Regelstrategien
Ein besonderer Fokus liegt auf der Ausarbeitung und dem Vergleich unterschiedlicher Regelstrategien für thermische Netze. Es werden zentrale und dezentrale Regelansätze sowie deren Eignung für unterschiedliche thermische Netze untersucht (Topologien, Quellen, Bedarf, etc.). Dabei werden klassische regelungstechnische Ansätze ebenso wie modellbasierte, prädiktive und optimierungsbasierte Verfahren betrachtet. Die Regelstrategien zielen darauf ab, vorhandene Kapazitäten optimal zu nutzen, Energieverluste zu minimieren und dadurch die Kosten und Emissionen zu reduzieren. Oft spielt dabei die optimale Einbindung erneuerbarer Quellen sowie Speicher eine Schlüsselrolle.
Datenanalyse
Moderne Regelstrategien, insbesondere modellbasierte Regelstrategien, basieren zunehmend auf einer fundierten Datengrundlage für die Parametrierung der Modelle. Es werden Mess- und Betriebsdaten analysiert, zur Charakterisierung des Systemverhaltens, zur Identifikation von Verbesserungspotenzial und zur Ableitung geeigneter Regelparameter. Neben statistischen Auswertungen werden auch Machine Learning Methoden eingesetzt, um Zusammenhänge zwischen Betriebszuständen, Lastprofilen und Systemreaktionen sichtbar zu machen.
Monitoring
Ein kontinuierliches Monitoring erlaubt die Validierung neu entwickelter Regelstrategien. Ausserdem kann gezieltes Monitoring zur frühzeitigen Erkennung von Störungen oder ineffizienten Betriebszuständen beitragen. Monitoring dient nicht nur der Betriebsführung, sondern bildet auch die Grundlage für lernende und sich weiterentwickelnde Regelansätze.
Prognose
Vorausschauende Regelstrategien erfordern belastbare Prognosen. Es werden Methoden zur Vorhersage von Wärme- und Kältebedarf, Einspeisung aus erneuerbaren Quellen und anderer relevanter externer Parameter entwickelt. Prognosen ermöglichen prädiktive Regelungen, die thermische Speicher, flexible Erzeuger und gekoppelte Energiesysteme gezielt einsetzen und so den Gesamtbetrieb optimieren.
Durch die enge Verzahnung von Regelstrategien, Datenanalyse, Monitoring und Prognose werden ganzheitliche Betriebsoptimierungskonzepte entwickelt. Diese tragen dazu bei, thermische Netze effizient, resilient und zukunftsfähig zu betreiben und ihre Rolle als zentrale Infrastruktur der nachhaltigen Wärme- und Kälteversorgung weiter zu stärken.
DecarbCH – Dezentrale Speicher Steuerung
Im Rahmen des DeCarbCH Projekts wird eine neue Methodik zur Regelung dezentraler Speicher entwickelt. Der Regelungsansatz wird mit Hilfe eines vereinfachten physik-basierten Modells und Machine Learning Techniken trainiert. Die Performance der Regelstrategie wird in einer Simulation für ein reales Netz in Zürich untersucht. In diesem Fallbeispiel wird die Wärme von einer zentralen Wärmepumpe und einer Gasfeuerung zur Deckung der Spitzenlast bereitgestellt. Für das Szenario werden bei den Kunden dezentrale Heizspeicher angenommen. Das Ziel ist es, den fossilen Energieverbrauch zu reduzieren, indem die Spitzenlast der Kunden global koordiniert von den dezentralen Speichern gedeckt wird. Als Nebenziel soll die Wärmepumpe möglichst effizient betrieben werden, damit die Elektrizitätskosten reduziert werden können.
