Open Access

In Zeiten zunehmenden Umweltbewusstseins und steigender Energiekosten gewinnt die Optimierung der Energieeffizienz von Anlagen und Gebäudetechnik zunehmend an Bedeutung. Insbesondere im Kontext nachhaltiger und ressourcenschonender Heizungs- und Warmwassersysteme haben sich Wärmepumpen als maßgebliche Technologien etabliert. Die effiziente Bereitstellung von Warmwasser nimmt dabei eine essenzielle Position ein, da sie einen erheblichen Anteil am Gesamtenergieverbrauch eines Gebäudes ausmacht. Die vorliegende Masterarbeit widmet sich der Fragestellung, welchen Einfluss Zirkulationsleitungen auf die Effizienz von Wärmepumpen haben und wie sich alternative dezentrale Warmwasserbereitungssysteme auf diese auswirken. Konkret wird diese Fragestellung am Beispiel einer Mittelschule in Frastanz untersucht. Die Untersuchung erfolgt mithilfe von Simulationen mit der Software GeoT*Sol, wodurch verschiedene Szenarien der Warmwasserbereitung und deren Auswirkungen auf die Jahresarbeitszahl (JAZ) der Wärmepumpe simuliert werden. Es werden sechs Varianten verglichen, darunter der Ist-Stand mit Zirkulationsleitung, eine zeitlich angepasste Zirkulation, eine Variante ohne Zirkulation sowie dezentrale Warmwasserbereitung mit und ohne Photovoltaik-Einbindung. Die Ergebnisse zeigen, dass die Zirkulationsleitung einen signifikanten Einfluss auf die JAZ einer Wärmepumpe hat, da permanent Wärmeverluste entstehen, selbst ohne Warmwasserbedarf. Die dezentrale Warmwasserbereitung mit PV-Einbindung erweist sich als vielversprechend, sowohl in Bezug auf energetische Einsparungen als auch auf finanzielle Rentabilität. Die Masterarbeit bietet somit wichtige Erkenntnisse und Handlungsempfehlungen für die Mittelschule Frastanz, um ihre Energieeffizienz zu steigern und Kosten einzusparen. Die Empfehlungen zur Beibehaltung der Bestandswärmepumpe, der Installation dezentraler Warmwasserbereitungsanlagen und der PV-Anlage können als Grundlage für zukünftige Investitionsentscheidungen dienen und einen Beitrag zum nachhaltigen Energiemanagement der Schule leisten.

Renewable energy communities (REC) are legal entities defined by the European Clean Energy Package to own and share energy resources. A common goal of RECs is to have a high self-consumption. This work focuses on how self-consumption can be increased by means of intelligent control of flexibilities based on a use case featuring a community battery energy storage (CBES). Many simulation studies for the control and optimization of distributed energy resources (DER) including community storage exist, focusing on various aspects, however, often neglecting important effects for a real implementation due to simplified assumptions: (A) The control or optimization routine is run open loop. Thereby, the influence of prediction and modeling errors is ignored, so that the results obtained represent only an upper limit for the effectiveness. (B) The availability of data is not considered appropriately which might render certain control approaches unpractical. In practice, this might be a limiting factor for forecasting methods and control methods in general. Especially, as RECs are of a distributed nature and the implementation of potentially costly data acquisition and information infrastructure could limit the economic rentability significantly. We investigate a realistic use case, constructed based on the current Austrian legal definition of RECs. Here, recent smart meter data of the REC participants, as it is made available by the distribution system operator (DSO) for settlement purposes. We utilize this data for control. Our realistic simulation model consists of several residential loads, a community PV system, two private PV systems and a CBES which is controlled to boost the RECs self-consumption. The model was implemented within the MOSAIK co-simulation framework. Due to the enforced modularity of this framework, the controller is integrated into the simulation model in a closed loop manner, addressing limitation (A) of similar studies. In addition, the data exchange between the different actors, such as the grid operator and the REC operator, is modeled, which clearly addresses limitation (B). A promising method for the control problem of the described REC is model predictive control (MPC) and its solution by means of mixed integer linear programming (MILP). To control the community storage system using MPC, an accurate prediction of the residual load is required. This forecast is created using a machine learning model (LSTM model), which is pre-trained on synthetic load profiles to improve the prediction with limited data availability. Results show that MPC can handle the model and prediction uncertainties generally well. Nevertheless, the consideration of forecasting and modelling uncertainties in the simulation shows that the achievable self-consumption rates can be significantly reduced. Utilizing simplified forecasting and considering modelling uncertainty reduces the self-consumption by up to 14.5% points in the use case considered. These losses can, however, be contained by accurate prediction methods. With the consideration of modelling uncertainties for the CBES model alone, we find that a discrepancy between real storage capacity and controller model capacity of 20% reduces the self-consumption by 3.9% points. As the CBES can be considered a comparably “easy to model” component, this highlights the need for closed loop simulation in the controller development for RECs.

Demand side management holds potential for improving energy efficiency and cutting energy consumption within the food industry. This research introduces a demand response approach tailored for an industrial food processing facility, utilizing a chilled water buffer as active thermal energy storage and the plant building as passive thermal energy storage. The plant building and production process are modeled using transient thermal energy balances and the demand side management problem is formulated as a linear program. Model predictive control is employed to manage uncertainties in the optimization process. A simulated case study of an Austrian food processing plant shows reductions in electrical power consumption by up to 18%, electricity costs by up to 24%, and peak load by up to 36% in three distinct optimization scenarios. Simple prediction approaches via averaging historical data already lead to nearly optimal results concerning energy consumption and cost reduction. Highly accurate predictions are necessary for peak load reduction, as considering the simple prediction method only roughly a third of the potential reductions are achieved.

Im Rahmen des Projekts TeleCareHub wurde eine Fragebogen-Erhebung mit 153 pflegen-den Angehörigen und 221 zu Hause gepflegten Personen aus Vorarlberg, Tirol, Salzburg und Kärnten durchgeführt. Die Studie zeigt, dass fast die Hälfte (46%) der pflegenden An-gehörigen durch die Pflegesituation stark belastet ist. Die Ergebnisse ergibt weiters, dass die erhobenen Belastungsfaktoren (Einsamkeit, Depressivität) und protektiven Faktoren (Selbstwirksamkeit, Beziehungsqualität zur pflegebedürftigen Person) die Pflegebelastung maßgeblich beeinflussen. Auch die pflegebedürftigen Personen selbst leiden unter der Situa-tion: 21% der Befragten fühlen sich einsam und 20% zeigen moderate bis schwere depres-sive Symptome. Weiters konnte festgestellt werden, dass sowohl bei pflegenden Angehörigen als auch bei pflegebedürftigen Personen die Technikaffinität mit zunehmendem Alter und geringerem Bildungsniveau abnimmt. Die vorliegende Studie liefert wichtige Erkenntnisse für die Entwicklung von internet-basierten Unterstützungsangeboten für pflegende Angehö-rige und pflegebedürftige Personen.