Die erste Version der Proof-of-Concept-Implementierung des Optimierungssystems zur Verbesserung des Energiemanagements von Gebäuden ist fertig und im Colibri-Projekt auf GitHub verfügbar. Wie bereits angekündigt, sind die wesentlichen Methoden im Kern der Optimierungskomponente in MATLAB programmiert und als JAVA-Bibliothek kompiliert worden. Diese Bibliothek wird in das JAVA-basierte Optimierungssystem eingebunden, das wiederum mit dem zentralen Semantic Integration Layer kommuniziert. Über diesen Layer werden auch alle anderen Systeme, wie z.B. das Gebäudeautomationssystem oder der Web Service zur Abfrage der Wetterdaten, angekoppelt. Eine schematische Darstellung ist nachfolgend abgebildet.

Das Optimierungssystem benötigt Kontextinformation über das Gebäude, die verbauten Geräte, deren Funktionen oder auch die Abhängigkeiten zwischen verschiedenen Sensordaten. Zusätzlich werden über die semantische Kommunikationsschnittstelle historische und prognostizierte Daten gelesen. In einem ersten Schritt wird aus dieser Information das Optimierungsproblem initialisiert (Initialization). Dazu zählen das Definieren konstanter Eigenschaften (Constants), die über alle Optimierungszyklen unverändert bleiben (z.B. modellierte Zonen im Gebäude) und das Generieren von Randbedingungen (Constraints), die von den erzeugten Lösungen erfüllt werden müssen (z.B. Schwellwerte von Komfortparametern). Außerdem werden in dieser Phase jene Prognosemodelle erstellt (Models) und antrainiert (Training), die im weiteren Verlauf der Optimierung benötigt werden. Zum Einsatz kommen hier Methoden und Modelle aus der MATLAB Neural Network Toolbox. Antrainierte Modelle werden zur Vorhersage der benötigten bzw. erwarteten Komfortwerte, der lokalen Energieproduktion, der Anwesenheit und des zu erwartenden Energieverbrauchs in Abhängigkeit der Gerätezustände eingesetzt.

Die Ausführung (Execution) der Optimierung nach der Initialisierung wird periodisch aufgerufen. Hier werden zunächst die notwendigen Inputdaten an die MATLAB-Bibliothek weitergegeben (Input). Danach startet die Optimierung i.e.S. (Optimization), die versucht, einen möglichst guten Ausführungsplan für die Geräte des Gebäudeautomationssystems (Schedule) zu ermitteln, damit die Komfortvorgaben eingehalten und die Kosten für die Energiebeschaffung minimiert werden. Zur Anwendung kommt dabei ein hybrider Ansatz aus dem Genetischen Algorithmus der MATLAB Global Optimization Toolbox und einer problemspezifischen lokalen Suche zur Verbesserung des Ergebnisses aus der globalen Suche.