Drei Praxisbeispiele für datengetriebene Verteilungsoptimierung
Erfahren Sie, wie Versorgungsunternehmen mit Heat Intelligence häufige Probleme bewältigen und ihre Verteilung optimieren
Digitale Technologien haben das Potenzial, das gesamte Energiesystem effizienter, zuverlässiger und intelligenter zu gestalten. Für Fernwärmeversorger birgt insbesondere der Bereich der Verteilung großes Potenzial. Er ist eng mit dem Verbraucherverhalten und der Energieeffizienz von Gebäuden verbunden und stellt enorme Betriebskosten und langfristige Investitionen dar – jedoch erfordert er das richtige Werkzeug für die Aufgabe.
Kamstrups neues Analysetool, Heat Intelligence, kombiniert Wärmemessdaten mit einem digitalen GIS-Modell des Rohrnetzes, um die Grundlage für ein datenbasiertes Modell zu schaffen, wie sich Temperaturen und Fluss im gesamten Verteilnetz ausbreiten.
Die folgenden drei Beispiele aus Kooperationen mit unseren Kunden zeigen, wie Versorgungsunternehmen dieses neue Maß an Transparenz nutzen können, um drei gemeinsame Herausforderungen zu meistern und ihre Verteilung zu optimieren.
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

Wie optimieren Sie Ihr Verteilnetz?
Wollen Sie mehr über Datenanalysen für Ihr Versorgungsunternehmen erfahren?
Erfahren Sie mehr über unser Analyse-Tool Heat Intelligence hier.

Autor
Head of Product Management - Lösun…
Steen ist Head of Product Management für Wärme- und Kältezählerlösungen. Er arbeitet seit mehr als 15 Jahren bei Kamstrup.