Das Optimum herausholen: Künstliche Intelligenz für effiziente Wärmenetze

V-Research, AEE INTEC und GET werden im Projekt „PredictIT 2.0“ eine einfache Software entwickeln, die den optimalen Betriebspunkt für Wärmenetze eigenständig findet. Die Herausforderungen von Wärmeangebot und -nachfrage werden mit Hilfe von künstlicher Intelligenz gemeistert, damit Wärmenetzbetreiber effizienter wirtschaften können.

Zwar produzieren der Energiemarkt und der Betrieb von Wärmenetzen stetig digitale Daten, diese sind für die Betreiber der Wärmenetze aber nicht nutzbar, weil sie nicht miteinander verknüpft sind. Dabei wäre dies sinnvoll, um den Betrieb einer Anlage flexibel zu optimieren, je nach Angebot und Nachfrage. „Viele Prozesse werden bisher manuell gesteuert und basieren auf den Erfahrungswerten der Anlagenbetreibenden. Wir möchten mit PredictIT 2.0 die Digitalisierung im Energiemarkt nutzen, um dieses individuelle Wissen für eine breite Masse nutzbar zu machen“, sagt Katharina Dimovski, Forscherin bei V-Research.

V-Research, AEE – Institut für Nachhaltige Technologie (AEE INTEC) und Güssing Energy Technologies (GET) werden im Projekt PredictIT 2.0 eine Software entwickeln, die selbstlernend die Daten verknüpft und in Echtzeit den erwartbaren Wärmebedarf und die Netzauslastung prognostiziert. „Die aktuellen Herausforderungen am Energiemarkt erfordern neue Lösungen und Technologien. Einer der wichtigsten Punkte der Wärmewende ist Flexibilität und vorausschauendes Handeln. Jede Kilowattstunde zählt. Wir schaffen die Grundlage, damit die Betreiber von Wärmenetzen flexibel und schnell Entscheidungen treffen können“, erklärt Dimovski.

„Jede Kilowattstunde zählt. Wir schaffen die Grundlage, damit die Betreiber von Wärmenetzen flexibel und schnell Entscheidungen treffen können.“

Katharina Dimovski, V-Research

In den letzten beiden Jahrzehnten hat sich die Zahl der Abnehmer von Nah- und Fernwärme in Österreich auf über eine Million mehr als verdoppelt. Es ist zu erwarten, dass die Zahl weiter steigt und die Heterogenität der Kunden zunimmt. PredictIT 2.0 soll eine einfache optimierte Auslastung und Betriebsführung der Anlagen ermöglichen, egal wie komplex die Herausforderungen werden.

PredictIT 2.0 wird gestützt durch künstliche Intelligenz die Datenmengen, die in den Nah- und Fernwärmenetzen entstehen, sammeln, speichern und zur Modellierung von Wärmelastprofilen nutzen. Diese werden mit Daten der Wettervorhersage kombiniert, sodass den Wärmenetzbetreibenden, die in Österreich hauptsächlich KMU sind, ein präzises Prognoseinstrument für die zu erwartende Auslastung des Netzes zur Verfügung steht. Angestrebt wird eine genaue Vorhersage des Wärmebedarfs der jeweils nächsten zwölf bis 96 Stunden.

„Aus technologischer Sicht ist die größte Hürde, aus einer heterogenen Anlagen- und Datenstruktur einen homogenen Datengrundstein zu destillieren. Die angestrebte Software soll die vielfältigen Bedürfnisse der Betreibenden bestmöglich erfüllen, was uns als Projektteam stetige Weitsicht und engmaschige Kommunikation abverlangt“, erklärt Dimovski.

PredictIT 2.0 wird die Komplexität eines stetig wachsenden Wärmemarktes, der auf vielen verschiedenen Energiequellen basiert und durch eine zunehmend volatile Nachfrage gekennzeichnet ist, wesentlich reduzieren. Komplizierte Tabellen und Eingabemasken wird es bei PredictIT 2.0 nicht geben, stattdessen grafische Interfaces, die Information leicht zugänglich machen. Die Wärmewende soll schließlich so einfach sein, wie möglich.