Fernwärme: Mit künstlicher Intelligenz Spitzenlasten reduzieren

Die Spitzenlasten in Fernwärmenetzen können um bis zu ein Drittel gesenkt werden. Dies haben Wissenschaftler vom Austrian Institute of Technology (AIT) nachgewiesen. Zum Einsatz kamen dabei Methoden der künstlichen Intelligenz.

Mit intelligenter Steuerung der Wärmenutzung in Fernwärmenetzen kann die Spitzenlast deutlich gesenkt werden. Dies haben Wissenschaftler des Austrian Institute of Technology (AIT) in Modellberechnungen nachgewiesen. „Unsere Berechnungen zeigen, dass die Spitzenleistungen durch gute Planung um bis zu 35 Prozent reduziert werden können, ohne dass der Komfort der Nutzer leidet“, erklärt Ralf-Roman Schmidt, Wissenschaftler des AIT.

Während eines Tages gibt es normalerweise zwei Spitzenzeiten im Wärmeverbrauch: Morgens, wenn viel warmes Wasser verbraucht wird und Klimaanlagen anlaufen, und abends, wenn Menschen von der Arbeit nach Hause kommen. Die Fernwärmekapazität muss für die Bedürfnisse dieser Spitzenstunden ausgelegt werden, und die Bereitstellung der Höchstleistung ist sehr teuer.

Die in Häusern gespeicherte Wärme nutzen

Validiert haben die Wissenschaftler des AIT ihre Berechnung durch Anwendung der von ihnen entwickelten Modelle auf das gesamte Fernwärmenetz einer Kleinstadt in der Nähe von Salzburg. Im effizientesten Modell wurden Häuser, die strukturell hierfür geeignet sind, vor der Wärmebedarfsspitze am Morgen auf passende Werte geheizt. Während der Spitze wurde die Heizungsleistung reduziert. Aufgrund der gespeicherten Wärme blieb die Temperatur der Häuser während der höchsten Verbrauchsspitze für die Verbraucher angenehm. Im Fernwärmenetz von Altenmarkt im Pongau dauert diese Spitzenzeit etwa eine Stunde.

Finnisches Modell nutzt künstliche Intelligenz

Im eingesetzten Modell wird die Nachfrageelastizität zentral gesteuert. Die Heizung des gesamten Hauses wird dabei entweder von der Fernwärmegesellschaft oder von der Hausverwaltung so gesteuert, dass die Spitzenzeiten entlastet werden. Solche Systeme, die auf der Anwendung künstlicher Intelligenz basieren, sind in Finnland bereits im Betrieb und werden unter anderem von dem Unternehmen Leanheat entwickelt.

„Unsere künstliche Intelligenz kann voraussehen, wann im Fernwärmenetz Spitzenleistungen gebraucht werden, und sorgt so vor“, sagt Jukka Aho, Geschäftsführer von Leanheat. „Durch die Nutzung künstlicher Intelligenz werden die Wohnungen zum Beispiel um ein halbes Grad mehr aufgeheizt, bevor viel Leistung für die Bereitstellung von Warmwasser zum Beispiel zum Duschen benötigt wird. In dieser Zeit kann dann die Heizleistung reduziert werden. Anschließend erkennt das Modell, dass wieder mehr Heizleistung benötigt wird.“ Dabei wir die Raumtemperatur durch Sensoren in der Wohnung ständig zentral erfasst. So kann das System sicherstellen, dass in den Wohnungen immer eine angenehme Temperatur vorherrscht“, betont Aho.