Technisches Umfeld

Die vorliegende Erfindung betrifft ein Verfahren und eine Vorrichtung zum Prognostizieren des zeitlichen Verlaufs eines Strombedarfs einer Wohnanlage mit einer oder einer Mehrzahl von Wohneinheiten mit einer jeweiligen Mehrzahl von Stromverbrauchern, wobei die Wohnanlage eine gemeinsame Stromversorgung aufweist, die einem zeitlich variablen Tarif unterliegt.

Beschrieben werden Verfahren und Vorrichtungen für die Prognose des Verbrauchs von elektrischer Energie in Wohnanlagen. Als Wohnanlagen im Sinne dieser Schrift sind ein oder mehrere Wohneinheiten mit einer gemeinsamen Stromversorgung und Stromabrechnung zu verstehen. Wohnanlage im Sinne dieser Schrift schließt Stadtquartiere ein, also Wohnanlagen mit räumlich oder rechtlich getrennten Wohneinheiten oder Gruppen von Wohneinheiten, die Einrichtungen gemeinsam nutzen.

Aufgabe der Erfindung ist die Ermöglichung einer Stromkostenreduktion ohne negative Einflüsse auf den Tagesablauf und die Lebensgewohnheiten der Bewohner der Wohnanlage.

Problembeschreibung

In zunehmendem Maße sind die Stromkosten in Wohnanlagen zeitlich variablen externen Einflüssen unterworfen. Dies kann zum Beispiel dadurch verursacht werden, dass die Stromerzeugung anteilig durch in der Wohnanlage vorhandene oder zumindest ortsnahe dezentrale Erzeugungsanlagen erfolgt. Eine derartige dezentrale Erzeugungsanlage kann zum Beispiel eine Photovoltaik-Anlage sein. Die Stromkosten der Bewohner der Wohnanlage setzten sich damit für den Fall, dass der dezentral erzeugte Strom ganz oder zumindest teilweise in der Wohnanlage selbst genutzt wird, aus einem dezentral erzeugten Anteil und einem aus dem öffentlichen Stromnetz bezogenen Anteil zusammen. Der Deckungsgrad gibt an, welcher Anteil des Strombedarfs durch die dezentrale Erzeugung vor Ort, also beispielsweise Photostrom, gedeckt wird. Der Deckungsgrad kann prinzipiell Werte zwischen 100 % und 0 % annehmen. Der Deckungsgrad ist zum Beispiel für den Fall der Photovoltaik-Anlage 100 %, wenn bei starker Sonneneinstrahlung der gesamte (prognostizierte) Strombezug der Wohnanlage durch die Photovoltaik-Anlage gedeckt werden kann. Demzufolge beträgt der Deckungsgrad 0 %, wenn die Photovoltaik-Anlage, z. B. bei Dunkelheit, überhaupt keinen Beitrag zur Deckung des Strombedarfs der Wohnanlage leisten kann. Dazwischen sind alle Werte möglich, je nach prognostizierter Erzeugung und Verbrauch.

Die Zeitvariabilität der Stromkosten entsteht dadurch, dass die Kosten einer Bezugseinheit für eigenerzeugten Photostrom im Allgemeinen andere sind als für Strom aus zentraler Erzeugung, der über das öffentliche Stromnetz bezogen wird. Sofern die Kosten für Photostrom niedriger sind als für Strom aus dem öffentlichen Netz, ist es für die Anwohner in der Wohnanlage vorteilhaft, einen möglichst großen Anteil ihres Strombezugs in solche Zeitabschnitte zu verlagern, in denen ausreichend Photostrom vorhanden ist.

Der Komfort bei der Nutzung von bestimmten elektrischen Haushaltsgeräten hängt oftmals nicht vom genauen Zeitpunkt ihres Betriebs ab. Vielmehr ist der Komfort oftmals allein davon abhängig, dass ein Haushaltsgerät bis zu einem bestimmten festgelegten Endzeitpunkt eine Aufgabe abgeschlossen hat. Vom Zeitpunkt der Entscheidung, dass eine Aufgabe erledigt werden muss bis zu dem Zeitpunkt, zu dem diese Aufgabe abgeschlossen sein muss, verstreicht vielfach ein Zeitintervall, das größer als die Zeit ist, die das Haushaltsgerät in Form seiner Betriebsdauer zur Erledigung der Aufgabe benötigt. In derartigen Situationen ist es möglich, den Betriebszeitraum des Gerätes innerhalb des vom Anwender bestimmten Zeitkorridors zu variieren. Es ist daher für die Bewohner der Wohnanlage vorteilhaft, den Betriebszeitpunkt von elektrischen Verbrauchern so festzulegen, dass diese zu Zeiten mit möglichst niedrigem Stromtarif arbeiten.

Eine derartige Aufgabenstellung ist als Lastverschiebung bekannt. Das Problem liegt darin, elektrische Verbraucher so zu schalten, dass diese die von Ihnen erwarteten Aufgaben erfüllen und dabei möglichst niedrige Energiekosten verursachen. Um eine derartige vorteilhafte Lastverschiebung zu ermöglichen, müssen die Strompreise im für den Betrieb des entspre- chenden Haushaltsgerätes relevanten Zeitkorridor zumindest näherungsweise prognostizierbar sein.

Eine derartige näherungsweise Prognose eines zeitvariablen Strompreises ist möglich, wenn sowohl die dezentrale Erzeugung zum Eigenverbrauch (z. B. Photostrom) als auch der Gesamtverbrauch der Wohnanlage prognostiziert werden können. In diesem Fall ist der Deckungsgrad der dezentralen Erzeugung bezogen auf die Nachfrage vorhersagbar und damit der Strom-Mischpreis, der durch Kombination von Netzbezugspreis und Preis des zum Eigenverbrauch dezentral erzeugten Stroms entsteht.

Dies gilt unter der Voraussetzung, dass der Preis für Netzstrom bekannt ist. Dies ist für Wohnanlagen im Allgemeinen der Fall. Üblicherweise ist der Netzstrompreis unabhängig vom Zeitpunkt immer gleich. Die Erfindung umfasst aber auch den Fall, dass der Netzstrompreis zeitlich variabel ist. Er muss lediglich vorhersagbar sein. In diesem Fall ergibt sich der zukünftige Strom-Mischpreis durch Kombination des vorhergesagten zukünftigen Netzstrompreises mit dem Photostrompreis unter Berücksichtigung des vorhergesagten zukünftigen Deckungsgrads.

Die vorliegende Erfindung adressiert das Problem, den Stromverbrauch von Wohnanlagen vorherzusagen.

Stand der Technik

Die Vorhersage der Photostromerzeugung folgt in engem Rahmen der Wettervorhersage. Ein Verfahren, die Photostromerzeugung vorherzusagen, wird zum Beispiel von Meteoblue angeboten [Dokument„meteoblue_pointSOLAR_Controlled_Q.uality_EN" der meteoblue AG, Clarastrasse 2, CH 4058 Basel vom 23.7.2013].

Die DE 10 2011 051 074 AI beschreibt ein Verfahren zum Steuern der Verwendung von Energie unter Berücksichtigung einer Prognose des zukünftigen Energiebedarfs von einem oder mehreren Energieverbrauchern in einem Hausnetz. Ein System zur Vorhersage des Bedarfs von elektrischer Energie ist bekannt aus der

DE 10 2010 027 726 AI. In diesem System geht es um die Vorhersage für den Energiebedarf von Kfz auf Basis historischer Daten (Fahrprofil).

Ein Verfahren zum Verteilen von Energie auf einem Strom - Versorgungsnetz ist bekannt aus der DE 19 853 347 AI. In diesem Beispiel wird der zukünftige Energiebedarf abgeschätzt auf Basis von selbst gemachten Angaben der Verbraucher zu ihrem gewünschten Strombezug.

Verfahren zur Integration der volatilen Einspeisung von dezentralen Erzeugungsanlagen mit Hilfe der Lastverschiebung im Endkundenbereich am Beispiel der Windeinspeisung finden sich in [Borenstein, S.; Jaske, M.; Rosenfeld, A.: Dynamic Pricing, Advanced Metering and Demand Response in Electricity Markets; Berkeley 2002], in [Brauner, G.; Pöppl, G.; Tiefgra- ber, D.: Verbraucher als virtuelles Kraftwerk - Potentiale für Demand Side Management in Österreich im Hinblick auf die Integration von Windenergie; Wien 2006] sowie [Klobasa, M.: Dynamische Simulation eines Lastmanagements und Integration von Windenergie in ein Elektrizitätsnetz; Stuttgart 2009]. Hierbei wird dargelegt, dass eine Lastverschiebung im Haushaltsbereich einen Beitrag zum Ausgleich der volatilen dezentralen Erzeugung leisten kann. Grundlage für die Lastverschiebung kann eine direkte Regelung durch den Energiever- sorger aber auch eine indirekte Lastbeeinflussung mittels Tarifanreizen sein. Darauf aufbauend finden sich Verfahren zum Lastmanagement im Haushaltsbereich als Reaktion auf die Volatilitäten dezentraler Erzeugungsleistung mit besonderem Fokus auf ein indirektes, anreizbasiertes Lastmanagement mit Hilfe von Tarifanreizen in [Kamper, A.: Dezentrales Lastmanagement zum Ausgleich kurzfristiger Abweichungen im Stromnetz; Diss., Karlsruhe 2010] und in [Hillemacher, L.; Jochem, P.; Fichtner, W.: Entscheidungsunterstützung beim Lastmanagement; in: Renatus, F.; Kunze, R.; Karschin, I.; Geldermann, J.; Fichtner, W. (Hrsg.): Entscheidungsunterstützung durch Operations Research im Energie- und Umweltbereich - Tagungsband des Workshops der GOR-Arbeitsgruppen "OR im Umweltschutz" und "Entscheidungstheorie und Praxis" am 01. und 02. März 2012 in Goslar, S. 21-39.; Aachen 2012]. Hier liegt der besondere Schwerpunkt auf einem indirekten Lastmanagement bei Haushaltskunden, das über Tarifanreize eine Lastverschiebung anregt. Sämtliche zuvor geschilderten Verfahren beleuchten die Thematik einerseits aus gesamtenergiesystemischer Sicht und andererseits in Bezug auf den einzelnen Haushalt, allerdings nicht aus der Sicht eines Wohn- quartiers mit quartierinternem Verteilnetz nebst quartierzugehöriger dezentraler Erzeugungsanlagen.

Eine näherungsweise Vorhersage des zukünftigen Strombedarfs einer Wohnanlage ist durch die Verwendung von Standardlastprofilen möglich [erhältlich zum Beispiel von EON als Dokument„Normierte Standardlastprofile HO, L0-L2, G0-G6 für Hessen", EON Mitte AG, Mon- teverdistraße 2, 34131 Kassel (2012)]. Derartige Standardlastprofile sind allerdings wenig spezifisch für die individuelle Situation einer Wohnanlage. Derartige Standardlastprofile berücksichtigen die individuellen Charakteristika einer bestimmten Wohnanlage nicht, wie zum Beispiel die individuelle Ausstattung einer Wohnanlage mit elektrischen Verbrauchsgeräten oder den demographischen Mix der Bewohnergemeinschaft.

Die DE 10 2012 105 404 AI beschreibt Systeme und Verfahren zum Vorhersagen des Energieverbrauchs, welche basierend auf einem gemessenen lokalen Energienutzungsbe- reichsprofil und auf demographischen Informationen in Bezug auf einen neuen Nutzungsbereich eine Nutzungsprognose für den neuen Nutzungsbereich ermöglichen.

Die DE 10 2012 103 081 AI beschreibt ein optimiertes Lastmanagementverfahren zum Optimieren eines zeitlichen Verlaufs eines Verbrauchs von elektrischer Leistung durch eine Gruppe von unterschiedlichen Verbrauchern im Hinblick auf ein Angebot von elektrischer Leistung, das elektrische Leistung von mindestens einem Wind- oder Solarstromgenerator sowie Leistung umfasst, die bidirektional mit einem Speicher für elektrische Energie und/oder einem öffentlichen Stromnetz ausgetauscht wird. Es werden charakteristische zeitliche Verläufe des Verbrauchs von elektrischer Leistung der einzelnen Verbraucher ermittelt und eine Prognose zum zeitlichen Verlauf des Angebots an elektrischer Leistung von dem mindestens einen Stromgenerator für einen in der Zukunft liegenden Zeitraum erstellt. Darauf basierend wird ein Plan für eine Zuteilung von elektrischer Leistung an die Verbraucher für den in der Zukunft liegenden Zeitraum erstellt.

Die DE 10 2010 025 095 AI beschreibt eine Vorrichtung und ein Verfahren zur Verbrauchsüberwachung von Ressourcen, wie z.B. Strom, Wasser, Erdgas oder Fernwärme. Lösung

Die vorliegende Erfindung schafft ein Verfahren zum Prognostizieren des zeitlichen Verlaufs eines Strombedarfs einer Wohnanlage mit einer oder einer Mehrzahl von Wohneinheiten mit einer jeweiligen Mehrzahl von Stromverbrauchern, wobei die Wohnanlage eine gemeinsame Stromversorgung aufweist, die einem zeitlich variablen Tarif unterliegt nach Anspruch 1 sowie eine entsprechende Vorrichtung nach Anspruch 14.

Bevorzugte Weiterbildungen sind Gegenstand der jeweiligen abhängigen Ansprüche.

Die Erfinder haben erkannt, dass sich bei den hier beschriebenen Randbedingungen, nämlich dass als Vertragspartner des Energieversorgers nicht einzelne Wohneinheiten, sondern eine ganze Wohnanlage auftritt, sich eine gegenüber dem Stand der Technik verbesserte Prognose erstellen lässt. Dies wird erreicht, weil sich bei einer hinreichend großen Anzahl von Wohneinheiten innerhalb der Wohnanlage Abweichungen im Lastgang einzelner Wohneinheiten in der Gesamtschau der Wohnanlage nicht in dem Maße auf die Prognosegüte auswirken, wie sie es bei der Einzelbetrachtung täten. Dies bietet die Möglichkeit, eine Prognose zu erstellen, die wohnanlagenspezifische Gegebenheiten besser abbilden kann, als dies selbst regional angepasste Standardlastprofile könnten. Durch die Gesamtzahl der

Wohneinheiten kann eine hinreichend genaue Prognosegüte erwartet werden. Die Erfinder haben erkannt, dass es vorteilhaft ist, wenn die Auswahl der zur Prognose verwendeten historischen Lastgänge ständig aktualisiert und somit an sich verändernde Gegebenheiten, wie etwa der Bewohnerstruktur der Wohnanlage, angepasst wird. Die Erfinder haben ferner erkannt, dass bei der Prognose die Gewichtung der verwendeten historischen Daten nach deren Alter ein nützlicher Freiheitsgrad ist und für das Prognoseverfahren optimiert werden kann.

Die hier beschriebene Erfindung löst das Problem, den Stromverbrauch für Wohnanlagen näherungsweise zu prognostizieren und berücksichtigt dabei die individuellen Charakteristika einer bestimmten Wohnanlage. Sie liefert daher genauere Vorhersagen als Vorhersagen nach dem Stand der Technik. Sie ermöglicht damit eine bessere Lastverschiebung und damit eine größere Senkung der Stromkosten in der Wohnanlage, denn sie ermöglicht den Bewoh- nern, elektrische Lasten zu Zeiten mit niedrigeren Stromkosten zu verschieben und diese Zeiten mit höherer Treffsicherheit vorauszusagen.

Ein Unterscheidungspunkt zu bisherigen Ansätzen ist hierbei, dass neben der Berücksichtigung einzelner Haushalte auch die Wohnanlage als Ganzes in die Betrachtung eingeht. Hierdurch wird ein entscheidender Beitrag nicht nur zum optimierten Betrieb des wohnanlagen- internen Stromnetzes sondern auch zur Netzstabilität des öffentlichen Verteilnetzes, an das die Wohnanlage als Kollektiv angeschlossen ist, geleistet.

Kurzbeschreibung der Figuren

In den Figuren zeigen:

Fig. 1 eine typische Wohneinheit in einer Wohnanlage;

Fig. 2 eine typische Wohnanlage und den zeitlichen Verlauf des verbrauchten Stroms der Wohnanlage;

Fig. 3 ein Beispiel, wie bekannten Tageslastgängen der Wohnanlage eine oder mehrere charakteristische Kenngrößen zugeordnet werden;

Fig. 4 die Erstellung einer Prognose für einen zukünftigen Lastgang gemäß einer Ausführungsform der Erfindung;

Fig. 5 ein Ausführungsbeispiel für einen Rechner anhand eines Blockschaltbilds; und

Fig. 6 die Erstellung einer Prognose für einen zukünftigen Lastgang gemäß einer weiteren Ausführungsform der Erfindung.

Erläuterung und Ausführungsbeispiele

Die Erfindung soll im Folgenden anhand der Figuren erläutert und mittels eines Ausführungsbeispiels konkretisiert werden. Fig. 1 zeigt eine typische Wohneinheit (101) in einer Wohnanlage. In der Wohnanlage befinden sich eine oder mehrere Photovoltaikanlagen (102). Die Photovoltaikanlagen (102) können sich beispielhaft auf den Dächern der

Wohneinheiten befinden. Sie können aber auch an anderen Stellen der Wohnanlage angeordnet sein, zum Beispiel auf Dächern von Kfz Abstellplätzen oder im Freigelände. In der Wohneinheit befinden sich elektrische Verbraucher, zum Beispiel Waschmaschine (107) und Herd (104). Der elektrische Stromverbrauch der Wohneinheit wird von einem Stromzähler (105) gemessen. ). Der Stromzähler (105) übermittelt den zeitlichen Verlauf des verbrauchten Stroms über eine geeignete Schnittstelle und Dateneingang (502) an einen Prozessor (501) (vgl. Fig. 5).

In der Wohneinheit befinden sich zudem Wasserverbraucher (103). Der Wasserzähler (106) übermittelt den zeitlichen Verlauf des verbrauchten Wassers einer Wohneinheit über eine geeignete Schnittstelle und Dateneingang (502) an einen Prozessor (501) (vgl. Fig. 5).

Fig. 2 zeigt eine typische Wohnanlage und den zeitlichen Verlauf des verbrauchten Stroms der Wohnanlage. Eine Wohnanlage (201) besteht aus einer oder mehreren Wohneinheiten (101). Die eine oder mehrere Photovoltaikanlage(n) der Wohnanlage (201) sind zusammengeschaltet und deren gemeinsamer Stromertrag wird von einem Photostromzähler (203) gemessen. Optional können die verschiedenen Erträge der einzelnen Photovoltaikanlagen der Wohnanlage addiert werden.

Die Stromverbräuche aller Wohneinheiten werden von einem Wohnanlagen - Stromzähler (202) in Summe erfasst. In einer anderen Ausgestaltung kann auf den Wohnanlagen - Stromzähler (202) verzichtet werden, und der gesamt Stromverbrauch der Wohnanlage kann durch Addition der verschiedenen Erträge der einzelnen Wohnungszähler (105) sowie zusätzlicher Allgemeinstromzähler in der Wohnanlage ermittelt werden. Ohne Einschränkung der Allgemeinheit wird im weiteren Verlauf der Beschreibung angenommen, dass die Stromverbräuche aller Wohneinheiten und der Gemeinstrom von einem Wohnanlagen - Stromzähler (202) in Summe erfasst wird.

Der Wohnanlagen - Stromzähler (202) übermittelt den zeitlichen Verlauf des verbrauchten Stroms (204) über eine geeignete Schnittstelle und Dateneingang (502) an einen Prozessor (501) (vgl. Fig. 5). Der zeitliche Verlauf des verbrauchten Stroms wird im Folgenden auch Lastgang genannt. Die erfindungsgemä e Prognose eines zukünftigen Lastgangs in der Wohnanlage erfolgt durch die Nutzung von historischen, also bekannten, Lastgängen der Wohnanlage. Die Prognose wird dadurch ermittelt, dass den bekannten Tageslastgängen der Wohnanlage eine oder mehrere charakteristische Kenngrößen zugeordnet werden, die zumindest näherungsweise prognostiziert werden können und die einen Einfluss auf den Lastgang haben. Dies soll anhand eines Beispiels und der Fig. 3 erläutert werden.

Der bekannte historische Lastgang einer Wohnanlage für den beispielhaft gewählten Zeitraum 2.3.2013 - 5.3.2013 (308) ist grafisch dargestellt als Energieverbrauch pro 15 Minuten. Dabei sind die Stromverbrauchswerte für alle Viertelstundenzeitintervalle in diesem Viertageszeitraum dargestellt. Diese Darstellung ist beispielhaft. Es sind auch andere Darstellungen des zeitlichen Verlaufs des Energieverbrauchs möglich, zum Beispiel mit Angabe des Energieverbrauchs für Intervalle, die kürzer sind, als eine Viertelstunde, oder für Intervalle, die länger sind, als eine Viertelstunde, zum Beispiel eine Stunde.

In dem beispielhaft dargestellten Lastgang sind den Tagen (301) besondere charakteristische Kenngrößen zugeordnet. So sind zum Beispiel dem Tag 2.3.2013 die 3 charakteristischen Kenngrößen Winter, Sonne, Werktag zugeordnet (302).

Anderen Tagen sind im Allgemeinen andere charakteristischen Kenngrößen zugeordnet, wie in Fig. 3 dargestellt (303), (304). Die Erfinder haben erkannt, dass die charakteristischen Kenngrößen so gewählt werden müssen, dass diese einen wesentlichen Einfluss auf den Lastgang haben, selber zumindest näherungsweise gut vorhersagbar sind und in jeder Kombination hinreichend häufig im Jahresverlauf vorkommen. Für die in (302) - (304) gewählten charakteristischen Kenngrößen ist dies der Fall: es gibt insgesamt 2 x 2 x 2 = 8 mögliche Kombinationen der charakteristischen Kenngrößen Sommer / Winter, Werktag / Feiertag, Sonne / Wolken, welche einen jeweiligen Kenngrößensatz (305) - (307) bilden.

Die (302) - (304) gewählten charakteristischen Kenngrößen werden Standard Typtage genannt und sind aus VDI 4655 [„Referenzlastprofile von Ein- und Mehrfamilienhäusern für den Einsatz von KWK Anlagen", VDI Richtlinie VDI 4655, Mai 2008] bekannt. Es ist zu erwarten, dass jede dieser Kombinationen hinreichend häufig im Jahresverlauf vorkommt. Die Vorhersage der zukünftigen charakteristischen Kenngrößen ist zudem lediglich mit der Unsi- cherheit der Wettervorhersage behaftet (wolkig oder sonnig), und kann angesichts des bestehenden Stands der Technik für Wettervorhersagen als zumindest näherungsweise gut vorhersagbar betrachtet werden. Die charakteristischen Kenngrößen Sommer / Winter, Werktag / Feiertag, Sonne / Wolken haben zudem einen wesentlichen Einfluss auf den Lastgang.

Fig. 4 veranschaulicht die Erstellung einer Prognose für einen zukünftigen Lastgang gemäß einer Ausführungsform der Erfindung. Die erfindungsgemäße Erstellung einer Prognose (404) für den zukünftigen Lastgang im Zeitraum T (405) erfolgt so, dass zunächst geeignete Kenngrößen festgelegt werden. Dies können zum Beispiel die oben genannten Standard Typtage sein. In einem ersten Schritt werden dann die Werte für die charakteristischen Kenngrößen für diesen Zeitraum T vorhergesagt.

Im Beispiel der Fig. 4 ist dies der Kenngrößensatz 1 (406). Es könnten beispielhaft die Werte , Winter - Sonne - Werktag' sein, wenn als charakteristische Kenngrößen Typtage gewählt wurden.

Es wird dann die letzte Prognose für einen Zeitraum mit diesem Kenngrößensatz 1 herausgesucht (401). Beispielhaft wäre dies die letzte Prognose mit den Werten ,Winter - Sonne - Werktag'. Es wird ferner der letzte Zeitraum T mit bekannten Verbrauchsdaten herausgesucht, für den der Kenngrößensatz 1 zutrifft (402). Beispielhaft wären dies die letzten Verbrauchsdaten mit den Werten , Winter - Sonne - Werktag'.

Diese Daten der letzten Prognose (401) und des letzten bekannten Lastgangs (402) werden zu einem Rechner (403) geleitet, der auf Basis dieser Daten eine aktuelle Prognose (404) errechnet.

Das Verfahren, nach dem der Rechner diese Prognose ermittelt kann individuell optimiert werden. Das Verfahren kann beispielhaft so gewählt werden, dass die Daten der letzten Prognose (401) und die Daten des letzten bekannten Lastgangs (402) arithmetisch gemittelt werden, indem die Werte zu jedem einzelnen Datenpunkt addiert und durch 2 geteilt werden. Das Verfahren kann aber auch anders festgelegt werden und die Daten der letzten Prognose (401) können mit anderem Gewicht versehen als die Daten des letzten bekannten Lastgangs (402). Auf diese Weise ist es möglich, die Reichweite der verwendeten historischen Daten in die Vergangenheit zu variieren: je höher das Gewicht der Daten der letzten Prognose (401) im Vergleich zum Gewicht der Daten des letzten bekannten Lastgangs (402) gewählt wird, umso größer ist die Reichweite in die Vergangenheit. Es ist vorteilhaft, die Gewichtung variabel vorzunehmen und fortlaufend so zu optimieren, dass die aktuelle Prognose möglichst wenig von den tatsächlichen Verbrauchswerten abweicht.

Der Vorteil von diesem erfindungsgemäßen Verfahren besteht darin, dass die Prognose, anders als beim Verfahren nach VDI 4655 [„Referenzlastprofile von Ein- und Mehrfamilienhäusern für den Einsatz von KWK Anlagen", VDI Richtlinie VDI 4655, Mai 2008] spezifisch für die Gegebenheiten einer individuellen Wohnanlage ist. Es ist daher zu erwarten, dass die Genauigkeit einer Vorhersage gemäß der Erfindung größer ist als bei einer Vorhersage nach dem Stand der Technik.

Eine besondere Bedeutung hat die Wahl der charakteristischen Kenngrößen. In einer besonderen Ausführungsform der Erfindung werden dafür die Typtage nach VDI 4655 verwendet. Im Allgemeinen umfasst die Erfindung nicht allein die Verwendung von Typtagen nach VDI 4655 als charakteristischen Kenngrößen, sondern charakteristischen Kenngrößen in größerer Allgemeinheit. Von den Erfindern wurde erkannt, dass die charakteristischen Kenngrößen dabei so gewählt werden müssen, dass diese einen wesentlichen Einfluss auf den Lastgang haben, selber zumindest näherungsweise gut vorhersagbar sind und in jeder Kombination hinreichend häufig im Jahresverlauf vorkommen.

In einer anderen Ausführungsform der Erfindung werden dafür beispielsweise von der Außentemperatur abgeleitete Kenngrößen verwendet. In einem speziellen Ausführungsbeispiel werden die charakteristische Kenngrößen wie folgt gewählt: ,sehr kalt' / Temperatur < -2°, ,kalt' / Temperatur zwischen -2° und 5°, , mittel' / Temperatur zwischen 5° und 10°, ,warm' / Temperatur zwischen 10° und 20° und ,sehr warm' / Temperatur > 20°. Derartige Kenngrößen sind gut vorhersagbar und erfüllen die oben genannten Kriterien. Charakteristische Kenngrößen können in einer anderen Ausführungsform der Erfindung zum Beispiel in Abhängigkeit von der Anzahl der in der Wohnanlage lebenden Personen gewählt werden. Die Zahl der in einer bestimmten Wohnanlage lebenden gemeldeten Personen wird im Jahresverlauf schwanken, je nachdem ob manche Bewohner in Urlaub sind oder sich Gäste zu Besuch in der Wohnanlage aufhalten etc. Da der Stromverbrauch im Allgemeinen von der Anzahl der in einer Wohnanlage lebenden Personen abhängt, wird die Einbeziehung der Anzahl der in einer Wohnanlage lebenden Personen in die Stromverbrauchsprognose deren Genauigkeit verbessern. Die Prognose der Anzahl der in einer Wohnanlage lebenden Personen kann zum Beispiel dadurch erfolgen, dass die Bewohner darüber selber Auskunft geben und dem Rechner (403) entsprechende Daten zur Verfügung stellen.

In der Praxis werden aber manche Bewohner der Wohnanlage derartige Informationen nicht geben. Die Erfinder haben erkannt, dass in diesem Fall eine Prognose der Anzahl der in einer Wohnanlage lebenden Personen durch Auswertung von nichtelektrischen Verbrauchsdaten gegeben werden kann. Die Erfinder haben ferner erkannt, dass zum Beispiel die Anzahl der Toilettenspülungen an einem Tag eng mit der Anzahl der in einer Wohnanlage lebenden Personen korreliert ist and dass die Anzahl der Toilettenspülungen wiederum durch Auswertung des zeitlichen Wasserverbrauchs abgeschätzt werden kann.

Die Erfinder haben ferner erkannt, dass eine andere zweckmäßige nichtelektrische Verbrauchsgröße zum Beispiel der Wärmeverbrauch, oder die Temperatur einer Wohneinheit oder in einem bestimmten Zimmer der Wohneinheit ist. Von den Erfindern wurde festgestellt, dass sich der zeitliche Wärmeverbrauch oder die Temperatur mit der Zahl der Bewohner in einer Wohneinheit korrelieren lässt. Es wurde erkannt, dass Bewohner vor längerem Verlassen Ihrer Wohnung die Solltemperatur herabsetzen, so dass sich aus der gemessenen Temperatur oder aus dem gemessenen Wärmeverbrauch auf die auf die Zahl der Bewohner schließen lässt. Es wurde ferner erkannt, dass sich auch direkt aus dem vorhersagbaren zeitlichen Wärmeverbrauch oder der vorhersagbaren Temperatur auf den unbekannten Stromverbrauch schließen lässt und daher aus dem zeitlichen Wärmeverbrauch oder der Temperatur abgeleitete charakteristische Kenngrößen verwendet werden können. In einem Ausführungsbeispiel wird für jede Wohneinheit die Temperatur des Wohnzimmers gemessen und klassifiziert: ,T niedrig' = /Temperatur im Wohnzimmer im Tagesmittel der letzten 24 Stunden < 15°' und ,T hoch' = /Temperatur im Wohnzimmer im Tagesmittel der letzten 24 Stunden > 15°'. Im Falle von ,T niedrig' ist zu erwarten, dass sich keine Anwohner in der Wohneinheit aufhalten und es kann vorhergesagt werden, dass dies mit hoher Wahrscheinlichkeit auch in der nahen Zukunft gilt. Es kann damit die Vorhersage des Stromverbrauchs der Wohnanlage dahingehend modifiziert werden, dass für die unbewohnte(n) Wohneinheit(en) ein entsprechen niedrigerer Haushaltsstrom vorhergesagt wird.

Die Vorhersage erfolgt für jede Wohneinheit mit dem in Fig. 6 dargestellten Verfahren. In diesem Ausführungsbeispiel wird die Prognose für jede Wohneinheit der Wohnanlage erstellt. Als charakteristische Kenngröße wird die Temperatur mit den beiden möglichen Werten ,T hoch' und ,T niedrig' verwendet. Die Prognose des Stromverbrauchs der gesamten Wohnanlage ergibt sich in diesem Ausführungsbeispiel durch Addition der Prognosen aller Wohneinheiten in der Wohnanlage.

Von den Erfindern wurde erkannt, dass in Wohnanlagen mit stromgespeister Wärmeversorgung die Genauigkeit des oben beschriebenen Prognoseverfahrens weiter verbessert werden kann, wenn der gesamte Stromverbrauch der Wohnanlage in zwei Anteile zerlegt wird und diese beide Anteile separat prognostiziert werden: einen Anteil für die Erzeugung der Wärmeenergie und einen anderen Anteil für alle anderen Stromverbraucher in der Wohnanlage. In einer besonderen Ausgestaltung der Erfindung wird die Prognose daher parallel und unabhängig für die beiden Anteile , Strom für Wärmeerzeugung' und , restlicher Strom' durchgeführt. Dabei erfolgt die Prognose für den , restlichen Strom' nach dem oben beschriebenen Verfahren (Fig. 6). Die Prognose für den , Strom für Wärmeerzeugung' kann ebenfalls nach dem oben beschriebenen Verfahren (Fig. 6) erfolgen. Sie kann aber auch durch direkte Berechnung erfolgen, ohne Rückgriff auf historische Daten, zum Beispiel aus Klimadaten und Gebäudesimulation. Der Gesamtstromverbrauch ergibt sich dann als Summe der beiden Anteile.

Fig. 5 zeigt ein Ausführungsbeispiel für einen Rechner (403) anhand eines Blockschaltbilds. Dieser umfasst einen Prozessor (501). Prozessor (501) führt zum Beispiel Programmanwei- sungen aus, die in Programmspeicher (504) gespeichert sind, und speichert beispielsweise Zwischenergebnisse oder ähnliches im Datenspeicher (503). Programmspeicher (504) und/oder Hauptspeicher (503) können von dem Prozessor (501) verwendet werden, um Daten zu speichern, wie zum Beispiel Prognosedaten (401) oder Verbrauchsdaten (308), (402).

Programmanweisungen, die in Programmspeicher (504) gespeichert sind, betreffen insbesondere die Bestimmung zumindest einer der genannten Prognosen. Die Programmanweisungen können beispielsweise von einem Computerprogramm umfasst sein, das in Programmspeicher (504) gespeichert ist bzw. in Programmspeicher (504) geladen wurde, zum Beispiel von einem Computerprogramm-Produkt, insbesondere einem computerlesbaren Speichermedium, oder über ein Netzwerk.

Der Prozessor (501) erhält Daten über Schnittstelle und Daten-Eingang (502). Daten sind zum Beispiel Verbrauchsdaten (308), (402) oder Prognosedaten von charakteristischen Kenngrößen (302) - (307). Der Prozessor (501) erzeugt neue Daten und gibt diese über Schnittstelle und Daten- Ausgang (505) aus.

Die ausgegebenen Daten werden zum Beispiel visualisiert / angezeigt (507) und / oder zu einer Verbrauchersteuerung (506) weitergeleitet. Eine derartige Verbrauchersteuerung (506) kann zum Beispiel die aktuellen Prognosedaten dafür nutzen, Stromverbraucher so zu schalten, dass möglichst niedrige Stromkosten entstehen.