07008 Klimatische Bereinigung der Energieverbräuche durch geeignete Modellierung (ein weltweiter Ansatz)
|
Für den Fall, dass beim Heizen bzw. Kühlen (oder bei beidem) eine signifikante Grundlast vorliegt, können die gewöhnlichen Witterungsbereinigungen mit einfachen Faktoren nicht mehr angewendet werden. Sie liefern stark verzerrte Ergebnisse. Die Lösung sind Modelle, wie sie in diesem Beitrag vorgestellt werden. Das Regressionstool bei degreedays.net bietet hierfür eine hervorragende Hilfestellung. Im Weiteren wird das Konzept der Konfidenzintervalle bei Modellen vorgestellt, das beim Vergleich der energiebezogenen Leistung eine Fehlerbetrachtung ermöglicht. von: |
1 Die Variable „Wetter”
Der Energieverbrauch von Gebäuden hängt stark von den Witterungsbedingungen wie Außentemperatur und Windgeschwindigkeit ab. Um eine Überwachung der energiebezogenen Leistung und einen Vergleich zweier Zeiträume zu ermöglichen, muss der Energieverbrauch auf klimatische Einflüsse normiert werden. Dabei geht es primär um den Heizenergieverbrauch in der Heizperiode, aber auch um die Kühlenergie in den Sommermonaten. Die gängigen Normierungsmethoden bedienen sich sog. Heizgradtage (HGT, engl. heating degree days HDD). In Deutschland kommen oft auch die sog. Gradtagzahlen (GTZ) zum Einsatz. In der Praxis haben sich drei Verfahren etabliert:
| • | Multiplikation der Heizenergieverbräuche eines bestimmten Zeitraums mit dem sog. Klimafaktor des Deutschen Wetterdienstes für Energieausweise (PLZ-spezifisch), |
| • | Division der Verbräuche durch das Verhältnis aus Heizgradtagen (oder Gradtagzahlen) des aktuellen Jahres eines Standorts zum langjährigen Mittel des gleichen Standorts (siehe z. B. IWU-Tool), |
| • | Modellierung der Tages- bzw. Monatsverbräuche mit den entsprechenden Heizgradtagen bzw. Kältegradtagen (wenn die Verbräuche auch Kühlen beinhalten) über die Webseite degreedyays.net (BizEE Software). |
Weltweiter Ansatz mit Regression
Die ersten beiden Methoden ermöglichen unter gewissen Umständen brauchbare Vergleiche der Heizenergieverbräuche, sind aber limitiert in der Anwendung. Eine Bedingung ist z. B., dass der witterungsunabhängige Teil der Heizenergie („Grundlast”) zu vernachlässigen ist, was nicht immer gewährleistet ist. Beide Methoden, aber insbesondere das Verfahren mit den Klimafaktoren, sind bzgl. der Datenverfügbarkeit auf Deutschland beschränkt. Degreedays.net hingegen ermöglicht Zugriff auf die Daten von Wetterstationen weltweit (die letzten 36 Monate kostenlos). Ein besonderes Bonbon ist das Regressionstool, das es in wenigen Sekunden ermöglicht, das optimale Modell für die eigenen Daten zu ermitteln.
Die ersten beiden Methoden ermöglichen unter gewissen Umständen brauchbare Vergleiche der Heizenergieverbräuche, sind aber limitiert in der Anwendung. Eine Bedingung ist z. B., dass der witterungsunabhängige Teil der Heizenergie („Grundlast”) zu vernachlässigen ist, was nicht immer gewährleistet ist. Beide Methoden, aber insbesondere das Verfahren mit den Klimafaktoren, sind bzgl. der Datenverfügbarkeit auf Deutschland beschränkt. Degreedays.net hingegen ermöglicht Zugriff auf die Daten von Wetterstationen weltweit (die letzten 36 Monate kostenlos). Ein besonderes Bonbon ist das Regressionstool, das es in wenigen Sekunden ermöglicht, das optimale Modell für die eigenen Daten zu ermitteln.
Der Schwerpunkt dieses Beitrags liegt in der Vorstellung und Erläuterung dieses webbasierten Werkzeugs. Da ein Vergleich von aktuellen Verbräuchen eines Berichtszeitraums mit den Baselinewerten nicht ohne Fehlerbetrachtung erfolgen sollte, wird abschließend das Konzept der Konfidenz- und Vorhersageintervalle vorgestellt und in MS Excel angewendet. Dieser Beitrag setzt gewisse statistische Fachbegriffe voraus, die ggf. in den aufgeführten Quellen im Anhang nachgeschlagen werden können. Im Fokus dieses Beitrags steht die praktische Umsetzung.
