Ziel des Vorhabens ist es, die Grundlagen für den energieeffizienz- und lebensdaueroptimalen Betrieb von Fernwärme- und Fernkältenetze zu erarbeiten. Berücksichtigt werden dabei die zukünftig regenerative und eher dezentrale Erzeugungsstruktur, niedrigere Vorlauftemperaturen sowie ein zunehmender Ausbau der Sensorik durch Smart Metering. Zur Erreichung dieser Ziele sollen Modelle zur Ermittlung von Energieverluste sowie Stressfaktoren entwickelt und durch Messungen von z.B.Temperatur und Feuchtigkeit im Boden kalibriert werden. Weiterhin soll ein vorhandenes, hydraulisches Netzberechnungsverfahren um die thermische Komponente erweitert sowie für die Anwendung auf Kältenetze angepasst werden. Lebensdauerverluste sollen auf Basis von Erkenntnissen aus dem Forschungsvorhaben 'FW- Instandhaltung' abgeschätzt werden. Zudem sollen diesbezüglich neue, KI-basierte Algorithmen entwickelt werden. Das Verfahren zur Netzberechnung soll um diese Lebensdauerprognose erweitert werden, sodass jederzeit die hydraulischen und thermischen Zustandsgrößen sowie Stressfaktoren vorliegen und bei der Netzregelung berücksichtigt werden können. Auf Basis dessen soll sowohl ein modellprädiktiver als auch ein KI-basierter Ansatz zur optimalen Netzregelung entwickelt und im praktischen Einsatz erprobt werden. Teilvorhaben: Physikalische Modellierung und Regelungsentwurf Im Rahmen dieses Teilvorhabens werden bestehende Netzmodelle zur hydraulischen Simulation von Fernwärmenetzen um thermische Komponenten (Temperaturverläufe, Energieverluste) erweitert. Zudem wird das Simulationsmodell für die Verwendung im Rahmen modellprädiktiver Regelungen angepasst, welche ebenfalls in diesem Teilvorhaben entwickelt und implementiert werden soll. Neben dem modellprädiktiven Ansatz werden die vorhandenen Messdaten verwendet, um den KI-basierten Ansatz zu trainieren. Die beiden Ansätze sollen abschließend beim Projektpartner Stadtwerke München implementiert und ausgiebig getestet werden.
Ziel des Vorhabens ist es, die Grundlagen für den energieeffizienz- und lebensdaueroptimalen Betrieb von Fernwärme- und Fernkältenetze zu erarbeiten. Berücksichtigt werden dabei die zukünftig regenerative und eher dezentrale Erzeugungsstruktur, niedrigere Vorlauftemperaturen sowie ein zunehmender Ausbau der Sensorik durch Smart Metering. Zur Erreichung dieser Ziele sollen Modelle zur Ermittlung von Energieverluste sowie Stressfaktoren entwickelt und durch Messungen von z.B.Temperatur und Feuchtigkeit im Boden kalibriert werden. Weiterhin soll ein vorhandenes, hydraulisches Netzberechnungsverfahren um die thermische Komponente erweitert sowie für die Anwendung auf Kältenetze angepasst werden. Lebensdauerverluste sollen auf Basis von Erkenntnissen aus dem Forschungsvorhaben 'FW- Instandhaltung' abgeschätzt werden. Zudem sollen diesbezüglich neue, KI-basierte Algorithmen entwickelt werden. Das Verfahren zur Netzberechnung soll um diese Lebensdauerprognose erweitert werden, sodass jederzeit die hydraulischen und thermischen Zustandsgrößen sowie Stressfaktoren vorliegen und bei der Netzregelung berücksichtigt werden können. Auf Basis dessen soll sowohl ein modellprädiktiver als auch ein KI-basierter Ansatz zur optimalen Netzregelung entwickelt und im praktischen Einsatz erprobt werden. Teilvorhaben: Physikalische Modellierung und Regelungsentwurf Im Rahmen dieses Teilvorhabens werden bestehende Netzmodelle zur hydraulischen Simulation von Fernwärmenetzen um thermische Komponenten (Temperaturverläufe, Energieverluste) erweitert. Zudem wird das Simulationsmodell für die Verwendung im Rahmen modellprädiktiver Regelungen angepasst, welche ebenfalls in diesem Teilvorhaben entwickelt und implementiert werden soll. Neben dem modellprädiktiven Ansatz werden die vorhandenen Messdaten verwendet, um den KI-basierten Ansatz zu trainieren. Die beiden Ansätze sollen abschließend beim Projektpartner Stadtwerke München implementiert und ausgiebig getestet werden.
Das Projekt 'Windheizung 2.0: Demo' dient der Weiterentwicklung und Demonstration einer systemverträglichen Sektorenkopplung zwischen der zukünftig steigenden regenerativen Stromerzeugung und der Wärmeversorgung hoch gedämmter Gebäude. Im Vorhaben wird die gesamte Systemtechnik der Windheizung 2.0 weiterentwickelt, die Nutzer-Interaktion mit Technik und Regelung untersucht und die Nutzer-Akzeptanz des Systems erfasst. Hierzu werden 4 Gebäude mit je einer der Windheizung 2.0-Speichertechnologien ausgestattet. - großer Warmwasserspeicher - Bauteilaktivierung Alt- und Neubauvariante - Hochtemperatur-Steinspeicher Im Rahmen der vorangegangenen Windheizung 2.0 Projekte wurden Simulationsmodelle für die Anlagentechnik- und Speichersysteme entwickelt, validiert und in die Software WUFI® Plus integriert. Hiermit werden im Planungsprozess die Demogebäude, deren Anlagentechnik- und Speichersysteme als Modelle abgebildet und mit den Ergebnissen die Fachplanung unterstützt. Im Arbeitsschwerpunkt Netzintegration werden die folgenden 4 wesentlichen Punkte bearbeitet: - Online-Fähigkeit Bereitstellung prognosebasierter Schaltempfehlungen - Marktdienlichkeit Schaltempfehlungen - Netzdienlichkeit Schaltempfehlungen - Energiewirtschaftliche und -politische Aspekte der Preisgestaltung für WH 2.0 Gebäude.
Abweichend von konventionellen Standardverfahren zur Regelung von Wärmeerzeuger sollen in dem Projekt eine Vielzahl von internen und externen Eingangsgrößen zur Regelung verwendet werden. Hierbei handelt es sich unter anderem um Wetterdaten, Strompreise, Stromerzeugung und Korrelationsgrößen für die Belegung. In die Entscheidungsfindung zur Regelung fließen nicht nur aktuelle Zustandsgrößen ein, sondern auch zukünftige Werte. Es erfolgt somit eine prädiktive und vorausschauende Regelung anstelle einer reaktiven Standardregelung. Für solch eine Optimierungsaufgabe mit einer Vielzahl an Eingangsgrößen und einem längeren Betrachtungshorizont eigenen sich Methoden des maschinellen Lernens wie z.B. dem Reinforcement Learning. Der Vorteil dieser Methode ist eine bedarfsgenaue und wirtschaftliche Wärmebereitstellung. Mit Hilfe von Simulationsmodellen kann eine Vielzahl von Szenarien nachgebildet und als Trainingsdaten verwendet werden. Ziel des Forschungsprojektes ist es, die Optimierung von sektorübergreifenden Energiesystemen zu automatisieren und mit Hilfe von maschinellem Lernen und Metadaten die Anlagenparameter kontinuierlich anzupassen. Durch Transfer Learning können Messdaten anderer Gebäude als Trainingsdaten verwendet werden. Der Heizenergiebedarf wird mit Hilfe von neuronalen Netzen prognostiziert. Die entwickelten Prognose- und Regelungsmodelle werden in Kombination mit der Kommunikationsschnittstelle bei mehreren Gebäuden angewendet. Hierdurch sollen Generalisierungsmöglichkeiten gefunden werden, durch die das Trainieren bei neuen Gebäuden schneller erfolgen kann. Das Alleinstellungsmerkmal der Projektidee ist die Symbiose der Algorithmenentwicklung und ihre unmittelbare Validierung im Praxiskontext. Der Arbeitsschwerpunkt für Green Fusion liegt hierbei in der Entwicklung einer modularen Simulationsbibliothek des Energiesystems im Gebäude sowie der Anbindung der Objekte an die Kommunikationsschnittstelle durch die Cloud.