05305 Berechnung der relevanten Einflussfaktoren auf den Energieverbrauch
|
Die energetische Ausgangsbasis/die energetischen Ausgangsbasen ist/sind ein wesentlicher Teil eines Energiemanagementsystems. Hier soll die Grundlage für Vergleiche mit den aktuellen Verbrauchswerten gelegt werden, um Erfolge nachzuweisen. Dieses gelingt jedoch sehr selten, da die Kennzahlen oft nicht so angelegt sind, dass eine Vergleichbarkeit hergestellt werden kann. Die Nennung eines Werts für die Verbesserung der energiebezogenen Leistung ist nur selten möglich. Als Ergebnis seiner Tätigkeit als Berater und Auditor für Energiemanagementsysteme nach ISO 50001 hat der Autor daher eine anerkannte statistische Methode – die multivariate Regressionsanalyse – für den Einsatz im Energiemanagement alltagstauglich aufbereitet, in Seminaren vorgestellt und bei Unternehmen eingeführt. Damit kann jeder Energiemanager oder -beauftragte nachvollziehbare, vergleichbare und präzise Kennzahlen ermitteln und Erfolge nachweisen. Die Wirkung der Einflussfaktoren auf die wesentlichen Energieeinsatzbereiche bzw. auf den Energieverbrauch des Gesamtbetriebs wird ermittelt.
Damit ist der Einstieg in ein wirksames Energiecontrolling geschafft. Gleichzeitig sind die Anforderungen der ISO 50001 zur energetischen Bewertung so erfüllt, dass der Nachweis der Verbesserung der energiebezogenen Leistung gelingt. Diese Anforderung muss bei der Neu- und Rezertifizierung ab Oktober 2017 bewertet und bestätigt werden.
Die vorgestellte Methode ist konform zur ISO 50006 „Energiemanagementsysteme – Messung der energiebezogenen Leistung unter Nutzung von energetischen Ausgangsbasen (EnB) und Energieleistungskennzahlen (EnPI) – Allgemeine Grundsätze und Leitlinien”. Die Schnittstellen und Entsprechungen werden im Artikel genannt. Arbeitshilfen: von: |
1 Klassische Kennzahlenmethode
Im Rahmen des Energiemanagements werden meist Kennzahlen verwendet, die den betriebswirtschaftlichen Kennzahlen entsprechen oder angenähert sind. Diese sind gut geeignet, um der Unternehmensleitung einen Überblick über spezifische Energieverbräuche zu ermöglichen. Leider ist diese Methode nur in sehr wenigen Einzelfällen für das Energiemanagement geeignet, da viele Einflussfaktoren auf den Energieverbrauch wirken. Das führt regelmäßig zu Kennzahlen, die nicht aussagekräftig genug sind, um den Energieverbrauch zu beschreiben. Zwei Beispiele aus der Praxis verdeutlichen diesen Umstand.
Beispiel 1
Ein Unternehmen betreibt zwei Fleischfabriken, die sehr ähnlich aufgebaut sind und an zwei Standorten auch fast die gleichen Produkte herstellen. Die Energiekennzahl Verbrauch je Tonne Fleischware führt im Vergleich der Werke zu sonderbaren Ergebnissen. Je nachdem, wo kühleres Wetter herrschte, wird dieser Standort begünstigt und hat die besseren Kennzahlen. Hinzu kommt, dass bei einem Standort die Lage der Klimaanlage für die Kühlhalle so ungünstig ist, dass diese bei Nordwind sehr viel mehr Leistung verbraucht. Erst die Analyse der Einflussfaktoren von Wetter und Windrichtung ermöglicht einen Vergleich der reinen Produktion und die Beurteilung von Verbesserungsmaßnahmen.
Ein Unternehmen betreibt zwei Fleischfabriken, die sehr ähnlich aufgebaut sind und an zwei Standorten auch fast die gleichen Produkte herstellen. Die Energiekennzahl Verbrauch je Tonne Fleischware führt im Vergleich der Werke zu sonderbaren Ergebnissen. Je nachdem, wo kühleres Wetter herrschte, wird dieser Standort begünstigt und hat die besseren Kennzahlen. Hinzu kommt, dass bei einem Standort die Lage der Klimaanlage für die Kühlhalle so ungünstig ist, dass diese bei Nordwind sehr viel mehr Leistung verbraucht. Erst die Analyse der Einflussfaktoren von Wetter und Windrichtung ermöglicht einen Vergleich der reinen Produktion und die Beurteilung von Verbesserungsmaßnahmen.
Beispiel 2
Ähnliches kann in der Speiseeisherstellung beobachtet werden. Trotz intensiver Bemühungen, die Produktion energieeffizienter zu gestalten, konnten keine Verbesserungen bei den Kennzahlen beobachtet werden. Im Gegenteil, war die Saison vorbei, verschlechterten sich die Kennzahlen signifikant, da der Verbrauch des Kühlhauses nun auf eine geringe Produktionsmenge verteilt wird. Der Effekt ist in Abbildung 1 deutlich sichtbar. Die Energiekennzahl schwankt zwischen 57 kWh/t in der Saison und 105 kWh/t außerhalb der Saison. Es fehlt die Berücksichtigung verschiedener Einflussfaktoren auf den Verbrauch.
Ähnliches kann in der Speiseeisherstellung beobachtet werden. Trotz intensiver Bemühungen, die Produktion energieeffizienter zu gestalten, konnten keine Verbesserungen bei den Kennzahlen beobachtet werden. Im Gegenteil, war die Saison vorbei, verschlechterten sich die Kennzahlen signifikant, da der Verbrauch des Kühlhauses nun auf eine geringe Produktionsmenge verteilt wird. Der Effekt ist in Abbildung 1 deutlich sichtbar. Die Energiekennzahl schwankt zwischen 57 kWh/t in der Saison und 105 kWh/t außerhalb der Saison. Es fehlt die Berücksichtigung verschiedener Einflussfaktoren auf den Verbrauch.
