Wissen

Datengold aus Haushaltgeräten bergen

Intelligente Stromzähler, auch Smart Meter genannt, könnten eines Tages dazu genutzt werden, detaillierte Informationen über den Stromverbrauch einzelner Geräte in Privathaushalten und Industriebetrieben zu gewinnen. Doch die genaue Aufschlüsselung der Verbrauchsdaten stellt sich als aufwendig heraus. Forscher des iHomeLabs der Hochschule Luzern in Horw arbeiten an Lösungen.

Leonid LeivaLeonid Leiva6 min

Wäre es nicht praktisch, jederzeit zu wissen, nicht nur wie viel Strom das eigene Haus verbraucht, sondern wohin genau dieser Strom fliesst? Wenn der Energieverbrauch gesenkt werden soll, kann sich die Aufschlüsselung nach einzelnen Verbrauchern – Fachleute sprechen von Lastaufschlüsselung – als sehr nützlich erweisen. Wo versteckt sich der grösste Stromfresser? Ist es die Waschmaschine, der Kochherd, der Geschirrspüler, der Kühlschrank, oder vielleicht die Beleuchtung?

Fakt ist, dass mit der neuen Stromversorgungsverordnung bis 2027 mindestens 80 Prozent aller Messstellen mit einem Smart Meter ausgestattet sein sollen. Diese intelligenten Stromzähler messen den Stromverbrauch typischerweise alle 15 Minuten und senden die entsprechenden Messdaten an den Energieversorger. Damit stehen den Unternehmen der Energiebranche immer mehr Daten zur Verfügung – die Frage ist: was tun damit? Eine naheliegende Anwendung liegt in der Steigerung der Energieeffizienz. Energieversorger sind verpflichtet, für ihre Kunden Anreize zu schaffen, den eigenen Stromverbrauch zu senken. Mit den Smart Metern hätten sie ein erstes technisches Mittel dazu in der Hand. Doch allein mit Smart Metern kommt man nicht allzu weit.

Aufwendige Aufschlüsselung

Denn aus den Messungen selbst eines Smart Meters ist nicht sofort abzulesen, welche Geräte für welche Verbrauchsanteile verantwortlich sind. Eine Methode dazu wurde bereits Anfang der 1990er Jahre in den USA entwickelt. Unter dem Namen Non-Intrusive Appliance Load Monitoring (NIALM) entwickelten Forscher des Massachusets Institute of Technology MIT eine pionierhafte Technik zur zentralen Überwachung des Stromverbrauchs von Elektrogeräten. Diese berührungsfreie Lastaufschlüsselung, also die Zuordnung der Verbrauchsanteile lediglich anhand der Messungen eines zentralen Stromzählers, erfordert jedoch eine zum Teil recht aufwendige Analyse der Verbrauchsdaten. «Man muss nämlich für jedes Gerät, das zu einem bestimmten Zeitpunkt am Netz hängt, eine Art Signatur kennen», erklärt Andreas Rumsch, Leiter der Forschungsgruppe Smart Energy Management im iHomeLab der Hochschule Luzern. Diese Signatur ist wie ein Fingerabdruck des Gerätes, der seine eindeutige Identifizierung aus den Verbrauchsmessungen ermöglicht. Um ein angeschlossenes Gerät zu erkennen, muss man also diesen Fingerabdruck einmal erfasst haben. In der technischen Sprache von Ingenieuren heisst der Fingerabdruck «Verbrauchskurve». Im Fall einer Waschmaschine würde die Verbrauchskurve zum Beispiel zeigen, wie viel Strom die Maschine für das Bewegen der Trommel, wie viel für das Aufheizen des Wassers, und wie viel für das Schleudern benötigt. Die zeitliche Auflösung ist entscheidend für den Informationsgehalt der Verbrauchskurve. Das heisst: Die Qualität des Fingerabdrucks der Waschmaschine ist umso höher, je genauer der Stromverbrauch im Laufe eines Waschvorgangs erfasst wird.

Nun ist das mit einer isolierten Waschmaschine nicht so schwierig. Kompliziert wird es jedoch in der alltäglichen Realität – nämlich dann, wenn neben der Waschmaschine gleichzeitig der Mikrowellenofen, das Radio, der Kühlschrank und das Ladegerät fürs Handy am Netz angeschlossen sind und Strom beziehen. Der Stromzähler misst dann die Kombination der einzelnen Beiträge aller Verbraucher. Die Verbrauchsmessung zu entwirren und jedem Gerät bzw. Leuchtmittel seinen Verbrauchsanteil zuzuordnen, ist alles andere als trivial. Das Team um Rumsch verwendet zurzeit in einem Forschungsprojekt Algorithmen des maschinellen Lernens, um das Problem zu lösen. «Unter Laborbedingungen erreichen wir bereits eine Genauigkeit von rund 90 Prozent», berichtet Rumsch. Das heisst, dass von 10 angeschlossenen Verbrauchern im Durschnitt 9 mit ihren jeweiligen Verbrauchsanteilen korrekt erkannt werden. In der Praxis sinkt die Trefferquote jedoch, denn dann kann es zum Beispiel vorkommen, dass ein noch nicht erfasstes Gerät ans Netz angeschlossen wird. Die Verbrauchskurven – also die «elektrischen Fingerabdrücke» – aller am Markt vorhandenen Elektrogeräte zusammenzutragen, sei eine sehr aufwendige Aufgabe, wie Rumsch zugesteht. In einzelnen Fällen seien die Verbrauchskurven von den Herstellern nicht öffentlich bereitgestellt. Zudem sei die saubere Zuordnung schwieriger, wenn ein Gerät sehr wenig (z.B. das Netzteil eines Handys), ein anderes (z.B. der Boiler) sehr viel verbraucht. Naturgemäss steigt die Schwierigkeit der Aufschlüsselung mit der Anzahl angeschlossener Verbraucher.

Dass die berührungsfreie Lastaufschlüsselung noch Entwicklungspotenzial aufweist, zeigt der Mangel an qualitativ hochwertigen Produkten im Markt. Rumsch berichtet von einem solchen Produkt, das er selber zu Hause getestet habe. Es habe ihm einmal die Präsenz von 7 Mikrowellenöfen im eigenen Haushalt gemeldet, was selbstverständlich komplett falsch war. «Wenn man sich noch überlegt, dass der Preis für ein solches Messgerät bei 200 Franken liegt und das Einsparpotenzial vielleicht um die 50 Franken im Jahr beträgt, wird klar, dass sich die Attraktivität für die meisten Kunden in Grenzen hält», sagt Rumsch.

Im Projekt «SmartNIALMeter» untersucht das iHomeLab der Hochschule Luzern zusammen mit EKZ, Energie Thun, Landis+Gyr, smart-me und dem Bits to EnergyLab, inwiefern die Lastaufschlüsselung der Smart Meter Daten zur Effizienzsteigerung bei Privatkunden führen kann. In diesem vom BFE finanzierten Pilot- und Demonstrationsprojekt werden die entwickelten Methoden bei Pilotkunden validiert: Können die energetisch wichtigsten Geräte anhand von Smart Meter Daten zuverlässig erkannt werden? Und kann man mit diesen Informationen Privatkunden dazu bewegen, ihren Stromverbrauch zu senken? Im Pilotprojekt werden jedoch nicht die 15 Minuten Profile der Smart Meter benutzt, sondern höher aufgelöste Daten im Sekundenbereich, welche nicht dem Verteilnetzbetreiber übertragen werden, jedoch lokal über eine Schnittstelle verfügbar sind.

Geräte, die ihren Energieverbrauch kennen

Eine weitere Möglichkeit, den Stromverbrauch einzelner Verbraucher zu überwachen, würde darin bestehen, diesen Stromverbrauch direkt im Gerät selbst zu messen. Die Messdaten würden dann über eine Kommunikationsschnittstelle zur Verarbeitung an einen Server übermittelt werden. Dies wäre der gegenläufige Ansatz zur zentralisierten Lastaufschlüsselung. Jedes Elektrogerät bzw. Leuchtmittel wäre sich dann seines eigenen Stromverbrauchs «bewusst». Der Nachteil liegt in den Kosten, denn man müsste sämtliche Geräte mit einem eigenen Messchip plus der genannten Kommunikations-Schnittstelle ausrüsten. Im Projekt «Energy Aware IoT» untersuchen Rumsch und seine Kollegen die Herausforderungen und offenen Fragen dieses Ansatzes. Energy aware bedeutet hier eben, dass die Geräte ihren eigenen Stromverbrauch jederzeit kennen. Momentan sei die Kostenfrage entscheidend, sagt Rumsch. Bei den Haushaltgeräten sei die Preissensitivität der Kunden sehr hoch, da komme es auf Rappenbeträge an. Eine Chance für «energy-aware» Technik sieht Rumsch jedoch in der Tatsache, dass immer mehr Geräte bzw. Leuchtmittel mit einem eigenen Mikroprozessor ausgestattet sind. Dieser ermögliche die indirekte Ermittlung des Stromverbrauchs, indem man aus dem im Mikroprozessor ablesbaren aktuellen Zustand des Gerätes auf dessen momentanen Stromverbrauch schliesst.

Datenschutz und individuelle Produkte

Mit Blick auf die Zukunft ist Rumsch optimistisch, dass die Lastaufschlüsselung oder die «energy-aware» Technik für Energieversorger zur Grundlage neuer Geschäftsmodelle werden könnte. «Energieversorger könnten mit der Fülle an Daten über den Verbrauch einzelner Geräte wertvolle Informationen über das Verhalten ihrer Kunden gewinnen», sagt der Ingenieur. Man könne womöglich sogar erkennen, wie sich Haushalte verändern, etwa wenn eine ältere Person pensioniert wird oder ein Jugendlicher auszieht. Der Schlüssel liege darin, aus den Daten individualisierte, auf die Kunden zugeschnittene Produkte zu entwickeln. Dabei gelte es zudem, die Datenschutzgesetze streng einzuhalten. Mit der entsprechenden Bewilligung zur Datenweitergabe durch die Kunden sind weitere Geschäftsmodelle denkbar. So könnten detaillierte Verbrauchsdaten darauf hinweisen, dass jemand in den Ferien ist. Diese Information kann für Smart-Home-Anwendungen verwendet werden, in denen zum Beispiel durch Steuerung der Beleuchtung oder der Musikanlage auch bei längeren Abwesenheiten ein bewohntes Zuhause vorgetäuscht wird. Für ältere alleinstehende Menschen könnten die Daten wiederum die Sicherheit erhöhen, indem ein Sturz oder eine längere Erkrankung anhand der veränderten Stromverbrauchsmuster erkannt wird.

Was meinen Sie zum Thema?

Schreiben Sie hier Ihren Kommentar.
Ihre E-Mail Adresse wird nicht veröffentlicht.

Kommentare

Bisher gibt es noch keine Kommentare.