Forschung für unsere Zukunft

Die Energie von morgen heute verstehen.

Diese Website verwendet Cookies, um bestimmte Funktionen zu ermöglichen. Mit der Nutzung unserer Seite erklären Sie sich damit einverstanden.
Weiters gilt für sämtliche, über Formulare auf dieser Website übermittelten Daten unsere Datenschutzerklärung

#871697

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.

Projektverlauf

Innerhalb des Projektes wird das Potenzial an vorhandenen Messdaten erhoben und durch Pre-Processing (Datenqualitätsüberprüfung, Synchronisation von Zeitstempeln, Ausfilterung von unplausiblen Werten, Prüfung ob Zählerstände monoton steigend, Auffüllen von Messdatenlücken, usw.) aufbereitet sowie der Datenbestand mit meteorologischen Daten ergänzt. Im nächsten Schritt werden Methoden zur Identifikation und zur Realisierung des verbraucherseitigen Load-shift Potenzials entwickelt. Dazu werden hybride Black-Box/Grey-Box Modelle zur Vorhersage der Heizwärme- und Warmwasserlastprofile abgeleitet und die Modellparameter vorrangig über die Leittechnikdaten kalibriert. Anschließend erfolgt die Integration der Systemidentifikationsmodelle in einen modellbasierenden Regler zur Optimierung des Lastmanagements. Abschließend wird der datengetriebene Optimierungsalgorithmus anhand eines Funktionsmusters validiert.

Ergebnisse

Übergeordnetes Ziel des Projekts DataDrivenLM ist es, einen innovativen regelungstechnischen Optimierungsansatz für Fernwärmenetze mit Lastmanagement und prädiktiver Regelung zu entwickeln. Diese optimierte Regelung soll auf standortspezifischen Wetterprognosedaten und zudem auf Betriebsdaten von realen Anlagen basieren.
Zusammengefasst steigert das Projekt DataDrivenLM die Nachhaltigkeit und Attraktivität der Fernwärme, von der auch die Wärmeabnehmer profitieren. Konsequenz und längerfristiger Nutzen aus dem Projekt sind der Fernwärmeausbau, der erhöhte Anteil erneuerbarer Energie im Fernwärmemarkt und die Erschließung zusätzlicher Marktanteile.

Steckbrief

Projektnummer
871697
Koordinator
Güssing Energy Technologies GmbH
Projektleitung
Katharina Kreuter, k.kreuter@get.ac.at
Partner
AEE - Institut für Nachhaltige Technologien (AEE)
BLUE SKY Wetteranalysen Traunmüller u. Reingruber OG (BS)
Forschung Burgenland GmbH (FB)
PEWO Energietechnik GmbH (PEWO)
Schneid Gesellschaft m.b.H. (Schneid)
TB Harald Kaufmann GmbH (TBHK)
Schlagwörter
MPC modellprädiktive Regelung Datamining
Förderprogramm
Energieforschungsprogramm
Dauer
06.2019 - 11.2021
Budget
682.191 €