conferences | speakers | series

Die intelligente Fußbodenheizung

home

Die intelligente Fußbodenheizung
FrOSCon 2019

Zu kalt zu warm zu kalt zu warm. Erst braucht sie ewig, dann heizt sie viel zu lange nach. Zudem sind herkömmlichen Steuerungen nicht sehr energieeffizient. Das muss doch intelligenter gehen, ohne sich zum Datenlieferant der bekannten Anbieter zu machen, dachten Wido und Holger. Das OpenSource-Projekt „smart underfloorheating“ war geboren. Ein Arduino-Mikrocontroller steuert das Ventil und funkt Sensordaten an das Backend (Azure). Die KI-Engine in R sorgt für eine sich verbessernde Steuerung, die den Wunsch-Temperaturverlauf der Nutzerin umzusetzen versucht. Beim Design der Lösung wird Wert auf Offenheit, Vielseitigkeit und Erweiterbarkeit der Anwendung gelegt.

Würde man meine Fußbodenheizung mit einem Schiff vergleichen, dann am ehesten mit einem großen Öltanker der immer viel Zeit zum Anlaufen braucht und dann kaum zu stoppen ist. Erst braucht sie ewig, dann heizt sie viel zu lange nach. Das muss doch intelligenter gehen ohne sich zum Datenlieferant der bekannten Anbieter zu machen. Das OpenSource-Projekt „smart underfloorheating“ von Wido und Holger war geboren. In den aktuellen Zeiten, in denen das Einsparen von klimaschädlichen Emissionen drastisch wichtiger wird, sollten alle Bereiche in denen Einsparpotentiale liegen angegangen werden. Auch ohne genaue Evaluationen herangezogen zu haben ist offensichtlich, dass bei herkömmlichen Thermostaten große Sparpotenziale schlummern. Hier will dieses Projekt unter Mithilfe möglichst vieler engagierter Bürger*innen ansetzen und Verbesserungen erzielen. Die Erkenntnisse der Community können in weiteren Projekten – kommerziell oder offen – weiterverwendet werden. Fußbodenheizungssteuerung klingt ja nicht gerade sexy. Aber in dem Projekt vereinen wir verschiedene zur Zeit sehr angesagte Bereiche. Da wären die Mikrocontroller-Programmierung und Lötarbeiten, die Datenbank ggf. in der Cloud als zentraler Datenspeicher und obendrauf können wir uns noch an maschinellem Lernen versuchen, um eine intelligente Steuerung zu erreichen. Unser OpenSource-Projekt „smart underfloorheating“ besteht aus mehreren Modulen, die unabhängig weiterentwickelt werden können und per APIs miteinander kommunizieren:

  1. Das smarte Thermostat
  2. Das Backend in der Cloud
  3. Weitere Sensoren und Webservices (z. B.Wetterdienst)
  4. Die KI-Engine in R
  5. Das Nutzer-Interface
Die Architektur / das Zusammenspiel der verschiedenen Module Die angestrebte Lösung soll kein zentrales System zum Ziel haben, sondern versteht sich als modulares Projekt, an dem viele Interessierte mitwirken können und sollen. Wir möchten eine Beispielimplementierung umsetzen und betreiben, bei der jede und jeder mitmachen kann. Da hier verschiedene Techniken zusammenspielen, ist ein modularer Aufbau mit wohldefinierten Schnittstellen wichtig. Dadurch wird gewährleistet, dass eigene Implementierungen einzelner Komponenten: IoT Device, Backend, KI-Engine entwickelt werden können, ohne die anderen Bereiche ändern zu müssen. Das smarte Thermostat Das Thermostat basiert auf einem Microcontroller, welcher mit dem Backend über eine Web-API verbunden ist. Temperaturwerte werden regelmäßig gesendet und Aktualisierungen vom Backend empfangen. Das Thermostat kann sich in verschiedenen Modi befinden. Abhängig von diesen agiert es unterschiedlich und empfängt die passenden Instruktionen/Programme vom Backend. Die Hauptaufgabe ist es das Heizungsventil zu öffnen und zu schließen. Ein kleines Display zeigt Temperatur und Zustände an. Über einen Drehknopf kann die Wunschtemperatur auch am Thermostat eingestellt werden. Das Backend Das Backend Speicherort der Sensor- und weiterer Daten. Es ist die Schaltzentrale, welche die Kommunikation zwischen den Modulen koordiniert. D.h. das Backend sorgt dafür, dass das vom Nutzer-Interface den gewünschten Temperaturverlauf in der Datenbank gespeichert wird und der KI-Engine zur Verfügung stellt. Zudem werden alle Sensordaten in einer Tabelle zusammengeführt. Die KI-Engine wiederum holt sich alle benötigten Daten ab und schreibt das Steuerprogramm in die Datenbank, was dann vom Thermostat abgeholt wird. Das Backend stellt klar definierte, dokumentierte und den gängigen Standards entsprechenden Webservice Schnittstellen bereit. Dies gewährleistet, dass die Datentransfers einheitlich sind und die Aufgaben der Bereiche KI / Data-Science, Datenhaltung, Anmeldung/Verwaltung der IoT-Devices klar getrennt sind. Weitere Sensoren und Wetterdienst Weitere Sensoren wie Bewegungsmelder, Außentemperatur oder Wassertemperaturfühler verbessern die Steuerung. Auch ein Fenstersensor, der das Öffnen der Fenster erkennt, wäre wertvoll, um die Steuerung entsprechend anzupassen. Zusätzlich ist die Wettervorhersage per Webservice ist als Informationsquelle denkbar. Die Sensoren bzw. Webservices registrieren sich im Backend und schreiben ihre Daten in die dafür vorgesehene Tabelle in der Datenbank. Die KI-Engine kann diese Daten mit in die Berechnungen einfließen lassen. Das Nutzer-Interface Die Endanwenderin soll bequem seine Wunschtemperatur programmieren können, per Webservice oder App. Dabei hat sie die Wahl zwischen einem Tages- oder einem Wochenprogramm. Die KI-Engine in R Die KI-Engine hat die Aufgabe, den vom Nutzer programmierten Temperaturverlauf in die richtigen Steuerungsanweisungen für das Thermostat zu übersetzen, damit der gewünschte Temperaturverlauf so genau wie möglich erreicht wird. Dabei sollen natürlich die verfügbaren Sensordaten genutzt werden. Die „Übersetzung“ ist intelligent, d.h. sie soll dazulernen und sich ständig verbessern. Citizen-Science, Datenspenden, gemeinsames Testen und Entwickeln In ersten Experimenten sowohl an echten Fußbodenheizungen und an Modellen hat sich gezeigt, dass die verschiedenen Räume und Heizsysteme sehr unterschiedliche Charakteristiken haben und Störeinflüssen unterworfen sind. Um eine Lösung zu entwickeln, die nicht nur bei einer kleinen Zahl von Anwendungsfällen gut funktioniert, ist es nötig, dass eine möglichst große Zahl von Testumgebungen an Experimenten beteiligt werden. Daher wollen wir möglichst viele Enthusiasten motivieren, an dem Projekt teilzunehmen und Messdaten (anonymisiert) bereit zu stellen.

Speakers: Dr. Holger Aust Wido Wirsam