Persönliches ProjektN/AN/A

Mehrzonen-Heizungsmanagementsystem

Ein produktionsreifes Mehrzonen-Gebäudeheizungsmanagementsystem, das Heizung über mehrere Gebäudezonen mit Modbus TCP-Protokoll simuliert und steuert. Das System verfügt über verteilte Zonen-Simulatoren, einen zentralen FastAPI-Steuerungsserver mit intelligenter Planung, wetterbewusster Optimierung und umfassender Datenprotokollierung. Dieses Projekt demonstriert industrielle Automatisierungsmuster, Protokoll-Integration und skalierbare Gebäudemanagementsystem-Architektur. (GitHub)

Architekturübersicht

Das System implementiert eine verteilte Steuerungsarchitektur mit Zonen-Level-Geräten und zentralisierter Intelligenz:

1. Zonen-Simulatoren (Modbus TCP-Server)

Zweck: Simuliert individuelle Thermostat-Geräte für jede Gebäudezone
Funktionalität:
- Modbus TCP-Server: Jede Zone läuft ein unabhängiges Python-Skript, das Modbus-Register exponiert
- Exponierte Register:
  - Aktuelle Temperatur (nur lesen)
  - Ziel-/Sollwert-Temperatur (lesen/schreiben)
  - Belegungsstatus (nur lesen)
  - Heizungszustand (EIN/AUS, nur lesen)
- Simulationslogik:
  - Temperaturschwankungen basierend auf Heizungszustand und Außenbedingungen
  - Belegungsänderungen (simulierte Anwesenheits-/Abwesenheitsmuster)
  - Heizungsreaktion auf Sollwertänderungen
- HTTP-Status-Reporting: Sendet periodisch Zonen-Status (Sensorwerte, Zustand) an zentralen Server via REST API
- Modbus-Protokoll: Branchenübliches Modbus TCP/IP für Gebäudeautomatisierungs-Kompatibilität

2. Zentraler Steuerungsserver (FastAPI)

Framework: FastAPI für hochperformante Async-API-Endpoints
API-Endpoints:
- POST /zones/{zone_id}/data: Empfängt Status-Updates von Zonen-Simulatoren
- GET /zones/{zone_id}: Abfrage aktuellen Zonen-Status und Konfiguration
- GET /zones/{zone_id}/history: Abruf historischer Zonendaten
- GET /zones: Liste aller Zonen und ihrer aktuellen Zustände
- POST /zones/{zone_id}/setpoint: Manuell Zieltemperatur setzen (Override)
Datenpersistenz:
- SQLAlchemy ORM für Datenbankabstraktion
- SQLite-Datenbank speichert:
  - Zonen-Konfigurationen (ID, Name, Standort)
  - Sensorwerte (Zeitstempel, Temperatur, Belegung)
  - Steuerungsbefehle (Sollwertänderungen, Zeitstempel)
  - Historische Trends zur Analyse
Datenbankschema: Normalisierte Tabellen für Zonen, Werte und Befehle mit Foreign-Key-Beziehungen

3. Intelligente Steuerungslogik (APScheduler)

Planungsframework: APScheduler für periodische Task-Ausführung
Steuerungsschleife (Geplante Aufgabe):
- Frequenz: Läuft in konfigurierbaren Intervallen (z.B. alle 5 Minuten)
- Datensammlung:
  - Ruft aktuellen Status von allen Zonen via Datenbank ab
  - Ruft Wettervorhersagedaten von externer API ab
- Entscheidungslogik:
  - Belegungsbasiert: Höherer Sollwert für belegte Zonen, niedriger für unbelegte
  - Wetter-adaptiv: Passt Sollwerte basierend auf Außentemperatur an
  - Energieoptimierung: Reduziert Heizung in unbelegten Zonen
  - Komfortoptimierung: Hält komfortable Temperaturen in belegten Zonen
- Modbus-Kommunikation:
  - Liest aktuelle Zieltemperaturen von Zonengeräten via Modbus TCP
  - Vergleicht mit berechneten optimalen Sollwerten
  - Schreibt neue Sollwerte zu Zonen, wenn Anpassung nötig
- Befehlsprotokollierung: Protokolliert alle Steuerungsentscheidungen mit Zeitstempeln und Begründung

4. Modbus TCP-Client

Bibliothek: pymodbus oder ähnliche Python-Modbus-Bibliothek
Funktionalität:
- Stellt TCP-Verbindungen zu Zonen-Simulatoren her
- Liest Holding-Register (aktuelle Temp, Sollwert, Belegung, Heizungszustand)
- Schreibt Holding-Register (Zieltemperatur-Updates)
- Fehlerbehandlung für Verbindungsausfälle und Timeouts
- Verbindungspooling für effiziente Multi-Zonen-Kommunikation

5. Wetter-Integration

Externe API: Wetterservice (z.B. OpenWeatherMap, WeatherAPI.com)
Verwendete Daten:
- Außentemperatur
- Vorhersagedaten für prädiktive Steuerung
Integration: HTTP-Requests via Python Requests-Bibliothek
Caching: Wetterdaten gecacht, um API-Aufrufe zu reduzieren

Technologie-Stack

Backend-Framework

FastAPI: Modernes, schnelles Python-Web-Framework mit automatischer OpenAPI-Dokumentation
Async/Await: Non-blocking I/O für gleichzeitige Zonen-Kommunikation
Pydantic-Modelle: Datenvalidierung und Serialisierung

Industrielle Protokolle

Modbus TCP/IP: Branchenübliches Protokoll für Gebäudeautomatisierung und industrielle Steuerung
pymodbus: Python-Bibliothek für Modbus-Kommunikation (Client und Server)
Protokoll-Vorteile:
- Weitgehend unterstützt von HVAC-Geräten
- Standardisierte Register-Mapping
- Zuverlässige industrielle Kommunikation

Task-Planung

APScheduler: Advanced Python Scheduler für periodische und Cron-ähnliche Tasks
Features:
- Cron-Style-Planung
- Intervall-basierte Ausführung
- Job-Persistenz (optional)
- Verteilte Planungsunterstützung

Datenbank & ORM

SQLite: Leichtgewichtige eingebettete Datenbank (kann für Produktion auf PostgreSQL upgraden)
SQLAlchemy: Python ORM für Datenbankoperationen
Alembic: Datenbank-Migrations-Tool (falls verwendet)
Vorteile:
- ACID-Compliance
- Relationale Datenintegrität
- Abfrageoptimierung
- Einfache Migration zu Produktionsdatenbanken

Externe Services

Wetter-API: REST API für Echtzeit- und Vorhersage-Wetterdaten
Requests-Bibliothek: HTTP-Client für API-Aufrufe

Entwicklungstools

Python-Logging: Strukturiertes Logging für Debugging und Monitoring
Umgebungsvariablen: Konfigurationsverwaltung
Type Hints: Python-Typ-Annotationen für bessere Codequalität

System-Workflow

1. Initialisierungsphase

Zentraler Server startet FastAPI-Anwendung
Datenbank initialisiert mit Zonen-Konfigurationen
APScheduler startet Steuerungsschleifen-Job
Zonen-Simulatoren starten Modbus TCP-Server
Zonen registrieren sich bei zentralem Server via HTTP

2. Kontinuierlicher Betrieb

Zonen-Reporting:
- Zonen senden periodisch Status-Updates an zentralen Server
- Updates beinhalten: Temperatur, Belegung, Heizungszustand
- Daten in SQLite-Datenbank gespeichert
Steuerungsschleife (Alle N Minuten):
- APScheduler triggert Steuerungslogik
- System ruft neueste Zonendaten aus Datenbank ab
- Ruft aktuelle Wetterbedingungen ab
- Berechnet optimale Sollwerte für jede Zone
- Liest aktuelle Sollwerte von Zonen via Modbus
- Vergleicht und aktualisiert Sollwerte falls nötig
- Protokolliert alle Steuerungsentscheidungen
Modbus-Kommunikation:
- Zentraler Server verbindet sich mit jeder Zone via Modbus TCP
- Liest aktuelle Zustandsregister
- Schreibt neue Sollwert-Register, wenn Anpassungen nötig

3. Zonen-Reaktion

Zonen empfangen Sollwert-Updates via Modbus
Heizungssysteme passen sich an, um neuen Sollwert zu erreichen
Temperatur ändert sich allmählich basierend auf Heizungskapazität
Aktualisierter Status im nächsten Zyklus gemeldet

Setup & Konfiguration

Voraussetzungen

Python 3.8+
pip Paketmanager
Netzwerkverbindung für Wetter-API

Installation

# Repository klonen
git clone https://github.com/padawanabhi/building_heating_management_system.git
cd building_heating_management_system

# Virtuelle Umgebung erstellen
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Abhängigkeiten installieren
pip install -r requirements.txt

# Umgebungsvariablen konfigurieren
# .env-Datei erstellen mit:
# WEATHER_API_KEY=your_api_key
# DATABASE_URL=sqlite:///heating_system.db

System ausführen

# Terminal 1: Zonen-Simulatoren starten (mehrere Instanzen für mehrere Zonen)
python zone_simulator.py --zone-id 1 --port 5020
python zone_simulator.py --zone-id 2 --port 5021

# Terminal 2: Zentralen Steuerungsserver starten
python main.py  # oder: uvicorn app:app --reload

Potenzielle Verbesserungen & Erweiterungen

1. Erweiterte Steuerungsalgorithmen

Model Predictive Control (MPC): Vorhersage zukünftiger Temperaturen und Optimierung von Sollwerten
Reinforcement Learning: Lernen optimaler Steuerungsstrategien durch Versuch und Irrtum
Fuzzy Logic Control: Umgang mit Unsicherheit und ungenauen Eingaben
PID-Controller: Pro-Zone-PID-Steuerung für präzise Temperaturregelung
Maschinelles Lernen: Vorhersage von Belegungsmustern und Vorheizen von Zonen

2. Skalierbarkeitsverbesserungen

Datenbank-Upgrade: Migration von SQLite zu PostgreSQL für Produktion
Message Queue: Hinzufügen von RabbitMQ oder Kafka für asynchrone Zonen-Kommunikation
Microservices: Aufteilen in separate Services (Zonen-Manager, Scheduler, API-Gateway)
Load Balancing: Verteilung der Zonen-Kommunikation über mehrere Worker
Caching-Layer: Redis für häufig abgerufene Zonendaten

3. Protokollverbesserungen

Modbus RTU-Support: Hinzufügen von seriellem Modbus für direkte Hardware-Verbindungen
BACnet-Integration: Branchenübliches Gebäudeautomatisierungsprotokoll
MQTT-Integration: Hinzufügen von MQTT für Cloud-Konnektivität und Remote-Monitoring
OPC UA: Moderner industrieller Kommunikationsstandard
REST API-Erweiterung: Umfassende REST API für alle Operationen

4. Benutzeroberfläche & Visualisierung

Web-Dashboard: React/Vue.js-Frontend für Echtzeit-Monitoring
Mobile App: Native oder PWA für mobile Steuerung
Historische Analytik: Erweiterte Diagramme und Trend-Analyse
Energie-Dashboards: Echtzeit-Energieverbrauchs-Tracking
Zonen-Karten: Visuelles Gebäudelayout mit Zonen-Status-Overlay
Alert-System: E-Mail/SMS-Benachrichtigungen für Anomalien

5. Energieoptimierung

Demand Response: Integration in Versorgungsunternehmen-Demand-Response-Programme
Time-of-Use-Optimierung: Anpassung basierend auf Strompreisen
Belegungslernen: ML-Modelle zur Vorhersage von Belegungsmustern
Prädiktive Vorheizung: Vorheizen von Zonen vor geplanter Belegung
Energiekosten-Tracking: Echtzeit-Kostenberechnung und Budget-Management

6. Integration & Interoperabilität

Building Management Systems (BMS): Integration mit bestehenden BMS-Plattformen
Smart Home-Plattformen: Home Assistant, OpenHAB, Domoticz
Cloud-Plattformen: AWS IoT, Azure IoT, Google Cloud IoT
API-Gateway: Bereitstellung standardisierter APIs für Drittanbieter-Integrationen
Webhooks: Event-getriebene Benachrichtigungen an externe Systeme

7. Monitoring & Observability

Prometheus-Metriken: System-Gesundheit, Zonen-Status, Steuerungsschleifen-Performance
Grafana-Dashboards: Echtzeit-Visualisierung und Alerting
Distributed Tracing: Verfolgung von Requests über Zonen und Services
Strukturiertes Logging: JSON-Logs für besseres Parsing und Analyse
Health Checks: Automatisiertes System- und Zonen-Gesundheits-Monitoring

8. Sicherheit & Compliance

Modbus-Sicherheit: Modbus über TLS für verschlüsselte Kommunikation
Authentifizierung: JWT-Tokens für API-Zugang
Autorisierung: Rollenbasierte Zugriffskontrolle (RBAC)
Audit-Logging: Umfassendes Audit-Trail aller Steuerungsaktionen
Netzwerksicherheit: VPN, Firewall-Regeln, Netzwerksegmentierung
Datenverschlüsselung: Verschlüsselung sensibler Daten im Ruhezustand

9. Erweiterte Features

Multi-Gebäude-Unterstützung: Heizung über mehrere Gebäude hinweg verwalten
Zonen-Gruppierung: Zonen für koordinierte Steuerung gruppieren
Zeitplan-Management: Zeitbasierte Zeitpläne mit Override-Fähigkeiten
Wartungsmodus: Temporäres Deaktivieren von Zonen für Wartung
Fehlererkennung: Automatische Erkennung von Sensor-/Geräteausfällen
Backup-Heizung: Fallback-Strategien für Geräteausfälle

10. Produktions-Deployment

Docker-Containerisierung: Containerisierung aller Komponenten
Docker Compose: Multi-Container-Orchestrierung
Kubernetes: Für großflächige Deployments
CI/CD-Pipeline: Automatisierte Tests und Deployment
High Availability: Redundanz und Failover-Mechanismen
Backup & Recovery: Automatisierte Datenbank-Backups

Anwendungsfälle

Kommerzielle Gebäude: Bürogebäude, Einzelhandelsflächen, Lagerhäuser
Wohnkomplexe: Wohngebäude, Eigentumswohnungen
Industrielle Einrichtungen: Fabriken, Lagerhäuser mit Klimakontrollbedarf
Bildungseinrichtungen: Schulen, Universitäten mit mehreren Gebäuden
Gesundheitseinrichtungen: Krankenhäuser, Kliniken mit präziser Klimakontrolle
Forschung & Entwicklung: Testen von Steuerungsalgorithmen und Optimierungsstrategien

Hauptvorteile

Skalierbarkeit: Einfaches Hinzufügen neuer Zonen ohne größere Architekturänderungen
Protokoll-Standard: Modbus gewährleistet Kompatibilität mit bestehenden HVAC-Geräten
Intelligente Steuerung: Wetter- und belegungsbewusste Optimierung
Datengetrieben: Historische Daten ermöglichen Analyse und kontinuierliche Verbesserung
Produktionsreif: FastAPI, SQLAlchemy und APScheduler sind bewährte Technologien
Erweiterbar: Modulares Design ermöglicht einfaches Hinzufügen neuer Features

(View on GitHub)

Back to Portfolio