DataDrivenLM – Verbesserung der Systemeffizienz von thermischen Netzen durch intelligente, datengetriebene Lastmanagementmethoden
Teaser
DataDrivenLM ist ein Forschungsprojekt, das auf datengetriebene Optimierung von Biomasse-Nahwärmenetzen abzielt, um durch intelligente Lastverteilung und Nutzung von Messdatenpotenzialen eine effiziente und umweltfreundliche Energieversorgung zu realisieren.
Biomasse-Nahwärmenetze sind in Österreich weit verbreitete Wärmeversorgungssysteme im ländlichen Bereich und stellen einen wichtigen Beitrag zur Realisierung einer nachhaltigen Energieversorgung dar. Viele dieser Wärmenetze weisen ein stark dynamisches Lastverhalten auf, etwa starke Lastwechsel, die zu komplexem Betrieb und schwer optimierbaren Systemen führen.
Optimierungsansatz
Ein Ansatz, um diesen Herausforderungen zu begegnen, ist Demand Side Management (DSM): Damit sind Maßnahmen gemeint, bei denen die Wärmeleistung direkt beim Endkunden beeinflusst wird. Im Projekt DataDrivenLM wurde ein solches DSM-Verfahren für Nahwärmenetze entwickelt und anhand eines repräsentativen österreichischen Nahwärmenetzes demonstriert. DataDrivenLM verfolgte das Ziel, einen innovativen regelungstechnischen Optimierungsansatz für Fernwärmenetze mit Lastmanagement und prädiktiver Regelung zu entwickeln der ohne Installation zusätzlicher thermischer Speicher, flexible und komplexe Lastvorgaben realisiert. Diese optimierte Regelung soll auf standortspezifischen Wetterprognosedaten und zudem auf historischen und aktuellen Betriebsdaten der realen Anlagen basieren.
Zu diesem Zweck wurden folgende technisch-wissenschaftlichen Ziele definiert:
- Charakterisierung des Betriebsverhalten ausgewählter Fernwärmenetze, basierend auf der strukturierten Analyse einer großen Menge an Betriebsdaten
- Entwicklung von adaptiven Modellen zur Lastvorhersage auf Ebene von Einzelabnehmer mit datengetriebenen, automatisierbaren Identifizierungsverfahren basierend auf standortspezifischen Wettervorhersagen und historischen Betriebsdaten
- Formulierung eines modellprädiktiven Lastmanagements durch numerische Optimierung das auf Netzebene flexible Lastvorgaben erlaubt und die individuellen Anforderungen auf Kundenebene berücksichtigt
- Hard- und Software-Infrastrukturaufbau zur Umsetzung eines multidimensionalen Datenaustausches aller beteiligter Akteure mit Bereitstellung aufbereiteter und kundenindividueller Betriebsempfehlungen im Sinne des „Software-as-a-Service“ Ansatzes
- Demonstration des DataDrivenLM Konzeptes im realen Betrieb eines repräsentativen österreichischen Biomasse-Nahwärmenetzes
- Definition und Identifikation weitere Optimierungspotentiale die indirekte durch DSM-Maßnahmen in der zentralen Wärmebereitstellung adressiert werden (Kesselbetriebsregelung, Pufferspeichermanagement, etc.)
Projektherausforderungen
Die Einreichung des Projekts erfolgte in der 5. Ausschreibung des Energieforschungsprogramms im Themenfeld 2: Energiesysteme und Netze TF2/2.1 Energienetze. Die angestrebten Projektziele erforderten Arbeiten mit grundlagenorientiertem Forschungscharakter weshalb DataDrivenLM als industrielles Forschungsprojekt eingestuft wurde. Eine Herausforderung des vorliegenden Projektes bestand in der Zusammenführung von Know-how aus den Bereichen Meteorologie, Regelungs- und Steuerungstechnik, Datenaufzeichnung und -analyse und Energie- und Prozesstechnik die sich in der Zusammenstellung des Konsortiums mit beteiligten Partnern aus Wissenschaft und Industrie widerspiegelt.
Laufzeit: 01.06.2019 – 31.05.2022
Projektleiterin DIin Katharina Kreuter, k.kreuter@get.ac.at
Koordinator: Güssing Energy Technologies GmbH
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: Datamining, Modellprädiktive Regelung, MPC
Förderprogramm: Energieforschungsprogramm