Digitalisering i fjernvarmen bidrager til 2030-mål

tirsdag 06 okt 20

Kontakt

Henrik Madsen
Professor, Sektionsleder
DTU Compute
45 25 34 08

Dynamisk datadrevet fjernvarmedrift

  • Teknologien anvender AI (kunstig intelligens) til at bearbejde data og forudsige (forecast) varmebehov, pumpebehov og temperatur på ’kritiske’ steder i fjernvarmenettet, hvor temperaturen er lavest.
  • Ud fra vejrudsigter og lokale målestationer foreslår systemet en starttemperatur. Systemet sender realtidsdata for temperaturen i nettet, kritiske steder, varmeforbruget hos slutbrugeren og vejr tilbage. Temperaturen og trykket reguleres i rørene. Systemet agerer efter de lokale forhold og lærer nettet at kende på en til tre måneder.
  • Data kan identificere potentielle fejl og brud.
  • Forskerne i CITIES og andre DTU-ledede projekter arbejder også med styring af varmepumper efter CO2-baserede elpriser, så produktionen øges, når strømmen er grøn.

 

Kilde: Rapporten 'Potentialet ved dynamisk datadrevet temperaturregulering i fjernvarmesektoren' fra Damvad Analytics, Grøn Energi og CITIES

Det sparer penge og CO2, når fjernvarmesektoren styrer temperaturen med data og lokale vejrudsigter i stedet for tegninger af ledningsnettet og mavefornemmelser.

1,7 mio. husstande i Danmark (ca. 64 procent) bliver opvarmet med fjernvarme, der løber gennem 60.000 kilometer fjernvarmenet. Rejsen fra fjernvarmeværket til radiatorerne tager typisk flere timer, og derfor skal varmebehovet kunne forudsiges.

Man skal ikke skrue mere op for varmeproduktionen end nødvendigt, for det koster penge og er energispild, ligesom temperaturtabet i rørene er større ved højere temperaturer. Samtidig skal vandet være tilstrækkelig varmt på de såkaldt kritiske punkter i udkanten af ledningsnettet. Så det er en videnskab at styre fjernvarmeproduktionen optimalt.

På DTU Compute arbejder professor Henrik Madsen og hans kolleger med datadrevet energi- og temperaturoptimering. Flere forskningsprojekter viser, at digitalisering forbedrer prognosen for varmebehovet og tilmed letter vejen til Danmarks 2030-klimamål.

En undersøgelse, som Damvad Analytics har lavet sammen med Danmarks største smart city-projekt, CITIES, ledet af netop Henrik Madsen samt tænketanken Grøn Energi under Dansk Fjernvarme, viser, at fjernvarmesektoren kan spare mellem 240 og 790 mio. kr. ved at indføre datadrevet temperaturregulering af fremløbstemperaturen, fordi temperaturen kan sænkes tre til ti grader. Lavere temperatur sparer også CO2, ligesom varmetabet i nettet mindskes.

”Der er store potentialer ved at gå fra erfarings- og simulationsbaseret styring ud fra tegninger af ledningsnettet til datadynamisk optimering af fjernvarmen. Vores projekter viser, at når fremløbstemperaturen er baseret på flere her og nu-datakilder, herunder vejrdata fra lokale målestationer, optimerer vi produktionen og accelererer den grønne omstilling,” siger Henrik Madsen.

Lavere varmepriser

Svebølle Viskinge Fjernvarmeselskab med 535 husstande er et af de forsyningsselskaber, der har øget digitaliseringen. Siden oktober 2019 har fjernvarmeselskabet i Nordvestsjælland benyttet bearbejdede data fra DTU-spinoutfirmaet ENFOR til optimal styring af fremløbstemperaturen.

På få måneder har man kunnet sænke fremløbstemperaturen med over 20 grader. Hvor temperaturen før lå på 80,9 grader, blev den først sænket til 68,1 grader, hvorefter den kunne sænkes yderligere til 60 grader. Det giver en anslået besparelse på mindst 550 MWh og en reduktion på 110.000 kr. i årlige produktionsomkostninger. Man regner med på sigt at sænke varmetabet i nettet til under 30 procent, og at varmeprisen falder med 47 procent i perioden 2015- 2025. Inden Svebølle Viskinge Fjernvarmeselskab gik over til datadrevet drift, benyttede man såkaldt simulationsbaseret drift baseret på viden om fjernvarmenettet, erfaring og kun lidt forecast.

"Dengang kørte vi lidt med bind for øjnene, fordi vi ikke vidste, hvordan det reelt stod til med temperaturen i fjernvarmenettet. Vi havde slet ikke forestillet os, at digitalisering kunne blive så stor en gevinst."
Svend Müller, bestyrelsesformand for Svebølle Viskinge Fjernvarmeselskab

”Dengang kørte vi lidt med bind for øjnene, fordi vi ikke vidste, hvordan det reelt stod til med temperaturen i fjernvarmenettet. Vi havde slet ikke forestillet os, at digitalisering kunne blive så stor en gevinst,” siger Svend Müller, bestyrelsesformand for fjernvarmeselskabet.

Selve det digitale setup er en simpel og billig IoT-løsning til temperaturmåling. IoT står for ’Internet of Things’ og betyder teknologi, der forbinder ting på internettet.

Fjernvarmeselskabets løsning er udviklet lokalt af Svend Müller og energiselskabet SEAS-NVE og består af batteridrevne temperaturmålere, der er sat ned i to ventilbrønde i fjernvarmenettet. Hvert femte minut videresender målerne data, så man hele tiden har styr på temperaturen i nettet. Samtidig bliver forbrugsdata fra alle 535 fjernaflæste målere i de enkelte husstande vist på et kort; et dashboard udviklet sammen med ingeniørvirksomheden ABB, så man har et fuldt overblik.

Forbedret varmeprognose

I et andet projekt, IDASC, samarbejder DTU Compute med bl.a. HOFOR om at digitalisere varmeforsyningen i bydelen Tingbjerg i København. Her er 25 boligblokke forbundet til samme varmeveksler, så området i praksis fungerer som et isoleret fjernvarmenet. Ved hjælp af feedback fra smartmetermålere, som er installeret i bygningerne og automatisk sender forbrugsdata fra slutbrugerne til forsyningsselskabet, arbejder man på at finde den optimale temperatur og det optimale flow i systemet i jagten på at sænke fremløbstemperaturen og spare CO2 og penge.

”Det er et lille demonstrationsprojekt, men det vil give andre fjernvarmeselskaber og HOFOR en idé om, hvor store gevinster der kan være ved digitalisering og bedre udnyttelse af data,” siger ph.d.-studerende Hjörleifur G. Bergsteinsson.

Erfaringerne fra bl.a. IDASC-projektet viser, at man kan forbedre præcisionen på forudsigelsen af varmebehovet med ca. 40 procent ved at kombinere data opsamlet i realtid fra en lokal vejrstation og flere forskellige vejrudsigter.

De selvlærende og datadrevne metoder er velegnede til at inddele byer i temperaturzoner, og derved kan man finde yderligere besparelser, fortæller Henrik Madsen:

”F.eks. er fordampning fra store, grønne områder med til at holde temperaturen nede, mens udearealer dækket af asfalt holder på varmen, der forplanter sig til bygningerne. Så temperaturen kan sagtens være fem grader højere forskellige steder i byerne på grund af bygningerne, asfalten, maskinerne og menneskene.”

CITIES har udviklet flere state of the art-metoder, og eftersom resultaterne er blevet offentliggjort i forskellige videnskabelige tidsskrifter og på konferencer, spiller metoderne en vigtig rolle i udviklingen af ny software til fremtidens energisystem, mener Henrik Madsen:

”De fleste energiselskaber, store som små, vil kunne bruge vores erfaringer og løsninger.”

Forskningsprojektet CITIES

  • Danmarks største smart city-projekt CITIES – Centre for IT-Intelligent Energy Systems – forsker i effektive, integrerede og intelligente energiløsninger, der støtter overgangen fra fossile brændstoffer til bæredygtig energi.
  • CITIES’ metoder bygger på kunstig intelligens (AI) til at analysere store mængder data for at forudsige, kontrollere og optimere samspillet mellem energiformerne.
  • CITIES har 24 danske og svenske industrielle partnere og samarbejder med 15 internationale videninstitutioner fra EU, Korea og USA.
  • Innovationsfonden støtter CITIES.
  • CITIES slutter 31.12.2020. Flere smartenergiprojekter tager udgangspunkt i CITIES’ forskning, bl.a. Center Danmark, FED – Flexible Energy Denmark, HEATman, IDASC og Smart Cities Accelerator samt EU-projekterne SmartNet, Syn.ikia, eBalancePlus, TOP-UP og FLEXCoop.
  • CITIES holder slutkonference 9.-10. november 2020 på DTU.
https://www.fotonik.dtu.dk/nyheder/Nyhed?id=%7BA00FFB34-1775-4014-8A23-088795ACAEB3%7D
3 DECEMBER 2020