EP3167412A1 - Verfahren und vorrichtung zum prognostizieren des zeitlichen verlaufs eines strombedarfs einer wohnanlage - Google Patents

Verfahren und vorrichtung zum prognostizieren des zeitlichen verlaufs eines strombedarfs einer wohnanlage

Info

Publication number
EP3167412A1
EP3167412A1 EP15736242.7A EP15736242A EP3167412A1 EP 3167412 A1 EP3167412 A1 EP 3167412A1 EP 15736242 A EP15736242 A EP 15736242A EP 3167412 A1 EP3167412 A1 EP 3167412A1
Authority
EP
European Patent Office
Prior art keywords
forecast
characteristic
residential
load
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
EP15736242.7A
Other languages
English (en)
French (fr)
Inventor
Heinz HANEN
Frank Diedrich
Valentin BERTSCH
Hannes SCHWARZ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Evohaus Irq GmbH
Original Assignee
Evohaus GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Evohaus GmbH filed Critical Evohaus GmbH
Publication of EP3167412A1 publication Critical patent/EP3167412A1/de
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Definitions

  • the present invention relates to a method and an apparatus for predicting the time course of a power requirement of a residential complex with one or a plurality of residential units with a respective plurality of power consumers, wherein the housing complex has a common power supply, which is subject to a time-variable rate.
  • a residential complex within the meaning of this document is understood as one or more residential units having a common power supply and electricity billing.
  • Residential property in the sense of this document includes urban quarters, ie residential complexes with spatially or legally separate residential units or groups of residential units that share facilities.
  • the object of the invention is to enable a reduction in electricity costs without negative influences on the daily routine and the living habits of the residents of the housing complex.
  • the coverage ratio is 100%, if the entire (predicted) electricity consumption of the residential complex can be covered by the photovoltaic system in the case of strong solar radiation. Consequently, the coverage ratio is 0% if the photovoltaic system, z. B. in the dark, can make any contribution to meet the electricity needs of the housing complex. In between, all values are possible, depending on the forecast production and consumption.
  • the time variability of electricity costs arises from the fact that the cost of a reference unit for self-generated photocurrent are generally different than for electricity from central generation, which is obtained via the public grid. If the cost of photocurrent is lower than for electricity from the public grid, it is advantageous for the residents in the condominium to shift as much of their power reference in such periods where there is sufficient photocurrent available.
  • Such a task is known as a load shift.
  • the problem is to switch electrical loads to perform the tasks you expect while keeping energy costs as low as possible.
  • the electricity prices must be household appliance relevant time corridor be at least approximately predictable.
  • the price of mains electricity is known. This is generally the case for housing estates.
  • the grid current price is always the same regardless of the time.
  • the invention also includes the case that the grid current price is variable over time. It just has to be predictable.
  • the future mixed electricity price is calculated by combining the predicted future grid electricity price with the photocurrent price taking into account the predicted future coverage.
  • the present invention addresses the problem of predicting residential power consumption.
  • DE 10 2011 051 074 A1 describes a method for controlling the use of energy taking into account a forecast of the future energy demand of one or more energy consumers in a home network.
  • a system for predicting the demand for electrical energy is known from US 5,178,237
  • a method for distributing energy on a power supply network is known from DE 19 853 347 AI.
  • the future energy demand is estimated based on self-reported consumer information about their desired power consumption.
  • the basis for the load shift may be a direct regulation by the energy supplier, but also an indirect load influencing by means of tariff incentives. Based on this, load management procedures in the household sector can be found in response to the volatility of decentralized generation capacity with a particular focus on indirect, incentive-based load management using tariff incentives in [Kamper, A .: Decentralized load management to compensate for short-term deviations in the electricity grid; Diss., Düsseldorf 2010] and in [Hillemacher, L .; Jochem, P .; Fichtner, W .: decision support for load management; in: Renatus, F .; Kunze, R .; Karschin, I .; Geldermann, J .; Fichtner, W.
  • DE 10 2012 105 404 A1 describes systems and methods for predicting energy consumption which, based on a measured local energy usage range profile and on demographic information relating to a new usage area, enable usage prognosis for the new usage area.
  • DE 10 2012 103 081 A1 describes an optimized load management method for optimizing a time profile of a consumption of electrical power by a group of different consumers with regard to an offer of electrical power, which comprises electric power of at least one wind or solar power generator and power, which is bidirectionally exchanged with a storage for electrical energy and / or a public power grid.
  • Characteristic time profiles of the consumption of electrical power of the individual consumers are determined, and a forecast of the time course of the supply of electrical power is created by the at least one power generator for a future period. Based on this, a plan for allocating electrical power to consumers for the future period is created.
  • DE 10 2010 025 095 AI describes an apparatus and a method for consumption monitoring of resources, such as electricity, water, natural gas or district heating. solution
  • the present invention provides a method for predicting the time course of a power requirement of a residential complex with one or a plurality of residential units with a respective plurality of power consumers, wherein the housing complex has a common power supply, which is subject to a time-variable rate according to claim 1 and a corresponding device according to claim 14.
  • the inventors have recognized that in the boundary conditions described here, namely that as the contractual partner of the energy supplier not individual residential units, but an entire residential complex occurs, can be compared to the prior art improved forecast create. This is achieved because, given a sufficiently large number of housing units within the housing estate, deviations in the load profile of individual residential units in the overall view of the housing estate do not affect the prognosis quality to the same extent as they would for the individual consideration. This offers the possibility of creating a prognosis that can better reflect housing-specific conditions than even regionally adapted standard load profiles could do. By the total number of
  • Residential units can be expected to have a sufficiently accurate forecasting quality.
  • the inventors have recognized that it is advantageous if the selection of the historical load paths used for the prognosis is constantly updated and thus adapted to changing circumstances, such as the resident structure of the housing estate.
  • the inventors have further recognized that in the prognosis the weighting of the used historical data according to their age is a useful degree of freedom and can be optimized for the forecasting process.
  • the invention described here solves the problem of approximately predicting the power consumption for residential complexes, taking into account the individual characteristics of a particular housing estate. It therefore provides more accurate predictions than prior art predictions. It thus enables a better load shift and thus a greater reduction in electricity costs in the housing complex, because it allows the housing to shift electrical loads at times with lower electricity costs and to predict these times with greater accuracy.
  • Fig. 1 is a typical residential unit in a residential complex
  • Fig. 2 shows a typical residential complex and the time course of the electricity consumed by the residential complex
  • 3 shows an example of how known daily load cycles of the housing estate are assigned to one or more characteristic parameters
  • FIG. 5 shows an exemplary embodiment of a computer on the basis of a block diagram
  • Fig. 6 the preparation of a forecast for a future load profile according to another embodiment of the invention.
  • Fig. 1 shows a typical residential unit (101) in a residential complex.
  • the photovoltaic systems (102) can be exemplary on the roofs of the
  • Residential units are located. However, they can also be arranged at other locations of the housing complex, for example on roofs of motor vehicle parking spaces or in the outdoor area.
  • electrical consumers for example washing machine (107) and stove (104).
  • the electrical power consumption of the residential unit is measured by an electricity meter (105). ).
  • the electricity meter (105) transmits the time profile of the consumed electricity via a suitable interface and data input (502) to a processor (501) (see FIG.
  • the residential unit also houses water consumers (103).
  • the water meter (106) transmits the time profile of the consumed water of a residential unit via a suitable interface and data input (502) to a processor (501) (see Fig. 5).
  • FIG. 2 shows a typical residential complex and the time course of the electricity consumed the condominium.
  • a residential complex (201) consists of one or more residential units (101).
  • the one or more photovoltaic system (s) of the housing complex (201) are interconnected and their common power output is measured by a photocurrent counter (203).
  • the different yields of the individual photovoltaic systems of the residential complex can be added.
  • the electricity consumption of all residential units is recorded by a housing electricity meter (202) in total.
  • the residential electricity meter (202) may be dispensed with, and the total power consumption of the housing complex may be determined by adding the various revenues of the individual home meters (105) as well as additional general electricity meters in the condominium. Without limiting the general public, it is assumed in the further course of the description that the electricity consumption of all residential units and the common current are covered in total by a residential electricity meter (202).
  • the residential electricity meter (202) transmits the time history of the used electricity (204) via a suitable interface and data input (502) to a processor (501) (see Fig. 5).
  • the temporal course of the consumed current is also called load profile in the following.
  • the prognosis according to the invention of a future load profile in the housing estate is made by the use of historical, that is to say known, load courses of the housing complex.
  • the prognosis is determined by assigning one or more characteristic parameters to the known daily load cycles of the residential complex which can be at least approximately predicted and which have an influence on the load profile. This will be explained with reference to an example and Fig. 3.
  • the well-known historical load of a housing estate for the exemplarily selected period 2.3.2013 - 5.3.2013 (308) is shown graphically as energy consumption per 15 minutes.
  • the power consumption values for all quarter-hourly time intervals are shown in this four-day period. This illustration is exemplary. Other representations of the time history of energy consumption are also possible, for example indicating energy consumption for intervals shorter than a quarter of an hour, or for intervals longer than a quarter of an hour, for example one hour.
  • day 2.3.2013 is assigned the 3 characteristic parameters winter, sun, working day (302).
  • Fig. 3 (303), (304).
  • the (302) - (304) selected characteristic parameters are called standard type days and are known from VDI 4655 ["reference load profiles of single and multi-family houses for the use of CHP systems", VDI directive VDI 4655, May 2008] that each of these combinations occurs sufficiently frequently in the course of the year, and the prediction of the future characteristic parameters is only safety of the weather forecast (cloudy or sunny), and may be considered at least approximately predictable given the state of the art for weather forecasts.
  • the characteristic parameters summer / winter, working day / holiday, sun / clouds also have a significant influence on the load profile.
  • FIG. 4 illustrates the preparation of a forecast for a future load profile according to an embodiment of the invention.
  • the creation according to the invention of a prognosis (404) for the future load profile in the time period T (405) is carried out in such a way that suitable parameters are initially determined. These can be, for example, the above-mentioned standard type days.
  • suitable parameters can be, for example, the above-mentioned standard type days.
  • the values for the characteristic parameters for this period T are then predicted.
  • the values 'winter - sun - working day' could be used if typical days were selected.
  • the last prognosis for a period with this characteristic set 1 is then selected (401). By way of example, this would be the last forecast with the values 'winter - sun - working day'. Furthermore, the last period T with known consumption data for which the characteristic set 1 applies is selected (402). By way of example, these would be the last consumption data with the values, winter - sun - working day '.
  • the method according to which the computer determines this prognosis can be optimized individually.
  • the method may be chosen such that the data of the last prediction (401) and the data of the last known load profile (402) are arithmetically averaged by adding the values to each individual data point and dividing by two.
  • the procedure can also be defined differently and the data of the last one Forecast (401) may provide weighting other than the last known load history (402). In this way, it is possible to vary the range of the historical data used in the past: the higher the weight of the data of the last forecast (401) compared to the weight of the data of the last known load profile (402) is chosen, the greater the reach into the past. It is advantageous to make the weighting variable and to optimize continuously so that the current forecast deviates as little as possible from the actual consumption values.
  • characteristic parameters are used for this purpose.
  • the invention encompasses not only the use of type days according to VDI 4655 as characteristic parameters, but also characteristic parameters of greater generality. It has been recognized by the inventors that the characteristic parameters must be selected such that they have a significant influence on the load profile, are themselves at least approximately well predictable and occur sufficiently frequently in each combination during the course of the year.
  • the characteristic values are chosen as follows: 'very cold' / temperature ⁇ -2 °, 'cold' / temperature between -2 ° and 5 °, 'medium' / temperature between 5 ° and 10 °,, warm Temperature between 10 ° and 20 ° and 'very warm' / temperature> 20 °.
  • Characteristic parameters can be selected in another embodiment of the invention, for example, depending on the number of people living in the housing. The number of registered persons living in a specific housing estate will vary over the course of the year, depending on whether some residents are on holiday or guests are visiting the condominium, etc.
  • the electricity consumption generally depends on the number of people living in a condominium
  • Incorporating the number of people living in a housing estate into the electricity consumption forecast will improve their accuracy.
  • the prediction of the number of persons living in a residential complex can be done, for example, by the residents themselves providing information and providing the computer (403) with corresponding data.
  • the inventors have recognized that in this case a prognosis of the number of persons living in a residential complex can be given by evaluating non-electrical consumption data.
  • the inventors have further recognized that, for example, the number of toilet flushes in a day is closely correlated to the number of people living in a housing estate, and that the number of toilet flushes can be estimated by evaluating the temporal water consumption.
  • another suitable non-electrical consumption quantity is, for example, the heat consumption, or the temperature of a residential unit or in a certain room of the residential unit. It has been found by the inventors that the temporal heat consumption or the temperature can be correlated with the number of inhabitants in a residential unit. It was recognized that residents before long leave their apartment lower the target temperature, so that it can be concluded from the measured temperature or from the measured heat consumption on the number of residents. It has further been recognized that it is also possible to deduce the unknown power consumption directly from the predictable temporal heat consumption or the predictable temperature, and that therefore characteristic characteristics derived from the temporal heat consumption or the temperature can be used.
  • 'T low' it is to be expected that there will be no residents in the housing unit and it can be predicted that this will most likely also apply in the near future. It can thus be used to modify the prediction of the power consumption of the housing estate so that a correspondingly lower household electricity is predicted for the uninhabited housing unit (s).
  • the prediction is made for each residential unit using the method illustrated in FIG.
  • the forecast is created for each residential unit of the housing complex.
  • the characteristic parameter used is the temperature with the two possible values 'T high' and 'T low'.
  • the forecast of the power consumption of the entire residential complex results in this embodiment by adding the forecasts of all residential units in the residential complex.
  • the accuracy of the forecasting method described above can be further improved if the total electricity consumption of the housing estate is divided into two parts and these two proportions are forecast separately: a share for the production of heat energy and another share for all other electricity consumers in the condominium.
  • the prognosis is carried out in parallel and independently for the two components 'electricity for heat generation' and 'residual electricity'.
  • the forecast for the "residual current" takes place according to the method described above (FIG. 6).
  • the forecast for the 'power for heat generation' can also be made according to the method described above (FIG. 6). But it can also be done by direct calculation, without recourse to historical data, for example from climate data and building simulation. The total power consumption then results as the sum of the two shares.
  • Fig. 5 shows an embodiment of a computer (403) based on a block diagram.
  • This includes a processor (501).
  • processor (501) executes program instructions. s stored in program memory (504), and stores, for example, intermediate results or the like in the data memory (503).
  • Program memory (504) and / or main memory (503) may be used by the processor (501) to store data, such as forecast data (401) or consumption data (308), (402).
  • Program instructions stored in program memory (504) relate in particular to the determination of at least one of said forecasts.
  • the program instructions may, for example, be comprised of a computer program stored in program memory (504) or loaded into program memory (504), for example from a computer program product, in particular a computer-readable storage medium, or via a network.
  • the processor (501) receives data via interface and data input (502).
  • Data is, for example, consumption data (308), (402) or prognosis data of characteristic parameters (302) - (307).
  • the processor (501) generates new data and outputs it via interface and data output (505).
  • the output data is visualized / displayed (507) and / or forwarded to a consumer controller (506).
  • a consumer controller may, for example, use the current forecast data to switch power consumers in such a way that the lowest possible electricity costs arise.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

Die vorliegende Erfindung schafft 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. Das Verfahren ist derart gestaltet, dass eine Prognose des Stromverbrauchs (404) der Wohnanlage (201) für einen zukünftigen Zeitraum einer vorgegebenen Dauer T erstellt und fortlaufend aktualisiert wird, wobei eine Lastverschiebung zur Reduzierung von Stromkosten in Abhängigkeit von einer aktuellen Prognose des Stromverbrauchs (404) ermittelbar ist, eine jeweilige Prognose des Stromverbrauchs (404) Daten von erfassten Lastgängen (402) der Wohnanlage (202) verwendet, die durch Erfassen des zeitlichen Verlaufs des Gesamtstromverbrauchs der Wohnanlage in dem Zeitraum der vorgegeneben Dauer T gebildet werden, eine aktuelle Prognose (404) für den zukünftigen Zeitraum der vorgegebenen Dauer T auf der Basis einer früheren Prognose (401) und Daten eines früheren erfassten Lastgangs (402) errechnet wird, und den Prognosen und den erfassten Lastgängen eine oder mehrere charakteristische Kenngrößen (305, 306, 307), deren Prognosen zumindest näherungsweise bekannt sind und die einen Einfluss auf die Lastgänge haben, als Kenngrößen-Wertesatz (406) zugeordnet wird, und eine aktuelle Prognose (404) für den zukünftigen Zeitraum der vorgegebenen Dauer T auf der Basis einer früheren Prognose (401) mit demselben Kenngrößen-Wertesatz (406) und eines früheren erfassten Lastgangs (402) mit demselben Kenngrößen-Wertesatz (406) errechnet wird.

Description

Verfahren und VorrichtunR zum ProRnostizieren des zeitlichen Verlaufs eines Strombedarfs einer Wohnanlafie
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.

Claims

Patentansprüche
1. Verfahren zum Prognostizieren des zeitlichen Verlaufs eines Strombedarfs einer Wohnanlage (201) mit einer oder einer Mehrzahl von Wohneinheiten (101) mit einer jeweiligen Mehrzahl von Stromverbrauchern (104, 107), wobei die Wohnanlage (201) eine gemeinsame Stromversorgung aufweist, die einem zeitlich variablen Tarif unterliegt, wobei eine Prognose des Stromverbrauchs (404) der Wohnanlage (201) für einen zukünftigen Zeitraum einer vorgegebenen Dauer T erstellt und fortlaufend aktualisiert wird, wobei eine Lastverschiebung zur Reduzierung von Stromkosten in Abhängigkeit von einer aktuellen Prognose des Stromverbrauchs (404) ermittelbar ist, wobei eine jeweilige Prognose des Stromverbrauchs (404) Daten von erfassten Lastgängen (402) der Wohnanlage (202) verwendet, die durch Erfassen des zeitlichen Verlaufs des Gesamtstromverbrauchs der Wohnanlage in dem Zeitraum der vorgegeneben Dauer T gebildet werden, wobei eine aktuelle Prognose (404) für den zukünftigen Zeitraum der vorgegebenen Dauer T auf der Basis einer früheren Prognose (401) und Daten eines früheren erfassten Lastgangs (402) errechnet wird, wobei den Prognosen und den erfassten Lastgängen eine oder mehrere charakteristische Kenngrößen (305, 306, 307), deren Prognosen zumindest näherungsweise bekannt sind und die einen Einfluss auf die Lastgänge haben, als Kenngrößen-Wertesatz (406) zugeordnet wird, und eine aktuelle Prognose (404) für den zukünftigen Zeitraum der vorgegebenen Dauer T auf der Basis einer früheren Prognose (401) mit demselben Kenngrößen-Wertesatz (406) und eines früheren erfassten Lastgangs (402) mit demselben Kenngrößen-Wertesatz (406) errechnet wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die gemeinsame Stromversorgung einem Mischtarif unterliegt, der unterschiedliche Tarifkomponenten entsprechend unterschiedlicher Stromversorgungskomponenten aufweist.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass die frühere Prognose eine für den Kenngrößen-Wertesatz zuletzt errechnete Prognose und der frühere Lastgang ein für den Kenngrößen-Wertesatz zuletzt erfasster Lastgang ist.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die aktuelle Prognose für den zukünftigen Zeitraum der vorgegebenen Dauer T dadurch errechnet wird, dass die frühere Prognose und die Daten des früheren erfassten Lastgangs (402) gewichtet, insbesondere variabel gewichtet, addiert werden.
5. Verfahren nach Anspruch 2, 3 oder 4, dadurch gekennzeichnet, dass Tageslastgänge (308) der Wohnanlage erfasst werden und als eine charakteristische Kenngröße Typtage, z.B. wie sie nach VDI 4655 definiert sind, verwendet werden.
6. Verfahren nach einem der Ansprüche 2 bis 5, dadurch gekennzeichnet, dass als eine charakteristische Kenngröße eine von der Außentemperatur abgeleitete Kennzahl verwendet wird.
7. Verfahren nach einem der Ansprüche 2 bis 6, dadurch gekennzeichnet, dass als eine charakteristische Kenngröße eine von der Zahl der in der Wohnanlage lebenden Personen abgeleitete Kennzahl verwendet wird.
8. Verfahren nach einem der Ansprüche 2 bis 7, dadurch gekennzeichnet, dass als eine charakteristische Kenngröße eine von nicht-elektrischen Mess- oder Verbrauchswerten der Wohnanlage abgeleitete Zahl verwendet wird.
9. Verfahren nach einem der Ansprüche 2 bis 8, dadurch gekennzeichnet, dass die charakteristische Kenngröße aus den zeitlichen Verläufen der Wasserverbräuche und/oder dem Wärmeverbrauch der Wohnanlage abgeleitet wird.
10. Verfahren nach einem der Ansprüche 2 bis 8, dadurch gekennzeichnet, dass eine charakteristische Kenngröße aus Temperaturen in den Wohneinheiten der Wohnanlage abgeleitet wird.
11. Verfahren nach einem der Ansprüche 1 - 10, dadurch gekennzeichnet, dass für den zur Erzeugung der Wärmeenergie erforderlichen Strom eine separate Prognose erstellt wird.
12. Verfahren nach einem der Ansprüche 1 - 11, dadurch gekennzeichnet, dass die aktuelle Prognose für den zukünftigen Zeitraum der vorgegebenen Dauer T und/oder die Daten des früheren erfassten Lastgangs (402) angezeigt werden und/oder dazu verwendet werden, einen oder mehrere Stromverbraucher derart zu schalten, dass möglichst niedrige Stromkosten entstehen.
13. Computerprogramm umfassend Programmanweisungen, wobei die Programmanweisungen einen Prozessor (501) veranlassen, das Verfahren nach einem der Ansprüche 1 bis 12 auszuführen, wenn das Computerprogramm durch den Prozessor (501) ausgeführt wird.
14. Vorrichtung zum Prognostizieren des zeitlichen Verlaufs eines Strombedarfs einer Wohnanlage (201) mit einer oder einer Mehrzahl von Wohneinheiten (101) mit einer jeweiligen Mehrzahl von Stromverbrauchern (104, 107), wobei die Wohnanlage (201) eine gemeinsame Stromversorgung aufweist, die einem zeitlich variablen Tarif unterliegt; einer Einrichtung (403) zum Erstellen und fortlaufenden Aktualisieren einer Prognose des Stromverbrauchs (404) der Wohnanlage (201) für einen zukünftigen Zeitraum einer vorgegebenen Dauer T, wobei eine Lastverschiebung zur Reduzierung von Stromkosten in Abhängigkeit von einer aktuellen Prognose (404) des Stromverbrauchs ermittelbar ist, wobei die Einrichtung (403) derart gestaltet ist, dass sie eine jeweilige Prognose des Stromverbrauchs (404) Daten von erfassten Lastgängen (402) der Wohnanlage (201) verwendet, die durch Erfassen des zeitlichen Verlaufs des Gesamtstromverbrauchs der Wohnanlage (201) in dem Zeitraum der vorgegeneben Dauer T gebildet sind, und eine aktuelle Prognose (404) für den zukünftigen Zeitraum der vorgegebenen Dauer T auf der Basis einer früheren Prognose (401) und Daten eines früheren erfassten Lastgangs (402) errechnet, und wobei die Einrichtung (403) derart gestaltet ist, dass sie den Prognosen und den erfassten Lastgängen eine oder mehrere charakteristische Kenngrößen (305, 306, 307), deren Prognosen zumindest näherungsweise bekannt sind und die einen Einfluss auf die Lastgänge haben, als Kenngrößen-Wertesatz zuordnet, und eine aktuelle Prognose für den zukünftigen Zeitraum der vorgegebenen Dauer T auf der Basis einer früheren Prognose (401) mit demselben Kenngrößen-Wertesatz und eines früheren erfassten Lastgangs (402) mit demselben Kenngrößen-Wertesatz errechnet.
15. Vorrichtung nach Anspruch 14, wobei die Einrichtung derart gestaltet ist, dass sie die aktuelle Prognose für den zukünftigen Zeitraum der vorgegebenen Dauer T und/oder die Daten des früheren erfassten Lastgangs (402) anzeigt und/oder dazu verwendet , einen oder mehrere Stromverbraucher derart zu schalten, dass möglichst niedrige Stromkosten entstehen.
EP15736242.7A 2014-07-08 2015-07-08 Verfahren und vorrichtung zum prognostizieren des zeitlichen verlaufs eines strombedarfs einer wohnanlage Ceased EP3167412A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102014010117.7A DE102014010117A1 (de) 2014-07-08 2014-07-08 Prognose- und Steuerungssystem für den Strombezug von Haushalten
PCT/EP2015/065588 WO2016005441A1 (de) 2014-07-08 2015-07-08 Verfahren und vorrichtung zum prognostizieren des zeitlichen verlaufs eines strombedarfs einer wohnanlage

Publications (1)

Publication Number Publication Date
EP3167412A1 true EP3167412A1 (de) 2017-05-17

Family

ID=53540745

Family Applications (1)

Application Number Title Priority Date Filing Date
EP15736242.7A Ceased EP3167412A1 (de) 2014-07-08 2015-07-08 Verfahren und vorrichtung zum prognostizieren des zeitlichen verlaufs eines strombedarfs einer wohnanlage

Country Status (4)

Country Link
US (1) US11195105B2 (de)
EP (1) EP3167412A1 (de)
DE (1) DE102014010117A1 (de)
WO (1) WO2016005441A1 (de)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9645596B1 (en) * 2016-11-23 2017-05-09 Advanced Microgrid Solutions, Inc. Method and apparatus for facilitating the operation of an on-site energy storage system to co-optimize battery dispatch
CN108022014B (zh) * 2017-12-05 2021-06-01 国网山东省电力公司济南供电公司 一种电力系统负荷预测方法及系统
US11455695B2 (en) * 2019-12-16 2022-09-27 Saudi Arabian Oil Company System and method for modelling and forecasting electricity demand
CN110988556B (zh) * 2019-12-20 2022-03-29 上海市建筑科学研究院有限公司 一种非运行时段建筑照明插座支路用能诊断方法
DE102022116001A1 (de) 2022-06-28 2023-12-28 WoodenValley UG (haftungsbeschränkt) Verfahren und system zur dynamischen bestimmung von gebäudeemissionen

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011051074A1 (de) * 2011-06-15 2012-12-20 Rwe Effizienz Gmbh Steuern der Verwendung von Energie

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04131600A (ja) * 1990-09-19 1992-05-06 Hitachi Ltd 都市エネルギーシステム
JPH1080062A (ja) * 1996-09-05 1998-03-24 Fuji Electric Co Ltd 日負荷曲線予測方法
DE19853347A1 (de) 1998-11-19 2000-05-25 Abb Research Ltd Verfahren zum Verteilen von Energie auf einem Stromversorgungsnetz
JP2002041714A (ja) * 2000-07-21 2002-02-08 Hitachi Ltd 電力の需要予測サービス方法およびシステム
US8706650B2 (en) * 2009-01-14 2014-04-22 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
DE102010025095A1 (de) * 2009-06-29 2011-02-03 Polyrack Electronic-Aufbausysteme Gmbh Vorrichtung und Verfahren zur Verbrauchsüberwachung, insbesondere des Verbrauchs von Ressourcen und Verwendung einer solchen Vorrichtung in einem Energiecontrollingsystem
JP5618501B2 (ja) * 2009-07-14 2014-11-05 株式会社東芝 需要予測装置、プログラムおよび記録媒体
WO2011111348A1 (ja) * 2010-03-08 2011-09-15 パナソニック株式会社 利用開始区間予測装置及び利用開始区間予測方法
DE102010027726A1 (de) 2010-04-14 2012-05-10 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Bereitstellung von elektrischer Energie
US8538593B2 (en) * 2010-07-02 2013-09-17 Alstom Grid Inc. Method for integrating individual load forecasts into a composite load forecast to present a comprehensive synchronized and harmonized load forecast
US8392031B2 (en) * 2011-02-28 2013-03-05 General Electric Company System and method for load forecasting
US9244444B2 (en) * 2011-03-07 2016-01-26 Callida Energy Llc Systems and methods for optimizing energy and resource management for building systems
EP2879259B1 (de) * 2011-04-08 2020-07-15 SMA Solar Technology AG Optimierte Lastverwaltung
JP5353957B2 (ja) * 2011-06-14 2013-11-27 株式会社デンソー 電力供給システム
US20120330472A1 (en) * 2011-06-21 2012-12-27 General Electric Company Power consumption prediction systems and methods
US8751054B2 (en) * 2011-09-02 2014-06-10 Sharp Laboratories Of America, Inc. Energy prediction system
JP5492848B2 (ja) * 2011-09-20 2014-05-14 株式会社日立製作所 電力需要予測システムおよび方法
JP5877346B2 (ja) * 2011-10-24 2016-03-08 パナソニックＩｐマネジメント株式会社 負荷制御装置、プログラム、負荷制御システム
WO2013078541A1 (en) * 2011-11-29 2013-06-06 Energy Aware Technology Inc. Method and system for forecasting power requirements using granular metrics
CA2809011C (en) * 2012-11-06 2018-07-17 Mcmaster University Adaptive energy management system
US9639904B2 (en) * 2012-12-11 2017-05-02 Opterra Energy Services, Inc. Systems and methods for minimizing energy costs for a power consumption system that has access to off-grid resources
US9477240B2 (en) * 2013-04-29 2016-10-25 Eaton Corporation Centralized controller for intelligent control of thermostatically controlled devices
US9576327B2 (en) * 2013-06-06 2017-02-21 International Business Machines Corporation Managing time-substitutable electricity usage using dynamic controls
SG11201601833WA (en) * 2013-09-27 2016-04-28 Nec Corp Storage battery management device, storage battery, method of managing storage battery, and program

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011051074A1 (de) * 2011-06-15 2012-12-20 Rwe Effizienz Gmbh Steuern der Verwendung von Energie

Also Published As

Publication number Publication date
WO2016005441A1 (de) 2016-01-14
US20170161623A1 (en) 2017-06-08
US11195105B2 (en) 2021-12-07
DE102014010117A1 (de) 2016-01-14

Similar Documents

Publication Publication Date Title
DE102004030846B4 (de) System zur zentralen Steuerung für Klimaanlagen und Verfahren zum Betreiben desselben
DE102012103081B4 (de) Optimiertes Lastmanagement
EP2834573B1 (de) System zur bereitstellung von wärme und betriebsverfahren für ein solches system
DE102016015503B4 (de) Verfahren zur Temperierung mindestens eines Gebäuderaums mit Prognose und Optimierung der Energieaufnahme
EP3167412A1 (de) Verfahren und vorrichtung zum prognostizieren des zeitlichen verlaufs eines strombedarfs einer wohnanlage
DE112010003256T5 (de) System und Verfahren für Energieverbrauchsmanagement
DE102012217636A1 (de) Aktive überwachung und kontrolle häuslicher lasten
DE102012023486A1 (de) Kraftwärmekopplungssystem
DE102012106829B4 (de) Verfahren und Vorrichtung zur kosteneffizienten Steuerung von Energie-Verbrauchern
EP2843788A2 (de) Verfahren zum Betreiben eines Kraftwerkssystems
DE102018116845A1 (de) Verfahren zum Betreiben einer Wärmepumpe
EP3561983A1 (de) Verfahren zum betreiben eines energieversorgungssystems
EP1220412B1 (de) Verfahren und Vorrichtung zur Steuerung und Überwachung des elektrischen Energieverbrauchs
EP0268697B1 (de) Verfahren und System zum Verringern von Leistungsspitzen von an Leitungen gebundenen Ver- und/oder Entsorgungsleistungen
WO2013149899A1 (de) Verfahren zur bestimmung von messstellen in niederspannungsnetzen und netzmanagementsubsystem zur durchführung des verfahrens.
EP3101749B1 (de) Verfahren zur steuerung eines lokalen stromverbrauchers
CH711189A2 (de) System zur Stromtarifsteuerung und Stromversorgung für ein Gebäude, Verfahren zur Stromtarifsteuerung für ein Gebäude und Abrechnungsverfahren für die Stromversorgung eines Gebäudes.
DE102012216369A1 (de) Elektrische einrichtung zum anschluss an ein infrastrukturstromnetz und verfahren
WO2016005451A1 (de) Energiemanagementverfahren und energiemanagementvorrichtung für eine wohnanlage mit einer oder mehreren wohneinheiten oder ein stadtquartier
DE102014207077A1 (de) Verfahren zum Steuern einer elektrischen Leistung
DE102014211256A1 (de) Steuervorrichtung und Verfahren zum Steuern eines Gebäudeautomationssystems
DE102015010941A1 (de) Netzstabilisierende Stromversorgung
EP2808977A2 (de) Anordnung zur Stabilisierung von Elektrizitätsnetzen
EP2851666A1 (de) Verfahren und Vorrichtung zur Ermittlung des Energienutzungsgrades einer energetischen Anlage
DE102013226761A1 (de) Verfahren und Vorrichtung zum Auslegen einer Fotovoltaik-Anlage

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20170208

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: EVOHAUS IRQ GMBH

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20180214

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

APBK Appeal reference recorded

Free format text: ORIGINAL CODE: EPIDOSNREFNE

APBN Date of receipt of notice of appeal recorded

Free format text: ORIGINAL CODE: EPIDOSNNOA2E

APBR Date of receipt of statement of grounds of appeal recorded

Free format text: ORIGINAL CODE: EPIDOSNNOA3E

APAF Appeal reference modified

Free format text: ORIGINAL CODE: EPIDOSCREFNE

APAF Appeal reference modified

Free format text: ORIGINAL CODE: EPIDOSCREFNE

REG Reference to a national code

Ref country code: DE

Ref legal event code: R003

APBT Appeal procedure closed

Free format text: ORIGINAL CODE: EPIDOSNNOA9E

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN REFUSED

18R Application refused

Effective date: 20230427