Lastprognosen für Fernwärme mit Künstlicher Intelligenz

Energietechnik
Digitalisierung
Nutzung

Auch in Fernwärmenetzen gilt die bewährte Regel, dass das Angebot der Nachfrage entsprechen sollte. Die Prognosen von Lastverläufen in Fernwärmenetzen hängen natürlich primär von der Außentemperatur ab, aber auch viele weitere Faktoren spielen eine Rolle, wie Uhrzeit, Wochenenden oder Feiertage. Im Forschungsprojekt KWK-Flex wurde an der Hochschule Kempten ein Lastprognoseverfahren entwickelt, das auf maschinellen Lernverfahren der Künstlichen Intelligenz (KI) beruht. Dabei werden Muster in den Lastgängen erkannt, ohne dass die verursachenden Parameter oder Messdaten einzelner Verbraucher explizit bekannt sein müssen. Die genauere Prognose führt zu Einsparungen von Kohlendioxid und Kosten, da die Anlagen zur Wärmeversorgung verlustärmer eingesetzt werden können als zuvor. Das KI-basierte Lastprognoseverfahren ist bereits in der Praxis validiert, optimiert und patentiert worden.

Kontakt

Bei Fragen zum Thema „Innovationsradar“ helfen wir Ihnen gerne weiter.

Tel.: +49 (0)30 2759506-505

E-Mail: zre-industrie@vdi.de