Einsparen durch intelligent trainierte Kennfelder

Einsparpotential zu erschließen ist das Ziel des Projekts H₂OPT. Im Bild: Transportpumpen im Wasserwerk Bürstadt der EWR.

H₂OPT - Steigerung der Energieeffizienz in der Trinkwasserversorung

Auf die Trinkwasserversorgung entfällt ein wesentlicher Teil der kommunalen Stromausgaben. Dabei geht man davon aus, dass Einsparungen im zweistelligen Prozentbereich durch eine auf den Verbrauch angepasste Pumpenauswahl und -fahrweise möglich ist. Dieses Einsparpotential zu erschließen ist das Ziel des vom BMBF geförderten Projekts H₂OPT, das neben dem ITWM den Lehrstuhl für Strömungsmechanik und Strömungsmaschinen der TU Kaiserslautern, die Stadtwerke Kaiserslautern SWK, die EWR Netz GmbH Worms und das Planungsbüro Obermeyer einschließt.

Schema einer Trinkwasserversorgungsanlage
© Foto ITWM

Schema einer Trinkwasserversorgungsanlage am Beispiel des Wasserwerks Rote Hohl Kaiserslautern.

ITWM entwickelt unterstützende Software  

Der Abteilung Optimierung des ITWM fällt hierbei die Aufgabe zu, eine prototypische Software zu entwickeln, die Wasserversorgungsunternehmen in energieeffizientem Betrieb und Auslegung ihrer Anlagen unterstützt. Der Workflow der Software ist in drei Teile gegliedert:

  1. Im ersten Schritt wird ein anpassbares Wassernetzmodell aufgesetzt, das die Gesetze der Strömungsmechanik berücksichtigt. Die Konfiguration erfolgt adaptiv und interaktiv.
  2. Daraufhin wird anhand vergangener Verbrauchsdaten ein typisches Verbrauchsprofil erstellt, das für den jeweiligen Tag charakteristisch ist, wobei beispielsweise zwischen Werk- und Feiertagen, Schul- und Ferientagen sowie trockenen und nassen Sommertagen unterschieden wird.
  3. Der letzte Schritt erfolgt über eine Anzeige berechneter Lösungen, über die der Planer unterstützend eine Lösung finden kann, die den aktuellen Anforderungen genügt.

 

Machine-Learning-Verfahren entwickelt intelligent trainierte Kennfelder

Der Kerngedanke zur Steigerung der Energieeffizienz liegt im konsequenten Einsatz von Kennlinien des Verbrauchernetzes und der Pumpen. Kennlinien des Verbrauchernetzes werden mit Hilfe von Machine-Learning-Verfahren beruhend auf gemessenen Betriebsdaten der Wasserwerkbetreiber ermittelt. In einem Ersatzmodell werden die Versorgungskomponenten (Brunnen, Wasserwerke, Hochbehälter) erfasst, das Versorgungsnetz samt den Verbrauchern aber nur soweit abgebildet, wie pauschale Verbrauchsdaten verfügbar sind. Dieses Modell wird auf die um Ausreißer bereinigten Messdaten so trainiert, dass es auch verlässlich zur Beschreibung ungemessener Betriebszustände zur Verfügung steht. Zusammen mit den Pumpenkennlinien folgen daraus die Betriebspunkte der Pumpen, die im Idealfall nahe den maximalen Wirkungsgraden liegen sollten.

Durch das Hinterlegen von Datenbanken für typische Verbrauchsprofile und für auf dem Markt verfügbare Pumpen wird durch intelligente Suchalgorithmen eine Lösungsvielfalt erzeugt, die dem Planer eine Übersicht über geeignete und ungeeignete Pumpen verschafft. Ferner stehen als Freiheitsgrade noch die Pumpenfahrpläne zur Verfügung. Diese werden in dem Prototypen zeitdiskretisiert auf den jeweiligen Verbrauch und die Bewirtschaftungsstrategie der Hochbehälter angepasst. In ersten Anwendungen bei den Projektpartnern in Worms und Kaiserslautern konnten bereits Vorschläge für Pumpenfahrpläne mit einer signifikanten Energieeinsparung gemacht werden.

Projektpartner

  • TU Kaiserslautern, Lehrstuhl für Strömungsmechanik und Strömungsmaschinen
  • EWR Netz GmbH
  • OBERMEYER: Planen + Beraten GmbH
  • SWK Stadtwerke Kaiserslautern