AI4CITIES – Entwicklung einer IoT-basierten Plattform zur Überwachung von Fernwärmestationen

Im EU-finanzierten Projekt »AI4Cities« kommen führende europäische Städte wie Amsterdam, Helsinki oder Stavanger zusammen, um gemeinsam nach Lösungen auf Basis künstlicher Intelligenz (KI) zur Dekarbonisierung im Bereich Mobilität und Energie zu suchen. Dabei ist Fernwärme für viele Städte eine zentrale Säule in ihrer Dekarbonisierungsstrategie. Durch eine kontinuierliche und automatisierte Überwachung der Fernwärmeübergabestationen kann ein energieeffizienter und wirtschaftlicher Betrieb der Fernwärmenetze gesichert werden. Mithilfe der Softwarelösung der Fa. Symvio, die im AI4CITIES Projekt gemeinsam mit dem Fraunhofer ISE entwickelt wird, können Energieversorgungsunternehmen und Kunden wie technische Stadtverwaltungen den Betrieb ihrer Fernwärmeanschlüsse besser überwachen und optimieren und damit den Energieverbrauch reduzieren und CO₂ einsparen.

Das Projekt AI4Cities zielt darauf ab, KI zu nutzen, um Europas Städte nachhaltiger zu machen. Helsinki, Amsterdam, Kopenhagen, Paris Region, Stavanger und Tallinn suchen derzeit zusammen mit 20 Konsortien aus Startups und Forschungseinrichtungen nach Lösungen, um ihre Mobilitäts- und Energiebereiche klimaneutraler zu gestalten. Für viele Städte ist dabei die Fernwärme eine zentrale Technologie da sie die Erzeugung einer dekarbonisierten Wärme ermöglicht. Doch ein effizienter Betrieb der dezentralen Fernwärmeübergabestationen ist zwingend notwendig, um Fernwärmenetze energetisch und wirtschaftlich optimal zu betreiben. In typischen Fernwärmenetzen wird heute zwar die Wärmeerzeugung mit modernen Automationssystemen geregelt, gesteuert, überwacht und optimiert doch mangelt es oft an Transparenz hinsichtlich des Betriebs der dezentralen Übergabestationen in den Gebäuden selbst. Unentdeckte Fehler und suboptimale Regelungsstrategien führen in vielen Fällen zu einer Degradation der Energieeffizienz und zu einer verschlechterten Wirtschaftlichkeit für die Energieversorgungsunternehmen und den Endkunden. Beispielweise verursachen zu hohe Rücklauftemperaturen aus den Fernwärmeübergabestationen zu Wärme- und Effizienzverluste in der Wärmeverteilung bzw. -erzeugung. Um diese Defizite zu adressieren entwickeln die Symvio SARL und das Fraunhofer ISE im AI4CITIES Projekt eine IoT- und KI-basierte Lösung zusammen, um Betreiber und Kunden von Fernwärme dabei zu unterstützen, Probleme in ihrem Netz effizienter und schneller zu erkennen und zu priorisieren. Im Fokus liegt die Überwachung von Fernwärmeübergabestationen, die im Projekt zunächst mit einem neuartigen IoT-basierten Datenlogger messtechnisch erfasst werden sollen. Die so generierten Daten werden anschließend mit einer patentierten KI-Lösung zur Fehlererkennung und Diagnose in einem Softwaretool analysiert. Damit wird der aktuelle Status von Fernwärmeübergabestationen transparent, die Betreiber und Kunden können datengesteuerte Entscheidungen treffen und der CO₂-Ausstoß wird reduziert.

Die durch das Fraunhofer ISE und Symvio entwickelte Lösung nutzt ein patentiertes KI-Verfahren, um kontinuierlich und zeitnah Fehler in Fernwärmeübergabestationen auf Basis von Zeitreihendaten aus Sensoren, Zählern und Aktoren zu erkennen und zu identifizieren. Heute verfügt Symvio über einen ersten Prototyp, der in der ersten Phase von AI4CITIES entwickelt und getestet wurde. Dabei hat das Fraunhofer ISE im Auftrag von Symvio die Algorithmen für den Einsatz in Fernwärmenetzen angepasst. In der zweiten Phase wird das Tool anhand der Vorgaben und Randbedingungen der AI4CITIES Städte unter realen Betriebsbedingungen weiterentwickelt und getestet. Wichtig ist vor allem die Entwicklung einer überzeugenden Benutzeroberfläche, damit das Tool auf breite Akzeptanz stößt. Weiterhin wird das IoT-Gerät in Phase 2 implementiert und getestet werden, damit alle Komponenten schließlich zusammengeführt werden können. Am Ende des Projekts zielt Symvio mit Fraunhofer ab, die entwickelte Lösung in mehreren Städten einzuführen und ihre Skalierbarkeit und Effektivität hinsichtlich der CO2-Einsparungen zu demonstrieren.