Projektvideo
Projektbeschreibung
Die Integration Erneuerbarer Energie und von Abwärme in österreichische Wärmenetze ist bis dato aufgrund der hohen Temperaturniveaus dieser Netze oftmals unwirtschaftlich. Weiters beliefern die historisch gewachsenen Wärmenetze meist Abnehmer, die unterschiedliche Versorgungstemperaturen benötigen.
Im Projekt Brainy Heat Grids werden Regelstrategien auf Basis von Machine Learning erarbeitet, die es ermöglichen, Wärmeübergabe-stationen zentral zu steuern. Dadurch können in relevanten Netzbereichen vorwiegend Betriebsfälle mit niedrigen Rücklauftemperaturen erreicht werden.
Der methodische Einsatz von Machine Learning beinhaltet die Durchführung von Netzsimulationen mit iterativen Solver-Lösungen, mit dem Ziel der Absenkung der Systemtemperaturen in relevanten Netzbereichen. Durch die Auswahl relevanter variierbarer Parameter und unter Zuhilfenahme von Batch-Simulationen wird die Anzahl der zu berechneten Betriebsfälle minimiert. Dies ermöglicht eine Anwendung in der Praxis.
Die Anwendung neuen Regelstrategien führt zu einem effizienten Betrieb von Brennwertkessel und Anlagen auf Basis erneuerbare Energien (z.B. solarthermische Anlagen), die vorwiegend in den Rücklauf einspeisen. Weiters wird eine Verringerung der Systemtemperaturen in Wärmenetzen erreicht, was geringere Verteilungsverluste zur Folge hat.
Projektpartner
Hoval Gesellschaft m.b.H
GEF Ingenieur AG