Optimierungsverfahren zur Kalibrierung Typologie-basierter energetischer Gebäudemodelle

Um den Energieverbrauch eines Gebäudes zu simulieren, muss zuvor eine Vielzahl an Daten erhoben werden. Bei der Erfassung und Verarbeitung der Geometrie des Gebäudes, Wetterdaten, Materialeigenschaften, Heizverhalten des Nutzers und vielen weiteren Informationen kann es häufig zu Fehlern kommen. Diese können mit der Hilfe von statistisch fundierten Annahmen ersetzt werden. Allerdings ist fraglich, ob mit diesen noch Simulationen ausgeführt werden können, welche die Realität nah genug abbilden. Ziel dieser Masterarbeit ist es daher, ein Softwaremodul zur Parameteroptimierung der Eingangsgrößen einer energetischen Simulation (Software: Energy Plus) zu entwickeln. Dies soll anhand von Smart Meter Daten geschehen. Konkret sollen die Eingangsgrößen so verändert werden, dass der durch das Modell beschriebene Verlauf möglichst mit denen des Smart Meters übereinstimmt. Dabei bietet es sich an ähnlich wie bei der Methode der kleinsten Quadrate die Summe der quadratischen Abweichungen zu minimieren. Da keine einfach mathematisch beschreibbare Zielfunktion optimiert wird, sondern der Zielwert durch die Eingabe in ein Modell ermittelt wird, bieten sich heuristische Suchverfahren an. Simuliertes Abkühlen und evolutionäre Algorithmen werden ausführlich dargestellt. Beim simulierten Abkühlen werden die Eingangsparameter durch einen Zufallswert schrittweise verändert, so dass eine Kette von Parameterkonfigurationen entsteht. Verbessert sich die Zielfunktion werden diese in die Kette übernommen. Mit einer bestimmten Wahrscheinlichkeit werden auch Parameterkombinationen mit schlechterer Zielfunktionsauswertung übernommen. Diese ist abhängig von der Zielfunktionsauswertung selbst und einen Kontrollparameter, der nach einem bestimmten Zeitplan abgesenkt wird. Senkt sich der Kontrollparameter, senkt sich auch die Wahrscheinlichkeit, dass schlechtere Werte angenommen werden. Durch langsames Senken des Kontollparameters (Abkühlen), kann man also den Suchraum im größeren Ausmaß erforschen. Evolutionäre Algorithmen setzen auf Selektion, Rekombination und Mutation verschiedener Parameterkombinationen (Individuen), um so einen evolutionären Prozess zu imitieren. Die Angepasstheit der Individuen an die Umwelt wird in Abhängigkeit der Zielfunktion bewertet. Besser angepasste Individuen überleben, schlechtere werden aussortiert. Über mehrere Iterationen gleicht dieser Anpassungsvorgang einer schrittweisen Optimierung. Auf Grundlage dieser Algorithmen wird ein Konzept für zwei Softwaremodule entwickelt, die eine Kalibrierung der Parameter eines Gebäudemodells vornehmen können und anschließend in Python und C# umgesetzt. Zusätzlich wird eine Reihe von Skripten zur Analyse und Veranschaulichung der Algorithmen entwickelt. Bei der Analyse zeigt sich, dass simuliertes Abkühlen vor allem effizient ist, wenn die Startschätzung der zu kalibrierenden Parameter nur wenige Fehler aufweisen, wohingegen der evolutionäre Algorithmus aufgrund seines populationsbasierten Ansatzes eine geringere Abhängigkeit von der Startschätzung aufweist und in der Lage ist, auch bei groben Fehlern in der Startschätzung gute Ergebnisse zu liefern