RL-Mate4WP
(Selbstlernender KI-Regler zur wirtschaftlichen, effizienten und netzdienlichen Steuerung von Wärmepumpensystemen in Wohngebäuden)
Ziel des Mikroprojekts RL-Mate4WP ist die grundsätzliche Evaluierung der technischen Machbarkeit und Robustheit KI-gestützter Regelungskonzepte für Wärmepumpenanlagen im Gebäudebereich. Im Zentrum steht die methodische Analyse von Reinforcement-Learning-Verfahren (RL) unter realitätsnahen Bedingungen mit besonderem Fokus auf ihre Reaktion auf stochastische Unsicherheiten und Systemvariabilität.
Zur Erreichung dieses Ziels werden verschiedene Agenten- und Regelarchitekturen entworfen, implementiert und in einer simulierten Umgebung getestet, die ein gekoppeltes Modell aus Gebäude, Wärmepumpe und thermischem Speicher realitätsnah abbildet. Diese Trainingsumgebung dient dazu, sowohl Lernprozesse als auch Laufzeitverhalten der KI-Agenten kontrolliert und reproduzierbar zu untersuchen. Ein besonderer Schwerpunkt liegt auf hybriden Ansätzen, die modellbasiertes Wissen mit datengetriebenem Lernen kombinieren.
Die entwickelte Simulationsplattform ermöglicht es, systematische Schwachstellen und Grenzen aktueller RL-Strategien zu identifizieren, etwa beim Umgang mit unvollständigen oder verrauschten Eingangsdaten. Ziel ist es, daraus Anforderungen an robuste Lernverfahren sowie potenzielle Lösungsansätze für zukünftige Praxiseinsätze abzuleiten.
Fördergeber: BMWE, Förderkennzeichen: 03ENM1002
Laufzeit: 01.06.2025 bis 28.02.2026
