28. 01. 2021
Verfasst von: Kai Vahldiek
Fernwärmenetz – Lecks effektiver lokalisieren
Der Aufwand, in undichten Fernwärmeleitungen das Leck zu finden, ist besonders in erdverlegten Systemen sehr zeitraubend und kostspielig. Um Leckagen schneller lokalisieren zu können, nutzt die Ostfalia Hochschule in Wolfenbüttel mit drei weiteren Kooperationspartnern künstliche Intelligenz und die vorhandenen Sensoren im Fernwärmenetz. Auf dieser Basis entwickelt das Forschungsteam ein intelligentes Analyseverfahren.
Analyse und intelligente Auswertung von Sensordaten
Fernwärme versorgt Kunden mit warmem Wasser und Energie zum Heizen. Um ressourcenschonend und nachhaltig zu agieren, darf beim Transport des Mediums vom Kraftwerk zum Verbraucher kein Wasser oder Wasserdampf verloren gehen. Allerdings treten innerhalb der Rohrleitungen gelegentlich Leckagen auf. Der Verlust des Transportmediums kann zwar für einen gewissen Zeitraum über Nachspeisung kompensiert werden, bei einem zu großen Verlust muss aber das gesamte Netz abgeschaltet werden. Um Lecks schneller lokalisieren zu können, setzt das Institut für Information Engineering der Ostfalia Hochschule mit drei weiteren Kooperationspartnern verschiedene Verfahren der künstlichen Intelligenz ein.
Sensordaten zur Leckagelokalisierung nutzen
Im Fernwärmenetz wird idealerweise nur das von der Leckage betroffene Gebiet abgetrennt. Aktuell werten dafür Mitarbeitende die Nachspeisemenge aus und trennen das Sperrgebiet manuell ab. Ziel des Verbundvorhabens ist es, noch genauere Ergebnisse zu erhalten, um Leckagen effektiver zu lokalisieren. Für die zu entwickelnden Verfahren ist es vorteilhaft, neben der Nachspeisemenge auch die bereits vorhandenen Druck- und Durchflusssensoren zu nutzen. Herausfordernd hierbei ist, dass die Sensoren aktuell nicht gleichmäßig im Netz verteilt sind und sie unterschiedliche Reaktionszeiten aufweisen.
Datenanalyse und Simulation
Aus einer Leckage resultieren Druckwellen, die sich mit etwa Schallgeschwindigkeit durch das gesamte Fernwärmenetz ausbreiten. Wissenschaftlerinnen und Wissenschaftler der Ostfalia Hochschule wenden hierfür verschiedene Methoden der Datenanalyse an, zum Beispiel Zeitreihen- und Korrelationsanalyse. Anhand der Messdaten können sie den Zeitpunkt des Druckeinbruchs ermitteln und damit das Leck frühzeitig erkennen. Um nun den Ort möglichst genau einzugrenzen, entwickeln sie komplexe Verfahren der künstlichen Intelligenz, die den stationären Zustand auswerten und die Leckage lokalisieren. Da aufgrund weniger echter Leckagen auch nur wenige Daten zu Analysezwecken vorliegen, stellt das Training der Modelle eine Herausforderung dar, was das Forschungsteam durch Simulation erfolgreich löst.
Hier finden Sie weitere Informationen:
Projektpartner:
Ostfalia Hochschule, Wolfenbüttel
Ostfalia Hochschule, Wolfenbüttel
Ostfalia Hochschule, Wolfenbüttel
Ostfalia Hochschule, Wolfenbüttel
38302 Wolfenbüttel
38302 Wolfenbüttel