Wärmebedarfs-Prognose

Energieversorgungsnetze unterliegen abnehmerseitig aus verschiedenen Gründen starken Schwankungen. In Fernwärmenetzen werden diese maßgeblich durch Wettereinflüsse wie Wind, Sonne und Temperatur verursacht, aber auch durch soziale Einflüsse. Dazu gehört etwa unterschiedliches Verhalten an verschiedenen Wochentagen oder die wechselnde Auslastung in Tourismusbetrieben.

Um die stabile Versorgung solcher Netze sicherstellen zu können, ist es entscheidend, auf Lastschwankungen richtig zu reagieren und die Energieerzeuger bestmöglich davon zu entkoppeln.

Ein virtueller Blick in die Zukunft ist hier sehr hilfreich und wirkungsvoll.

Genau für diesen Blick in die Zukunft, nämlich für unsere Wärmebedarfs-Prognose, setzen wir KI-basierte Technologien ein, die den Stand der Technik im Bereich der übergeordneten Regelungstechnik erweitern und bereichern.

Mit Methoden des machine- und deep-learnings erstellen wir datengetriebene Modelle aus den Betriebsdaten ihrer Anlage. Die Modelle werden mit Livedaten der Anlage gespeist und die Modellergebnisse an die übergeordnete Regelung zurückgespielt.

Um im Zeitalter von AI die Balance zwischen Performance und Robustheit zu halten, ist parallel zum KI-Modell ein klassisches Regelkonzept aktiv, dass stets die Kontrolle über den Anlagenzustand behält und Modellergebnisse nur in einem klar abgegrenzten Betriebsbereich für die Anlagenregelung verwendet.

Die Wärmebedarfs-Prognose ermöglicht somit eine, im wahrsten Sinne des Wortes, vorrausschauende Fahrweise der Erzeugeranlage, bei gleichzeitig gesicherter Versorgung der Verbraucher im Wärmenetz.