DataDrivenLM Verbesserung der Systemeffizienz von thermischen Netzen durch intelligente, datengetriebene Lastmanagementmethoden

Thermische Netze sind aufgrund des dynamischen Lastverhaltens äußerst komplexe und somit schwer optimierbare Systeme. Das Lastmanagement erfolgt daher oft nur bedarfsorientiert und die von der Leittechnik zur Verfügung gestellten Messdaten werden kaum zur systematischen Betriebsoptimierung herangezogen. Gleichzeitig führt die fortschreitende Digitalisierung zu domänenübergreifenden Datenquellen mit neuen Möglichkeiten einer ganzheitlichen, automatisierten Betriebsoptimierung. Innerhalb des Projektes werden daher neue Algorithmen zur datengetriebenen Last- und Prognosemodellierung abgeleitet und darauf aufbauend ein intelligentes Lastmanagement für Fernwärmenetze entwickelt.

Ausgangssituation

Biomasse-Nahwärmenetze sind ein wichtiger Beitrag zur Realisierung einer nachhaltigen Energieversorgung und fördern zugleich die regionale Wertschöpfung. Der effiziente und emissionsarme Betrieb derartiger Anlagen setzt jedoch eine intelligente Vernetzung zwischen der Energiebereitstellung, der Energiespeicherung und der Energieverteilung voraus. Erst dadurch kann eine gezielte Anpassung der Lastverteilung an die optimalen Betriebsbedingungen der Wärmeversorgungseinheit unter Berücksichtigung der Nutzeranforderungen erfolgen. Derzeit werden hingegen die Fernwärmenetze bedarfsorientiert betrieben. Das bedeutet, dass die Leistung des Wärmeerzeugers immer an den momentanen Bedarf aller Wärmeabnehmer angepasst wird. Dies führt zu ungünstigen Betriebspunkten mit geringen Wirkungsgraden und hohen Emissionswerten. Damit optimale Betriebsbedingungen gewährleistet werden können, werden neue, umsetzbare Lösungsansätze benötigt, welche eine integrale und insbesondere ganzheitliche Optimierung aller beteiligten Anlagenkomponenten und Betriebsparameter voraussetzen. In diesem Zusammenhang zeigen die Betriebserfahrungen von Fernwärmenetzen, dass bereits ein großes Analyse- und Optimierungspotenzial in den von der Leittechnik aufgezeichneten Messdaten vorliegt. Diese werden jedoch kaum automatisiert zur Betriebsoptimierung eingesetzt. Zudem werden die Möglichkeiten von neuen IoT-Infrastrukturen kaum genutzt.