Königsdisziplin Regressionsanalyse

Für ein sinnvolles Energiemanagement müssen die Hauptverbraucher, kurz SEU (Significant Energy Users), bekannt sein. Diese muss der Anwender selbst identifizieren. Anhand von definierten Kennzahlen, wie dem Verbrauch vor und nach der Einführung einer Energieeffizienzmaßnahme, wird ermittelt, ob diese zum gewünschten Ergebnis geführt hat. Allerdings lassen sich die jährlichen Messwerte nicht direkt vergleichen. Vielmehr müssen sie normalisiert werden. So hängt der Energieverbrauch für Heizung und Kühlung unter anderem von den Außentemperaturen ab. Diese äußeren Einflüsse müssen herausgerechnet werden, um beispielsweise den Wirkungsgrad einer Gebäudeisolierung zu beurteilen. Das Verfahren hierzu heißt Regressionsanalyse und ist seit neuestem Bestandteil der GridVis.

A. Moßburger beschreibt am Beispiel der Klimatisierung eines Gebäudes das Vorgehen: In diesem befinden sich neben einem Rechenzentrum und Büros auch das Druck- und Versandzentrum. Dort arbeiten neuartige Drucker, die eine bestimmte Feuchte des Papiers benötigen. Das erfordert Energie für die Klimatisierung. „Für die Regressionsanalyse benötige ich eine energetische Ausgangsbasis“, erläutert A. Moßburger. „Hierfür haben wir die Werte aus dem Jahr 2022 genommen. Dann muss ich Einflussfaktoren definieren. In unserem Fall sind dies die Grundlast sowie der jeweilige Energiebedarf von Entfeuchtungstagen, Arbeitstagen und Kühltagen. Diese Werte gebe ich in die Regressionsanalyse und erhalte eine näherungsweise Voraussage für den Lastgang und damit den Verbrauch für die Bedingungen, die ich vorgegeben habe. Dazu kann ich virtuelle Messgeräte einrichten.“ Dieser berechnete Wert entspricht dem Energieverbrauch, der ohne Verbesserungsmaßnahmen angefallen wäre. Vergleicht man ihn mit dem tatsächlichen Wert, lässt sich sowohl relativ als auch in absoluten Zahlen erkennen, wie viel Energie eine Maßnahme eingespart hat. A. Moßburger kann bereits Resultate nennen: „Wir können in unserer Auswertung genau erkennen, wie viel Energie wir eingespart haben, seitdem wir im Sommer 2023 die Luftkonditionen angepasst haben. Die Werte nutzt neben uns auch die Produktion, beispielsweise für den Energieverbrauch pro Druckerzeugnis.“

Natürlich muss das Ergebnis hinsichtlich Genauigkeit und Plausibilität hinterfragt werden. Da im vorliegenden Fall mehrere Einflussfaktoren betrachtet werden, handelt es sich um eine multiple Regressionsanalyse. Bei dieser dient das Bestimmtheitsmaß R2 zum Abschätzen der Genauigkeit. A. Moßburger ist mit dem Resultat zufrieden: „R2 muss größer als 0,9 sein. Dann kann ich mit dem Modell, das ich entwickelt habe, gut arbeiten. Wir haben 0,97 erreicht, also eine Ungenauigkeit von 3 %. Das ist schon sehr präzise.“ Zur Kontrolle dient auch noch der sogenannte pWert, der Signifikanzwert, mit dem sich die Plausibilität einer Regressionsanalyse bestimmen lässt. Ein Wert unter 0,5 bedeutet, dass der zugehörige Faktor einen signifikanten Einfluss auf den Energieverbrauch hat. Mit R2 und dem p-Wert erhält der Anwender also eine Rückmeldung, ob er die richtigen Einflussfaktoren gewählt hat. A. Moßburger hat damit inzwischen viel Erfahrung. Er rät: „Man muss mit den Einflussfaktoren spielen, Parameter verwerfen und andere einfügen. Dazu ist es wichtig, den Betreiber der Anlagen mit einzubeziehen. Er kennt seine Anlagen.“

Energiemanagement eröffnet neue Perspektiven

„Das Berichtswesen wird immer wichtiger. Dafür ist ein System wie die GridVis unverzichtbar, gerade für Aufgaben wie die Regressionsanalyse“, resümiert A. Moßburger. „Am Ende muss ich zwar noch selbst interpretieren, ob eine Maßnahme sich im Energieverbrauch bemerkbar macht, aber ich kann vieles automatisieren. Das erleichtert meine Arbeit erheblich.“ Auch B. Mirsberger freut sich über das Engagement seines Kunden: „Bei der Regressionsanalyse mit der GridVis hat Datev eine Vorreiterrolle eingenommen.“ Die neue Version der Software bietet aber noch mehr Möglichkeiten. So lassen sich mit dem aktuellen Editor Dashboards schneller erstellen, kopieren und anpassen. A. Moßburger spart damit Zeit: „Ich habe hier für jeden Standort ein Dashboard. Da sich diese stark ähneln, habe ich einfach eine Vorlage für die Verbrauchsübersicht erstellt. Die kann ich kopieren und muss nur noch die Messgeräte einbinden. Auch der Berichtseditor ist neu. Ich kann jetzt die Berichte frei gestalten. Vorher waren Layout und Daten festgelegt.“

Auch intern kann A. Moßburger die Ergebnisse nutzen. Bei Rechenzentren ist es besonders schwierig, die richtige Balance zwischen Ausfallsicherheit und Energieeffizienz zu finden. Um genügend Reserven zu haben, sind deshalb oft die Trafos nicht ausgelastet. Das Problem dabei ist: Je niedriger ein Trafo belastet ist, desto schlechter der Wirkungsgrad. Dazu A. Moßburger: „Wir müssen immer wieder Diskussionen führen, wie viel Reserve wirklich nötig ist. Es hilft uns bei der Überzeugungsarbeit, wenn wir die Verluste bei schwacher Auslastung visualisieren können.“ Mit der Messtechnik und der Netzvisualisierungssoftware von Janitza lassen sich selbst sehr komplexe Prozesse übersichtlich darstellen, mögliche Szenarien durchspielen und Daten so aufbereiten, dass sie die Entscheidungsfindung für Betrieb und Investitionen erleichtern.

www.janitza.de 

SPS: Halle 6, Stand 260