Salutogenese – Das Jahrbuch der KIT-Fakultät für Architektur 2021

Nutzerorientierte
Regelungsstrategien für
die Wohnungslüftung
User-oriented Control
Strategies for
Residential Ventilation
Auf Basis einer breiten Recherche wurden vorhandene
Regelungsstrategien für die Wohnungslüftung
bewertet. Darauf aufbauend wurden drei
Strategien für dezentrale Lüfter entwickelt und
im Rahmen einer Simulationsstudie untersucht:
Zunächst zwei vollautomatische Regler – eine
Kostenfunktion sowie ein Fuzzy-basierter Algorithmus
–, bei denen die relative Luftfeuchte sowie
CO2 ohne Nutzerrückmeldung berücksichtigt
werden. Als nutzerorientierte Lösung diente
als Drittes eine selbstlernende bedarfsgeregelte
Lüftungsstrategie, bei der das Komfortprofil eines
Nutzers hinsichtlich der o. g. Größen durch
einen überwachten Algorithmus erlernt wird.
Dazu wurden zunächst Standard-Komfortprofile
anhand der Literatur definiert. Um die Nutzervielfalt
im Zusammenhang mit mechanischer
Lüftung zu testen, wurden vier verschiedene
Nutzerkomfort- und drei Nutzerinteraktionstypen
festgelegt. Diese Profile wurden in ein probabilistisches
Modell integriert, wodurch ein
zeitabhängiges Nutzerverhalten mit manueller
Wahl der Lüftungsstufe simuliert werden konnte.
Dieses Nutzermodell wurde auf die o. g.
Lernstrategie angewendet, um deren Leistungsfähigkeit
und Lernfähigkeit zu charakterisieren.
Das Lernen stabilisiert sich für alle Nutzertypen
nach sechzig (virtuellen) Voten. Insgesamt zeigte
sich, dass die selbstlernende Regelung eine
gute Lösung für dezentrale Wohnungslüftungsregelungen
darstellt und dass Letztere sich dadurch
an unterschiedliche Nutzerprofile anpassen
können. Mit der Simulationsstudie war es
außerdem möglich, die Auswirkungen der verschiedenen
Regler auf die Raumluftqualität und
den Energieverbrauch richtig zu bewerten. Das
Verbundprojekt wird vom BMWi gefördert.
Based on a broad research, existing control
strategies for residential ventilation were evaluated.
Based on this, three strategies for decentralized
fans were developed and investigated in
a simulation study: First, two fully automatic
controllers – a cost function as well as a fuzzybased
algorithm – in which relative humidity as
well as CO2 are considered without user feedback.
Third, a self-learning demand-controlled
ventilation strategy served as a user-oriented
solution, in which a user's comfort profile with respect
to the above-mentioned variables is
learned by a supervised algorithm. For this purpose,
standard comfort profiles were first defined
based on the literature. To test user diversity in
the context of mechanical ventilation, four different
user comfort types and three user interaction
types were defined. These profiles were integrated
into a probabilistic model, allowing simulation
of time-dependent user behavior with manual
selection of ventilation level.
This user model was applied to the above
learning strategy to characterize its performance
and learning ability. Learning stabilized for all
user types after 60 (virtual) votes. Overall, it was
shown that self-learning control represents a
good solution for decentralized residential ventilation
control systems, and that the latter can
thus adapt to different user profiles. With the
simulation study, it was further possible to properly
evaluate the effects of the different controllers
on indoor air quality and energy consumption.
The joint project is funded by the BMWi.
Forschungsprojekt
2016–2021
LowEx-Konzepte für die Wärmeversorgung
von Mehrfamilien-Bestandsgebäuden
Prof. Andreas Wagner
Nicolas Carbonare
G Fuzzy-basierte Regelungsstrategie
für die Wohnungslüftung
H Entwicklung der selbstlernenden
Regelung nach 110 Nutzerrückmeldungen
238
Wagner