Karstgrundwasserleiter spielen im Alpenraum eine wichtige Rolle. Sie bedecken etwa 56% der Fläche, und ein erheblicher Teil der Bevölkerung ist ganz oder teilweise von Trinkwasser aus Karstquellen abhängig, die oft mit wertvollen Ökosystemen verbunden sind und zur Wasserkrafterzeugung beitragen. Die Alpen zählen nach Studien zu den am stärksten vom Klimawandel betroffenen Gebieten in Europa. Als Folge der steigenden Temperaturen werden sich die gespeicherten Mengen an Schnee und Eis stark verringern, was zu einer Verschiebung zwischen Wasserhaushaltskomponenten in Verbindung mit einer saisonalen Umverteilung der Niederschläge führt. Außerdem wird erwartet, dass Hoch- und Niedrigwasserereignisse häufiger auftreten werden. Der Stand der Technik bei der Modellierung der Schüttung von Karstquellen, meist mittels konventioneller numerischer Modelle, ist auf standortspezifische, oft aufwändige und nicht übertragbare wissenschaftliche Studien beschränkt, die manuelle Modellabstimmung und Kalibrierung erfordern. Bis heute gibt es keinen leicht übertragbaren Ansatz, der gleichzeitig auf viele Karstquelleinzugsgebiete anwendbar ist. In diesem Projekt werden wir einen modernen, Deep-Learning basierten Ansatz zur Modellierung der Schüttung von Karstquellen entwickeln, der sich besonders gut eignet, übertragbare Modelle, die Informationen von verschiedenen Standorten nutzen können, aufzubauen. Deep Learning ist ein Teilgebiet des maschinellen Lernens, basierend auf künstlichen neuronalen Netzen, das sich sowohl bei akademischen als auch bei industriellen Anwendungen als sehr erfolgreich erwiesen hat. Die vorgeschlagene Studienregion sind die Alpen, mit Karstgebieten in Österreich, der Schweiz, Deutschland, Frankreich, Italien und Slowenien, mit einem Schwerpunkt auf dem besonders vom Klimawandel betroffenen von der Alpenkonvention abgegrenzten Gebirgsgebiet. Als Grundlage der Studie dient das World Karst Spring Database (WoKaS). Es wird im Laufe des Projekts mit zusätzlichen Daten von Behörden und Wasserversorgern ergänzt, insbesondere in Regionen mit bislang schlechter Abdeckung. Die Arbeiten beinhalten die Erstellung eines umfassenden Datensatzes mit Einzugsgebietsattributen und meteorologischen Einflussgrößen für etwa 150 Quellen. Klassische Lumped-Parameter-Modelle werden als Benchmarks aufgesetzt und mit den neu entwickelten Deep-Learning basierten Modellergebnissen verglichen. Ziel ist es, die Eignung neuartiger Deep-Learning Modellansätze für die Abschätzung der Auswirkungen des Klimawandels für eine Vielzahl von kurz- und langfristigen Vorhersagen zu untersuchen. Eine vertiefende Fallstudie des Dachsteingebietes, dessen große Karstregion wesentlich zur Wasserversorgung und Wasserkrafterzeugung beiträgt, wird die vergleichende Untersuchung mit einem numerischen 3D-Modell erweitern. Schließlich werden die entwickelten Modelle dazu verwendet, um Auswirkungen des Klimawandels auf die alpinen Karstgrundwasserressourcen vorherzusagen.
Vorhabensziel des Projekts ist die Überführung des im Vorgängervorhaben 'ErdEis II' umgesetzten Erdeisspeichers in den Vollbetrieb, das wissenschaftliche Monitoring und Benchmarking sowie die Entwicklung eines District Energy Management Systems (DEMS). Hierzu sollen verschiedene Betriebsmodi getestet, die Betriebsweise aufbauend auf den Ergebnissen optimiert, der Einfluss verschiedener Parameter modellgestützt nachvollzogen und das Kalte Nahwärmesystem mit Erdeisspeicher bestmöglich für die Gesamtsystemoptimierung mittels DEMS genutzt werden. Im zukünftigen Energiesystem wird nicht mehr allein auf Energieeffizienz respektive End- und Primärenergiebedarf optimiert werden können. Vielmehr spielt Flexibilität eine zunehmende Rolle, die schließlich gekoppelt an die Verfügbarkeit erneuerbarer elektrischer Energie den tatsächlichen CO2-Ausstoß bestimmen wird. Inzwischen sind Schnittstellen verfügbar, die über Vorhersagen zur CO2-Intensität des Stromnetzes eine entsprechende Optimierung ermöglichen. Diese Optimierung hat im Gesamtkonzept nicht nur wärme- bzw. kälteseitig zu erfolgen, sondern ganzheitlich die Bedarfe und Flexibilitäten des Kalten Nahwärmenetzes, der Haushaltsstromverbräuche, Mobilitätsbedarfe und Eigenenergieerzeugung miteinzuschließen. So kann ein Gesamtoptimum erreicht und Optimierungen von Teilsystemen, die zu Lasten der Gesamtemissionen gehen, vermieden werden. Entsprechend müssen auch Bewertungs- und Benchmarkingmethoden passend weiterentwickelt werden.
Der horizontale Wind nimmt eine Schlüsselrolle in der Dynamik der Atmosphäre ein. Insbesondere beeinflusst er die Ausbreitung und Dissipation von Schwerewellen und thermischen Gezeiten in der mittleren Atmosphäre. Simultane Wind- und Temperaturmessungen bieten dabei die einzigartige Möglichkeit, sowohl kinetische als auch potentielle Energiedichten der Schwerewellen zu berechnen, aus denen wiederum intrinsische Wellenparameter ableitbar sind. Windmessungen in der mittleren Atmosphäre sind jedoch insbesondere im Höhenbereich zwischen 35 und 75 km sehr selten, da hier weder Radiosonden noch Radars Daten liefern und Wind-Radiometer bzw. Satelliten keine für die Untersuchung von Schwerewellen ausreichend große Genauigkeit und Auflösung haben. Deshalb wollen wir in Kühlungsborn/Deutschland (54° N, 12° O) ein neues Lidar aufbauen, mit dem bei gekippten Teleskopen der Horizontalwind aus der Dopplerverschiebung der Rayleigh-Rückstreuung bestimmt werden kann. Neben der Erstellung einer Wind-Klimatologie steht vor allem die Untersuchung der Ausbreitung von Trägheitsschwerewellen in der mittleren Atmosphäre im Vordergrund. Dazu werden wir u.a. horizontale und vertikale Impulsflüsse und die Höhe des Impulsübertrags an die Hintergrundatmosphäre bestimmen. Diese für die Energiebilanz der Atmosphäre wesentlichen Parameter liefern wichtige Vergleichsgrößen für Zirkulationsmodelle. Ferner werden wir intrinsische Welleneigenschaften aus Wind-Hodographen analysieren, die für andere bodengebundene Messsysteme in der Regel nicht zugänglich sind. Unter Einbeziehung des lokalen Hintergrundwindes sollen aufwärts und abwärts propagierende Schwerewellen eindeutig getrennt und quantifiziert werden. Die Analysen werden insgesamt unser Verständnis der vertikalen Kopplung und der zu Grunde liegenden Zirkulation in der mittleren Atmosphäre deutlich verbessern. Das neue Lidarsystem ergänzt ein in Nordnorwegen am ALOMAR-Observatorium (69° N, 16° O) vorhandenes Windlidar, welches ebenfalls vom IAP betrieben wird. In diesem Projekt wird die dabei erworbene Expertise genutzt, um die Entwicklungsrisiken für das neue Lidar zu minimieren und schwerpunktmäßig Windmessungen in der mittleren Atmosphäre durchzuführen und zu interpretieren.
Innerhalb versorgungstechnischer Systeme (z. B. Kälteerzeugungssystemen) interagieren verschiedene Energiewandlungstechnologien, die häufig über dezentrale Regelungslogiken gesteuert werden. Deren mangelnde Abstimmung führt zu einem ineffizienten Betrieb der Gesamtsysteme. Den Verantwortlichen sind die Ineffizienzen durch falsche oder starre Sollwerte und Dimensionierungen oft nicht bewusst. Die Komplexität der Zusammenhänge und sich ständig verändernde Einflussfaktoren erschweren zusätzlich das Benchmarking und die Dimensionierung der Komponenten. Im geplanten Forschungsvorhaben wird eine KI-gestützte Optimierungslösung für Kälteanlagen aufgebaut, um eine modellgestützte Bewertung und Entscheidungshilfe für Retrofitmaßnahmen zu entwickeln. Diese Entscheidungshilfe ermöglicht die Analyse und Effizienzsteigerung der Komponenten in Abhängigkeit von den tatsächlichen Betriebsregimen der Anlagen. Entscheidungsvariablen, die im EISKIG-Vorhaben unveränderliche Parameter waren, werden nun optimiert (z. B. maximale Anlagenleistung, zulässige Betriebspunkte). Der Fokus dieses Projekts liegt ausschließlich auf der Versorgungstechnik von Rechenzentren. Zu Beginn wird der IST-Zustand des Energiesystems der Kälteversorgung im Rechenzentrum der Anwendungspartner mittels eines 'Digitalen Zwillings' beschrieben und untersucht. Die Untersuchungen konzentrieren sich auf folgende Energiewandlungskomponenten der Kälteerzeugung: Pumpen, Kompressionskältemaschinen, Wärmeübertrager, Ventile, Rückkühlwerke/Kühltürme (nass, trocken, adiabat), Wärmeübergabestationen. Mit dem digitalen Zwilling lassen sich verschiedene Retrofit-Maßnahmen simulieren und hinsichtlich Wirtschaftlichkeit und Emissionsminderung durch Energiekosteneinsparungen bewerten. Die Anwendungspartner erhalten auf dieser Basis Handlungsempfehlungen für wirtschaftlich umsetzbare Retrofit-Maßnahmen, einschließlich der Gegenüberstellung der IST-Situation mit branchenüblichen Durchschnittswerten.