1        Was sind Reduxi KI-Strategien

Reduxi KI-Strategien sind eine Reihe intelligenter, selbstlernender Steuerungsalgorithmen, die im Reduxi EMS (Energy Management System) integriert sind. Sie prognostizieren, optimieren und steuern autonom Energieflüsse über verbundene Anlagen wie Batterien, PV, EV-Ladegeräte und Wärmepumpen.

Das Hauptziel ist die Gewinnoptimierung.

1.1     Kern-Definitionen

• Prognose stellt eine Vorhersage zukünftiger Energieflüsse dar, einschließlich Last, PV-Produktion, EV-Nutzung und Netzkopplung. Es wird aus historischen Messungen und externen Eingaben wie Wetterbedingungen, Tageszeit und Nutzungsmustern abgeleitet.
• Ziel ist es, zu optimieren, wann Energie verbraucht, gespeichert oder exportiert werden soll. Dies beinhaltet zum Beispiel das Laden des Akkus während Phasen mit niedrigen Preisen oder hoher PV-Produktion und das Entladen während Phasen mit hohen Preisen. Strommarktpreise (SPOT, ToU) sind eine wichtige Eingabe für diesen Prozess.
• Die Optimierung läuft in rollierenden 15-Minuten-Intervallen und aktualisiert kontinuierlich Entscheidungen basierend auf dem neuesten Systemzustand und den Prognosen.
• Die KI-Strategie steuert indirekt, indem sie Sollwerte an den Controller sendet, der alle eingebundenen Geräte in Echtzeit verwaltet.
• Das System lernt kontinuierlich aus neuen Daten und aktualisiert seine Modelle und sein Optimierungsverhalten entsprechend.

2        Erstkonfiguration von KI-Strategien

2.1     Hinzufügen einer KI-Strategie

Die KI-Strategie oder der Optimierungsmodus wird im Energiemanager hinzugefügt, indem auf das „+“-Symbol geklickt und „KI-Energiemanager“ ausgewählt wird.

Konfigurieren Sie die Strategieparameter entsprechend und speichern Sie. Weitere Informationen zu den Konfigurationen finden Sie später in den gerätespezifischen Abschnitten.

2.2     Checkliste für KI-Strategie-Bedingungen

Um eine KI-Strategie zu aktivieren, müssen die folgenden Bedingungen erfüllt sein:

• Eine Strategie muss mit einem KI-Optimierungsmodus eingestellt sein, und es kann jeweils nur eine KI-Strategie aktiv sein.
• Eine Preisliste muss konfiguriert sein.
• Der Geolocation-Standort muss festgelegt sein.
• Region, Land, Zeitzone und Währung müssen definiert sein.
• Der Controller muss online und mit der Reduxi-Cloud verbunden sein.
• Die Geräte müssen relevante Parameter konfiguriert haben, z. B. SOC des Akkus, Kapazität und Leistungsgrenzen.
• Der Standort muss mindestens zwei Wochen historische Daten (PV, Last, Netz usw.) aufweisen, damit zuverlässige Prognosen erstellt werden können. Siehe unten für das Verhalten ohne ausreichende Historie.
• Eine gültige KI-Lizenz muss aktiv sein.
• Nachdem alle Parameter eingestellt sind, warten Sie mindestens 15 Minuten, bis die KI-Strategie in der Cloud-App angezeigt wird und die Geräte zu steuern beginnt.
• Eine erfolgreich konfigurierte KI-Strategie erkennen Sie an der Prognose, die rechts neben der Zeile „Prognose“ angezeigt wird. Ein Beispiel ist unten gezeigt.

2.3     Erweiterte Hinweise und Optionen

• KI-Optimierung kann parallel zu Standard- und Zeitplanmodi ausgeführt werden. Dies ermöglicht es dem System, je nach Ihren Einstellungen zu verschiedenen Tageszeiten unterschiedlich zu agieren. Ein typisches Beispiel ist die Verwendung unterschiedlicher Einstellungen oder Grenzwerte während des Tages und der Nacht.

• Negative Preisoptimierung muss nicht separat konfiguriert werden. Sie wird bereits im KI-Optimierungsmodus behandelt, wenn die PV entsprechend konfiguriert ist.
• Netzgrenzwerte müssen festgelegt werden, damit das System das gewünschte Ziel erreichen kann. Wenn beispielsweise die Netzgrenze auf 10 kW festgelegt ist, der normale Verbrauch jedoch 100 kW beträgt, kann das Optimierungsziel nicht erreicht werden und der Benutzer muss die Begrenzung entsprechend definieren.
• Wenn die KI-Optimierung aufgrund restriktiver Netzgrenzwerte nicht erreicht werden kann, greift das System automatisch auf den konfigurierten Standard-Optimierungsmodus (z. B. Eigenverbrauch) zurück, wie in der Benutzeroberfläche definiert.
• Verhalten bei eingeschränkten historischen Daten (ca. erste 2 Wochen)
  • Wenn nicht genügend Daten für die Prognose vorhanden sind, sind keine PV-, Last- oder Netzprognosen verfügbar.
  • In diesem Fall und wenn sowohl Import als auch Export erlaubt sind, führt die KI eine Energiearbitrage durch.
  • Wenn entweder Import oder Export eingeschränkt ist, wechselt die KI in den Eigenverbrauchsmodus.
  • Sobald genügend historische Daten verfügbar sind, schaltet das System automatisch in den regulären KI-Modus.
• Reduxi kann Geräte nur insoweit steuern, als sie Steuersignale korrekt befolgen. Wenn ein Gerät nicht wie erwartet reagiert, sollte sein Verhalten mithilfe manueller Steuerungsmodi überprüft werden. Einige PV-Kraftwerke können beispielsweise nicht gedrosselt werden, einige Akkus folgen nicht dem angeforderten Sollwert und in Hybrid-Wechselrichtersystemen sind PV- und Akku-Steuerung oft gekoppelt. Reduxi passt sich an diese Einschränkungen an, aber die Begrenzungen bleiben dennoch bestehen.
• Reduxi KI-Strategien koordinieren alle eingebundenen Geräte auf ein gemeinsames Optimierungsziel hin. Benutzer können definieren, welche Gerätekategorien einbezogen werden, z. B. Batteriespeicher, und welche ausgeschlossen werden, z. B. HLK-Systeme. Wir empfehlen, alle Kategorien einzubeziehen, da dies den höchsten Wert bringt, wenn alles auf ein gemeinsames Ziel hinarbeitet.
• Einbezogene Geräte werden von der KI aktiv verwaltet und nehmen an der Optimierung teil. Ausgeschlossene Geräte arbeiten unabhängig unter ihrer eigenen Steuerungslogik und werden von der Strategie nicht beeinflusst.

2.4     Aktualisierungsraten:

• Die KI-Strategie wird alle 15 Minuten neu berechnet. Im selben Intervall wird die aktualisierte Strategie auf den Controller ausgerollt, wobei der neueste Systemzustand, Wetterdaten und Eingaben verwendet werden.
• Sobald die Strategie auf den Controller ausgerollt ist, wird sie lokal in Echtzeit ausgeführt und reagiert sofort auf Messungen und Netzbedingungen.
• Wenn eine Strategie neu konfiguriert wird, dauert die Aktivierung und die anfängliche Prognoseberechnung bis zu 15 Minuten, bis sie aktiv wird.

3        Energieverbrauchs- und Produktionsprognose

Eine genaue Prognose des Energieverbrauchs und der Energieproduktion ist für eine effektive KI-Strategieleistung unerlässlich.

Unter Verwendung von Geolocation-Daten, historischem Verhalten und Wetterdaten (hauptsächlich Sonneneinstrahlung und Temperatur) prognostiziert das Reduxi-Prognosemodell zukünftige Energieflüsse für den nächsten Tag und darüber hinaus.

Die Prognose wird in 15-Minuten-Intervallen bereitgestellt und kann vom Benutzer im Leistungsdiagramm in der 15-Minuten-Ansicht eingesehen werden.

3.1     Ertragsprognose von Photovoltaik (Solar-)Kraftwerken

Die Erzeugung von PV-Strom hängt vom historischen Verhalten, der Tages- und Jahreszeit sowie den Wetterdaten, hauptsächlich Einstrahlung und Temperatur, ab.

Um die Konfiguration zu vereinfachen, benötigt Reduxi keine Informationen über die installierte Leistung, die Fläche oder die Ausrichtung des PV-Kraftwerks. Diese Eigenschaften werden automatisch aus der historischen PV-Produktion abgeleitet.

Für eine genaue Prognose sind mindestens 14 Tage historische Daten erforderlich.

3.2     Verbrauchsprognose (Last)

Die Verbrauchsprognose nutzt ähnlich historische Daten und Wetterdaten.

Zusätzlich berücksichtigt das Modell Nutzungsmuster wie die Tageszeit, z. B. geringerer Verbrauch nachts, und den Wochentag, z. B. Unterschiede zwischen Wochentagen und Wochenenden.

Die Verbrauchsprognose ist der komplexeste Teil, da sie weniger vorhersagbares Verhalten in kurzen Zeiträumen berücksichtigen muss, z. B. das Starten großer Maschinen in Industrieumgebungen oder das Starten des Ladevorgangs eines Elektrofahrzeugs.

Derzeit werden alle Lasten zusammen prognostiziert, einschließlich des Ladevorgangs von Elektrofahrzeugen und der HLK. Dies wird in zukünftigen Versionen weiter verbessert.

4        Akku-Leistungsprognose

Die Akku-Leistung ist der Teil des Systems, der aktiv gesteuert werden kann.

Ihre Prognose leitet sich aus Optimierungszielen wie Peak Shaving und Kostenoptimierung ab. Weitere Details finden Sie in den folgenden Abschnitten.

4.1     Netz-Basisprognose

Die netzseitige Prognose des Verbrauchs und der Erzeugung ist für eine effektive Systemsteuerung unerlässlich. Sie definiert den erwarteten Energieaustausch mit dem Netz, und alle KI-Optimierungen bauen darauf auf.

Die Netzprognose ist wichtig, weil:

• Abweichungen von der erwarteten Basislinie können zu Kosten führen.
• Verbrauch und Erzeugung müssen innerhalb der Netzgrenzen bleiben, z. B. Ein- und Ausfuhrgrenzen oder Sicherungsgrenzen.

Die Basislinienprognose ermöglicht es der KI:

• den Netzbezug zu reduzieren und stattdessen den Akku zu nutzen.
• den Verbrauch zu verschieben, um Spitzen zu bewältigen und Grenzwerte nicht zu überschreiten.

Für Dienste wie Flexibilität oder Ausgleich dient die Basislinienprognose auch als Referenzpunkt, weil:

• Sie ermöglicht Flexibilitätsdienste als Abweichung von der Basislinie.
• Sie bestimmt potenzielle Strafen oder Belohnungen.

5        Beschreibung der KI-Strategien nach Kategorie

Wie erwähnt, können KI-Strategien alle Gerätekategorien steuern, um ein gemeinsames Ziel zu erreichen. Die folgenden Abschnitte beschreiben die Funktionalität jeder Kategorie detaillierter.

5.1     KI-Strategie für Akku (BESS)

Batterieenergiespeichersysteme (BESS) werden verwendet, um Einsparungen und Einnahmen durch die folgenden Modi zu maximieren:

• Energiearbitrage
  Die Batterie wird bei niedrigen Energiepreisen geladen und die gespeicherte Energie bei höheren Preisen genutzt oder verkauft.
• Aufladen aus dem Netz, Entladen in die Last
  Wenn das Entladen ins Netz nicht erlaubt ist, wird der Akku zum Ausgleich des Verbrauchs entladen. In diesem Fall wird der Akku während der Niedrigpreisintervalle aus dem Netz geladen und später bei höheren Preisen verwendet. Dies verschiebt den Verbrauch und reduziert die Kosten.
• Aufladen aus PV, Entladen ins Netz
  Wenn das Aufladen aus dem Netz nicht erlaubt ist, wird der Akku aus PV geladen und die Energie kann später zu höheren Preisen verkauft werden. Dies erhöht den Wert der Solarproduktion im Vergleich zur direkten Einspeisung.

In allen drei Modi berechnet das Reduxi BESS KI-Modul die optimalen Zeitfenster für das Laden und Entladen. Dabei berücksichtigt es:

• Energie-Einkaufspreis, einschließlich aller angegebenen Gebühren, Netzentgelte und anderer Komponenten. (Hinweis: Der Preis muss im Voraus in der Cloud-App festgelegt werden.)
• Energie-Verkaufspreis, einschließlich aller angegebenen Gebühren, Netzentgelte und anderer Komponenten.
• PV-Produktions-, Verbrauchs- und Netzprognose.
• Netz- und Akku-Leistungsgrenzen.
• Akku-Lade- und Entladungsverluste sowie Akku-Degradationskosten.

Einige Beispiele:

• Der Energiepreis ist um 12:00 Uhr niedrig und um 20:00 Uhr hoch. Der Akku lädt gegen 12:00 Uhr und entlädt sich gegen 20:00 Uhr.
• Es berücksichtigt Netz- und Akku-Leistungsgrenzen. Das heißt, wenn die Netzgrenze niedrig ist und die erforderliche Ladeenergie nicht in kürzerer Zeit erreicht werden kann, wird die Ladezeit verlängert, z. B. von 11:00 bis 15:00 Uhr.
• Es berücksichtigt die PV-Produktionsprognose und lädt den Akku aus der PV-Produktion statt aus dem Netz oder aus einer Kombination aus beidem.
• Wenn die Preisdifferenz zu gering ist, um die Lade- und Entladungsverluste sowie die Akku-Degradationskosten zu decken, führt der Akku den Lade-/Entladezyklus nicht durch.

5.1.1    BESS KI-Konfiguration

Die Abbildung zeigt einen Screenshot der KI-BESS-Konfiguration.

• Arbitrage- oder netzbeschränkter Modus.

Der Betriebsmodus wird durch Netz-Lade- und Entladebeschränkungen bestimmt. Mithilfe der UI-Schalter kann das System für reine Arbitrage oder für eine Optimierung konfiguriert werden, die Netz-Ein- und Ausfuhrbeschränkungen berücksichtigt.

• Mindesteinsparungen/-einnahmen pro kWh.

Um die Akku-Degradation zu berücksichtigen, kann der Benutzer die minimalen Einsparungen oder Einnahmen definieren, die ein Zyklus erzielen muss. Wenn der erwartete Wert unter diesem Schwellenwert liegt, wird der Akku nicht verwendet. Dies schützt die Lebensdauer des Akkus. Ein typischer empfohlener Wert ist 0,02 EUR/kWh, der mit folgender Berechnung geschätzt wurde:

Kosten des Akkus / Gesamtenergie über die Akku-Lebensdauer = 50.000 EUR / (10.000 Zyklen × 250 kWh) = 0,02 EUR/kWh.

• Kapazität zur Deckung des Ladebedarfs reserviert.

Da die Prognose nie perfekt sein kann, kann ein Prozentsatz der Akkukapazität zur Deckung des lokalen Verbrauchs reserviert werden, um die Netzgrenzen nicht zu überschreiten.

• Kapazität für Überschuss-(PV)-Produktion reserviert.

Ebenso kann ein Prozentsatz der Akkukapazität für die PV-Überschussproduktion reserviert werden, falls die PV mehr produziert als geplant.

• Der Optimierer berücksichtigt auch Energieverluste beim Laden und Entladen. Der Energieverlust des gesamten Lade- und Entladezyklus wird auf 8 % geschätzt.

5.2     KI-Strategie für PV

Die PV-KI-Strategie funktioniert am besten in Kombination mit einem Akku. In diesem Fall kann die PV-Produktion im Akku gespeichert und später in Zeiten hoher Energiepreise wiederverwendet werden.

Wenn der Akku nicht beteiligt ist, maximiert die PV-KI-Strategie dennoch den Gewinn. Das bedeutet:

• Wenn der Energiepreis positiv ist, deckt die PV-Produktion den Verbrauch, und jeder Überschuss kann bis zur Exportgrenze ins Netz exportiert werden.
• Wenn der Verkaufspreis für Energie negativ ist, aber der Kaufpreis positiv ist, arbeitet das System als Eigenverbrauch ohne Nettoexport. In diesem Zustand deckt die PV-Produktion den Verbrauch, exportiert aber nicht ins Netz.
• Wenn sowohl der Kauf- als auch der Verkaufspreis für Energie negativ sind, wird der Modus auf „Maximalverbrauch“ gesetzt. Das bedeutet, die PV-Produktion wird gestoppt, da sie sonst zu Verlusten führen würde.

5.3     KI-Strategie für EV-Ladung (EVSE)

ZU DEFINIEREN

5.4     KI-Strategie für Wärmepumpensteuerung (HVAC)

Die HLK-KI-Strategie wurde entwickelt, um Energiekosten zu senken, ohne den Komfort zu beeinträchtigen. Gebäude haben eine hohe thermische Trägheit, was bedeutet, dass Heizen und Kühlen zeitlich verschoben werden können, mit nur geringen Auswirkungen auf die Innenraumbedingungen.

Bei der Steuerung von Wärmepumpen nutzt Reduxi die unterstützten Betriebsmodi des Geräts, wie AUS, ECO, NORMAL und BOOST. Dieser Ansatz stellt sicher, dass die Wärmepumpe innerhalb ihrer konzipierten Steuerungslogik arbeitet, die optimale Effizienz beibehält und den Wechselrichter schützt. Dadurch bleibt der Betrieb sicher und beeinträchtigt die Lebensdauer der Ausrüstung nicht negativ.

Die Einsparungen bei der Wärmepumpe werden auf zwei Hauptarten erzielt:

a. Preisbasierte Optimierung
Die Energiepreise variieren im Laufe des Tages. Reduxi nutzt dies aus, indem es den Betrieb der Wärmepumpe erhöht, wenn die Preise niedrig sind, und ihn reduziert, wenn die Preise hoch sind.

Beispielsweise ist Strom zwischen 17:00 und 20:00 Uhr teurer; das System kann das Gebäude leicht vor dieser Zeit vorheizen. Während der teuren Stunden reduziert es den Verbrauch und hält gleichzeitig den Komfort durch die thermische Trägheit des Gebäudes aufrecht.

Dieses simulierte Beispiel zeigt, wie die Wärmepumpe den Energieverbrauch in Niedrigpreisperioden erhöht und den Verbrauch in Hochpreisperioden reduziert. Die gestrichelte graue Linie repräsentiert den Energiepreis.

b. Wetterbasierte Optimierung
Wärmepumpen arbeiten bei höheren Außentemperaturen effizienter. Dies wird durch den Leistungskoeffizienten (COP) bestimmt. Reduxi nutzt Wettervorhersagen, um das Heizen in Zeiten zu verlagern, in denen die Bedingungen günstiger sind. Dies verbessert die Effizienz und senkt die Kosten, wiederum ohne den Komfort zu beeinträchtigen.

Dieses simulierte Beispiel zeigt, wie die Wärmepumpe den Energieverbrauch während der Nacht reduziert und die Leistung während der wärmeren Tagesstunden erhöht, um die Effizienz zu verbessern.

Die gestrichelte orange Linie repräsentiert die Temperaturvorhersage.

6        Beispiele für KI-Strategien in der Praxis

Wichtige Informationen für die KI-Strategie werden in der Ansicht „Diagramme“ visualisiert, idealerweise mit dem Leistungsdiagramm in 15-Minuten-Auflösung. Diese Ansicht enthält:

• Oberes Diagramm
  • historische Leistungsmessungen von
    • gelb – PV-Produktion
    • grün – Standortverbrauch
    • blau – Akku-Leistung
    • orange Linie – Netzaustausch
  • Prognose von der aktuellen Zeit bis zum Ende des Tages.
• Im unteren Diagramm
  • rot – Energieeinkaufspreis, einschließlich aller definierten Gebühren.
  • grün – Energieverkaufspreis, einschließlich aller definierten Gebühren.
  • Preise müssen in der Webanwendung der Cloud vorkonfiguriert werden.

6.1     Beispiel: Ein typisches Beispiel mit Akku und PV

A – Aufladen des Akkus während der Nacht zu niedrigen Preisen bei gleichzeitiger Einhaltung der Netzgrenze von 240 kW.

B – Entladen des Akkus ins Netz zu hohen Preisen.

C – Nutzung der Solarproduktion zur Deckung des Verbrauchs am Standort.

D – Aufladen des Akkus aus prognostizierter Solarproduktion während einer Niedrigpreisperiode (Prognose).

E – Entladen des Akkus ins Netz zu hohen Preisen (Prognose).

6.2     Beispiel: Große PV-Anlage (dedizierter Standort für PV-Produktion)

A – Entladen des Akkus ins Netz zu hohen Preisen.

B – Niedrigpreisperiode. Aufladen des Akkus ausschließlich aus Solarstrom, mit 0 kW am Netz, was weder Import noch Export bedeutet.

C – nach vollständiger Aufladung des Akkus Export von PV-Energie ins Netz.

D – Entladen des Akkus während der drei Hochpreisperioden ins Netz, um die Einnahmen zu maximieren.

6.3     Beispiel: Haushaltsstandort mit Null-Einspeisung

A – Aufladen des Akkus aus dem Netz bei Einhaltung der Netzgrenze von 6 kW.

B – Entladen des Akkus zur Reduzierung des Netzbezugs während Hochpreisperioden.

C – Aufladen des Akkus aus Netz und Solar, mit einem maximalen Netzaustausch von 6 kW, um Energie für die teuren Abendstunden zu speichern.

D – Entladen des Akkus während der teuren Abendstunden. Kein Export ins Netz erlaubt aufgrund der Einspeisebeschränkung.

6.4     Beispiel 4: Utility PV

A – Intervalle, in denen PV-Energie entweder exportiert oder im Akku gespeichert wird. Dies hängt von den Kosten in 15-Minuten-Intervallen ab.

B – Niedrigpreisperiode, nur Aufladen des Akkus.

C – nach vollständiger Aufladung des Akkus Export von PV-Produktion ins Netz.

D – Export der gespeicherten Energie während Hochpreisperioden.

6.5     Beispiel: Verbrauchsprognose eines Produktionsstandorts mit 7:00-15:00 Arbeitszeit

Typische Lastprognose eines Unternehmens mit Arbeitszeiten von 7:00 bis 15:00 Uhr.

Daneben wird eine typische Solarertragsprognose gezeigt. Diese beiden Prognosen werden verwendet, um den Energieverbrauch entsprechend zu planen.