erst gemeinsam ergeben Stromverbrauchs- und PV-Prognose die eigentlich interessante Aussage. Aus der Differenz beider Verläufe lässt sich abschätzen, wann im Tagesverlauf PV-Überschüsse entstehen, wie lange sie anhalten und welche Größenordnung sie erreichen.

Diese Aussage ist der Übergabepunkt zur nächsten Stufe. Ob und wie sich ein Überschuss verwerten lässt, ob ein Batteriespeicher ihn aufnehmen kann, ob eine Wärmepumpe ihn sinnvoll in Wärme umsetzt oder ob eine Ladesäule ihn abruft, beantwortet nicht mehr die Prognose, sondern der digitale Zwilling der Anlage. Die Prognose sagt beispielsweise, dass zwischen 11 und 15 Uhr ein Überschuss von rund 20 kW zu erwarten ist. Welcher Batterieladestand daraus folgen kann, lässt sich durch den Zwilling der Anlage abschätzen.

3.5Zeitliche Auflösung

Alle Prognosen liegen im 15-Minuten-Raster vor. Es entspricht dem Raster, in dem die Energiewirtschaft bilanziert und in dem Lastgänge gemessen werden. Eine gröbere Auflösung würde ausgeprägte Spitzen verschlucken, die Verfeinerung des Zeitintervalls kann für weiterführende Optimierungen sinnvoll sein, wird aber nur in Sonderfällen ausgeführt.

Mehr Effizienz durch intelligente Datenverarbeitung

Vertrauen ist gut, Messwerte sind besser

Datenprodukte von sektoreins: kontinuierliche Optimierung für maximal effizienten Energieeinsatz.

Mehr Intelligenz Use Case ansehen

4Woher die Eingangsdaten stammen

Grundlage jeder Prognose sind die Messwerte der Anlage selbst. Durch das Monitoring des jeweiligen Gerätetyps liegen sie bereits vor, eine gesonderte Datenerhebung ist nicht erforderlich.

4.1Wärmemenge oder Spreizung

Bei den Wärmeverbräuchen ist zunächst unerheblich, in welcher Form der Verbrauch erfasst wird. Liegt ein Wärmemengenzähler im Kreis, steht die Wärmemenge in Kilowattstunden unmittelbar zur Verfügung. Fehlt er, genügt die Temperaturspreizung zwischen Vorlauf und Rücklauf in Kelvin, abzüglich einer geringen Toleranz für Wärmeverluste und Messungenauigkeiten. Beide Formen sind zulässig und führen zu einem verwertbaren Modell, denn maßgeblich ist nicht die absolut erfasste Wärmemenge, sondern der Verlauf der Anforderung: wann ein Kreis Leistung abruft, wie stark und wie lange.
Praktisch ist das von einiger Bedeutung, denn in Bestandsanlagen ist ein eigener Wärmemengenzähler je Kreis eher die Ausnahme als die Regel. Eine Prognose scheitert also nicht daran, dass die vorhandene Messtechnik unvollständig ist.

4.2elektrische Leistung und Energie

Die Prognosen werden als Leistung in Kilowatt ausgegeben. Da sie im 15-Minuten-Raster vorliegen, ergibt sich daraus unmittelbar die Energiemenge der jeweiligen Viertelstunde in Kilowattstunden. Sehr kurze und starke Spitzen in diesem Lastgang werden so automatisch geglättet und führen nicht zu einer Verfälschung der gesamten Prognose.

4.3Zeit und Wetter

Die Messdaten aus der Anlage werden mit Zeitinformationen und Wetterdaten gekoppelt, also mit Uhrzeit, Wochentag und Feiertagen sowie der Wettervorhersage.

4.4Der Strompreis als bekannte Größe

sektoreins erstellt keine Strompreisprognosen. Die Day-Ahead-Auktion an der Strombörse schließt mittags, kurz darauf stehen die Viertelstundenpreise für den gesamten Folgetag fest. Innerhalb dieses Horizonts ist der Preis eine bekannte Größe. Der Optimierungshorizont richtet sich entsprechend nach dem von der Börse veröffentlichten Zeitraum, darüber hinaus findet keine Extrapolation statt.

5Wie gut die Prognosen sind

Die Prognosen von sektoreins erreichen, je nach Größe, ein Bestimmtheitsmaß (R²) zwischen 60 und 95%. Gemessen wird die Treffgenauigkeit mit dem Bestimmtheitsmaß R², das angibt, welchen Anteil der tatsächlichen Schwankung ein Modell erklärt. In der Praxis haben sich für die vier Prognosegrößen die folgenden Spannen gezeigt.

Die Spannweite beim Bestimmtheitsmaß resultiert aus Erfahrungswerten. Ein Objekt mit vielen Wohneinheiten und gleichmäßiger Belegung ist besser prognostizierbar als ein kleines Gebäude in dem einzelne Nutzer das Gesamtbild prägen. Große PV-Anlagen ohne Verschattung lassen sich leichter prognostizieren als kleine Anlagen mit unterschiedlicher Ausrichtung und Schattenwurf der benachbarten Gebäude.

5.1Was diese Zahlen bedeuten

Das Bestimmtheitsmaß ist nicht mit einer Trefferquote zu verwechseln: Ein Wert von 85% besagt nicht, dass 85 von 100 Werten richtig sind, sondern dass das Modell 85% der Schwankung erklärt, die die Größe im Tages- und Wochenverlauf tatsächlich aufweist.
Entscheidend ist nicht, ob ein einzelner Viertelstundenwert exakt getroffen wird, sondern ob der Tagesverlauf in seiner Form stimmt und die zeitliche Charakteristik des individuellen Lastgangs nachbilden kann. Ein hohes Bestimmtheitsmaß garantiert keinen exakten Einzelwert, ein niedrigeres macht eine Prognose nicht sofort unbrauchbar solange die zeitliche Einordnung belastbar bleibt.

5.2Vom Einzelwert zum Prognoseband

Eine Prognose gibt nicht nur einen Wert je Viertelstunde aus, sondern zusätzlich ein Band, in dem der tatsächliche Wert mit einer angegebenen Wahrscheinlichkeit liegt. Fachlich handelt es sich um ein Prognoseintervall: Es umschließt einen künftigen Messwert und nicht wie ein Konfidenzintervall, einen geschätzten Kennwert.
Angegeben wird es als 80%-Intervall mit genau einer unteren und einer oberen Grenze. In vier von fünf Fällen ist zu erwarten, dass der später gemessene Wert dazwischen liegt.
Die Breite dieses Bandes ist nicht konstant. Sie ergibt sich aus der beobachteten Streuung vergleichbarer Situationen in der Vergangenheit. Das Band wird schmaler wo sich eine Größe zuverlässig verhält und dort breiter wo Abweichungen wahrscheinlicher werden.

Bei der PV-Prognose lässt sich das unmittelbar nachvollziehen: An einem Tag mit stabiler, gleichbleibender Wetterlage bleibt das Band eng. Der Verlauf der elektrischen Leistung folgt dem Sonnenstand, größere Abweichungen sind nicht zu erwarten. Anders bei einem Mix aus Sonne und Wolken mit viel Wind: Die Bewölkung zieht ständig durch, die Anlage wechselt fortlaufend zwischen voller Einstrahlung und Verschattung. Die erzeugte Energiemenge des Tages lässt sich weiterhin gut abschätzen, der einzelne Viertelstundenwert dagegen deutlich schlechter. Genau das zeigt ein breites Band an.

Für die Einsatzplanung ist diese Angabe mindestens so wertvoll wie der Prognosewert selbst. Ein breites Band spricht für eine sichere konservative Entscheidung mit Reserve, etwa einen etwas höher geladenen Wärmespeicher für eine kalte Nacht. Ein schmales Band erlaubt es, enger zu planen und die Reserve zugunsten der Wirtschaftlichkeit zu verkleinern. Eine Prognose ohne Angabe ihrer Unsicherheit zwingt dagegen dazu, dauerhaft mit derselben pauschalen Reserve zu arbeiten.

5.3Warum lange Zeiträume den Unterschied machen

Der wirksamste Hebel für die Prognosegüte ist die Länge der Aufzeichnung die mit der Anzahl an Trainingsdaten für die Prognose einhergeht. Das liegt nicht allein daran, dass eine größere Datenmenge statistisch stabilere Ergebnisse liefert, sondern dass bestimmte Muster erst über einen vollständigen Jahresgang sichtbar werden.
Am deutlichsten zeigt sich das in der Photovoltaik. Ein Baum am Rand der Anlage wirft im April bei niedrigerem Sonnenstand einen anderen Schatten als im Juni und trifft dabei andere Modulreihen. Im Herbst steht die Sonne erneut tiefer, doch der Baum hat sein Laub verloren und lässt deutlich mehr Licht durch. Drei Effekte überlagern sich also: der Sonnenstand im Jahresverlauf, die Belaubung und ihr Zusammenwirken. Keiner davon lässt sich sinnvoll von Hand parametrieren, erkennbar werden sie erst wenn ein vollständiger Jahresgang aufgezeichnet vorliegt.

Auf der Verbrauchsseite verhält es sich entsprechend. Ein Modell, dem nur Daten aus dem Januar vorliegen kennt keine Übergangszeit. Es hat nie beobachtet, wie sich das Gebäude verhält, wenn die Heizung morgens läuft und mittags nicht mehr. Ebenso wenig kennt es den Sommerbetrieb, in dem ausschließlich Trinkwarmwasser anfällt.
Für die Praxis bedeutet das: Etwa drei bis vier Wochen Aufzeichnung genügen für erste belastbare Prognoseergebnisse, das Modell ist also früh verwertbar. Es verbessert sich anschließend über das erste Betriebsjahr fortlaufend weiter.

6Wie die Prognosen automatisch entstehen

Prognosen können bei sektoreins ohne aktives Zutun des Nutzers erstellt werden. Es gibt keinen zusätzlichen Arbeitsschritt, in dem jemand ein Modell auswählt, Parameter einträgt oder eine Berechnung anstößt. Möglich wird das durch Datenpipelines, die die benötigten Werte direkt aus der Datenbank beziehen, aufbereiten und weiterverarbeiten.

Der Ablauf ist für jede Prognose vergleichbar:

1. 1

   Messwerte erfassen

   Das Monitoring speichert die Werte der angebundenen Geräte fortlaufend. Eine gesonderte Datenerhebung für die Prognose findet nicht statt.

2. 2

   Daten aufbereiten

   Die Zeitreihen werden auf das 15-Minuten-Raster gebracht, Einheiten vereinheitlicht sowie Lücken und offensichtlich fehlerhafte Werte behandelt.

3. 3

   Merkmale bilden

   Die aufbereiteten Messwerte werden mit Zeitinformationen und Wetterdaten zusammengeführt.

4. 4

   Modell trainieren

   Für jede Anlage entsteht ein eigenes Modell aus ihren eigenen Daten, automatisch und ohne Nutzerinteraktion.

5. 5

   Prognose berechnen

   Das Modell erzeugt den Verlauf für den kommenden Zeitraum im 15-Minuten-Raster.

6. 6

   Güte prüfen

   Sobald die Ist-Werte vorliegen, wird die Prognose gegen die Messung gestellt. Daraus ergibt sich die laufende Gütebewertung.

Der letzte Schritt schließt den Kreis. Die Gütebewertung ist nicht nur eine Kennzahl für den Nutzer, sondern zugleich das Signal dafür wann ein Modell aufgefrischt werden muss. Verändert sich ein Gebäude oder eine Einstellung wie es mit Wärme versorgt wird, verschlechtert sich die Güte und das Modell wird auf der erweiterten Datenbasis neu gebildet. Daraus ergibt sich der Unterschied zu einer einmalig eingerichteten Lösung. Eine Anlage, die heute angebunden wird liefert nach wenigen Wochen erste Prognosen und wird über die folgenden Monate genauer, ohne dass jemand nachjustiert. Eine zweite Anlage durchläuft denselben Ablauf mit ihren eigenen Daten und erhält ihr eigenes Modell.
Welche Verfahren im Einzelnen zum Einsatz kommen und welche Merkmale die Modelle verwenden, ist das Ergebnis eigener Entwicklungsarbeit und vieler Nachtschichten.

Sichtbar wird das Ergebnis in der Webapp. Die Prognosen stehen dort unmittelbar neben den zugehörigen Messwerten und lassen sich im Chart gemeinsam mit dem tatsächlich gemessenen Verlauf anzeigen.