Open Access

Oszillationen in Heizungs-, Lüftungs- und Klimaanlagen können die Lebensdauer von Ventilen und Aktuatoren deutlich reduzieren und die Effizienz solcher Anlagen negativ beeinflussen. Die hier betrachtete Lüftungsanlage eines Verkaufsraums zeigt deutlich schwingendes Verhalten, das höchst wahrscheinlich auf die Regelung zurückzuführen ist. Um dieses Verhalten zu untersuchen und ein Testfeld für die Auslegung und Optimierung von alternativen Regelkonzepten zu erstellen, wird ein Grey-Box-Modell der Anlage erstellt. Grey-Box-Modelle sind physikalische Modelle, deren Parameter mit Messdaten identifiziert werden. Die Ermittlung der Parameter (Systemidentifikation) des Grey-Box-Modells wird hier mittels nichtlinearer Optimierung an dem realen Betriebsdatensatz durchgeführt. Dieser Betriebsdatensatz hat im Vergleich zu anderen Arbeiten aufgrund geringer Ausstattung der Anlage mit Sensorik und geringer Auflösung der Messdaten eine niedrige Qualität. Aus diesem Grund können die einzelnen Komponenten der Anlage (eine Wärmerückgewinnung, ein Heizregister und ein Kühlregister) nicht separat identifiziert werden, sondern nur im Gesamtsystem. Hieraus ergibt sich die Frage, welche physikalische Formulierung der Komponenten der Anlage am besten geeignet ist. Konkret stellt sich die Frage, welche Komplexität, welche Anzahl der zu identifizierenden Parameter und welche Annahmen, die für die Formulierung getroffen werden sinnvoll sind. Dazu werden für die einzelnen Komponenten der Anlage jeweils verschiedene Modelle aus der Literatur implementiert und verglichen. Untersucht wird, ob ein Zusammenhang zwischen der Anzahl an Parametern, die sich durch eine bestimmte Formulierung des Modells ergibt und der erreichten Güte des Modells zu beobachten ist. Die Güte des Modells wir dabei mittels der Wurzel des mittleren quadratischen Fehlers zwischen Modellausgang und Datensatz bewertet. Die Ergebnisse dieser Fallstudie zeigen, dass ein möglicher Zusammenhang zwischen der Anzahl an Parametern des Grey-Box-Modells und der Güte des Modells besteht. Insbesondere zeigt sich mit diesem Datensatz ein deutlicher Abfall der Modellgüte bei mehr als zehn Parametern. Es kann des Weiteren bestätigt werden, dass bei der vorliegenden niedrigen Datenqualität die getroffenen Annahmen für die Modellierung von erheblicher Bedeutung sind. Durch bestimmte Formulierungen kann zwar die Güte des Modells erhöht werden, jedoch wir dadurch die Generalisationsfähigkeit des Modells höchst wahrscheinlich reduziert.