Thema:
Abschlussvortrag zum Forschungsvorhaben „deepDHC“ - deep learning for district heating and cooling

Referenten:
M. Eng. Christian Pressa und Prof. Dr.-Ing. Matthias Finkenrath, Hochschule Kempten

Inhalt/Programm:
Eine klimafreundliche Fernwärmeversorgung kann einen wichtigen Beitrag leisten, um in Deutschland die Klimaziele und eine weitgehende Treibhaus­gas­neutralität zu erreichen. Für den Betrieb von Fernwärmnetzen ist dabei die genaue Vorhersage des zu erwartenden Fernwärme­bedarfs eine zentrale Randbedingung, auf deren Basis anschließend ein ökonomischer und emissionsarmer Anlagenbetrieb geplant werden kann. Moderne maschinelle Lernverfahren sind in der Lage, diese gewünschten hochgenauen Wärme­lastprognosen bereitzustellen.

Der Vortrag demonstriert die Leistungsfähigkeit dieser Lernverfahren anhand konkreter Anwen­dungs­beispiele. Dazu werden die zur Erstellung der Prog­nosen benötigen Betriebs- und Wetterdaten sowie erforderliche Datenauf­bereitungs­schritte erläutert. Zudem werden unter­schied­­liche maschinelle Lernverfahren – von einfachen Entschei­dungs­bäumen bis hin zu anspruchsvollen Verfahren aus dem Bereich des sogenann­ten „Deep Learning“ (z.B. LSTM, TFT) – vorgestellt und in Bezug auf ihre Vorhersage­ge­nauig­keit und Anwenderfreundlichkeit bewertet.

Abschließend wird ein Web-Interface gezeigt, über das die Lastprognosen im voll­auto­mati­sierten Dauerbetrieb Fernwärmebetreibern zur Verfügung gestellt werden konnten. Für zukünftige Anwendungen wurde zudem ein Pro­grammier­code und Beispieldatensatz zur Erstellung von Wärmelastprognosen erstellt und zur freien Verfügung veröffentlicht. Die vorgestellte Methode bietet erhebliche Einsparpotenziale für den Anlagenbetreiber. Sie ist zudem auch auf andere Branchen mit ähnlichen zeitabhängigen Zielgrößen übertragbar.

Datum & Uhrzeit:
Dienstag, den 13.06.2023, von 13:30 bis 14:30 Uhr

Raum:
Hörsaal S0.15 (Gebäude S) an der Hochschule Kempten (Bahnhofstr. 51, 87435 Kempten)

Hintergrund:
Die Hochschule Kempten forscht seit 2016 mit den Projektpartnern Fernwärme Ulm GmbH, ZAK Energie GmbH und dem Fernwärmespitzenverband AGFW zum Thema Digitalisierung in der Fernwärme und der Erstellung von Lastprognosen auf Basis maschineller Lernverfahren. In diesem Vortrag werden die Ergebnisse des seit 2020 laufenden Forschungsvorhabens „deepDHC“ präsentiert (siehe auch deepDHC.de).

Zielgruppe:
Studierende, Hochschulangehörige, interessierte Öffentlichkeit

Anmeldung zur parallelen Online-Übertragung:
Zur Teilnahme an der Online-Übertragung ist eine einmalige Registrierung erforderlich: .