Entwicklung einer Methode zur automatischen Energiedatenanalyse


Bachelorarbeit, 2016

149 Seiten, Note: 1,0


Leseprobe

Inhaltsverzeichnis

Aufgabenstellung

Inhaltsverzeichnis

Abstract

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

Verzeichnis der Formelzeichen

1 Einleitung

2 Grundlagen dieser Arbeit
2.1 Energiebedarf und Leistungsaufnahme
2.1.1 Relevante Messgrößen
2.1.2 Zustandsbasierter Energiebedarf
2.1.3 Generierung der Messwerte
2.1.4 Strompreisgestaltung
2.2 Zeitreihenanalyse
2.3 Produktionsplanung und -steuerung
2.3.1 PPS-Systeme und MES-Systeme
2.3.2 Betriebsdatenerfassung
2.4 Energiemanagementsysteme
2.5 Bestehende Ansätze zur Analyse von Energiedaten
2.5.1 Ansätze aus Forschung und Industrie
2.5.2 Ansätze aus wissenschaftlichen Arbeiten am iwb

3 Anforderungsanalyse
3.1 Funktionale Anforderungen
3.2 Qualitätsanforderungen
3.3 Randbedingungen
3.4 Anforderungen an die Datenbasis
3.5 Bewertung der bestehenden Ansätze

4 Entwicklung und Implementierung einer Energiedatenanalyse
4.1 Architektur der Datenverwaltung
4.2 Aufbau der Benutzeroberfläche
4.3 Implementierung des Programms
4.3.1 Programmaufbau
4.3.2 Einlesen der benötigten Daten
4.3.3 Analyse des Leistungsverlaufs
4.3.4 Analyse der einzelnen Prozesse

5 Anwendung und Validierung

6 Zusammenfassung und Ausblick

7 Literaturverzeichnis

8 Anhänge
8.1 Funktionsübersicht
8.2 Genauere Orientierung in Main-Funktionen der GUI

9 Verzeichnis verwendeter Software

10 Matlab Code

Abstract

Due to limited resources and the expansion of renewable energies energy prices have increased strongly over the last years. As energy costs claim a big share of a company’s operating expenses, power demand has become a crucial competitive factor.

In order to reduce energy costs it is necessary to achieve transparency regarding power and energy requirements. Therefore, in the course of this thesis, an automatic analysis of energy data has been developed and implemented in Matlab. It permits a comprehensive analysis of operating records and power data of any producing machine. With the help of a graphical user interface the user can easily analyse the power history according to different criteria. In addition, several parameters regarding energy and power consumption can be calculated and single tasks can be examined closely.

Zusammenfassung

Als Folge steigender Ressourcenknappheit und dem Ausbau erneuerbarer Energien war in den letzten Jahren ein starker Anstieg der Energiepreise zu beobachten. Da Energiekosten im Unternehmen oftmals einen großen Anteil der Betriebskosten verursachen, hat sich die Senkung des Energiebedarfs zu einem entscheidenden Wettbewerbsfaktor entwickelt.

Zur Reduktion von Energiekosten muss im ersten Schritt Transparenz über Leistungsaufnahme und Energiebedarf geschaffen werden. Im Rahmen der vorliegenden Arbeit wurde daher eine automatische Energiedatenanalyse entwickelt und implementiert, welche eine umfassende Analyse von Betriebsund Leistungsdaten beliebiger Produktionsanlagen ermöglicht. Eine leicht bedienbare Benutzeroberfläche erlaubt die Analyse des Leistungsverlaufs nach verschiedenen Kriterien. Zudem können diverse Werte bzgl. Energieund Leistungsbedarf berechnet und einzelne Prozesse näher betrachtet werden.

Abbildungsverzeichnis

Abbildung 2-1: zustandsbasierte Energieverbrauchsprofile einer Fräsmaschine (Quelle: in Anlehnung an (i. A. a.) an DIETMAIR 2008, S. 641.)

Abbildung 2-2: Nutzungsprofil einer Fräsmaschine

Abbildung 2-3: Leistungsverlauf einer produzierenden Anlage (Quelle: Eigene Darstellung.)

Abbildung 2-4: Methoden der Zeitreihenanalyse und ihre Verwendung (Quelle: i. A. a. MÜLLER 2008, S.39.)

Abbildung 2-5: Aufgaben von MES und PPS-Systemen (Quelle: i. A. a. LOUIS 2009, S. 39.)

Abbildung 2-6: Ausschnitt aus Betriebsdaten (Quelle: LIEBL 2015.)

Abbildung 2-7: Implementierung eines EnMS (Quelle: i. A. a. RACKOW et al. 2015A, S. 300.)

Abbildung 2-8: Vereinfachte Darstellung eines ETL-Prozesses (Quelle: i. A. a. SCHÖN 2012, S. 244.)

Abbildung 2-9: grundlegende Struktur des Green Cockpits (i. A. a.: RACKOW 2015B, S. 500.)

Abbildung 2-10: Architektur des EnMS e-Detect (Quelle: i.A.a INSYS 2016A.)

Abbildung 2-11: Architektur des Moduls EnergyMonitoring (Quelle: i. A. a

ABELE 2015, S. 301.)

Abbildung 2-12: Anleitung für das Erstellen einer Energiebedarfsprognose (Quelle: i. A. a. MÜLLER 2015, S. 21.)

Abbildung 3-1: Teilmerkmale von Usability (Quelle: i. A. a. BREITFELD 2009, S. 8.)

Abbildung 4-1: Anwendung des ETL-Prozesses (Quelle: i. A. a. SCHÖN 2012, S. 244.)

Abbildung 4-2: Zusammenwirken von Matlab und MySQL (Quelle: Eigene Darstellung.)

Abbildung 4-3: Startseite der entwickelten EDA

Abbildung 4-4: Zweite Seite der entwickelten EDA

Abbildung 4-5: Dritte Seite der entwickelten EDA

Abbildung 4-6: Vierte Seite der entwickelten EDA

Abbildung 4-7: Implementierung des ETL-Prozesses (Quelle: Eigene Darstellung.)

Abbildung 4-8: Ausschnitt aus den Betriebsdaten der Datenbank (Quelle: Database Explorer.)

Abbildung 4-9: Grober Ablauf der Analyse des Leistungsverlaufs (Quelle: Eigene Darstellung.) 49

Abbildung 4-10: Abfrage der Option „Leistungsverlauf glätten“ (Quelle: Eigene Darstellung.) 51

Abbildung 4-11: Abfrage zum Löschen des geglätteten Leistungsverlauf (Quelle: Eigene Darstellung.)

Abbildung 4-12: Ergebnisvergleich zwischen Peakerkennung mit findpeaks und Peaks10 (Quelle: Eigene Darstellung.)

Tabellenverzeichnis

Tabelle 2-1: Bestandteile der BDE (Quelle: i. A. a. KURBEL 2005, S. 298-300.) . 15 Tabelle 2-2: Randbedingungen bei der Einführung eines EnMS (Quelle: i. A. a. an VDI 4602 2013, Blatt 2.)

Tabelle 2-3: Die wichtigsten Funktionen eines EnMS (Quelle: i. A. a. VDI 4602 2007, Blatt1.)

Tabelle 2-4: Bestandteile der Analyse von Energiedaten (Quelle: i. A. a. VDI 4602 2007, Blatt 1.)

Tabelle 3-1: Auflistung funktionaler Anforderungen

Tabelle 3-2: Qualitätsanforderungen und ihre Merkmale (Quelle: i. A. a.: POHL & RUPP 2015, S. 10.)

Tabelle 4-1: Anforderungen an Datenbank sowie aktuell verwendete Bezeichnungen

Tabelle 4-2: Überblick über den Aufbau des Programms

Tabelle 4-3: Aufbau der Variablen mit Betriebsund Leistungsdaten

Tabelle 4-4: Überblick über die verschiedenen Variablen, welche die Ausgabe des Plots beeinflussen

Tabelle 4-5: Überblick über die verschiedenen Kennwerte sowie deren Berechnung im Rahmen der „Analyse von verschiedenen Parametern“

Tabelle 5-1: Unterteilung der Datensätze

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Die Energiewende ist eines der zentralen Themen des 21. Jahrhunderts. Vor dem Hintergrund steigender Ressourcenknappheit, dem Klimawandel und weltweit wachsendem Energiebedarf hat sich die Gewährleistung einer zuverlässigen und nachhaltigen Energieversorgung zu einer der größten Herausforderungen entwickelt. Um langfristig wettbewerbsfähig zu bleiben, setzte sich die Bundesregierung zum Ziel, Deutschland in eine der weltweit umweltverträglichsten Wirtschaftsnationen zu verwandeln (BUNDESMINISTERIUM 2010, S.3).

In diesem Sinne wurde bereits 2000 das Erneuerbare-Energien-Gesetz (EEG) verabschiedet. Dieses hielt erstmals die Vorrangigkeit von erneuerbaren Energien gegenüber konventionell erzeugtem Strom fest und erklärte insbesondere die Absicht, den Anteil erneuerbarer Energien am Energieverbrauch bis 2010 mindestens zu verdoppeln (BUNDESMINISTERIUM 2000, S.1).

Auf dieser Grundlage wurde 2000 zur Finanzierung des Ausbaus von erneuerbaren Energien die EEG-Umlage eingeführt, welche seit ihrer Einführung von 0,19 ct/kWh auf 6,24 ct/kWh (2014) gestiegen ist (MAYER & BURGER 2014, S.2). Neben Konzessionsabgaben, der Stromsteuer und Umlagen aus dem KraftWärme-Kopplungsgesetz trug vor allem die EEG-Umlage zu dem Energiepreisanstieg der letzten Jahre bei (MÜLLER et al. 2009, S. 8). Von 2000 bis 2014 stiegen die Energiepreise für Großabnehmer und kleine Gewerbebetriebe um 76 bzw. 79 % (STATISTISCHES BUNDESAMT 2014, S.1).

Da im gesamten Lebenszyklus einer Maschine Energiekosten bis zu 65 % der Gesamtkosten anfallen, ist die Senkung des Energiebedarfs für viele Unternehmen von zentraler Bedeutung (KNAFLA 2010, S.69).

Zur Reduktion der Stromkosten muss im ersten Schritt Transparenz über Leistungsaufnahme und Energiebedarf geschaffen werden. Da Stromlieferverträge zwischen Verbrauchern und Stromversorgern meist eine große Anzahl von Parametern berücksichtigen, werden genaue Informationen über Leistungsaufnahme und Energieverbrauch benötigt. Der Strompreis hängt vom Energieverbrauch und dem zeitlichen Verlauf der Leistungsaufnahme ab. Neben Lastspitzen erhöhen in erster Linie Abweichungen von vereinbarten Tarifmengen den Strompreis, da für diese Vertragsstrafen anfallen können. Darüber hinaus ist es Unternehmen möglich Geld zu sparen, indem sie ihre Leistungsaufnahme an das Angebot anpassen (MÜLLER et al. 2009, S. 92-97).

Bei hohen Energiekosten kann es sich für ein Unternehmen lohnen, weniger Strom über einen festen Stromliefervertrag zu beziehen und auf eine dynamischere Versorgung umzustellen, indem mehr Strom von der Strombörse bezogen wird. Für derartige Beschaffungsstrategien ist eine ausreichende Transparenz entscheidend, da Bedarfe genau geplant werden müssen (RACKOW et al. 2015A, S. 329). Demnach sollte es im Interesse jedes Unternehmens sein, ein umfassendes Wissen über seinen Verbrauch zu generieren.

Zu diesem Zweck wurde 2012 der Forschungsverbund FOREnergy gegründet, der Konzepte und Lösungen für die energieflexible Fabrik erforscht. Ziel des ersten der insgesamt acht Teilprojekte ist es, Transparenz über den Energiebedarf einer Fabrik zu schaffen (FORENERGY 2016).

Obgleich es bereits eine Reihe von Ansätzen zur Erfassung, Modellierung und Prognose von Energiedaten gibt, ist eine Energiedatenanalyse (EDA), deren Bedienung intuitiv gestaltet ist und nicht mit großem Aufwand erlernt werden muss, noch nicht erhältlich. Zudem wird oftmals lediglich der Energiebedarf auf Hallenebene analysiert, ohne die Energiedaten auf Maschinenebene einer genaueren Betrachtung zu unterziehen.

Aufbauend auf dem Projekt FOREnergy und wissenschaftlichen Arbeiten am Institut für Werkzeugmaschinen und Betriebswissenschaften (iwb) der Technischen Universität München wurde deshalb im Rahmen dieser Arbeit ein System zur automatische EDA entwickelt und umgesetzt. Eine einfach handhabbare Benutzeroberfläche liefert Unternehmen die wichtigsten Informationen aus Betriebs- und Leistungsdaten und erlaubt eine genaue Analyse der Daten nach ausgewählten Kriterien. Durch die Ausgabe von Leistungsspitzen, mittleren Verbrauchswerten ,oder dem charakteristischen Lastgang eines Prozesses, können beispielsweise Energiekosten abgeschätzt und die größten „Energiefresser“ unter den Produktionsprozessen aufgedeckt werden. Auf Basis dieser Informationen können Unternehmen künftig ihre Energiekosten senken, indem sie vereinbarte Tarifmengen einhalten, Leistungsspitzen vermeiden oder energieintensive Prozesse in Niedertarifzeiten verschieben.

Um betriebsübergreifend Transparenz bzgl. des Energiebedarfs zu schaffen, ist insbesondere die Übertragbarkeit des Systems auf unterschiedliche Anlagen eine wichtige Voraussetzung.

2 Grundlagen dieser Arbeit

2.1 Energiebedarf und Leistungsaufnahme

Da die zu entwickelnde EDA an erster Stelle Transparenz über Energiebedarf und Leistungsaufnahme einer Maschine schaffen soll, ist es zunächst notwendig, ein grundlegendes Verständnis für die Messgrößen zu schaffen. Um den Energiebedarf in verschiedenen Zuständen analysieren zu können, ist überdies die zustandsbasierte Zusammensetzung von Energiebedarfen von Interesse. Hinsichtlich der Implementierung müssen schließlich noch Messverfahren und die Gestaltung der Strompreise berücksichtigt werden, da die Analyse zum einen an die Charakteristika des Messverfahrens angepasst werden muss und zum andern die wichtigsten Kostenfaktoren abbilden sollte.

2.1.1 Relevante Messgrößen

Im Rahmen der entworfenen EDA ist zunächst die Messgröße Leistung von Interesse. Für die benötigten Leistungsdaten wird diese direkt an der Anlage in der Einheit kW gemessen.

Der Leistungsverlauf () ergibt, integriert über die Zeit, die elektrische Arbeit .

= ∫() (1)

Allgemein wird Energie definiert als „die Fähigkeit eines Systems, Arbeit zu verrichten“ (MÜLLER 2009, S.68). Energie ist somit eine systembezogene Zustandsgröße. Der Übergang von einem Zustand in einen anderen wird hierbei als Prozess bezeichnet. In der Energiewirtschaft ist für Energie nicht die SI-Einheit J, sondern kWh bzw. MWh üblich (MÜLLER 2009, S.68).

Nach dem 1. Hauptsatz der Thermodynamik kann Energie weder erzeugt, noch vernichtet werden. Es kann lediglich eine Energieform in eine andere umgewandelt werden. In der Praxis sind Begriffe wie „Energieverbrauch“ für die Umwandlung von Energie in eine schlecht nutzbare Form, wie niederkalorische Wärme, dennoch verbreitet (MÜLLER et al. 2009, S. 67-69). Deshalb wird diese Bezeichnung auch im Rahmen dieser Arbeit verwendet.

Die gesamte von einer Anlage aufgenommene Leistung wird als Scheinleistung bezeichnet. Diese setzt sich aus Wirkund Blindleistung zusammen. Nur die Wirkleistung kann von den Verbrauchern umgesetzt werden und Arbeit verrichten. Die bezogene Blindleistung hingegen wird lediglich für den Aufbau elektromagnetischer Felder verwendet und zeitversetzt wieder an das Netz zurückgespeist (NIEDERHAUSEN & BURKERT 2014, S.389).

Aus der resultierenden Phasenverschiebung zwischen Stromstärke und Spannung ergibt sich die Scheinleistung . Da Drehstrom einen periodischen Schwingungsverlauf aufweist, kann die Schwingung als Rotation eines Zeigers im Zeigerdiagramm dargestellt werden. Die Scheinleistung bildet dort gemeinsam mit der Wirkleistung und Blindleistung ein rechtwinkliges Dreieck, sodass sich die Scheinleistung folgendermaßen berechnen lässt (MÜLLER et al. 2009,

S. 87f):

= √[2] + [2] (2)

Die aufgenommene Leistung „scheint“ folglich mehr zu sein, als letztendlich genutzt werden kann. Durch die hinund herpendelnde Blindleistung müssen Versorgungsnetzte oftmals etwas größer dimensioniert werden (NIEDERHAUSEN & BURKERT 2014, S.389). Ab einer bestimmten Größe verlangt der Netzbetreiber daher eine Vergütung für Blindarbeit (MÜLLER et al. 2009, S. 167), weshalb sich für Unternehmen mitunter die Installation einer Blindleistungskompensationsanlage rentiert. Durch einen Kondensator mit einer geeigneten Kapazität kann der aufgenommene Strom auf seinen Wirkanteil reduziert und der Blindstrom kompensiert werden (FROHNE et al. 2011, S. 477).

Da die Wirkleistung jedoch einen deutlich größeren Einfluss auf die Höhe des Energiepreises hat, wird im Folgenden die Blindleistung vernachlässigt.

2.1.2 Zustandsbasierter Energiebedarf

DIETMAIR et al. (2013) stellen eine sehr anschauliche Methode zur Beschreibung des Leistungsund Energiebedarfs von Produktionsund Fertigungsmaschinen vor. Diese wird exemplarisch anhand einer Fräsmaschine erläutert. Ausgehend von der Beobachtung, dass die Leistungsaufnahme hauptsächlich vom jeweiligen Betriebszustand der Maschine abhängt, werden die Zustände nach den jeweils aktiven Komponenten aufgegliedert (siehe Abbildung 2-1). Da im ausgeschalteten Zustand keine Komponente aktiv ist, beträgt auch die Leistungsaufnahme null. Obgleich die Zustände „Betriebsbereit“, „Im Notaus“ und „Hochlauf“ nicht zur Wertschöpfung beitragen, weisen sie eine nicht unerhebliche Leistungsaufnahme auf. Die höchste Leistungsaufnahme ist bei aktiven Zuständen vorzufinden, speziell im Zustand „Bearbeitung“, da während diesem die höchste Zahl an Komponenten aktiv ist. Es fällt auf, dass bei bearbeitenden Zuständen ein jeweils unterschiedlich hoher Leistungsbedarf vorliegen kann.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-1: zustandsbasierte Energieverbrauchsprofile einer Fräsmaschine (Quelle: in Anlehnung an (i. A. a.) an DIETMAIR 2008, S. 641.)

Über ein Nutzungsprofil (siehe Abbildung 2-2), welches die Abfolge der Zustände über die Zeit und deren annähernd konstante Leistungsniveaus abbildet (DIETMAIR 2008), kann somit der Energieverbrauch nach der folgenden Formel berechnet werden.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-2: Nutzungsprofil einer Fräsmaschine (Quelle: DIETMAIR 2008, S. 642)

Eine ähnliche Methode ist bei HEISEL & BRAUN (2013) für die Modellierung des Energiebedarfs von Bearbeitungsprozessen vorzufinden. Im Rahmen des Projekts Ecomation wurde ein modulares Verbrauchsmodell entwickelt, das über die Aktivität der einzelnen Komponenten die Vorhersage des Energiebedarfs ermöglicht. Die Modularität des Modells erlaubt den Austausch einzelner Komponenten und somit die Übertragbarkeit auf verschiedene Maschinen und Nutzungsfälle.

Die Modellierung der Komponenten und Validierung des Modells wurde anhand einer Drehmaschine durchgeführt. Hierbei lag er Fokus auf dem Hydraulikund Kühlmittelsystem, da dieses eine der größten Energieverbraucher darstellt. Im Leerlauf verbrauchen Kühlund Hydraulikeinheiten 40 % der aufgenommenen Leistung. Für die Senkung des Energieverbrauchs wird demnach insbesondere auf die Bedeutung des Standby-Verbrauchs verwiesen (HEISEL & BRAUN 2008).

2.1.3 Generierung der Messwerte

Oftmals liegen den Unternehmen nur hallenübergreifende Energiedaten vor. Damit die EDA verwertbare Ergebnisse generieren kann, sind jedoch zumindest Messungen am Anschlusspunkt der Maschinen notwendig. Um ein umfassendes Bild des Energiebedarfs zu erhalten, können zudem Messungen an einzelnen Anlageteilen innerhalb der Maschine durchgeführt werden (KNAFLA 2010, S.68f.).

Elektrische Leistung und Arbeit können beispielsweise über Spannungsund Strommesser oder ein Leistungsmessgerät gemessen werden. Die Wahl des Messgeräts ist abhängig von der jeweiligen Messaufgabe. Je nach Messumfang und Verwendungszweck der Daten können mobile Messgeräte oder feste Zählstellen verwendet werden. Die Messwerte werden anschließend an eine Datenbank weitergeleitet, von wo aus beispielsweise ein Energiemanagementsystem (EnMS) auf die Daten zugreifen und sie weiterverarbeiten kann. Für die Verarbeitung der Daten ist das Messintervall entscheidend. Leistungsmessungen werden i. d. R. in Minutenbzw. Sekundenintervallen vorgenommen. EnMS arbeiten oftmals auch mit Viertelstundenwerten, da diese für die Höhe der Energiekosten von Interesse sind. Für eine genauere Betrachtung von Prozessen sind jedoch kleinere Messabstände notwendig. Leistungsspitzen können z. B. nur bei einem Sekundenintervall sinnvoll ermittelt werden (MÜLLER 2009, S.261- 263).

Am iwb kommt unter anderem ein mobiles Messgerät, die Power Quality Analyser PQ-Box 100, zum Einsatz, welche Schein-, Blindund Wirkleistung in regelmäßigen Abständen aufzeichnet (A-EBERLE 2015, S. 15). Das Messintervall kann zwischen 1 s und 1800 s frei gewählt werden, was bei der Entwicklung des Analysetools entsprechend berücksichtigt wurde (A-EBERLE 2015, S. 79). Als genauestes Messgerät, wird der LMG450 verwendet. Dieser erlaubt die Aufzeichnung und Speicherung von Leistungswerten mit einem bis auf Millisekunden genauen Zeitstempel (ZES ZIMMER 2016). Innerhalb der Energiedatenanalyse müssen die Werte daher ebenfalls bis auf Millisekunden genau ausgegeben und gespeichert werden.

2.1.4 Strompreisgestaltung

Wie bereits erwähnt, ist der Anstieg des Strompreises unter anderem auf die gestiegenen Abgaben, wie der EEG-Umlage, zurückzuführen. Neben dem staatlich festgelegten Anteil wird der Strompreis in Deutschland durch Angebot und Nachfrage beeinflusst. Seit der Liberalisierung des europäischen Stromsektors etablierte sich ein Großmarkt für den Stromhandel. Verschiedene Strombörsen erlauben seither den dynamischen Anund Verkauf von Strom. An der Strombörse EEX (European Energy Exchange) in Leipzig wird Strom aus Deutschland, Österreich und Frankreich gehandelt. Kurzfristige Transaktionen können dort am Spotmarkt getätigt werden, während langfristige Geschäfte Terminmarkt abgeschlossen werden. Die Strompreisentwicklung an der Strombörse dient als Indikator für Stromlieferverträge zwischen Industrie und Energieversorger (NICKEL & WALTER 2005, S. 5-10).

Entscheidend für die anfallenden Kosten im Unternehmen sind somit Stromlieferverträge mit einer üblichen Laufzeit von ein bis zwei Jahren. In den Verträgen wird eine Reihe von Preisbestandteilen festgelegt. Im einfachsten Fall werden ein Leistungsund ein Arbeitspreis vereinbart, wobei der Arbeitspreis den Preis für die elektrische Arbeit in ct/kWh darstellt (MÜLLER 2009, S. 92).

Bei größeren Unternehmen und Abnahmemengen wird nach einem individuellen Tarifsystem abgerechnet. Der Arbeitspreis kann nun über die Vertragslaufzeit variieren. Hierbei ist sowohl eine Bindung an Preisindizes, in der Regel an den Preis der europäischen Strombörse, als auch eine tageszeitabhängige Unterscheidung zwischen dem teuren Hochtarif und dem günstigeren Niedertarif möglich. Darüber hinaus wird bei größeren Liefermengen auch der Verlauf des Strombezugs einer genaueren Betrachtung unterzogen. Bei Abweichungen des Verlaufs von verhandelten Toleranzwerten fallen häufig Vertragsstrafen an. Überdies wird ein Leistungspreis vereinbart, der optional vom höchsten Fünfzehnminuten-Mittelwert eines Monats (Monatsleistungspreis), dem Mittelwert der zwei oder drei höchsten Monatswerte (Jahresleistungspreis) oder der höchsten Jahresleistung (Jahreshöchstleistungspreis) abhängt (MÜLLER 2009, S. 92f.).

Dementsprechend werden bei hohen Jahresverbräuchen (über 100 MWh/a) nicht nur der genaue Leistungsverlauf, sondern auch die Viertelstundenwerte mithilfe eines Viertelstundenlastgangzählers gemessen. Die Messung der Werte beginnt um 0 Uhr. Bei geringeren Bedarfen wird i. d. R. mit Standardlastprofilen kalkuliert, die den charakteristischen Verbrauch einer Branche abbilden (MÜLLER 2009, S. 93f.).

Während bei größeren Unternehmen der Strompreis demnach meist von individuell ausgehandelten Verträgen abhängt, kommen bei kleinen und mittelständischen Unternehmen standardisierte Tarife zum Einsatz. Für Kalkulationszwecke wird daher aus den gesamten Energiekosten eines Jahres und der bezogenen Energiemenge oftmals ein Mischpreis berechnet.

Abbildung in dieser Leseprobe nicht enthalten

Nach MÜLLER et al. (2009) lassen sich aus der gegebenen Strompreisgestaltung einige Ansätze zur Reduktion der Stromkosten ableiten. Unter anderem ist eine Verringerung des Gesamtverbrauchs und damit der Wirkkosten anzustreben. Indem Bedarfe aus Zeiten des Hochtarifs in Niedertarifzeiten verschoben, Lastspitzen vermieden und bei hohen Bedarfen Leistungen abgeschaltet werden, kann überdies Geld gespart werden (MÜLLER 2009, S. 92-97).

Die entwickelte EDA soll die Umsetzung dieser Maßnahmen erleichtern, indem sie ausführliche Informationen zum Leistungsverlauf, Energiebedarfen einzelner Prozesse, Fünfzehnminutenmittelwerte und Abschätzungen der Energiekosten zur Verfügung stellt.

2.2 Zeitreihenanalyse

Die folgende Arbeit basiert auf der Auswertung von Leistungsverläufen. Da es sich bei diesen um Zeitreihen handelt, werden im Verlauf dieses Kapitels die verschiedenen Arten von Zeitreihen sowie mögliche Methoden zur Analyse erläutert.

Die Zeitreihenanalyse nach LIPPE (1993, S. 379-381) umfasst Methoden zur Beschreibung von Zeitreihen, d.h. von Daten, die zeitlich geordnet vorliegen. Die Zeitreihe ist demnach eine Folge von Messoder Beobachtungswerten.

Abbildung in dieser Leseprobe nicht enthalten

wobei 1 bis T den Beobachtungszeitraum bezeichnet (BACKHAUS 2008, S. 114). Bei Zeitreihen kann zwischen kontinuierlichen und diskreten Zeitreihen unterschieden werden. Bei mathematischen Funktionen handelt es sich beispielsweise um kontinuierliche Zeitreihen. Messund Beobachtungswerte hingehen liegen i. d. R. in zeitlich diskreter Form vor. Während die Zeitvariable t in äquidistante Abschnitte eingeteilt wird, sind die Messoder Beobachtungswerte meist metrisch skaliert (LIPPE S. 378). Bei den im Rahmen dieser Arbeit analysierten Leistungsmessungen handelt es sich ebenfalls um diskrete Zeitreihen (siehe Abbildung 2-3).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-3: Leistungsverlauf einer produzierenden Anlage (Quelle: Eigene Darstellung.)

Allgemein können Zeitreihen nach den drei Zielen Prognose, Analyse und Kontrolle ausgewertet werden. Während bei einer Analyse von Zeitreihen versucht wird, z. B. durch Beschreibung der Daten, Entwicklungen zu verstehen und Ursachen zu erkennen, steht bei der Kontrolle die Steuerung oder Regelung von Prozessen im Vordergrund (LIPPE S. 378).

Bezüglich der Analyse von Zeitreihen unterscheidet HÜFTLE (2016, S. 4) unter anderem die Aufgaben Beschreibung, Modellierung, Glättung und Filterung von Zeitreihen. Durch Glättung einer Zeitreihe werden irreguläre Schwankungen ausgeglichen. Dies kann beispielsweise durch das Verfahren des gleitenden Durchschnitts oder eine exponentielle Glättung geschehen.

Der einfache gleitende Durchschnitt für einer Zeitreihe aus n Werten wird durch das arithmetische Mittel von −, … , , … , + gebildet.

Abbildung in dieser Leseprobe nicht enthalten

Bei einer Drei-Punkte-Glättung beträgt m beispielsweise 1. Je mehr Werte berücksichtigt werden, desto stärker ist die Glättung. Da zur Berechnung des Mittelwerts jeweils Werte an den Rändern benötigt werden, besteht eine geglättete Zeitreihe nur noch aus െ 2 Werten. Aus diesem Grund wird das Verfahren des gleitenden Durchschnitts oftmals um Methoden zur Ermittlung von Randwerten ergänzt (HÜFTLE 2016, S. 14).

Im Gegensatz zum gleitenden Durchschnitt werden bei der exponentiellen Glättung die Werte nicht mehr gleich, sondern exponentiell gewichtet.

Abbildung in dieser Leseprobe nicht enthalten

bezeichnet hierbei den Gewichtungsfaktor und mit 0 < < 1 den Glättungsfaktor

Abbildung in dieser Leseprobe nicht enthalten

wobei mit wachsendem abnimmt. Umso kleiner , desto stärker werden frühere Werte bei der Glättung berücksichtigt. liegt meist zwischen 0,1 und 0,3. Da die exponentielle Glättung ausschließlich frühere Werte berücksichtigt, kann das Verfahren ebenso für Prognosezwecke verwendet werden. Aufgrund der Vorhersage genau eines Werts ist die exponentielle Glättung auch unter der Bezeichnung „1-Schritt-Prognose“ bekannt (HÜFTLE 2016, S. 15). Bei der doppelten exponentiellen Glättung sind somit zwei Schritte notwendig. Der einfach geglättete Wert wird bei der zweiten Glättung für − eingesetzt. Analog hierzu wird bei der dreifachen exponentiellen Glättung im letzten Schritt der zweifach geglättete Wert für − verwendet.

Abbildung 2-4 zeigt die unterschiedliche Verwendung der Analyseverfahren. Exponentielle Glättung und der einfache gleitende Durchschnitt werden i. d. R. bei Zeitreihen angewendet, die keinen systematischen Trend erkennen lassen. Zur Berücksichtigung von Trends kann hingehen der doppelte gleitende Durchschnitt, die doppelte oder dreifach exponentielle Glättung verwendet werden, da diese mehrere Vergangenheitswerte berücksichtigen. Bei zusätzlichen saisonalen Schwankungen eignet sich die dreifache exponentielle Glättung (MÜLLER 2008, S. 73). Da im Rahmen dieser Arbeit jedoch weder trendbehaftete noch saisonale Schwankungen betrachtet werden, werden die Verfahren an dieser Stelle nicht näher erläutert.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-4: Methoden der Zeitreihenanalyse und ihre Verwendung (Quelle: i. A. a. MÜLLER 2008, S.39.)

2.3 Produktionsplanung und -steuerung

Die Leistungsaufnahme einer Maschine liefert ohne näheres Wissen zu Betriebsund Produktionsgeschehen wenig verwertbare Informationen. Um Maßnahmen zur Reduktion der Energiekosten umsetzen zu können, ist entscheidend, während welchem Prozess eine erhöhte Leistungsaufnahme, Stromspitze oder der höchste Viertelstundenmittelwert auftritt.

Für diese und weitere Information werden aktuelle Ist-Daten zum Betriebsgeschehen benötigt. Daten zur Produktion, insbesondere in Form von Betriebsdaten, liefern Produktionsplanungsund Steuerungssysteme (PPS-Systeme) und Manufacturing Execution Systems (MES).

2.3.1 PPS-Systeme und MES-Systeme

Bei PPS-Systemen handelt es sich um computergestützte Programme, welche den Anwender bei der Planung und Steuerung der Produktion unterstützen und die dafür notwendigen Daten verwalten.

Im ersten Schritt wird i. d. R. ein Auftragsprogramm für ein Jahr erstellt. Die Programmplanung erfolgt turnusmäßig, meist monatlich oder vierteljährlich, sodass das Auftragsprogramm immer wieder aktualisiert wird. Anhand der Aufträge (Primärbedarfe) werden für einen kürzeren Planungshorizont die benötigten Mengen an Bauteilen oder Rohmaterialien (Sekundärbedarfe) abgeschätzt. Im dritten Schritt erfolgt die Feinterminierung, die kurzfristig Aufträge regelt, indem Aufträge freigegeben, Verfügbarkeiten geprüft und Kapazitätsgrenzen berücksichtigt werden. Erst im letzten Schritt erfolgt die eigentliche Steuerung der Produktion. Die Ergebnisse der Feinterminierung werden durch eine Überwachung des Produktionsfortschritts und exakte Planung auf Minutenund Stundenbasis umgesetzt (2009, S. 37f.).

Als MES oder Produktionsleitsystem wird die operative Ebene der Produktionsplanung bezeichnet. Nach LOUIS (2009, S. 34) umfasst die MES-Ebene grob die Teilbereiche operatives Produktions-, Instandhaltungs-, Qualitätsund Bestandsmanagement.

Bei einer genaueren Betrachtung fällt auf, dass sich die Aufgabenbereiche von MES und PPS-Systemen zum Teil überschneiden (siehe Abbildung 2-5). Jedoch nehmen PPS-Systeme die Aufgaben Feinterminierung und Werkstattsteuerung in einem deutlich geringeren Ausmaß wahr.

Die Betriebsdatenerfassung (BDE) fällt somit in den Aufgabenbereich beider Systeme. Da die MES-Ebene für einen ständigen Abgleich von Feinplanung und realen Produktionsgeschehen zuständig ist, spielt die BDE dort eine besonders wichtige Rolle (LOUIS 2009, S. 39f.).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-5: Aufgaben von MES und PPS-Systemen (Quelle: i. A. a. LOUIS 2009, S. 39.)

2.3.2 Betriebsdatenerfassung

Die während eines Produktionsprozesses erfassten Daten und Nummern zur Identifikation von Bauteilen oder Materialien werden allgemein als Betriebsdaten bezeichnet. Darüber hinaus können auch weitere Daten, wie Auftragsdaten oder Anwesenheitszeiten des Personals, die in direkter Verbindung zum Produktionsablauf stehen, zu den Betriebsdaten gezählt werden.

Wie in Tabelle 2-1 dargestellt, lassen sich Betriebsdaten nach KURBEL (2005) grob in drei Kategorien einteilen.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2-1: Bestandteile der BDE (Quelle: i. A. a. KURBEL 2005, S. 298-300.)

Die BDE dient zur Erfassung der genannten Daten in maschinell verarbeiteter Form. Die Daten können hierbei entweder automatisch an den Produktionsanlagen (Maschinendatenerfassung) oder manuell aufgezeichnet werden. Bei einer automatischen Erfassung ist überdies eine Rückkopplung der IST-Situation zur Produktionssteuerung möglich (KURBEL 2005, S. 298-300).

Für die entwickelte EDA sind Auftragsdaten und Maschinendaten, insbesondere Startund Endtermine, Bearbeitungszustände und Störungen, von Interesse. Abbildung 2-6 zeigt einen Ausschnitt aus Betriebsdaten.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-6: Ausschnitt aus Betriebsdaten (Quelle: LIEBL 2015.)

Bei Vergleich der Startund Endzeiten der Betriebsdaten fällt auf, dass die Aufzeichnung nicht lückenlos ist. Lückenhafte und fehlende Aufzeichnungen, sowie Leerzeilen und -spalten sind bei Betriebsdaten häufig vorzufinden.

2.4 Energiemanagementsysteme

Die Koordination von Energiebeschaffung und -nutzung unter Berücksichtigung energiepolitischer und ökonomischer Ziele wird mit dem Begriff EnMS bezeichnet, dessen Anforderungen in einer internationalen Norm beschrieben werden.

Ein EnMS nach DIN 50001 umfasst die „Gesamtheit miteinander zusammenhängender oder interagierender Elemente zur Einführung einer Energiepolitik und strategischer Energieziele sowie Prozesse und Verfahren zur Erreichung dieser strategischen Ziele“.

Bei der Einführung eines EnMS sind zunächst die in Tabelle 2-2 genannten Randbedingungen zu erfüllen.

Tabelle 2-2: Randbedingungen bei der Einführung eines EnMS (Quelle: i. A. a. an VDI 4602 2013, Blatt 2.)

Abbildung in dieser Leseprobe nicht enthalten

Da im Rahmen dieser Arbeit keine Einbindung in PPS-Systeme vorgenommen wird, müssen zu Beginn nur die erforderlichen Messwerte und die Datenschnittstellen festgelegt werden.

Bezüglich der Funktionen und Anforderungen eines EnMS können die in Tabelle 2-3 genannten Richtlinien des Vereins Deutscher Ingenieure herangezogen werden.

Tabelle 2-3: Die wichtigsten Funktionen eines EnMS (Quelle: i. A. a. VDI 4602 2007, Blatt1.)

Abbildung in dieser Leseprobe nicht enthalten

Im Zuge der Leistungsermittlung werden nicht nur die aktuelle Leistung gemessen, sondern zudem die Messwerte auf Plausibilität überprüft und ungültige Werte korrigiert. Ungültigen Messwerten wird dabei entweder ein konstanter Verbrauch zugewiesen oder sie werden anhand eines gleitenden Mittelwerts über die letzten Minuten abgeschätzt. Hierbei sind korrigierte Werte stets als solche zu kennzeichnen (VDI 4602 2007, Blatt1).

Anschließend werden die Daten an darauffolgende Energiemanagementfunktionen übergeben. Die Funktion der Leistungsüberwachung kontrolliert den gesamten Energiebedarf und dessen Aufteilung auf einzelne Verbraucher in einer Abrechnungsperiode (VDI 4602 2007, Blatt1).

Um charakteristische Bedarfsmuster und Abhängigkeiten von der Produktion zu erkennen, werden daraufhin spezifische Bedarfskennzahlen gebildet und statistisch ausgewertet. Anweisungen zur konkreten Umsetzung der Funktionen werden jedoch nicht gegeben (VDI 4602 2007, Blatt1).

Das Monitoring verbindet mehrere der Funktionen, indem es Messwerte erfasst und speichert, mit Grenzwerten vergleicht und in Tabellen, Diagrammen oder Grafiken visualisiert. Die eigentliche Analyse baut auf dem Monitoring auf (VDI 4602 2007, Blatt1).

Die Analyse von Energiedaten wird als „die systematische Untersuchung eines Prozesses/ Verfahrens hinsichtlich der gewünschten Zielsetzung“ definiert (VDI 4602 2007, Blatt 1.). Die typischen Bestandteile einer Analyse im Rahmen eines EnMS können der Tabelle 2-4 entnommen werden.

Tabelle 2-4: Bestandteile der Analyse von Energiedaten (Quelle: i. A. a. VDI 4602 2007, Blatt 1.)

Abbildung in dieser Leseprobe nicht enthalten

2.5 Bestehende Ansätze zur Analyse von Energiedaten

In der Literatur existiert bereits eine Reihe von Arbeiten, die sich mit den Themen Modellierung, Simulierung und Optimierung des Energiebedarfs befassen. Einige Projekte beschäftigen sich überdies mit der Einbindung von Energiedaten in Planungsund Steuerungssysteme, wofür insbesondere die Modellierung des Energiebedarfs eine wichtige Voraussetzung ist.

Durch wissenschaftliche Arbeiten am iwb, unter anderem im Rahmen des Forschungsprojekts FOREnergy, wurde ebenfalls viel Wissen zu Energiebedarf und -flexibilität von Produktionsmaschinen erworben. Um auf diesem Wissen aufbauen zu können, werden im Folgenden die Ansätze aus Forschung und Industrie sowie aus wissenschaftlichen Arbeiten am iwb erläutert.

2.5.1 Ansätze aus Forschung und Industrie

Da die DIN-Norm 50001 sowie die VDI-Richtlinie 4602 die konkrete Umsetzung eines EnMS offen lassen, schlagen RACKOW et al. (2015A) folgende Methode zur Implementierung vor (siehe Abbildung 2-7).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-7: Implementierung eines EnMS (Quelle: i. A. a. RACKOW et al. 2015A, S. 300.)

Zur Datenaufnahme empfehlen RACKOW et al. (2015A, S. 330) die Installation permanenter Messgeräte an den Hauptverbrauchern, sodass circa 80 % des Energiebedarfs erfasst wird. Anschließend werden die Daten aufbereitet und an eine Datenbank übergeben, sodass diese bei den Rechenoperationen schnell abgerufen werden können. Je nach Interesse kann der Benutzer zwischen unterschiedlichen Funktionen, Diagrammen und Auswertungen wählen. Die Auswertung wird anschließend auf einer Benutzeroberfläche visualisiert.

Für die korrekte Übergabe der Daten an die Datenbank kann der Extract, Transform and Load (ETL) Prozess nach SCHÖN (2012) herangezogen werden. Wie in Abbildung 2-8 dargestellt, besteht dieser aus den drei Schritten Extraktion, Transformation und Laden.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-8: Vereinfachte Darstellung eines ETL-Prozesses (Quelle: i. A. a. SCHÖN 2012, S. 244.)

Im ersten Schritt werden die relevanten Daten identifiziert. Die Transformation passt Datenformate und -strukturen an Format und Aufbau der Datenbank an. An dieser Stelle müssen oftmals einige Korrekturen vorgenommen werden. Beispielsweise sollten die Daten von nicht benötigten Zusatzfeldern oder unterschiedlichen Datumsformaten und -längen bereinigt oder fehlende Daten ergänzt werden. Zudem können Einheiten umgerechnet und Datenwerte verdichtet werden. Im letzten Schritt werden die Daten in die Datenbank geladen (SCHÖN 2012, S. 242-244).

Der ETL-Prozess sowie die DIN-Norm 50001 finden in dem Tool „Green Cockpit“ Anwendung. Auf Basis einer laufenden Analyse der Energiedaten, trifft das Programm Entscheidungen über Produktionsprozess und -planung. Abbildung 2-9 stellt die grundlegende Struktur des Tools dar.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-9: grundlegende Struktur des Green Cockpits (i. A. a.: RACKOW 2015B, S. 500.)

Die zu untersuchenden Daten werden über entsprechende Schnittstellen den jeweiligen Datenquellen entnommen. Als Datenquellen kommen Datenbanken, externe Quellen, wie Internetseiten oder verschiedene Dateitypen in Frage. Die Daten werden anschließend an einem Sammelpunkt zwischengespeichert, der insbesondere der Überarbeitung und Homogenisierung der Daten dient. Unter Anwendung des ETL-Prozesses werden die relevanten Informationen zunächst extrahiert. Vor dem Einlesen der Daten in eine Datenbank werden die Daten im Rahmen der Transformation bereinigt und homogenisiert. Aus Performance- Gründen ist eine Zwischenspeicherung in sogenannten „Data-Marts“ möglich. Dabei wird beispielsweise zur Analyse oder für eine bestimmte Anwendung ein Teil des Datenbestands in einen Zwischenspeicher kopiert. Über ein Online Analytical Processing (OLAP) kann der Benutzer mittels OLAP-Abfragen auf die zwischengespeicherten Daten zugreifen. Bei OLAP handelt es sich um eine multidimensionale Analysemethode, bei der die Datenbasis in einer Würfelstruktur angeordnet wird. Die Anfragen, i.d.R. in Form von Hypothesen, werden vom Server innerhalb einer kurzen Rechenzeit beantwortet. Bezüglich der Analysekriterien wird unter anderem der Performance-Indikator Energieintensität vorgeschlagen (RACKOW 2015B).

Abbildung in dieser Leseprobe nicht enthalten

Das Unternehmen INSYS entwickelte mit seinem Tool eDetect einen weiteren Ansatz zur Umsetzung eines EnMS. Abbildung 2-10 zeigt die Komponenten des modular aufgebauten Systems.

Abbildung 2-10: Architektur des EnMS e-Detect (Quelle: i.A.a INSYS 2016A.) Die Zähler, welche die Messwerte der jeweiligen Medien Strom, Wasser, Gas oder Wärme erfassen, werden, beispielsweise über einen M-Bus Master, an einen Industrierouter der Derie MoRoS weitergeleitet. Die erfassten Messwerte werden an dieser Stelle von der eDetect-App aufbereitet. Anschließend können die Daten per Internet an ein Portal übermittelt werden, wo sie vom Benutzer in gespeichert und abgerufen werden können (INSYS 2016B).

Das System eDetect überwacht die laufenden Energieund Betriebsdaten, vergleicht den Verbrauch von Anlagen oder Gebäuden miteinander und schlägt Energiesparmaßnahmen vor. Neben Informationen über Lastspitzen, können unter anderem Fünfzehnminutenwerte eingesehen werden (STERNECKER & INSYS 2013, S. 86). Überdies kann sich der Anwender aktuelle Werte, wie Tagesverbrauch oder Verbrauchswerte der letzten Woche, per E-Mail zuschicken lassen. Bei einem Überschreiten von Schwellwerten können optional Warnmeldungen per SMS versendet werden (INSYS 2013B).

Einen Ansatz zur Standardisierung von EnMS stellen ABELE et al. (2015) anhand einer Fräsmaschine vor. Einheitliche Funktionsblöcke sollen eine schnelle und verlässliche Umsetzung von Energiesparmaßnahmen ermöglichen. Das Modul EnergyMonitoring sorgt für die notwendige Transparenz, indem es den Energiebedarf einer Produktionsmaschine erfasst und Leistungsspitzen identifiziert. Auf Basis dieser Daten schaltet das EnergyControl Modul gegebenenfalls nicht benötigte Lasten ab.

Da im Rahmen dieser Arbeit der Fokus auf der Erfassung, Analyse und Modellierung von Energiedaten liegt, wird lediglich das Modul EnergyMonitoring näher erklärt. Wie in Abbildung 2-11 dargestellt, besteht das Modul EnergyMonitoring aus vier Funktionsblöcken, die objektorientiert durch strukturierten Text implementiert wurden.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-11: Architektur des Moduls EnergyMonitoring (Quelle: i. A. a. ABELE 2015, S. 301.)

Während der MonBasicDevice Energieund Leistungsdaten von gewöhnlichen Messgeräten erhält, ist der der MonIndraDriveDevice in der Lage, Energiezähler direkt abzulesen. Der EnergyMonitoring-Funktionsbaustein sammelt die Daten der beiden MonDevices und berechnet entsprechende Verbrauchswerte. Diese werden anschließend von dem HM Collector-Funktionsbaustein für die Mensch- Maschine-Schnittstelle (HMI) vorbereitet. Dort werden die Daten für den Benutzer über standardisierte Graphen visualisiert (ABELE 2015, S. 301).

Darüber werden wird der Leistungsbedarfs während den Zuständen „Operational“, „Ready“, „Setup“ und „Standby“ berechnet, wobei vor allem auf die Bedeutung der Zustände „Setup“ und „Standby“ verwiesen. Da Maschinen neben Antriebsaggregaten oftmals auf Hilfssysteme, wie Kühlaggregate, angewiesen sind, macht die Grundlast einen erheblichen Anteil am Gesamtverbrauch aus.

Da Wartezeiten zudem einen erheblichen Anteil der Produktionszeiten beanspruchen, sind die Zustände Betriebsbereit und Standby ein wichtiger Ansatzpunkt für Energiesparmaßnahmen (ABELE 2015, S. 300-302).

Eine andere Methode zur Beschreibung des Energiebedarfs in Abhängigkeit von Zuständen erläutern DIETMAIR et al. (2013) (siehe Kapitel 2.1.2). Durch die Aufgliederung des zustandsabhängigen Energieverbrauchs in die jeweils aktiven Bauteile erlaubt dieser Ansatz die Optimierung einzelner Prozesse und Komponenten. Aus dem Gesamtverbrauch, dem Verbrauch einzelner Komponenten und der relativen Häufigkeit der Zustände kann der Verbrauchsanteil der Zustände und Komponenten am Gesamtverbrauch berechnet werden. Der jeweilige Anteil am Gesamtverbrauch gibt Auskunft über die Dringlichkeit der energetischen Optimierung.

Die zustandsübergreifende Energieeffizienz kann nach DIETMAIR et al. (2008) anhand des Nutzenwirkungsgrad bewertet werden. Dieser berechnet sich aus dem Verhältnis zwischen dem Energieverbrauch während den Hauptzeiten zum gesamten Energieverbrauch.

Abbildung in dieser Leseprobe nicht enthalten

2.5.2 Ansätze aus wissenschaftlichen Arbeiten am iwb

Am iwb wurden im Rahmen wissenschaftlicher Arbeiten bereits einige Ansätze zur Analyse und Prognose von Energiedaten entwickelt. Da diese zum Großteil aufeinander aufbauen, wird im Folgenden lediglich die Energiebedarfsprognose nach MÜLLER (2015) näher erläutert.

Durch die Umstellung auf erneuerbare Energien wird die Stromproduktion künftig immer stärkeren Schwankungen unterliegen. Aus Wettbewerbsgründen ist es notwendig, die Produktion von Unternehmen flexibel anzupassen. Zur Realisierung einer dynamischen Produktionsplanung sind genaue Prognosen bzgl. des Energiebedarfs von Produktionsabläufen notwendig (MÜLLER 2015, S. 1f.).

Die Prognose stützt sich hierzu auf Betriebsund Leistungsdaten sowie die geplante Produktionsreihenfolge einer Anlage. Abbildung 2-12 veranschaulicht die Bedienung der Benutzeroberfläche, mit welcher die Prognose für den eingelesenen Produktionsablauf erstellt werden kann. Hierzu ist zunächst die Berechnung des charakteristischen Leistungsverlaufs, dem sogenannten Referenzprozess, von allen, in der Produktionsreihenfolge enthaltenen, Prozessen notwendig. Für die Prognose werden die Referenzprozesse entsprechend der eingelesenen Abfolge an Prozessen aneinandergereiht (MÜLLER 2015, S. 21f.).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-12: Anleitung für das Erstellen einer Energiebedarfsprognose (Quelle: i. A. a. MÜLLER 2015, S. 21.)

Im ersten Schritt werden die notwendigen Leistungsund Betriebsdaten vom Benutzer eingelesen. Bei den Betriebsdaten sind Startund Endzeitpunkt des jeweiligen Produktionszustands, die verwendeten Maschine und das gefertigte Produkts sowie optional die Bezeichnung des Produktionszustands von Interesse. Die Leistungsdaten müssen die gemessene Leistung sowie den Messzeitpunkt zwingend enthalten. Um die Daten in ein Standardformat umwandeln zu können, wird zunächst abgefragt, ob sich Datum und Zeit in einer oder in getrennten Spalten befinden. Zudem muss ausgewählt werden, ob die Zeitangaben Millisekunden enthalten. Die Länge der Betriebsund Leistungsdaten wird aneinander angepasst, sodass entweder Startund Endzeitpunkte exakt übereinstimmen oder die Lastdaten innerhalb der Betriebsdaten liegen (MÜLLER 2015, S. 21-31).

Der zu modellierende Prozess wird durch Auswahl von Maschine, Zustand (optional) und Produkt spezifiziert. Über eine zeitliche Verknüpfung der Betriebsund Leistungsdaten, werden zunächst alle Leistungsabschnitte extrahiert, während denen die spezifizierte Maschine aktiv war. Falls eine Angabe zum jeweiligen Zustand gemacht wurde, werden aus den einfach gefilterten Daten anschließend alle Leistungsabschnitte herausgefiltert, während welchen der angegebene Zustand ablief. Im letzten Schritt werden die verbleibenden Leistungsdaten nach dem spezifizierten Produkt gefiltert (MÜLLER 2015, S. 28f.).

Zur Berechnung des Referenzprozess müssen alle Leistungsausschnitte identifiziert werden, während welchen der Prozess abläuft. Hierzu wird ein Beispielprozess benötigt, der den Leistungsverlauf des Prozesses exemplarisch darstellt. Der Benutzer hat die Möglichkeit den Beispielprozess als Matlab-Datei einzulesen oder in den gefilterten Lastdaten auszuwählen. Unter Verwendung des Beispielprozess werden über Berechnung der Kreuzkorrelation die Einzelprozesse detektiert. Die Auswahl der Prozesse kann der Benutzer über den Parameter „Abweichung“ sowie der „kritischen Zeitspanne“ steuern. Der Parameter Abweichung gibt den Grad der Übereinstimmung zwischen Beispielprozess und Leistungsverlauf vor, während die kritische Zeitspanne die Länge des Prozesses festlegt (MÜLLER 2015, S. 31-33).

Aus den extrahierten Prozessen wird der Referenzprozess berechnet. Da die Prozesslängen oft sehr unterschiedlich sind, werden die Einzelprozesse zuvor zeitlich normiert. Anschließend werden die normierten Prozesse übereinander gelegt und mit dem Simple-Moving-Average-Verfahren geglättet. Dieses Vorgehen muss für alle relevanten Prozesse wiederholt werden. Die berechneten Referenzprozesse werden in einer Listbox gespeichert. Der Vorgang Werkstückwechsel kann entweder über Eingabe von aufgenommener Leistung und Zeit oder durch Auswahl im Leistungsverlauf spezifiziert werden (MÜLLER 2015, S. 34-77).

Um eine Prognose zu erstellen, muss schließlich die Produktionsreihenfolge (mithilfe der Listbox) eingegeben werden. Eine Fertigungsaufgabe setzt sich dabei aus den einzelnen Prozessen und Werkstückwechseln bzw. Rüsten zusammen. Die fertige Prognose kann ebenfalls gespeichert werden (MÜLLER 2015, S. 37-40).

3 Anforderungsanalyse

Nachdem die Ausgangssituation und Grundlagen dieser Arbeit im zweiten Kapitel dargelegt wurden, werden im Folgenden, im Sinne eines Requirements Engineerings (RE; deutsch Anforderungsmanagement) die Anforderungen an eine automatische EDA systematisch hergeleitet und bewertet.

Dem RE kommt im Entwicklungsprozess die Aufgabe zu, alle Anforderungen der Stakeholder zu ermitteln, zu analysieren, zu spezifizieren und zu bewerten. Bei Stakeholdern handelt es sich dabei um Personen bzw. Organisationen, die Einfluss auf die Anforderungen des Systems ausüben. Eine Anforderungsanalyse ist folglich der Teil des RE, in welchem Anforderungen geprüft werden (POHL & RUPP, S. 11f.).

Hierfür wird i. A. a. POHL & RUPP (2015, S. 8f.) zwischen funktionalen Anforderungen, Qualitätsanforderungen und Randbedingungen unterschieden. Anschließend werden die in Kapitel 2.3.3 angeführten Ansätze hinsichtlich der Anforderungen bewertet.

3.1 Funktionale Anforderungen

Funktionale Anforderungen legen die Funktionalität eines Systems fest und beziehen sich somit auf die „Ergebnisse eines Verhaltens, das von einer Funktion des Systems bereitgestellt werden soll“ (POHL & RUPP 2015, S. 8).

Da das zu entwickelnde Tool eine detaillierte Analyse von Energieund Leistungsdaten liefern soll, ergeben sich insbesondere aus der Zusammensetzung der Strompreise einige funktionale Anforderungen. Damit Unternehmen ihren Energiebedarf im Detail nachvollziehen können, ist neben Lastspitzen und Durchschnittswerten der eigentliche Verlauf der Leistung von Interesse. Damit der Benutzer die Leistungsaufnahme genau nachvollziehen kann, sollte er einen beliebigen Leistungsausschnitt plotten und im Plot heranzoomen können.

Für den groben Überblick über Energieund Leistungsaufnahme soll die EDA zunächst allgemeine Kenngrößen, wie Durchschnittswerte berechnen. Da Energiesparmaßnahmen stets an einzelnen Prozessen oder Maschinenkomponenten vorgenommen werden, wird zusätzlich eine prozessoder komponentenspezifische Analyse benötigt. Dies kann beispielsweise durch eine Berechnung des charakteristischen Leistungsverlaufs und die Berechnung spezifischer Bedarfswerte geschehen.

Der Tabelle 3-1 ist eine Auflistung der genannten funktionalen Anforderungen zu entnehmen.

Tabelle 3-1: Auflistung funktionaler Anforderungen

Abbildung in dieser Leseprobe nicht enthalten

3.2 Qualitätsanforderungen

Qualitätsanforderungen definieren diejenigen Qualitätsmerkmale, die nicht durch die funktionalen Anforderungen festgelegt wurden. Die Tabelle 3-2 listet klassische Kategorien von Qualitätsmerkmalen auf.

Tabelle 3-2: Qualitätsanforderungen und ihre Merkmale (Quelle: i. A. a.: POHL & RUPP 2015, S. 10.)

Abbildung in dieser Leseprobe nicht enthalten

Da Qualitätsanforderungen eine Reihe von Kategorien umfassen, haben sie oftmals einen großen Einfluss auf die Gestalt der Softwarearchitektur (POHL & RUPP 2015, S. 9).

Entsprechend der Anforderung Übertragbarkeit, soll die zu entwickelnde EDA in der Lage sein, Betriebsund Leistungsdaten von verschiedenen Anlagen zu analysieren. Die diese oftmals sehr unterschiedlich gestaltet sind, müssen die relevanten Daten zunächst herausgefiltert werden. Unterschiedliche Formatierungen müssen zudem erkannt und in das benötigte Format zur Weiterverarbeitung umgewandelt werden.

Da die Analyse lediglich unternehmensintern für Transparenz über Energieund Leistungsbedarf sorgen soll, ist die Anforderung Sicherheit sekundär. Eine Wiederverwendbarkeit im Zuge der Anforderung Änderbarkeit ist zu gewährleisten. Durch die Möglichkeit Ergebnisse zu speichern, können diese später wiederhergestellt werden. Das Abfangen von Fehlern und Unregelmäßigkeiten in den Daten erhöht überdies die Zuverlässigkeit eines Systems.

Die Merkmale Performance und Benutzbarkeit sind insbesondere in dem Konzept des Usability Engineerings enthalten. Da die entwickelte EDA über eine Benutzeroberfläche mit dem Anwender kommuniziert, ist es wichtig, Benutzeranforderungen bereits im Entwicklungsprozess zu berücksichtigen. Usability, oder auch Gebrauchstauglichkeit, wird nach DIN 9241-11 als das „Ausmaß [definiert], in dem ein Produkt durch bestimmte Benutzer in einem bestimmten Nutzungskontext genutzt werden kann, um bestimmte Ziele effektiv, effizient und zufriedenstellend zu erreichen“.

Usability misst, wie aufwändig der Einsatz einer Software für einen Benutzer ist und wie dieser vom Benutzer bewertet wird. Wie der Abbildung 3-2 zu entnehmen ist, umfasst Usability die fünf Teilmerkmale Verständlichkeit, Erlernbarkeit, Bedienbarkeit, Attraktivität und Konformität (BREITFELD 2009, S. 7f.).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3-1: Teilmerkmale von Usability (Quelle: i. A. a. BREITFELD 2009, S. 8.)

Um die Analyse sinnvoll nutzen zu können, ist es zunächst notwendig, ein grundlegendes Verständnis für das Konzept der EDA zu schaffen. Dies kann durch Erläuterungen zum Produkt innerhalb einer Bedienungsanleitung, auf der Startseite der Benutzeroberfläche, durch Informationsbuttons o. Ä. geschehen.

Im Sinne des Merkmals Konformität sollte die Oberfläche allgemeinen Gestaltungsrichtlinien folgen. Hinsichtlich der visuellen Gestaltung einer Benutzeroberfläche sind einige Gesetzmäßigkeiten zu beachten. Nach dem sog. Gesetz der Nähe, sollten gleichartige Elemente und zusammenhängende Informationen räumlich entsprechend gruppiert werden. Zudem sollten gleichartige Elemente durch ein ähnliches Design als zusammengehörig wahrgenommen werden (Gesetz der Gleichartigkeit). Das Gesetz der guten Gestalt fordert darüber hinaus eine übersichtliche Gestaltung der Benutzeroberfläche. Dies beinhaltet unter anderem gleiche Abstände zwischen Elementen und deren symmetrische Anordnung (RUDLOF 2006, S. 30).

Die Befolgung bekannter Gestaltungsrichtlinien erleichtert die Erlernbarkeit und Bedienbarkeit der Benutzeroberfläche. Um den Aufwand bei der Bedienung überdies gering zu halten, ist eine adäquate Antwortzeit entscheidend. Da das Tool im Allgemeinen große Datenmengen verarbeiten soll, müssen die Daten sinnvoll abgelegt werden. Zudem sind ein passendes Zugriffsverfahren und kurze Rechenzeiten eine wichtige Voraussetzung. Lange Antwortzeiten würden insbesondere die Attraktivität der Analyse negativ beeinflussen.

DIRNBAUER (2000, S. 36) legt bezüglich der Antwortzeit drei Grenzen fest. Eine Verzögerung von bis zu 0,1 s verleiht dem Benutzer das Gefühl, eine unmittelbare Antwort zu erhalten. 1 s stellt die Grenze dar, bei welcher der Benutzer zwar eine Verzögerung wahrnimmt, sein Denkfluss allerdings nicht beeinträchtigt wird. Bei einer Rechenzeit ab 10 s verliert der Benutzer i. d. R. seine Aufmerksamkeit an der Berechnung. Bei Antwortzeiten in dieser Größenordnung ist ein Feedback zur Ladezeit dringend notwendig.

3.3 Randbedingungen

Als weitere nichtfunktionale Anforderungsart führen POHL & RUPP (2015, S. 9) die Randbzw. Rahmenbedingungen an. Bei einer Randbedingung handelt es sich um „eine Anforderung, die den Lösungsraum jenseits dessen einschränkt, was notwendig ist, um die funktionalen Anforderungen und die Qualitätsanforderungen zu erfüllen“. Randbedingungen können sowohl vom betrachteten System, als auch vom Entwicklungsprozess abhängen.

Das zu entwickelnde Tool ist demnach sowohl an die Maschine, das Messsystem, die verfügbaren Daten sowie an Matlab, als verwendete Software, anzupassen. Einige Charakteristika der Anwendung GUIDE (graphical user interface design environment) schränken beispielsweise die Design-Möglichkeiten deutlich ein.

3.4 Anforderungen an die Datenbasis

Um eine EDA durchführen zu können, müssen an die Betriebsund Leistungsdaten einige Minimalanforderungen gestellt werden.

Die Dateien müssen, entsprechend dem Industriestandard, in der ersten Zeile die Spaltenbezeichnungen und in den Spalten die jeweiligen Informationen enthalten. Einige Informationen müssen in den Betriebsund Leistungsdaten zwingend enthalten sein. Die Betriebsdaten müssen Auskunft über Startdatum und -zeitpunkt sowie Enddatum und -zeitpunkt eines Prozesses geben. Darüber hinaus müssen sie die Bezeichnung des Prozesses, Materials und Produkt enthalten. Leistungsdaten haben einen Zeitstempel, also Datum und Zeitpunkt der Messung, mit entsprechenden Leistungswerten zu enthalten. Wie in Kapitel

2.1.3 erläutert, ist im Rahmen dieser Arbeit die Aufzeichnung der Wirkleistung

ausreichend. Damit Leistungsspitzen ermittelt werden können, dürfen die Messabstände jedoch nicht zu groß sein. Bei Messabständen unter 30 bis 60s werden i. d. R. gute Ergebnisse erzielt.

3.5 Bewertung der bestehenden Ansätze

Da ein EnMS alle Funktionen einer EDA abdeckt, bietet die DIN-Norm 50001 einen hilfreichen Ansatzpunkt für die Entwicklung. Vor der Implementierung der EDA sind gemäß der Randbedingungen aus Tabelle 2-2 zunächst die erforderlichen Messwerte und die Datenschnittstellen festzulegen. Von den Funktionen eines EnMS (siehe Tabelle 2-3) sollen jene umgesetzt werden, die für eine reine Analyse der Daten relevant sind. Im ersten Schritt werden im Rahmen der Leistungsermittlung ungültige Werte korrigiert, indem ihnen ein konstanter Wert zugewiesen oder sie mithilfe des gleitenden Mittelwerts abgeschätzt werden. Anschließend werden Kosten ermittelt, statistische Auswertungen erstellt und spezifische Bedarfskennwerte gebildet. Darüber hinaus werden die Daten in der bereinigten Form archiviert.

Für die korrekte Übergabe der Daten an die Datenbank kann ohne Einschränkungen der ETL-Prozess verwendet werden. Neben den groben Schritten Extraktion, Transformation und Laden nennt dieser wichtige Ansatzpunkte für Korrekturen, welche im Zuge der Transformation vorgenommen werden (SCHÖN 2012, S. 242-244).

Der ETL-Prozess kann in Anlehnung an die Struktur des Green Cockpits nach RACKOW (2015B, S. 500) in die Gesamtarchitektur der Datenverwaltung integriert werden. Eine Zwischenspeicherung in „Data-Marts“ ist jedoch nicht notwendig, da die Daten ebenso in Matlab zwischengespeichert werden können. Ebenso kann auf Abfragen mittels OLAP verzichtet werden.

Bei der Implementierung der Analyse kann sich zudem grob am Vorgehen nach RACKOW (2015A, S. 330) orientiert werden, wobei die Datenaufnahme bereits erfolgt ist. Die relevanten Daten werden im Rahmen der Datenspeicherung extrahiert, in das Schema der Zieldatenbank transformiert und schließlich in einer Datenbank abgelegt. Anschließend werden im Zuge der Anwendung Berechnungen durchgeführt, welche im letzten Schritt auf einer Benutzeroberfläche visualisiert werden. Um den Erkenntnisgewinn des Nutzers zu steigen und die Rechenzeit zu verkürzen, wird an dieser Stelle insbesondere Auswahl zwischen verschiedener Funktionen und Berechnungen empfohlen, wobei diese nicht nä- her spezifiziert werden.

Der modulare Aufbau eines Monitoring-Moduls nach ABELE (2015, S. 301f.) kann im Rahmen dieser Arbeit nicht umgesetzt werden, da weder Energiedaten abgelesen werden müssen, noch eine Vorbereitung für die HMI notwendig ist. Jedoch soll der Benutzer ebenfalls Leistungsbzw. Energiebedarfe in einzelnen Zuständen abfragen können. Hierbei könnten Verbrauchsanteile der Zustände und der Nutzenwirkungsgrad nach DIETMAIR (2008) interessante Ansatzpunkte für Energieoptimierungen bieten.

Da im Rahmen dieser Arbeit eine EDA entwickelt werden soll und der Fokus auf einer intuitiven Bedienung und Benutzerfreundlichkeit liegt, kann die Architektur des EnMS e-Detect von INSYS (2016A) nicht als Orientierung dienen. Zudem sollen Energiedaten einer Anlage, an Stelle von hallenoder gebäudeübergreifenden Bedarfen analysiert werden. Die Auswertungskriterien von e-Detect können jedoch nützliche Ideen für die zu entwickelnde EDA liefern.

4 Entwicklung und Implementierung einer Energiedatenanalyse

Zum besseren Verständnis der entwickelten EDA werden im Folgenden zunächst Softwarearchitektur und Aufbau der Benutzeroberfläche erläutert. Die eigentliche Implementierung wird anhand der Kapitel Programmaufbau, Einlesen der benötigten Daten, Analyse des Leistungsverlaufs und Analyse der einzelnen Prozesse dargelegt. Das Kapitel Programmaufbau soll insbesondere die Orientierung im Code erleichtern.

4.1 Architektur der Datenverwaltung

Da es sich bei Betriebsund Leistungsdaten i. d. R. um große Datenmengen handelt, wurde die Datenverwaltung entsprechend dem ETL-Prozess nach SCHÖN (2016, S. 244) implementiert (siehe Abbildung 4-1).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4-1: Anwendung des ETL-Prozesses (Quelle: i. A. a. SCHÖN 2012, S. 244.)

[...]

Ende der Leseprobe aus 149 Seiten

Details

Titel
Entwicklung einer Methode zur automatischen Energiedatenanalyse
Hochschule
Technische Universität München
Note
1,0
Autor
Jahr
2016
Seiten
149
Katalognummer
V421146
ISBN (eBook)
9783668695931
ISBN (Buch)
9783668695948
Dateigröße
2324 KB
Sprache
Deutsch
Schlagworte
entwicklung, methode, energiedatenanalyse
Arbeit zitieren
Laura Schlowak (Autor), 2016, Entwicklung einer Methode zur automatischen Energiedatenanalyse, München, GRIN Verlag, https://www.grin.com/document/421146

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Entwicklung einer Methode zur automatischen Energiedatenanalyse



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden