Durch die Einführung von Smart Metern entstehen neue Potenziale für verschiedene Teilnehmer am Energiemarkt. Aus den Daten der Intelligenten Zähler könnendie Lastkurven der Stromverbräuche von Haushalten extrahiert werden. Diese lassen sich anhand intelligenter Algorithmenauf die einzelnen Geräte, die für den gesamten Stromverbrauch verantwortlich sind,aufschlüsseln. Die Signatur Energie nutzender Anwendungen ist wie eine Art wiederkehrender Herzschlag und bildetdie Voraussetzung für diese spezielle Disaggregation, auchNon-intrusive Load Monitoring (NILM) genannt. Die neuen Informationen ermöglichen dem Konsumenten den Energieverbrauch besser zu verstehen und neue Potenziale im Netz der Zukunft zu nutzen.

Im Zuge der Erstellung eines ersten Prototypens wurde der Weg des Datenstroms, vom Endgerät über den Smart Meter in eine Datenbank bis hin zu einer ersten Disaggregation, beschritten. Die technische Umsetzung erfolgte anhand von verschiedenen Prozessschritten, welche in Abb. 1 dargestellt werden:

Chapter One: First Prototype

Der MegaMeter ist ein vom eneraTechLab entwickelter Smart Meter, bestehend aus einem digitalen Stromzähler und einem Raspberry Pi, die über eine optische Schnittstelle miteinander verbunden sind. Dieser schreibt die Verbrauchsdaten angeschlossener Geräte im 2-Sekunden-Takt mithilfe eines Skripts in eine Datenbank. Um verschiedene Geräte zu testen, haben wir zusätzlich einen Simulator entwickelt, der ebenfalls Verbrauchsdaten auf Basis eingemessener Geräte in die Datenbank schreibt.

Über einen Parser werden diese Daten aus der InfluxDB extrahiert und in einen Datensatz geschrieben. Dieser Datensatz beinhaltet Informationen über die Verbrauchswerte mit dazugehörigem Zeitstempel, sowie zusammengefasste Metadaten der Geräte.

Anschließend wird der Datensatz in eine passende HDF5-Datei konvertiert,diefür die Lastkurvenanalyse mit demNon-intrusive Load Monitoring Toolkit (NILMTK) notwendig ist. Das NILMTK bietet Algorithmen zur Disaggregation, wodurch Lastkurven verschiedener Geräte erkannt werden können.

Im weiteren Verlauf des Projekts soll der Prototyp optimiert werden, sodass Geräte aus einem fließenden Datenstrom erkannt werden können. Außerdem liegt der Fokus auf der Entwicklung einer standardisierten Datenbank für Verbrauchsdaten verschiedenster Geräteauf Open-Source-Basis, welche einen hohen Nutzen für die Forschung am Non-intrusive Load Monitoring darstellen könnte.