Mit Künstlicher Intelligenz das Optimum herausholen

Fernwärme zählt zu den umweltfreundlichsten Systemen zur Heizungs- und Warmwasseraufbereitung. Um den Betrieb weiter zu optimieren, haben die ACR-Institute V-Research, AEE INTEC und GET im Projekt „PredictIT 2.0“ eine ganzheitliche KI-gestützte Open-Source Plattforme entwickelt, mit der sich der erwartbare Wärmebedarf und die Netzauslastung in Echtzeit prognostizieren lassen.

Wiewohl der Energiemarkt laufend digitale Daten produziert, waren diese mangels Verknüpfung für Betreiber von Wärmenetzen bisher nicht nutzbar. Dem soll „Predict-IT“ nun ein Ende setzen. „Wir möchten die Digitalisierung im Energiemarkt nutzen, um das individuelle Wissen für eine breite Masse nutzbar zu machen“, fasst Katharina Dimovski, Forscherin bei V-Research, die Motivation hinter dem Projekt zusammen. Zur Entwicklung, Training und Bewertung der Plattform wurden historische Wärmelastdaten aufbereitet, hochgeladen sowie in einen Trainings- und Evaluierungsdatensatz aufgeteilt. Indem sich die Plattform auf einen innovativen Long Short-Term Memory (LSTM)-basierten neuronalen Netzalgorithmus stützt, können auch komplexe Zusammenhänge problemlos dargestellt werden.

Ein Gelingen der Wärmewende setzt die flexible Anpassung des Anlagenbetriebs an Angebot und Nachfrage voraus. Mithilfe von „Predict-IT“ können Betreiber von Wärmenetzen zukünftig rasch auf Entwicklungen reagieren und auch der Heterogenität der Kunden gerecht werden. Schließlich hat sich die Zahl der Abnehmer von Nah- und Fernwärme alleine in den letzten 20 Jahren österreichweit mehr als verdoppelt und dieser Trend wird sich weiter fortsetzen.

a Grafik zum Lastaufkommen in Wärmenetzen

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

Katharina Dimovski, V-Research

Sobald der Benutzer den Vorhersagehorizont festgelegt hat, verknüpft das KI-basierte Vorhersagemodell die Wärmelasten der vergangenen Beobachtungsperiode mit der automatisch abgerufenen Wetterprognose. Dass die Methode hält, was sie verspricht, wurde anhand der Datensätze von zwei lokalen österreichischen Fernwärmenetzen validiert. Den Wärmenetzbetreibern – in Österreich hauptsächlich KMU – steht damit ein präzises Prognosetoll zur Verfügung, mit dem sich der Wärmebedarf der nächsten zwölf bis 96 Stunden voraussagen lässt.

„Predict-IT“ vereinfacht nicht nur die effiziente Nutzung von Heizungsressourcen und reduziert die Abhängigkeit von Expert*innen-Wissen für Heizlastprognosen, sondern sorgt auch für einen stabileren und zuverlässigeren Betrieb. Die Open-Source Plattform zeichnet sich durch eine einfache Installation via Docker und eine webbasierte Nutzung unabhängig von der Anlagensteuerung aus. Grafische Interfaces machen die relevanten Informationen leicht zugänglich. Die Wärmewende soll schließlich so einfach wie möglich sein.