Digital technologies hold the potential to make the entire energy system more efficient, reliable and intelligent. For district heating utilities, one of the areas that hold the most potential is distribution. Characterised by being closely linked to consumer behavior and energy performance of buildings, this area represents enormous operational costs and long-term investments – but it requires the right tool for the job.

Kamstrup’s new analytics tool, Heat Intelligence, combines heat meter data with a digital GIS model of the pipe network to provide the basis for a data-driven model of how temperatures and flow spread throughout the distribution network.

The following three examples from collaborations with our customers show how utilities can utilise this new level of transparency to tackle three common challenges and optimise their distribution.

Beispiel 1: Lokalisierung von Leckagen

Leckagen im Verteilnetz verursachen Wärmeverluste und können im Laufe der Zeit die Leitungen beschädigen. Dank Heat Intelligence können Sie mit dem Datensatz des Modells Leckagen durch die Identifizierung von auffälligen Temperaturabweichungen genau orten.

In Abbildung 1 hat Heat Intelligence mehrere auffällige Temperaturen erkannt (rote und blaue Punkte). Dort weichen die von den Zählern gemessenen Temperaturen signifikant von den vorhergesagten Temperaturwerten ab. Eine große Leckage beeinflusst alle Zählermessungen an Stellen, die sich ablaufseitig von dieser Leckage befinden. Auf diese Weise kann die Leckage in der Nähe des in der Abbildung angegebenen Punkts lokalisiert werden.

Beispiel 2: Identifizierung von Bypässen

Heat Intelligence ermöglicht es Ihnen, Verluste aufgrund von Bypässen im Verteilnetz zu erkennen. In Abbildung 2 geben die roten Punkte an, wo laut den Vorhersagen von Heat Intelligence die gemessene Temperatur von der erwarteten Temperatur abweicht. Diese Abweichungen nehmen entlang der Ablaufrichtung zu.

Somit lässt sich ableiten, dass es nahe dem letzten Verbraucher in einer Zubringerleitung eine Zirkulation (C) gibt. Anhand einer Schätzung der von der Zirkulation verursachten Durchflussmenge sind Sie anschließend in der Lage, die Effizienz der Zirkulation zu steuern und zu evaluieren.

Beispiel 3: Erkennung von stationärem Durchfluss

Ringe im Netzwerk können stationären Durchfluss verursachen, was zu Problemen mit sehr niedrigen Versorgungstemperaturen führen kann, die Ihre Versorgungsqualität beeinträchtigen. Mit Heat Intelligence können Sie Regionen im Verteilnetz mit einem hohen Risiko für stationären Durchfluss identifizieren. Dazu werden Zählermessungen genutzt, um den ein- und ausgehenden Durchfluss in den Netzwerkringen sowie die Temperaturen in ihrer Umgebung zu untersuchen.

Wie optimieren Sie Ihr Verteilnetz?

Wollen Sie mehr über Datenanalysen für Ihr Versorgungsunternehmen erfahren?

Erfahren Sie mehr über unser Analyse-Tool Heat Intelligence hier.