Haben Sie wirklich Energie gespart?

Ziel des Energiemanagements nach DIN EN ISO 50001 ist die Steigerung der energiebezogenen Leistung – so formuliert es diese Norm selbst. Ergänzend dazu erschien im Jahr 2016 die DIN ISO 50003: „Energiemanagementsysteme - Anforderungen an Stellen, die Energiemanagementsysteme auditieren und zertifizieren“. Seitdem sind Organisationen, die sich nach DIN EN ISO 50001 zertifizieren lassen wollen, verpflichtet nachzuweisen, dass die energiebezogene Leistung gesteigert wurde.

Was ist energiebezogene Leistung?

In den meisten Fällen ist die energiebezogene Leistung gleichzusetzen mit Energieeffizienz, als dem Ertrag z. B. einer produzierten Stückzahl im Verhältnis zur eingesetzten Energie. Solange die Rahmenbedingungen gleichbleiben, lässt sich eine Verbesserung der Energieeffizienz leicht am Verbrauch ablesen. Wird eine Parkplatzbeleuchtung stets zum Zeitpunkt des rechnerischen Sonnenuntergangs ein- und zum Zeitpunkt des rechnerischen Sonnenaufgangs wieder ausgeschaltet, so lassen sich zwei Jahre unmittelbar miteinander vergleichen - es sei denn, es ist ein Schaltjahr dabei. Gibt es nur eine alleinige wesentliche Einflussgröße auf den Energieverbrauch (z. B. die Anzahl der produzierten gleichen Werkstücke), hilft ein Quotient (Werkstücke je kWh) weiter – zumindest solange es keinen Grundverbrauch gibt, der unabhängig von der Auslastung ist.

Komplexe Ermittlung der Energieeffizienz

Speziell im industriellen Umfeld sind die Zusammenhänge meist jedoch deutlich komplexer. Unterschiedliche Produkte, unterschiedliche Rohstoffe und vielfältige äußere Rahmenbedingungen wie Außentemperatur haben oft einen wesentlichen Einfluss auf den Energieverbrauch. Ohne Berücksichtigung all dieser Einflussgrößen können Sie keine brauchbaren Aussagen machen. Selbst im Verwaltungsbereich wird es an vielen Stellen im Jahr 2020 mit einer einfachen Vergleichbarkeit mit den Vorjahren schwierig. Aufgrund pandemiebedingtem Homeoffice verliert eine Kennzahl wie Stromverbrauch je Mitarbeiter ihre Aussagekraft. So ist keine Beurteilung möglich, ob die neue Beleuchtung tatsächlich so viel Energie eingespart hat wie kalkuliert wurde.

Wie bewerten Sie Energieeffizienz bestmöglich?

Die zutreffende Beurteilung über die Entwicklung der Energieeffizienz gelingt Ihnen durch den Einsatz geeigneter Energieleistungskennzahlen (kurz EnPIs) und vor allem fundierter energetischer Ausgangsbasen (kurz EnBs). Die energetische Ausgangsbasis ist ein quantitativer Referenzpunkt, der als Basis für den Vergleich energiebezogener Leistung dient. Eine detaillierte Beschreibung der Vorgehensweise finden Sie in der ISO 50006 „Energiemanagementsysteme - Messung der energiebezogenen Leistung unter Nutzung von energetischen Ausgangsbasen (EnB) und Energieleistungskennzahlen (EnPI) - Allgemeine Grundsätze und Leitlinien“. Obgleich die Norm mehrere Wege zum Ziel offenlässt, erfreut sich ein Weg bei erfahrenen Energiemanagern hoher Beliebtheit: Die multidimensionale Regression.

Voraussetzungen für multidimensionale Regression

Voraussetzung ist, dass sowohl für die Zielgröße, also den eigentlichen Messwert (z. B. Stromverbrauch der Maschine x oder der Halle y) als auch für möglichst viele Einflussgrößen historische Messdaten für einen hinreichend langen Zeitraum vorliegen. Die Auflösung der Messdaten sollte hinreichend hoch sein, beispielsweise in Form von ¼-h- oder Tageswerten. So kann die Beurteilung der aktuellen Werte zeitnah erfolgen. Einflussgrößen können auch durch indirekte Messwerte repräsentiert werden: Liegen z. B. keine fein aufgelösten Zahlen zur genauen Produktionsmenge vor, kann stattdessen die Anzahl der Staplerstunden einen Hinweis darauf geben, wie viele Paletten mit fertigem Produkt an einem Tag abtransportiert wurden.

Mithilfe statistischer Verfahren kann nun die Korrelation zwischen jeder einzelnen Einflussgröße und der Zielgröße bestimmt werden – aber auch die Korrelation zwischen den einzelnen Einflussgrößen. So werden die relevanten Einflussgrößen identifiziert. Im nächsten Schritt bestimmt man nun eine Formel mittels der beschrieben wird, wie aus gegebenen Werten der relevanten Einflussgrößen der erwartete Energieverbrauch berechnet werden kann. Erwartet in dem Sinne, dass dieser Verbrauch während der Referenzperiode, aus der die Messreihen stammen, die man bei der Bestimmung der Formel verwendet hat, beim Vorliegen der neuen Werte der Einflussgrößen aufgetreten wäre.

Eine solche Formel kann als energetische Ausgangsbasis dienen. Für jede Betrachtungsperiode – z. B. einen Tag – können Sie damit bei Kenntnis aller Einflussgrößen, den Verbrauch ausrechnen, der bei gleicher energetischer Leistung auftreten würde.

Der Clou für Anwender von IngSoft InterWatt

Soweit die Theorie. In der Praxis verwenden viele Energiemanager Microsoft Excel für die Analyse der Einflussgrößen und das Finden der Referenzformel. Dazu nutzen sie die in die Tabellenkalkulationssoftware integrierte Funktionalität. Das Verfahren dort heißt OLS-Fit (Ordinary Least-Square Fit) – die Koeffizienten der Einflussgrößen werden so gewählt, dass das Quadrat der Abweichungen der Referenzformel von den gemessenen Werten minimal wird.

Anwender von IngSoft InterWatt sparen sich schon seit Langem das Hin- und Herkopieren der Daten. Stattdessen nutzen sie eine ein- oder zweidimensionale Regression direkt in der Software, um eine energetische Ausgangsbasis zu berechnen. Diese dient dann als Grundlage für einen zeitnahen laufenden Vergleich mit dem aktuellen Messwert. Dabei erkennt IngSoft InterWatt auch verschiedene Betriebszustände anhand von Zeitplänen oder Messwerten und behandelt diese getrennt.

Multidimensionalen Regression weitergedacht

Mit dem Release 20 wurde der in die Software integrierte Werkzeugkasten für EnPIs noch mächtiger: Neben einer multidimensionalen Regression für die vom Anwender ausgewählten Einflussgrößen stehen dann auch fortgeschrittene Regressionsalgorithmen wie RIDGE und LASSO zur Verfügung.

Bei der LASSO-Regression beispielsweise wählt die Software automatisch die Einflussgrößen aus und reduziert deren Anzahl, wenn möglich und sinnvoll. Die so gefundene Formel ist dann näher an der Realität: Zum einen kann aus der Formel der tatsächliche Einfluss einer Einflussgröße herausgelesen werden. Zum anderen ist die so gefundene Formel für den Referenzwert weniger anfällig gegenüber Ausreißern bei Einflussgrößen. Während auch schon OLS für den Referenzzeitraum die bestmögliche Passung findet, findet die RIDGE-Regression meist eine Lösung, die auch bei den zukünftigen Werten näher an der Realität liegt. Wenn eine Lösung gefunden werden kann, die durch das teilweise Weglassen voneinander abhängiger Einflussgrößen weniger Parameter hat, dann wird das sog. Overfitting vermieden: Die Funktion passt zwar optimal zu den Werten im Referenzeitraum, liegt aber zu anderen Zeiten weiter von der Realität weg.

Somit wird eine „one touch“ multidimensionale Regression Realität. Der IngSoft InterWatt Anwender braucht das Tool nicht wechseln und erhält auch bei komplexen Zusammenhängen eine energetische Ausgangsbasis, die alle relevanten gemessenen Einflussgrößen berücksichtigt - und durch fortgeschrittene Algorithmen zutreffendere Ergebnisse liefert als die herkömmliche OLS-Regression. So können Sie sich auf zeitnahe und automatische realistische Aussagen zur Entwicklung der energiebezogenen Leistung verlassen.

Aber auch jene Anwender, die ungerne einer black box vertrauen, finden im Release 20 von IngSoft InterWatt neue hilfreiche Funktionen. Beispielsweise erstellt die Software vollautomatisch eine Korrelationsmatrix, aus der statistisch versierte Anwender jene Informationen herauslesen können, die sie brauchen, um selbst die relevanten Einflussgrößen zu identifizieren.

Neugierig? Sprechen Sie uns an!