Energie Management System (EMS)

Das Energiemanagement System von Lynus (EMS) ist unter anderem eines der umfangreichsten Tools aus unserer Library.

Damit ist es möglich verschiede elektrische Verbraucher und Erzeuger im Gebäude auf eine Steuerungsebene zu bekommen.

Das EMS arbeitet dabei mit folgenden Daten:

  • Historische Daten der Messwerte aus der Datenbank
  • Echtzeitdaten
  • Zukunftsdaten
  • Machine Learning
  • Algorithmen

Somit weiss das EMS von Lynus genau, wie sich in Zukunft der Verbrauch und die Erzeugung der Geräte im Gebäude verhalten wird und kann dank dieser Erkenntnis diverse Fahrpläne und Regelungen zurück in das Echtzeitsystem vor Ort einfliessen lassen.

Diese historischen sowie auch die Zukunftsdaten, die sogenannten Predictions, sind auf verschiedenste Arten und Weisen für den Kunden sichtbar und jederzeit abrufbar.

Dies sind unter anderem:

  • 24 Stunden Prediction PV Anlage
  • 24 Stunden Prediction Verbrauch
  • Zukünftige Ansteuerung der Verbraucher
  • Aktuelle Leistungsdaten
  • Spezifische Gerätedaten
  • Eigenverbrauch
  • Autarkiegrad

Somit lassen sich Autarkiegrade bis nahezu 100% erreichen. Der Eigenverbrauch im Gebäude wird somit gesteigert und der Ausstoss von CO2 verringert.

Ins Lynus EMS können diverse Geräte auf Seite der Erzeugung oder des Verbrauchs eingebunden und dadurch auch gesteuert oder geregelt werden.

Die gängigsten sind:

  • Generatoren
  • PV Anlagen
  • Batteriespeicher
  • Netzanschluss
  • Hausverbrauch
  • E-Ladestationen
  • E-Patronen (Heizeinsätze)
  • Wärmepumpen
  • Sonstige große Verbraucher

Beim Thema E-Patronen (Heizeinsätze) in Warmwasserspeichern kommt auch das Thema Legionellen auf. Die meisten herkömmlichen Legionellen Schutzschaltungen schalten einfach irgendwann im Laufe des Tages ein, um den Speicher auf die Nötige Temperatur aufzuheizen. Dabei wird dann meist der teure Netzstrom verwendet.

Bei der Steuerung des Heizeinsatzes durch Lynus und dessen EMS wird diese Aufheizphase in die Zeit verschoben, wo man Überschuss Energie im Gebäude vorfindet. Dadurch spart man sich den Betrieb mit teurem Netzstrom und hat gleichzeitig das Thema Legionellen mit der eigens erzeugten Energie erledigt. Sollte trotzdem einmal nicht genügend Überschussenergie zur Verfügung stehen, wird die Legionellen Schaltung 1 mal Wöchentlich ausgeführt.

Jeder Verbraucher kann im EMS mit einer Priorisierung verknüpft werden.

Somit werden z.B. Geräte mit hoher Priorisierung zuerst mit überschüssiger Energie versorgt. Verbraucher mit niedriger Priorisierung dadurch erst später. Zusätzlich zur Priorisierung können noch weitere Kriterien und Einstellungsmöglichkeiten an den Verbrauchern angegeben werden.

Diese umfassen:

  • Priorisierung (Reihenfolge der Leistungsverteilung)
  • Batterieladezustände (Ein- und Ausschaltschwellen der Geräte)
  • Betrieb der Verbraucher unter Notstrombetrieb regeln (Im Inselbetrieb z.B. komplett deaktivieren)

Um die Verbraucher generell zu steuern, bietet das EMS diverse Arbeitsweisen an:

  • Eigenverbrauchsoptimierung
  • Spitzenlastkappung
  • Lastmanagement

Eigenschaften im Betrieb Eigenverbrauchsoptimierung:

  • So wenig wie möglich von der erzeugten PV Energie ins Netz speisen
  • So viel wie möglich davon selbst verbrauchen und an die Verbraucher verteilen
  • Zwischenspeichern in Batterie um späteren verbrauch zu decken (Abend- oder Morgenstunden)
  • Erst in letzter Phase und bei Sättigung im Gebäude ins Netz speisen

Eigenschaften im Betrieb Spitzenlastkappung:

  • Kappen und Reduzierung von Lastspitzen
  • Netzanschlussleistung optimal verwenden und nicht überschreiten
  • Batterie als Puffer nutzen

Eigenschaften im Betrieb Lastmanagement:

  • Netzanschluss zu klein oder kann nicht vergrössert werden
  • Netzanschluss kann z.B. durch eine Batterie (Puffer) softwaretechnisch vergrössert werden
  • Netzanschluss optimal nutzen und nicht überschreiten
  • Besonders geeignet für ein Lastmanagement mit mehreren E-Ladestationen
  • Einzelne Sicherungsabgänge der Ladestationsgruppen separat überwachbar damit diese Abgänge in ihren Leistungen nicht überlastet werden. (LS- Absicherung von Kabel muss immer vorhanden sein)

Der Einfluss von Machine Learning kann ebenfalls projektspezifisch angepasst und reguliert werden. Somit ist es z.B. möglich, Batteriekapazitäten anders einzuteilen, oder Wärmepumpen bei optimaleren Zeiten einzuschalten.

Der Machine Learning Teil kann in folgenden Modi betrieben werden:

  • Tarifoptimiert (Fahrpläne Und Leistungsverteilung werden auf Tag- und Nachttarif angepasst)
  • Energie optimiert (Fahrpläne und Leistungsverteilung werden vermehrt auf die Energieverteilung über 24 Stunden angepassst)
  • Ausgeglichener Modus (Vermischung zwischen Tarif- und Energie Optimiert)
  • Modus Aus (Der Machine Learning Teil fließt in den Echtzeitteil nicht mit ein)

Genereller Hinweis:
Bestimmte systemrelevante Befehle werden generell auf dem Echtzeitsystem ausgeführt.

Ein klassisches EMS reagiert ohne Machine Learning nur auf den Istzustand der Anlage.

Der Ablauf auf der Grafik bei «Heute» kann wie folgt kurz beschrieben werden:

  • In den Nachtstunden wird die Batterie entladen um den Netzstrom zu kompensieren
  • Im Tagesverlauf werden Batterie und Heizung mit Überschussenergie der PV versorgt
  • In den Abendstunden entlädt die Batterie und kompensiert wiederum den Netzstrom im Niedertarif
  • Wetterprognose fliesst ins Energiemanagement NICHT mit ein

Der Ablauf auf der Grafik bei «Morgen» kann wie folgt kurz beschrieben werden:

  • Batterie hat die ganze Nacht entladen und ist in den Morgenstunden leer
  • Da das schlechte Wetter nicht mit einberechnet wurde, ist keine Batteriekapazität mehr übrig um bei Tag den Hochtarif Strom aus dem Netz zu kompensieren
  • Heizung schaltet unkontrolliert bei Hochtarif ein
  • Somit muss bis zum nächsten Tag alles aus dem Netz kompensiert werden

Der Ablauf auf der Grafik bei «Übermorgen» kann wie folgt kurz beschrieben werden:

  • In den Morgenstunden muss noch immer Leistung vom Netz bezogen werden
  • Im Laufe des Tages haben wir wieder Überproduktion und können Batterie und Heizung mit dieser laden und betreiben
  • Gegen Abend kompensiert die Batterie wieder den Strom aus dem Netz

Das Lynus Energiemanagement reagiert sowohl auf den Istzustand der Anlage, sowie auch auf die Zukunftsdaten und nutzt dazu intern verschiedene Machine Learning Algorithmen.

Der Ablauf auf der Grafik bei «Heute» kann wie folgt kurz beschrieben werden:

  • In den Nachtstunden wird die Batterie entladen, um den Netzstrom zu kompensieren
  • Im Tagesverlauf werden Batterie und Heizung mit Überschussenergie der PV versorgt
  • In den Abendstunden entlädt die Batterie und kompensiert einen Teil der Leistung bei Niedertarif aus dem Netz
  • Wetterprognose fliesst ins Energiemanagement MIT ein
  • Somit wissen wir, dass Morgen eine schlecht Wetterperiode ansteht und nicht genügend Energie zur Verfügung steht, um die Heizung zu betreiben oder die Batterie zu laden
  • Dadurch betreiben wir die Heizung in der Nacht bei Niedertarif und laden den Puffer vor

Der Ablauf auf der Grafik bei «Morgen» kann wie folgt kurz beschrieben werden:

  • Ein Teil der Batteriekapazität wurde zurückbehalten, um die Energie aus dem Netz bei Hochtarif über Tage zu decken
  • Heizungsanlage bleibt so bei Hochtarif aus
  • Kein bis geringer Energiebezug bei Hochtarif
  • Da die Berechnungen für den Nächsten Tag wieder mit einfliessen, wissen wir, dass am nächsten Tag wieder genug Energie zur Verfügung steht für Batterie und Heizung

Der Ablauf auf der Grafik bei «Übermorgen» kann wie folgt kurz beschrieben werden:

  • In den Morgenstunden wird Leistung vom Netz bei Niedertarif bezogen
  • Im Laufe des Tages haben wir wieder Überproduktion und können Batterie und Heizung mit dieser laden und betreiben
  • Gegen Abend kompensiert die Batterie wieder den Strom aus dem Netz

Dadurch erreichen wir

-20%

weniger Energieverbrauch

-25%

weniger CO2 Ausstoss

+30%

mehr Eigenstromverbrauch