Die Forschenden schätzen die Energieeinsparungen, die mittels MPC erreicht werden können, über sämtliche getestete Gebäude auf ca. 10 – 15 %. Dazu wurde ein digitaler Zwilling der Gebäude mittels unterschiedlicher Regelstrategien vergleichend betrieben. Den größten Einfluss auf die Energieeinsparungen haben dabei das intelligente Steuern der Raumtemperatur, der automatisierten Fensteröffnung sowie das Anpassen des Sonnenschutzes (Fokus Wärme/Klimatisierung; Auswirkungen auf Strombedarf für Beleu
chtung nicht inkludiert). Der Sonnenschutz ist so ausgelegt, dass ein Maximum an solaren Wärmegewinnen und Tageslicht nutzbar gemacht werden kann, um den Energieverbrauch für Heizung und Beleuchtung zu minimieren. Die messtechnische Überprüfung konnte die Simulationen qualitativ bestätigen. So wurden energieeffizientere Raumtemperaturprofile gemessen. Ein genauer Vergleich des Energieverbrauchs konnte jedoch auf Grund mangelnder Zähler in den einzelnen Räumen / Gebäudeteilen nicht zielführend durchgeführt werden. Quantitativ kann das LLEC die hohe Genauigkeit des white-box MPC-Modells bestätigen. Der Root Mean Square Error (RSME) zwischen gemessener und geschätzter Raumtemperatur lag bei 0,49 °C. Zudem konnte die effiziente Arbeitsweise der Regelung belegt werden. Im Vergleich mit einem konventionellen Regelungsansatz (0,47 kh/d) blieb die thermische Unbehaglichkeit mit einem Wert von 0,53 kh/d weitestgehend stabil.
Für die Nutzendeneinbindung ist zu erwähnen, dass unterschiedlichen Maßnahmen (Dashboards, JuControl, JuPower) seit 2020 durch mehr als 1300 Mitarbeitende genutzt wurden. Zur Evaluierung der Effektivität der Nutzendeneinbindung wurde basierend auf den historischen Daten vor Implementierung der Maßnahmen ein Regressionsmodell aufgesetzt, was den entstandenen Heizenergiebedarf maßgeblich als Funktion der Außentemperatur beschreibt (Fitgüte: R2 = 0,91). Dieses Modell wurde dann ebenso auf die Periode mit implementierten Maßnahmen zur Nutzendeneinbindung angewandt und mit dem tatsächlichen Energieverbrauch des Gebäudes verglichen. Es konnte gezeigt werden, dass, verglichen mit der Referenzperiode, der Heizbedarf in Abhängigkeit der Außentemperatur weniger stark anstieg und die durchschnittliche Temperatur des Pilotgebäudes durchschnittlich um 1 °C gesenkt werden konnte. Diese Effekte trugen maßgeblich zu der gemessenen Verbrauchsreduktion von 11.1 MWh pro Jahr (- 16,7 %) bei, welche die Verantwortlichen auf Grund der gleichen Systemparameter (Energetischer Zustand des Gebäudes und des Heizsystems) auf die effizientere Nutzung des Heizsystems und ein effizienteres Nutzendenverhalten zurückführen. Bei einem Gaskraftwerk zur Heizwärmebereitstellung (angenommener Emissionsfaktor von 200 g CO2e/kWhprimär; Primärenergiefaktor Erdgas = 1,1) entspricht dies einer Einsparung von ca. 2,44 t CO2e pro Jahr. Für Unterschiede in der Außentemperatur der beiden Perioden wurde dabei korrigiert, andere Einflussgrößen wurden jedoch nicht betrachtet (z.B. Wind, Solare Gewinne). Das Komfortlevel der Menschen wurde dabei nicht negativ beeinflusst. Dabei weisen die Projektverantwortlichen auf das zusätzliche Potential hin, da nur ein Fünftel der Büros in dem Gebäude für die Maßnahmen zur Nutzendeneinbindung aktiviert waren.
Die negativen Umweltwirkungen der verbauten Komponenten wurden weder für die MPC noch die Nutzendeneinbindung bilanziert. Bei der am LLEC vorzufindenden (Komponenten-)Infrastruktur besteht die Schwierigkeit zur Bewertung der negativen Wirkungen vor allem in der Allokation der Komponenten, da neben den hier beschriebenen digitalen Anwendungen noch viele weitere Prozesse und Anwendungen die gleichen Komponenten nutzen. Daher ist eine genaue Zuordnung zu einzelnen digitalen Anwendungen schwierig. Jedoch mussten für die Einzelraummessungen eine Vielzahl an batteriebetriebenen Komponenten verbaut werden (> 1800 Komponenten auf dem Campus insgesamt). Da all diese Komponenten fortwährend mit den digitalen Anwendungen Daten austauschen bzw. diese auf diese zurückgreifen, fällt ein entsprechend hoher Datenaufwand an. Alleine für die Maßnahmen zur Nutzendeneinbindung wurden in ca. 3 Jahren 364 Mio. Datensätzen erfasst und aufgearbeitet (ca. 74 GB insgesamt bzw. ca. 25 GB/a). Dabei gehen die Forschenden davon aus, dass sich der Datenaufwand bei einer noch praxisnäheren Implementierung um ca. 25% reduzieren lassen könnte. Zum einen, da die Anzahl an Datenpunkten in etwa um diese Größe reduziert werden könnte. Zum anderen, weil nach erfolgreicher Erprobung im Forschungskontext weniger Redundanzen bei den Messstellen und eine geringerer Datengranularität nötig wären. Für die MPC werden täglich ca. 300 MB an Daten auf einem OpenStack Server verarbeitet. Nur ein Bruchteil entfällt dabei auf die Erfassung der Messdaten aus den Räumen (ca. 5 MB pro Tag; 15 minütige Daten zu Raum-Temperatur, Zustände von Fenster- und Tür-Kontakten und Anzahl an Personen im Raum). Zusammengenommen fragen die Nutzendeneinbindung und die MPC jährlich virtuelle Ressourcen für ca. 124 GB nach, was überschlägig CO2-Emissionen von ca. 339 kg CO2e bedeuten würde (vergleiche Abschätzung der negativen Wirkungen durch die Datenübertragung und -verarbeitung
hier ).
Schließlich sieht das Projekt verschiedene Anknüpfungsmöglichkeiten für künftige Forschungsvorhaben. Da MPC-Modelle zwar hohe Einsparpotenziale versprechen, jedoch gleichzeitig einen hohen Aufwand für individuelle Kalibrierung benötigen, besteht ein hoher Bedarf für die Entwicklung von einfach übertragbaren MPC-Ansätzen für kommerzielle Zwecke. Auf die vereinfachte Übertragung auf andere Gebäude zielt auch die angestrebte Verknüpfung beider Anwendungen des Projekts ab (MPC & Nutzendeneinbindung). So sind noch effizienzsteigernde Anpassungsmöglichkeiten innerhalb der Kostenfunktion des MPC möglich. Da beide Aspekte modular entwickelt wurden, ist eine zukünftige Verschränkung denkbar und sinnvoll um bspw. die Effektivität der MPC unter Einfluss von benutzerdefinierte Komforteinstellungen oder angepassten Handlungsempfehlungen an die Nutzenden zu testen. Zudem nennen die Forschenden den Bedarf für umfassendere Versuche in größeren Gebäuden unter Einbeziehung ganzzahliger Entscheidungsvariablen, sowie der Vorlauftemperaturen von Heizwasservolumenströmen (zentrale Heizungssysteme) als weitere Entwicklungsfelder.