Im Zusammenspiel können lokale Batterien und smarte Algorithmen die Stromkosten in Büros um mehr als ein Fünftel reduzieren. Das haben Forschende der Universität Stuttgart in einer jetzt veröffentlichten Studie gezeigt. Darin beschreiben Brian Setz, Dr. Kawsar Haghshenas und Professor Marco Aiello vom Institut für Architektur von Anwendungssystemen (IAAS) am Fachbereich Informatik, wie Mikroservices den Anteil erneuerbarer Energien in Smart Grids prognostizieren und Endgeräte entsprechend steuern. Neben finanziellen Ausgaben könne das auch den CO2-Ausstoß deutlich reduzieren.
Wie lassen sich vorhandene Energieressourcen effizienter als bisher nutzen? Dieser Frage sind Informatikerinnen und Informatiker der Universität Stuttgart in einer jetzt als Preprint veröffentlichten Untersuchung nachgegangen. Ergebnis des Papers „Energy Smart Buildings: Parallel Uniform Cost-Search with Energy Storage and Generation“: Dynamisch mit realen Umweltdaten abgestimmte Betriebszeiten konnten die tatsächlichen Energiekosten um bis zu 22,64 Prozent senken. Professor Aiello resümiert: „Unsere Studie zeigt, dass Batterien und auf IoT basierende Büroautomatisierung an den Arbeitsplätzen erhebliche Energieeinsparungen ermöglichen, ohne die Mitarbeitenden bei ihrer Tätigkeit zu stören.“
Im konkreten Beispielszenario betrachtet und klassifiziert wurden Energiespeicher (Batterie), lokale Stromerzeuger sowie elektrische Verbraucher vom Thin Client bis zur Kaffeemaschine. Über eine Microservices-Architektur haben die Forschenden zudem reale Umweltdaten ausgewertet. Die granularen Informationen gingen dabei über bloße Wettervorhersagen hinaus und berücksichtigten im Detail auch Luftdichte, technische Spezifikationen von Turbinen sowie Preisprognosen. Das erlaubte unter anderem Rückschlüsse auf den Ertrag von Photovoltaik- und Windkraftanlagen sowie die daraus resultierenden Energiekosten.
Von diesen Variablen ausgehend, haben die Forschenden nach einem optimalen Betriebsplan für die elektrischen Geräte ihrer Installation gesucht. Alle möglichen Zustände wurden dabei in Form eines gewichteten Graphen dargestellt, der von einem parallelisierten Algorithmus ausgewertet wurde. Was als optimale Lösung gilt, ist auch der Zielstellung geschuldet: Hatten die Forschenden des Fachbereichs Informatik an der Universität Stuttgart primär die Kosten im Blick, könnte ebenso ein möglichst klimafreundlicher Betrieb priorisiert werden.
Auch der von den Forschenden verwendete Algorithmus wurde optimiert und läuft jetzt 4,7-mal schneller als bisherige Verfahren. Für acht betrachtete Geräte konnte die verwendete 32-Core-CPU in unter sieben Minuten einen idealen Betriebsplan für 24 Stunden berechnen. Hierfür wurden 0,01 Kilowattstunden benötigt – was angesichts der gesamten Ersparnisse zu vernachlässigen ist.
Fachlicher Kontakt:
Prof. Marco Aiello, Universität Stuttgart, Fachbereich Informatik, Institut für Architektur von Anwendungssystemen (IAAS), Abteilungsleiter Service Computing, E-Mail, Telefon: 0711 685-88464
Originalpublikation
Energy Smart Buildings: Parallel Uniform Cost-Search with Energy Storage and Generation https://doi.org/10.48550/arXiv.2211.08969