Data-drevet diagnostik skal optimere energieffektiviteten i fjernvarmeanlæg

Funktionsfejl i fjernvarme-anlæg bremser fjernvarmeværkernes arbejde på at reducere driftstemperaturerne for at spare energi. Derfor skal et nyt projekt, ledet af Teknologisk Institut, forbedre energieffektiviteten af fjernvarmenetværk og bygninger. Projektet D4Heat vil på baggrund af varmemålerdata og fejlrapporter automatisk finde tekniske fejl i fjernvarmekundernes installationer, og dermed bane vejen for at sænke driftstemperaturen i fjernvarmenettet og derved spare energi.

Fejl i hver anden installation
Fjernvarmens Serviceordning, som er et samarbejde mellem Teknologisk Institut og brancheorganisationerne Tekniq Arbejdsgiverne og Dansk Fjernvarme, har gennemgået data fra over 60.000 servicebesøg i private hjem, og ved over halvdelen af besøgene viste der sig at være fejl i fjernvarmeinstallationerne.

- Det er et problem for forbrugerne og for samfundet, fordi energien så ikke bruges effektivt, siger projektleder Christina Kjær Langeland fra Teknologisk Institut, og fortsætter:

- Vi forventer, at de nye værktøjer vil føre til væsentlige energibesparelser i både fjernvarmenet og bygninger. Lavere driftstemperaturer reducerer varmetabet og øger effektiviteten i produktionen, og gør det samtidig lettere at opfylde målet om CO₂ neutralitet i 2030.

I Inspirationskatalog: Digitalisering og datadreven drift i danske fjernvarmeselskaber anslår Din Forsyning (Varde og Esbjerg) i samarbejde med Kamstrup, at en sænkning af den gennemsnitlige returtemperatur med 1°C i de 27.400 målere tilknyttet deres forsyning vil give en potentiel besparelse på én mio. kr. årligt i produktionsomkostninger og varmetab.

Potentialet alene for temperaturoptimering i fjernvarmenettene for hele Danmark estimeres til 700-800 mio. kr. årligt. FFH50-rapporten om Fremtidens Fjernvarme i Hovedstadsområdet vurderer værdien af lavtemperaturfjernvarme til at være 250 mio. kr. årligt.

Automatiserede værktøjer skal opdage fejl
Projektets fokus er udvikling og indførsel af automatiserede værktøjer til detektion og diagnosticering af fejl baseret på varmemålerdata og dataanalyse. De automatiserede værktøjer vil bruge machine learning og algoritmer til mønstergenkendelse. Et centralt element i projektet er at levere de nødvendige datasæt til at træne disse algoritmer, hvilket i øjeblikket identificeres som den største udfordring.

For at løse den udfordring vil man i projektet udvikle en standardiseret fejlrapport. Her skal indsamles store mængder ensartede diagnoserapporter gennem fysiske inspektioner af installationerne og supplere varmemålerdata med højfrekvente målinger, indeklimadata samt målinger på bygningssiden. Det vil sige energi brugt til varmt brugsvand og rumopvarmning.

Demonstration af metode
Den udviklede metode vil blive brugt både direkte af fjernvarmeforsyningerne i deres egne driftssystemer, samt af Kamstrup og Climify, som vil udvikle nye kommercielle løsninger rettet mod henholdsvis forsyninger og bygningsadministratorer og -ejere.

Der bliver udarbejdet en case for hver af disse målgrupper til at vise, hvordan de udviklede metoder bidrager til energieffektivisering. Derudover vil værktøjerne og træningsdatasættene blive gjort tilgængelige for andre professionelle som open source efter projektet.

Projektet gennemføres i samarbejde med følgende partnere:
Center Danmark, Aalborg Universitet, Kamstrup A/S, CLIMIFY ApS, Aalborg Forsyning, Billund Varmeværk, Frederiksberg Fjernvarme A/S, Kalundborg Varmeforsyning og DEAS,

D4Heat er støttet af Energistyrelsen, ’Energiteknologisk Udviklings- og Demonstrationsprogram’ (EUDP).  Projektet løber fra August 2024 til juli 2027.

Læs mere om projektet: https://eudp.dk/projekter/d4heat-data-drevet-diagnose-fjernvarmeinstallationer