Arne Maercker — Business Intelligence & Development1. Hohe Energiekosten, aber keine Verbrauchsdaten als Evaluierungsgrundlage
Ihr Unternehmen stellen die hohen Energiekosten vor Herausforderungen? Energie soll, mehr denn je eingespart werden, eine solide Datengrundlage und aussagekräftige Analysen zum Verbrauch sind jedoch nicht vorhanden?
Vor diesem Problem standen wir auch. Um effektive Maßnahmen zu identifizieren, wollten wir Ende letzten Jahres Zeiträume sowie Geschäftsbereiche mit besonders hohen Energieverbräuchen identifizieren. Hierbei interessieren wir uns primär für die jeweiligen Verbräuche auf unseren unterschiedlichen Etagen und haben uns unter anderem folgende Fragen gestellt:
- Wie hoch ist der Energieverbrauch (kWh) (pro Tag, Woche, Monat) bei grandcentrix und wie entwickelt er sich über die Zeit?
- Wie hoch ist die aktuelle Leistung (W) auf den unterschiedlichen Etagen?
- Wie hoch ist der Energieverbrauch (kWh) während der Haupt-Arbeitszeit (9:00-18:00 Uhr) bzw. wie hoch zwischen 18:00 und 9:00 Uhr?
- Gibt es Unterschiede zwischen den unterschiedlichen Etagen?
Darauf basierend sollten Auffälligkeiten sowie Maßnahmen zur Reduktion diskutiert, umgesetzt und anschließend evaluiert werden. Problem hierbei: Eine solide Datengrundlage zu den Energieverbräuchen in unseren Standorten war bis vor Kurzem nicht verfügbar. Zwar sind alle unsere Standorte bereits mit elektrischen Stromzählern ausgestattet, eine direkte Übertragung und Auswertung dieser Daten war jedoch nicht möglich.
Um dieses Problem zu lösen, haben wir die elektronischen Stromzähler in den Verteilerschränken der unterschiedlichen grandcentrix Standorte, mit Modbus Cloud Connect, verbunden. Über ein BI-Dashboard sind wir nun in der Lage, jederzeit die aktuellen Verbräuche der unterschiedlichen Standorte und Etagen einzusehen und Maßnahmen zur Energiereduktion daraus abzuleiten. Das Ergebnis spricht für sich: Mit dieser Lösung waren wir in der Lage, innerhalb kürzester Zeit, signifikante Unterschiede der Stromverbräuche auf den unterschiedlichen Etagen zu identifizieren. Mit nun eingeleiteten Maßnahmen zur Reduktion auf bestimmten Etagen, rechnen wir mit Einsparungen von bis zu 15 %.
2. Übertragung der Zählerdaten via Modbus-Schnittstelle in die Cloud
Modbus Cloud Connect ermöglicht die Übertragung von Gerätedaten in die Cloud. Unser “Rundum-Sorglos-Paket” beinhaltet dabei alle notwendigen Bestandteile, um Zählerdaten schnell und einfach in die Cloud zu bringen:
- Ein Hardware-Modul, welches über eine RS485-Schnittstelle mit dem Gerät verbunden wird und damit die Daten vieler klassischer elektronischer Stromzähler erfassen kann.
- Ein Self-Service-Portal, welches eine schnelle Konfiguration der Geräte ermöglicht.
- Ein Cloud-Adapter (MQTT, HTTP), durch welchen ein Anschluss an die gängigen Cloud-Systeme möglich ist.
- Übertragung der Daten über NB-IoT oder LTE-M mit einer Verfügbarkeit und hervorragenden Netzabdeckung in bereits über 25 Ländern weltweit.
Bei grandcentrix haben wir die elektronischen Stromzähler auf unseren unterschiedlichen Etagen mit dem Hardware-Modul verbunden und die Geräte im Self-Service-Portal konfiguriert. Über den Mobilfunkstandard NB-IoT werden nun unter anderem einmal pro Minute Daten zur elektrischen Leistung und alle 5 Minuten die aktuellen Zählerstände zunächst in die Modbus Cloud Connect Umgebung gesendet. Hier werden die Daten allerdings nicht gespeichert, können jedoch über den Modbus Cloud Connect Adapter (MQTT / HTTP) anderen System für weitere Auswertungen und Visualisierungen bereitgestellt werden. In unserem Fall haben wir uns für eine Datenpipeline in Microsoft Azure sowie Darstellung der Daten in Power BI entschieden.
3. Installation von Modbus Cloud Connect in drei Schritten
Hinweis: Die Installation ist nur durch ausgewiesenes Fachpersonal durchzuführen.
3.1 Modbus Modul mit Stromzähler verdrahten und in Hutschiene einbauen
Im ersten Schritt wird das Modbus Modul im Zählerschrank neben dem elektronischen Stromzähler in einer Hutschiene verbaut. Zudem werden die Geräte über eine RS485-Schnittstelle miteinander verdrahtet. Voraussetzung für den Einsatz von Modbus Cloud Connect ist, dass ein auszulesendes Gerät mit einer RS485 / Modbus-RTU-Schnittstelle verwendet wird.
3.2 Device im Self-Service-Portal konfigurieren
Nachdem das Gerät im Zählerschrank verbaut ist, wird es über das Self-Service-Portal konfiguriert.
1. Aktivierung des Hardware-Modules per QR-Code
Durch das Scannen eines QR-Codes auf dem Device erfolgt die Zuordnung zwischen Gerät und Nutzeraccount. Neben der Eingabe des Gerätenamens sind keine weiteren Daten manuell einzugeben.
2. Konfiguration der Gerätetypen
In diesem Schritt werden pro Gerätetyp die verschiedenen Modbus-Register, welche durch das Modbus Cloud Connect Modul ausgelesen werden sollen, angelegt und konfiguriert. Hierbei wird neben Name und Datentyp beispielsweise auch das Sendungsintervall pro Modbus-Register festgelegt. Dieses definiert, wie häufig die Daten des entsprechenden Registers übertragen werden. Hierbei können Übertragungsintervalle zwischen 5 Minuten und einmal täglich gesetzt werden. Das Definieren eines Alarmregisters, welches Daten bei Erreichen eines definierten Alarm-Thresholds versendet, ist ebenfalls möglich.
3. Konfiguration des Systemtyps
Nachdem die Gerätetypen angelegt sind, erfolgt die Konfiguration des Systemtyps. In diesem Schritt werden alle notwendigen Spezifikationen wie Baudrate, Parity und Stop Bits für die unterschiedlichen verwendeten Systemtypen angelegt. Zudem hier die entsprechenden Gerätetypen und Bus Adressen hinterlegt.
4. Konfiguration des Systems
Im letzten Schritt wird spezifiziert, welches Modbus Cloud Connect Modul in welchen Geräten verbaut ist. Hierzu werden die zuvor durch das Scannen des QR Codes aktivierten Modbus Cloud Connect Module mit dem Systemtyp “verheiratet”. Eine genaue Zuordnung der einzelnen Werte, die über die verschiedenen Modbus Registern in den unterschiedlichen Systemtypen stattfindet, wird somit ermöglicht.
3.3 Daten über Cloud-Adapter weiterleiten, verarbeiten und visualisieren
Modbus Cloud Connect speichert keine Daten. Zur weiteren Verarbeitung und Visualisierung der Daten können diese über eine MQTT / HTTP-Schnittstelle weitergereicht werden.
Hierbei sind verschiedene Optionen möglich. Wir haben uns für eine Überführung der Daten in eine Azure Cloud Umgebung entschlossen. Dabei greifen wir auf den Azure Event Hub als Streamingtechnologie zurück, die Speicherung und Weiterverarbeitung der Daten erfolgt in Azure Data Explorer und die anschließende Visualisierung in Power BI. Lösungen mit Services andere Cloud-Anbieter sind hier ebenso möglich. Für Unternehmen, die bisher über keine eigene Cloud Infrastruktur verfügen, bietet sich zudem eine Darstellung der Daten über IoT-Plattformen unserer Partner Datacake oder Device Insight an.
Konfiguration der HTTP Schnittstelle
Die HTTP-Schnittstelle kann im Self-Service-Portal konfiguriert werden. Hierbei müssen die Platzhalter , , mit den entsprechenden Werten ergänzt werden.
Integration in Azure Cloud Services und Visualisierung in Power BI
Um eine Visualisierung der Stromzähler-Daten in Power BI zu ermöglichen, gibt es verschiedene Möglichkeiten den Datenfluss abzubilden. Wir haben uns für folgende, möglichst einfache und schnell umsetzbare Lösung entschieden:
1. Anbindung Azure Event Hub über HTTP Schnittstelle
2. Anbindung Azure Data Explorer an Azure Event Hub
3. Visualisierung in Power BI
Azure Event Hub: Azure Event Hub bietet eine einfache Möglichkeit, externe Datenquellen auszulesen. Zur Authentifizierung haben wir in unserem Fall SAS Token verwendet. Eine genaue Beschreibung hierzu findet man hier Generate SAS token . Die Authentifizierung über Azure AD ist aber ebenfalls denkbar.
Azure Data Explorer: Azure Data Explorer bietet eine komfortable Möglichkeit, Daten aus Azure Event Hub in Echtzeit abzurufen und zu speichern. Mithilfe von KQL Queries können Tabellen erstellt werden, welche dann wiederum über Direct Query Importe an PowerBI übergeben werden.
Power BI: Die in Azure Data Explorer erstellten Tabellen können nun in PowerBI weiterverwendet werden. In unserem Fall haben wir ein Dashboard gebaut, welches die aktuelle Leistung (W) auf den einzelnen Etagen sowie den Gesamt-Energieverbrauch (kWh) über alle Etagen sowie je Etage aufzeigt.
Schon mit diesem sehr einfachen Dashboard sind wir nun in der Lage, erste Ineffizienzen und Möglichkeiten zur Kosteneinsparungen zu identifizieren. So ist beispielsweise auffällig, dass nicht nur unter der Woche, sondern auch am Wochenende der durchschnittliche Energieverbrauch auf der 3. Etage unseres Firmengebäudes rund 50 % höher ist als auf der 1. und 4. Etage und sogar rund 200 % höher als auf der 5. Etage. Grund hierfür sind nach unserer aktuellen Einschätzung vor allem Testaufbauten aus unseren Projekten, die bisher am Wochenende nicht abgeschaltet werden. Mögliche Maßnahmen zur Reduktion werden gerade evaluiert.