Gerade im Bereich des Energiemanagements ist es besonders interessant, herauszufinden, wie viel Energie der Kauf eines neuen Systems einspart. Bei der Messung des Energieverbrauchs sind die Daten jedoch oft von äußeren Gegebenheiten abhängig. Im Falle einer Klimaanlage könnte das wie folgt aussehen: In einem besonders heißen Sommer stellt der Energiemanager fest, dass die Klimaanlage überdurchschnittlich viel Strom verbraucht. Ein neues Gerät könnte Einsparpotenziale liefern. Also tauscht er die alte Anlage im Winter gegen eine neue aus. Im folgenden Sommer stellen sich die Temperaturen aber nicht wie erwartet ein. Das Wetter bleibt kühler als im Vorjahr. Die neue Klimaanlage verbraucht weniger – bedingt durch den Temperatursturz. Wie kann der Energiemanager nachweisen, dass sich die Investition gelohnt hat?
Hier hilft die Regressions- und Korrelationsanalyse in ResMa: Das System normalisiert die gesammelten Daten des Vorjahres und des laufenden Jahres. Das heißt, die Daten werden in Verhältnis zueinander gesetzt unabhängig von der Variablen Außentemperatur. So kann das Programm aufzeigen, welche Einsparungen die neue Klimaanlage effektiv gebracht hat.
Mit wenigen Schritten zum Regressionsmodell
Der erste Schritt auf dem Weg zum Regressionsmodell besteht in der Korrelationsanalyse. Anwender nutzen die in ResMa gesammelten Daten, um Zusammenhänge zwischen einzelnen Werten zu finden. Dabei ermitteln die Nutzer beispielsweise die Abhängigkeit von Sonnenstunden, Tageshöchsttemperatur, Arbeitszeit und dem Verbrauch der Klimaanlage.
Danach rückt die Qualität der Zusammenhänge in den Fokus. Die Berechnungen der Korrelationsanalyse, die von ResMa durchgeführt werden, geben Ergebnisse in dem Bereich zwischen +1 und -1 an. Je näher ein Wert an +1 heranrückt, umso stärker ist die Abhängigkeit. Nähert sich ein Wert dagegen -1 an, handelt es sich um eine negative Wechselwirkung. Zeigt das System ein Ergebnis um den Wert 0 an, herrscht keine Abhängigkeit zwischen den untersuchten Werten.
Hat der Energiemanager die Abhängigkeiten in den Werten entdeckt und die Art der Korrelation bestimmt, kann er ein Regressionsmodell erstellen. Das Modell berechnet automatisiert die Daten und gibt die normalisierten Ergebnisse weiter. Nun ist es möglich, Daten zu vergleichen und dem System Werte zu entnehmen – unabhängig von anderen Messwerten.
Die Umsetzung einer Regressionsanalyse bedarf dabei keines Data-Science-Knowhows. Das Erweiterungsmodul gibt dem Anwender bei der Erstellung von Modellen die genauen Schritte an und hilft so bei der Umsetzung des Use Cases.
Neben Energiemanagement kann die Regressionsanalyse auch zur Ursachenforschung in Produktionen genutzt werden. Anhand eines Fehlers, z.B. in der Qualität des Endproduktes, kann über die Regressionsanalyse ein Zusammenhang zu der erkannten Unregelmäßigkeit und anderen Daten hergestellt werden. Außerdem enthüllt ein erhöhter Energieverbrauch falsche Einstellungen an der Maschine oder einen Defekt der Anlage.
Energiemanagement nach ISO50001 und ISO50006
Energiemanagement rückt bei Unternehmen immer stärker in den Fokus. Vorangetrieben durch die neuen Richtlinien der EU, vor allem die CSRD, werden Unternehmen verpflichtet, genaue Aussagen über ihren Energieverbrauch zu tätigen. Das Energie- und Ressourcenmanagement-Tool ermöglicht Energiemanagement nach ISO50001 und entspricht somit den EU-Vorgaben. Das Regressionsanalyse-Tool erweitert ResMa um Energiemanagement nach ISO50006. Zusammen eröffnen sie Unternehmen die Möglichkeit, zukunftssicher zu planen und sich auf kommende gesetzliche Änderungen einzustellen.
Weidmüller bietet ein umfangreiches Portfolio zum Energiemanagement. Neben der Software ResMa und der Regressionsanalyse zahlen verschiedene Hardwareangebote auf die Lösung ein: Energy Meter gehören ebenso dazu wie die verbesserten Energiemessmodule für das I/O-System u-remote.
