Analysefunktionen im Energiemanagement: Multivariate Regression

Energieverbrauch analysieren mit der multivariaten Regressionsanalyse

Was ist die multivariate Regressionsanalyse und was nützt sie dem Energiemanagement?

Die multivariate Regressionsanalyse modelliert, ob bzw. wie verschiedene Variablen miteinander zusammenhängen. Im Energiemanagement können mit ihrer Hilfe die tatsächlichen Energieeinsparungen von Effizienzmaßnahmen wirkungsvoll nachgewiesen werden. Das macht die Analyse besonders interessant für die Zertifizierung des Energiemanagements nach ISO 50001.

 

Aufbau und Inhalt der Regressionsanalyse

Bei der multivariaten Regressionsanalyse wird ein theoretisches Modell erstellt, dass an die Realität angelehnt ist und verschiedene Einflussfaktoren berücksichtigt. Im Energiemanagement kann dadurch der Energieverbrauch einer Bezugsgröße (z.B. eines Unternehmens, eines Standorts, einer Maschine etc.) abhängig von seinen vielen verschiedenen Einflussfaktoren modelliert werden. So ist ersichtlich, welche Auswirkungen die Veränderung eines Faktors bzw. mehrerer Faktoren auf den Verbrauch hat bzw. haben. Ersichtlich werden diese Auswirkungen, indem der tatsächliche mit dem errechneten Verbrauch im Zeitverlauf verglichen wird. Für Abweichungen gibt es einen zulässigen Toleranzbereich, weshalb das Modell der Realität in der Regel sehr nahe kommt.

Darstellung des Toleranzbereich des Regressionsmodells in der Energy Monitor Software von OPTENDA

Auf dem Screenshot ist der Toleranzbereich durch die gestrichelte Linie gekennzeichnet. Liegt ein Punkt außerhalb dieses Bereichs, sollten die einzelnen Parameter nochmals auf ihre Plausibilität geprüft werden.

 

Die 3 Schritte für den Nachweis einer Einsparung mit der Regressionsanalyse

1. Berechnung des Regressionsmodells

Zuerst muss ein statistisch signifikantes Modell mit historischen Verbrauchsdaten berechnet werden. Das Modell muss dabei alle relevanten Einflussfaktoren berücksichtigen.

2. Prüfung des Regressionsmodells

Um nachzuweisen, dass das Modell auch wirklich funktioniert, muss es geprüft (validiert) werden. Dies erfolgt mithilfe weiterer historischer Daten (anderen Daten wie in Schritt 1). Das Modell kann verwendet werden, wenn alle Daten im oben erwähnten Toleranzbereich liegen.

3. Anwendung des Regressionsmodells

Das Regressionsmodell kann nun dafür eingesetzt werden, einen künftigen (aber theoretischen) Verbrauch zu berechnen. So erhält man den Energieverbrauch, der zu erwarten gewesen wäre, wenn keine Maßnahme oder Optimierung umgesetzt worden wäre. Dieser theoretische Verbrauch wird dann mit dem tatsächlichen (gemessenen) Verbrauch verglichen. Liegt der gemessene Verbrauch unter dem des errechneten Regressionsmodells, dann bedeutet das, dass Energie eingespart wurde. Die Energieeffizienz wurde also gesteigert.

Tipp: Die Energiemanagement-Software Energy Monitor von OPTENDA führt Sie Schritt für Schritt durch die Regressionsanalyse und nimmt Ihnen viel manuellen Aufwand ab.

Beispiel: Was bringt die Regressionsanalyse in der Praxis?

Ein metallverarbeitendes Unternehmen will den Energieverbrauch einer seiner CNC-Maschinen, die aktuell zu den größten Energieverbrauchern des Betriebs zählen, senken – natürlich bei gleichbleibender Produktivität. Effekte aufgrund von bekannten Einflussfaktoren – z.B. dass der Stromverbrauch der Maschine höher ist, wenn die Umgebungstemperatur sehr hoch oder niedrig ist oder das zu bearbeitende Metall einen hohen Härtegrad aufweist – können mit Hilfe der Regressionsanalyse berücksichtigt werden.

Das Unternehmen hat sich nach Absprache mit dem Maschinenhersteller dafür entschieden, ab Juli einen neuen Schmierstoff für die Maschine einzusetzen. Im Gegensatz zum alten Schmierstoff weist dieser eine deutlich niedrigere Viskosität auf, wodurch ein Potential für Energieeinsparungen entstand. Mit der Regressionsanalyse wurde auf Basis historischer Daten ein statistisches Modell berechnet, welches die signifikanten Einflussfaktoren auf den Energieverbrauch berücksichtigt. Dieses Modell wird nach der Umsetzung der Maßnahme verwendet, um den theoretischen Energieverbrauch mit dem alten Schmierstoff zu berechnen (blaue Linie) und ihn mit dem tatsächlich gemessenen Verbrauch mit dem neuen Schmierstoff (rote Linie) zu vergleichen. Auf dem Screenshot aus der Energiemanagement-Software ist ersichtlich, dass das neue, dünnflüssigere Öl deutliche Energieeinsparungen bewirkt hat.

Ergebnisnachweis einer Einsparung bei der multivariaten Regressionsanalyse

Multivariate Regressionsanalyse für die ISO 50001

Für die Zertifizierung des Energiemanagements nach ISO 50001 muss ein Unternehmen nachweisen, dass es seine Energieeffizienz gesteigert hat. Aufgrund der Vielzahl an Einflussfaktoren auf den Energieverbrauch ist das allerdings nicht so einfach. Kommt es beispielsweise zu großen wetterbedingten Änderungen im Verbrauch, erschwert das die Bewertung von umgesetzten Maßnahmen zur Steigerung der Energieeffizienz. Mithilfe der multivariaten Regressionsanalyse kann dann einfach nachgebildet werden, was die Maßnahmen bei gleichbleibenden Bedingungen gebracht hätten.

 

Energieeffizienz einfach dokumentiert

Die multivariate Regressionsanalyse ist sehr hilfreich, um die Energieeffizienz eines Unternehmens objektiv bewerten zu können. Da für ihre Erstellung viele Daten, Faktoren und Abhängigkeiten berücksichtigt werden müssen, ist eine Software, die über eine entsprechende Analysefunktion verfügt, eine große Erleichterung, insbesondere für eine Zertifizierung nach ISO 50001 und die dafür notwendige Dokumentation. Dann bleibt das schwierigste an der multivariaten Regressionsanalyse die Aussprache des Worts!

 


 

Mehr Energieeffizienz für Ihr Postfach:
Newsletter abonnieren und nichts mehr verpassen!