Das System ist seit einem Jahr im Einsatz. Standardmäßig sind jetzt alle Ladepunkte auf 7A gedrosselt. Das reicht für die Ladung während eines Arbeitstags in der Regel aus. Hat es ein Mitarbeiter eilig, weil er zum Kunden muss, kann er die Leistung einfach selbst am PC erhöhen. Dabei behält das System automatisch Lastspitzen im Auge und sorgt für einen kostenoptimierten Betrieb des Firmenladeparks. Erste Datenanalysen bestätigen, dass alles zuverlässig funktioniert und kostspielige Lastspitzen vermieden werden. Das Unternehmen bietet auch seinen Kunden Konzepte in Sachen Elektromobilität an.
Erweiterungsmöglichkeiten durch EnergyOS
Die Anwendung zeigt, wie Automatisierungsprojekte mit Software Defined Automation umgesetzt werden können. In Sachen Energiemanagement ist die Lösung aber erst der Anfang, auch wenn sie dem Anwender bereits Kosten spart. Aktuell entsteht mit Logiccloud EnergyOS eine Plattform für die Analyse und Optimierung von individuellen und komplexen Energiesystemen. In der beschriebenen Anwendung spielte beispielsweise Photovoltaik-Überschussladen keine Rolle, da der Strom der 30kW-Peak-Anlage an Arbeitstagen ohnehin verbraucht wird. Bei größeren Photovoltaik-Anlagen ist das jedoch anders, hier kann der erzeugte Strom genutzt werden zum Laden von Elektrofahrzeugen oder als Puffer in Batteriespeichern zur Lastspitzenverschiebung. Dabei ist das Optimum nicht immer sofort ersichtlich. Hierbei fließen auch Prognosen über Sonnenstunden für den Photovoltaik-Ertrag oder Temperaturen für die Planung des Energiebedarfs von Wärmepumpen ein. Ein weiteres Thema sind dynamische Strompreise, die in die Wirtschaftlichkeitsrechnung einbezogen werden können. Im Logiccloud-System lassen sich solche Daten über Connectoren mit einem Klick einfach einbinden, anders als bei den starren Strukturen einer klassischen SPS im Schaltschrank.
Denkt man diesen Verbund weiter, erkennt man, dass komplexe Szenarien entstehen, aus denen ein langfristiges Optimum eingestellt wird. Energieverbrauch, Lastverschiebungen und letztendlich die Stromkosten zu optimieren, hängt nicht nur von aktuellen Daten ab, sondern auch von Prognosen und nicht zuletzt dem individuellen Verhalten. EnergyOS wird daher auch KI nutzen, um dazuzulernen und die Entscheidungen zu verbessern.
