Metadaten







Promotionsordnung


PromO07

Kumulative Dissertation


nein

Titel


Design, Implementation and Evaluation of a Smart Heating Solution to Foster Energy Savings and Improve Comfort

Titel (englisch)



Autor/Autorin


Bomhard, Thomas von

2. Autor/Autorin



Geburtsdatum


17.04.1984

Geburtsort


München

Matrikelnummer


12-618-237

Schlagwörter (GND)


Informationssystem; Maschinelles Lernen; Energieeffizienz

DDC (Dewey Decimal Classification)


Allgemeines, Informatik, Informationswissenschaft - 000

Freie Stichwörter (deutsch)



Freie Stichwörter (englisch)



Kurzfassung


Der weltweite Energiebedarf steigt ständig und ist damit eine der Hauptursachen für bekannte Umweltprobleme, insbesondere der globalen Erderwärmung. Der Gebäudesektor stellt einen der größten Energieverbraucher dar und bietet großes Potenzial für Verbesserungen der Energieeffizienz. In diesem Kontext ist die Raumheizung für den größten Teil des Energieverbrauchs in privaten Haushalten verantwortlich. Beträchtliche Anteile dieses Energieaufwandes werden durch konstantes Beheizen von Räumen (oder ganzen Gebäuden), die eigentlich nur zeitweise bewohnt sind, unnötig verbraucht. Verschiedene Forschungsstudien haben gezeigt, dass ein Hauptgrund für dieses Verhalten in der schlechten Bedienbarkeit und dem Fehlen von Feedbackinformationen liegen sowie in generellen Fehlvorstellungen zur Wirkungsweise von konventionellen Thermostaten. Darüber hinaus führt dies zu thermischen Komfortproblemen, die die Bewohner durch Anpassen der Kleidung oder Öffnen der Fenster korrigieren, anstatt die Thermostate einzustellen.
Mit der Entwicklung des Internet der Dinge und seinen diversen Applikationen wurden neue intelligente Thermostate entwickelt, die insbesondere darauf abzielen, die Bedienbarkeitsprobleme bisheriger Thermostate zu beseitigen und durch neue Bedienkonzepte und Kontrollmöglichkeiten zu erweitern. Jedoch ist es noch immer unklar, ob und wie solche intelligenten Thermostate tatsächlich dem Nutzer helfen, Energie zu sparen oder den thermischen Komfort zu verbessern. Die meisten Lösungen am Markt und in der Forschung ersetzen nur die zentrale Heizungssteuerung. Vergleichbare Einzelraumsteuerungen, die einen Austausch bisheriger Heizkörperthermostatventile durch eine "intelligente" Lösung voraussetzen, sind die Ausnahme, obwohl die Einzelraumsteuerung mit ungefähr 4 Milliarden installierten Heizkörperthermostatventilen in Europa die meist verbreitete und genutzte Art der Steuerung der Raumwärme ist.
Das Hauptziel dieser Dissertation ist es daher, eine Lösung einer intelligenten Einzelraumsteuerung zu designen, zu entwickeln und in der Praxis zu erproben und zu bewerten, die die Mängel konventioneller Lösungen sowohl (1) durch das Nutzen von besseren Steuerungsmöglichkeiten und durch das Bereitstellen verbesserter Feedbackinformationen als auch (2) durch das Bereitstellen von (intelligenten) Heizungssteuerungskonzepten zum Einsparen von Energie und Steigerung des Komforts behebt. Der Methodik der "Design Science" folgend besteht diese Dissertation aus einem Designkonzept, das auf dem bestehenden akademischen Forschungsstand aufbaut, einer vollständig implementierten Lösung sowie einer umfangreichen Feldtestevaluation mit 15 privaten Haushalten in Zürich (Schweiz). Die Ergebnisse des Feldtests zeigen, dass diese neue Generation von Heizungssteuerungslösungen in der Tat die Benutzbarkeit und das Verständnis von Einzelraumsteuerungslösungen verbessern und es dadurch Nutzern ermöglicht wird, mehr Energie zu sparen und/oder den Komfort zu verbessern. Insbesondere konnte gezeigt werden, dass die automatische Zeitplanheizungssteuerung von den Nutzern sowohl sehr positiv genutzt und wahrgenommen wird als auch immer wieder an sich ändernde Bedürfnisse angepasst wird. Allerdings, belegen die Feldtestergebnisse auch, dass die Nutzer kaum versuchen, andere intelligente automatische Heizungssteuerungskonzepte zu verstehen und zu nutzen. Nichtsdestotrotz, kann durch den Feldtest nachgewiesen werden, dass durch Nutzung der automatischen Zeitplanheizungssteuerung die Temperatursollwerte im Durchschnitt um 2-3° Celsius in der Nacht und bei Abwesenheit niedriger sind, was signifikante Energieeinsparungen ermöglichen kann.
Das zweite Ziel dieser Dissertation ist die Entwicklung und Evaluation einer neuen Methode zur Anwesenheitserkennung mithilfe von Raumklimasensorik. Dafür wurden Raumklimadaten (CO2, Luftfeuchtigkeit, Temperatur) wie auch binäre Anwesenheitsdaten von 11 Räumen in 3 Wohnungen über mehrere Tage gemessen beziehungsweise aufgenommen. Mithilfe von Hidden Markov Modellen (HMM) aus dem Bereich des Maschinellem Lernens kann gezeigt werden, dass CO2 Messungen und deren Ableitungen sich als sehr gute Merkmale zur Erkennung von Anwesenheit in Räumen eignen. Der überwachte und unüberwachte Ansatz des HMM-Modells können beide ein F1-Maß, von 85% in Räumen mit langen Anwesenheitsperioden (wie im Wohnzimmer oder Schlafzimmer) erreichen.
Diese Dissertation besteht aus einer Vielzahl wissenschaftlicher und praktischer Erkenntnisse. Die Mehrheit der Schlüsselergebnisse der Evaluierung der intelligenten Einzelraumsteuerungslösung erweitern vor allem den bestehenden Forschungsstand auf verschiedenen Detailebenen im Bereich "Energy & Buildings" aber auch im Bereich Informationssysteme wie z.Bsp "Green IS". Die Ergebnisse der neuen Anwesenheitserkennungsmethode mithilfe von Raumklimasensorik sind ein weiterführender Beitrag für die Forschung im Bereich der Angewandten Informatik, insbesondere "Ubiquitous Computing" und "Energy Informatics". Die Implikationen der Ergebnisse sind wertvolle Hilfen für Praktiker insbesondere für die zukünftige Gestaltung und Entwicklung von intelligenten Heizungssteuerungslösungen, aber zu einem gewissen Grad auch für die Entwicklung von Smart Home Lösungen im Allgemeinen.

Kurzfassung (englisch)


The worldwide demand for energy is steadily increasing, which is one of the main causes for well-known environmental problems, in particular the global warming crisis and other significant changes in our planet's ecosystem. The buildings sector represents one of the largest energy end use and offers great potential for energy efficiency improvements. In this context, space heating is responsible for the largest part of energy consumed by residential buildings. And large amounts of that energy are wasted due to unnecessary heating, e.g. for keeping unoccupied rooms (or whole dwellings) warm, or by simply overheating rooms. Several studies have shown that the major reason for this behavior lies in poor controls and the lack of feedback information, along with general misconceptions about conventional heating controls. Aside from the energy aspect, this also creates thermal comfort problems, which occupants try to remedy by changing clothes or opening windows, instead of adjusting the heating controls.
As part of the emerging Internet of Things (IoT) and its applications smart thermostats have been developed which promise to solve major usability problems posed by conventional thermostats. However, it still remains unclear as to whether and how such solutions actually help users foster energy savings and comfort improvements. Furthermore, the majority of commercial and academic solutions merely replace conventional central heating controls, and thus far comparable "smart" solutions to improve existing individual room heating controls are the exception. And this, although they are the prevailing type of heating control, with about 4 billion installed thermostatic radiator valves (TRVs) in European residential buildings alone.
The primary objective of this dissertation is therefore to outline and explain the design, implementation and evaluation of a smart individual room heating solution that addresses the deficiencies of conventional heating solutions (1) by employing better controls and feedback information, and (2) by providing automatic heating controls to save energy and improve comfort. Following the design science methodology, this work consists of a design concept derived from academic research, a fully implemented solution, and an extensive field test evaluation from 15 private households in Zurich, Switzerland. The results of the field test demonstrate that this new generation of heating controls can indeed improve usability and understanding, and thereby allow people to save energy and/or improve their comfort. On a detailed level, it turns out that people positively perceive, use and even re-adapt automatic schedule controls to their needs. However, these study results also reveal that people are still reluctant to try to understand and to use a "smart" automatic control. Nevertheless, the results show that the use of the automatic schedule control leads to setpoints lower by 2-3° Celsius when people are asleep or away, which could enable significant energy savings.
The second objective of this dissertation is the development and evaluation of a novel occupancy detection method, using room climate sensors for the purpose of smart heating. In this study sector, room climate data (i.e. CO2, humidity, temperature) from 11 rooms in 3 apartments was collected, along with binary occupancy data for several days. By using machine learning methods, namely Hidden Markov Models (HMM), it can be shown that CO2 measurements and derivatives thereof qualify as features for detecting occupancy in rooms. The supervised and unsupervised approaches achieve F1-scores of up to 85% in rooms which are occupied for longer periods, like bedrooms or living rooms.
This dissertation contains a number of contributions to theory as well as practice. Most of the key results of the evaluation of smart individual room heating contribute primarily to the existing work in the field of energy and buildings, and secondarily to information systems such as Green IS. The results of the novel occupancy detection study add to the existing work of applied computer science, i.e. ubiquitous computing, together with energy informatics. The implications of the results are valuable for practitioners, especially with regard to designing future heating controls, but to some extent also for developing smart home solutions in general.

Universität


Universität St.Gallen

Referent/Referentin


Fleisch, Elgar (Prof. Dr.)

Korreferent/Korreferentin


Stanoevska-Slabeva, Katarina (Prof. Dr.)

Erweitertes Diss. Komitee



Fachgebiet


Betriebswirtschaftslehre (PMA)

Sprache


ENG

Promotionstermin (dd.mm.yyyy)


20.02.2017

Erstellungsjahr (yyyy)


2017

Dokumentart


Dissertation

Format


PDF

Dissertationsnummer


4633

Quelle



PDF-File


dis4633.pdf

Dokumentverknüpfung


Link zu diesem Dokument







letzte Änderung: 01/26/2017 - Allgemeine rechtliche Informationen - Datenschutz [ Nach oben ]