Präzisere Wärmeprognosen dank neuer Technik

Eine große Herausforderung für Fernwärmebetreibende ist oftmals die Prognose der benötigten Wärmeleistung in den Netzen. Oft werden laut Forschenden des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung, Angewandte Systemtechnik (IOSB-AST) nur einfache Einspeiseprognosen für die Kraftwerke verwendet, die den tatsächlichen Wärmebedarf nur unzureichend erfassen und die Flexibilitäten des Wärmenetzes nicht ausreichend berücksichtigen. Mit neuen Prognoseansätzen wollen sie die komplexe Dynamik in den Netzen künftig berücksichtigen und so Prognosegüte erhöhen, teilte das IOSB-AST am 21. Januar mit.

Im Auftrag der „TEAG Thüringer Energie AG“ haben Forschende des Fraunhofer IOSB-AST nach eigenen Angaben nun deutliche Fortschritte bei der Fernwärmeprognose erzielt. Kernstück ist dabei eine smarte Datenvorverarbeitung in Kombination mit Methoden der künstlichen Intelligenz, die auf dem Long-Short-Term-Memory-Verfahren (LSTM) basieren. Dabei wird das Verbrauchsverhalten innerhalb des Wärmenetzes nicht direkt gemessen, sondern aus verfügbaren Metadaten, beispielsweise Messwerten an einzelnen Knotenpunkten, angelernt. „Das Speicherpotenzial des Wärmenetzes kann dann optimal für eine vorausschauende Fahrweise der Erzeugungseinheiten genutzt werden, um beispielsweise die Day-Ahead-Stromvermarktung zu verbessern oder den Ressourceneinsatz zu reduzieren“, schreibt das Forschungsinstitut.

Solche genauen Prognosen werden wichtiger: Zum einen müssen bestehende Wärmenetze bis 2040 einen Anteil von 80 Prozent erneuerbarer Energien und unvermeidbarer Abnahme erreichen − für neue Wärmenetze sind bereits ab März dieses Jahres 65 Prozent Pflicht. Zum anderen werden Wärmenetze mit jeder neuen Komponente, etwa dezentralen Großwärmepumpen oder KWK-Anlagen, komplexer. Umso wichtiger wird die Betrachtung der Kosten- und Erlösseite, insbesondere der Stromvermarktung, glauben die Forschenden des Fraunhofer IOSB-AST.