„nachhaltige technologien 03 | 2022"

om berühmten Philosophen Immanuel Kant ist das Zitat überliefert „Gedanken ohne Inhalt sind leer, Anschauungen ohne Begriffe sind blind“. Damit ver- deutlichte er, dass Wissen erst durch die Verbindung von Sinnlichkeit und Verstandestätigkeit zustande kommt. In eine moderne technische Sprache über- setzt könnte man sagen, dass die Generierung von Know-how immer eine Kombination von belastbaren Daten und validen Berechnungsmethoden voraussetzt. Datengetriebene Methoden zur Optimierung des Netzbetriebs Das laufende Sondierungsprojekt EnableDigitalDH setzt sich mit der Verknüpfung von Daten und Berech- nungsmethoden im Fernwärmesektor auseinander. AEE INTEC und das Forschungszentrum Know-Center, arbeiten in diesem Projekt interdisziplinär zusammen. Durch die verstärkte Vernetzung von erneuerbaren Energieträgern, Speichern, Gebäuden und Prosumern sowie der Koppelung des Wärme- und Stromsektors in Fernwärmenetzen der 4. Generation steigen die Anforderungen an eine effiziente, flexible und zuver- lässige Betriebsführung [1] . Datengetriebene Analyse-, Prognose- und Fehlerdetektionsmethoden bieten vielfältige Möglichkeiten zur Optimierung des Netz- betriebs. Ein typischer Anwendungsfall ist die Verbes- serung von Lastprognosen, um Lastspitzen zu antizi- pieren und nachfrageseitige Maßnahmen zu setzen (Demand Side Management) und die Einsatzreihen- folge von Erzeugern vorrausschauend zu planen (Load Side Management) [2] . Dafür kommen Machine Lear- ning Techniken wie Neuronale Netzwerke, Support Vector Machine oder regressionsbasierte Verfahren zum Einsatz, die wissenschaftlich gut erforscht und validiert sind. Verfügbare Datenbasis Die Anwendung dieser Techniken setzt Daten in einer entsprechenden Qualität voraus. Neben Betriebsda- ten von Erzeuger- und Netzseite sind für Fernwärme- netze auf Kundenseite oft zeitlich hochaufgelöste Daten von Wärmeübergabestationen vorhanden, die kontinuierlich an den Netzbetreiber übermittelt werden. Diese umfassen die auf den Regler aufge- schalteten Messkanäle wie Leistung, Volumenstrom, Temperaturen und Ventilstellungen. Pro Wärmeüber- gabestation werden bis zu 50 Kanäle und für das gesamte Netz oft mehrere tausend Datenpunkte aufgezeichnet. Diese Datenbasis kann aufgrund mangelnder Daten- qualität oftmals nicht für die datengetriebene Opti- mierung verwendet werden. Reale Messdaten sind nie perfekt. In der Praxis führen der partielle Ausfall von Sensoren oder Probleme bei Aufzeichnung, Speiche- rung und Übertragung zu fehlenden Aufzeichnungsin- tervallen, physikalisch unplausiblen Werten, Ausrei- ßern, Duplikaten oder sonstigen Anomalien. Bei schlechter Datenqualität liefern datengetriebene Methoden keine oder verzerrte Ergebnisse. Ein im Rahmen des Projekts durchgeführter Review von 69 wissenschaftlichen Papers zeigte, dass 80 Prozent der Publikationen über Fernwärmeanwendungen Mess- daten verwenden (20 Prozent verwenden Simulations- daten), wovon 49 Prozent über Probleme mit Messda- ten berichten. Für die Detektion von Ausreißern V Verbesserung der Datenqualität als Missing Link für die Digitalisierung der Fernwärme Marnoch Hamilton-Jones, Daniel Tschopp, Basak Falay, Lorenz Leppin Foto: iStock