Fernwärmenetz — Lecks effektiver lokalisieren
Der Aufwand, in undichten Fernwärmeleitungen das Leck zu finden, ist besonders in erdverlegten Systemen sehr zeitraubend und kostspielig. Um Leckagen schneller lokalisieren zu können, nutzt die Ostfalia Hochschule für angewandte Wissenschaften in Wolfenbüttel mit drei weiteren Kooperationspartnern künstliche Intelligenz und die vorhandenen Sensoren im Fernwärmenetz. Auf dieser Basis entwickelt das Forschungsteam ein intelligentes Analyseverfahren.
Fernwärme versorgt Kunden mit warmem Wasser und Energie zum Heizen. Um ressourcenschonend und nachhaltig zu agieren, darf beim Transport des Mediums vom Kraftwerk zum Verbraucher kein Wasser oder Wasserdampf verloren gehen. Allerdings treten innerhalb der Rohrleitungen gelegentlich Leckagen auf. Der Verlust des Transportmediums kann zwar für einen gewissen Zeitraum über Nachspeisung kompensiert werden, bei einem zu großen Verlust muss aber das gesamte Netz abgeschaltet werden. Um Lecks schneller lokalisieren zu können, setzt die Ostfalia Hochschule in Kooperation mit den Stadtwerken München, der Uni Bremen und der Uni Magdeburg verschiedene Verfahren der künstlichen Intelligenz ein.
Im Fernwärmenetz wird idealerweise nur das von der Leckage betroffene Gebiet abgetrennt. Aktuell werten dafür Mitarbeitende die Nachspeisemenge aus und trennen das Sperrgebiet manuell ab. Ziel des Verbundvorhabens ist es, noch genauere Ergebnisse zu erhalten, um Leckagen effektiver zu lokalisieren. „Für die zu entwickelnden Verfahren ist es vorteilhaft, neben der Nachspeisemenge auch die bereits vorhandenen Druck- und Durchflusssensoren zu nutzen. Herausfordernd hierbei ist, dass die Sensoren aktuell nicht gleichmäßig im Netz verteilt sind und sie unterschiedliche Reaktionszeiten aufweisen“, erklärt von Seiten der Ostfalia Projektleiter Prof. Dr. Frank Klawonn.
Aus einer Leckage resultieren Druckwellen, die sich mit etwa Schallgeschwindigkeit durch das gesamte Fernwärmenetz ausbreiten. Wissenschaftlerinnen und Wissenschaftler der Ostfalia wenden hierfür verschiedene Methoden der Datenanalyse an, zum Beispiel Zeitreihen- und Korrelationsanalyse. Anhand der Messdaten können sie den Zeitpunkt des Druckeinbruchs ermitteln und damit den Ort des Leck sehr schnell eingrenzen. Um nun den Ort der Leckage möglichst genau treffen, entwickeln sie komplexe Verfahren der künstlichen Intelligenz, die sowohl die Ausbreitung der Druckwelle als auch den stationären Zustand auswerten. Da aufgrund weniger echter Leckagen auch nur wenige Daten zu Analysezwecken vorliegen, stellt das Training der Modelle eine Herausforderung dar, was das Forschungsteam durch Simulation erfolgreich löst.
