Detektion und Eingrenzung von Leckagen in Fernwärmenetzen

Entwicklung eines Verfahrens zur Detektion und örtlichen Eingrenzung von Leckagen in Fernwärmenetzen auf Basis eines numerisch analytischen Fernwärmenetzmodells

Im Zuge der Energiewende spielt neben der Umstellung der Energieerzeugung auf erneuerbare Energien auch die effizientere Ausnutzung bestehender Versorgungsstrukturen eine nicht zu vernachlässigende Rolle. Insbesondere in der derzeitigen Phase der Umstellung können Bestandsanlagen als Übergangstechnologie zur Stabilisierung der Energieversorgung beitragen. Fernwärme und damit auch die dazu notwendigen Wärmeverteilnetze können speziell bei der Wärmeversorgung hier durchaus eine zentrale Rolle einnehmen. Zu den effizienzsteigernden Maßnahmen bei Fernwärmenetzen zählt 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) geförderten Forschungsvorhabens in Kooperation mit den Stadtwerken München (SWM) ein Verfahren entwickelt, welches auf Basis eines physikalisch-mathematischen Fernwärmenetzmodells sowie vorhandener Messdaten Leckagen schnell und zuverlässig detektieren und anschließend lokalisieren soll. Das Verfahren wird anhand von Netzdaten realer Fernwärmenetze des Projektpartners entwickelt und im produktiven Betrieb eingesetzt und getestet. Darüber hinaus erfolgt ein Abgleich mit anderen Ansätzen zur Leckagedetektion und –lokalisierung, um Synergieeffekte zur Steigerung der Zuverlässigkeit und Genauigkeit zu identifizieren und nutzbar zu machen. Bei diesen Ansätzen 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-Universität Magdeburg).