EnB-Tool
EnB-Tool ist ein Computerprogramm zur Erfüllung einer neuen Forderung in der DIN EN ISO 50001 : 2018 durch Erstellung einer energetischen Ausgangsbasis anhand eines statistischen Modells basierend auf multipler linearer Regression.
Das Ziel: Höhere Energieeffizienz nachweisen
Das Problem
Das Nachweisen einer besseren Energieeffizienz ist kompliziert. Es kann sein, dass man immer mehr Energie verbraucht, aber immer mehr produziert – oder immer weniger Energie verbraucht, aber auch immer weniger produziert. Klassisch wird dieses Problem gelöst, indem man durch die Produktionsmenge, gemessen in einer repräsentativen Einheit wie zum Beispiel kg oder Stück, teilt.Nun ist es möglich, dass man zwar tatsächlich energieeffizienter war, aber der Winter auch kälter war und man deswegen mehr Energie verbraucht hat, selbst unter Einbezug der Produktionsmenge. Deshalb benutzt man zum Beispiel auch den klimabereinigten Energieverbrauch, bevor durch die Produktionsmenge geteilt wird.
Diese Strategie hat jedoch ein essenzielles Problem: Es gibt viele unterschiedliche Faktoren, die den Energieverbrauch beeinflussen und weitere Faktoren beim Nachweis einer besseren Energieeffizienz zu berücksichtigen lässt sich schwer realisieren.
Die Lösung
Eine möglichst genaue Simulation des Energieverbrauchs anhand unterschiedlicher Einflussfaktoren mithilfe eines statistischen Modells (multiple lineare Regression):Dabei wird die Formel gefunden, mit der man aus den gewählten Einflussfaktoren den Energieverbrauch möglichst genau berechnen kann. Diese Formel kann man mithilfe der Daten von dem Jahr, mit dem man vergleichen möchte, erstellen. Dann kann man die Daten des Folgejahrs verwenden und aus den Einflussfaktoren wird mithilfe der Formel die energetische Ausgangsbasis berechnet. Anhand dieser kann man sich ein Ziel setzen und dann mit den tatsächlich gemessenen Energieverbrauch vergleichen.
Der Vorteil dabei ist, dass man nicht einfach den Energieverbrauch von den beiden Jahren vergleicht, was nicht besonders aussagekräftig ist, sondern mit der energetischen Ausgangsbasis vergleicht, in der die Unterschiede der gewählten Einflussfaktoren berücksichtigt werden.
Beispiel
Es soll bestimmt werden, ob die Energieeffizienz im Jahr 2018 höher war als im Vorjahr. Die Daten des Jahres 2017 für den Energieverbrauch und die ausgewählten Einflussfaktoren werden aus einer Excel-Tabelle ins Programm importiert:
Im Programm können die Einflussfaktoren eingesehen und gegebenenfalls aussortiert werden. Um die Formel für das statistische Modell zu ermitteln wird „Berechnen“ geklickt.
Nachdem die beste Formel unter Minimierung der Abweichung und Maximierung der Korrelation automatisch gefunden wurde, wird das Ergebnis angezeigt und lässt sich speichern.
Wählt man die Excel Option, erhält meine eine Tabelle inklusive Diagrammen, wie diese. Die grauen Felder sind gefüllt mit den Werten, die ins Programm importiert wurden und legen dar auf welcher Basis das Modell erstellt wurde.Wichtig für Sie sind die farbigen Felder, diese werden nun mit den Werten für den Energieverbrauch (blau) und die Einflussfaktoren (gelb) gefüllt, in diesem Beispiel sind das die Werte von 2018, denn das Modell wurde mit den Werten von 2017 (graue Felder) erstellt.
In der Tabelle wird dann aus den 2018 Einflussfaktor-Messwerten (gelb) die energetische Ausgangsbasis ermittelt und mit den 2018 Energieverbrauch-Messwerten (blau) verglichen.
Die Tabelle rechnet automatisch über die vom Programm ermittelte Formel die Werte der energetischen Ausgangsbasis aus (= Berechneter Verbrauch). Man kann selbst ein Ziel setzen, indem man den Wert der angestrebten Veränderung anpasst (siehe roter Kasten links), die gemessene Veränderung zwischen Ausgangsbasis und Energieverbrauch wird rechts davon angezeigt.Bei diesem Beispiel liegt der gemessene Energieverbrauch um 2,4% unter der berechneten Ausgangsbasis für 2018, das Ziel wurde erreicht.
Systemanforderungen: Windows 10, Java 8
