Detektion und Eingrenzung von Leckagen in Fernw?rmenetzen

Entwicklung eines Verfahrens zur Detektion und ?rtlichen Eingrenzung von Leckagen in Fernw?rmenetzen auf Basis eines numerisch analytischen Fernw?rmenetzmodells

Im Zuge der Energiewende spielt neben der Umstellung der Energieerzeugung auf erneuerbare Energien auch die effizientere Ausnutzung bestehender Versorgungsstrukturen eine nicht zu vernachl?ssigende Rolle. Insbesondere in der derzeitigen Phase der Umstellung k?nnen Bestandsanlagen als ?bergangstechnologie zur Stabilisierung der Energieversorgung beitragen. Fernw?rme und damit auch die dazu notwendigen W?rmeverteilnetze k?nnen speziell bei der W?rmeversorgung hier durchaus eine zentrale Rolle einnehmen. Zu den effizienzsteigernden Ma?nahmen bei Fernw?rmenetzen z?hlt neben der Absenkung der Vorlauftemperatur oder der Verwendung verbesserter Materialien zur thermischen Isolation auch der Schutz vor Ausfallsicherheit durch eine schnelle Erkennung und genaue Lokalisierung von Leckagen.

Bezüglich dieser Thematik wird im Rahmen eines vom Bundesministerium für Wirtschaft und Klimaschutz (BMWi) gef?rderten Forschungsvorhabens in Kooperation mit den Stadtwerken München (SWM) ein Verfahren entwickelt, welches auf Basis eines physikalisch-mathematischen Fernw?rmenetzmodells sowie vorhandener Messdaten Leckagen schnell und zuverl?ssig detektieren und anschlie?end lokalisieren soll. Das Verfahren wird anhand von Netzdaten realer Fernw?rmenetze des Projektpartners entwickelt und im produktiven Betrieb eingesetzt und getestet. Darüber hinaus erfolgt ein Abgleich mit anderen Ans?tzen zur Leckagedetektion und –lokalisierung, um Synergieeffekte zur Steigerung der Zuverl?ssigkeit und Genauigkeit zu identifizieren und nutzbar zu machen. Bei diesen Ans?tzen handelt es sich um ein Verfahren zur dynamischen Mustererkennung, das die von Leckagen induzierte Druckwelle auswertet und ein rein datengetriebenes Verfahren (Data Mining), das auf Basis von zuvor trainierten Datenmodellen den Netzzustand analysiert. Die Entwicklung dieser Verfahren erfolgt bei den Forschungspartnern des Instituts für Information Engineering (Ostfalia Hochschule Wolfenbüttel) sowie der Data & Knowledge Engineering Group (Otto-von-Guericke-Universit?t Magdeburg).