Test af datadrevne løsninger til fjernvarmen viser stort potentiale for besparelser

Copenhagen Solutions Lab har netop afsluttet et partnerskabsprojekt om selvlærende og data-drevne løsninger for fjernvarmen, som viser stort potentiale for økonomiske, energi- og C02-mæssige besparelser. 

Del

Projektet blev initieret af DTU (Danmarks Tekniske Universitet) med ønsket om at teste, hvordan fjernvarmeværker kan udnytte metoder fra kunstig intelligens til at optimere fremløbstemperaturen ved at forudsige varmebehovet. Copenhagen Solutions lab inviterede HOFOR med ind i projektet og Tingbjerg blev udpeget til testområde, hvor 30 ejendomme forsynet med nye digitale målere har stillet målerdata til rådighed for projektet.

Der er mange penge at spare ved at styre fremløbstemperaturen præcist i stedet for at være på den sikre side og operere med en unødvendig høj temperatur. DAMVAD Analytics har udregnet potentialet for mulig årlig besparelse til 240-790 millioner kr. i Danmark, hvis fremløbstemperaturen sænkes med 3-10 grader.

Pilotprojektet i Tingbjerg viste, at HOFOR i Tingbjerg kunne sænke fremløbstemperaturen med ca. 5 grader C alene beroende på den højere præcision, som de data-drevne metoder affødte. En yderligere gevinst er færre temperatursvingninger og besparelser i vedligeholdelse.

Udover de økonomiske besparelser, har pilotprojektet også vist et stort potentiale for at forbedre energiforbruget og CO2-udledningen fra fjernvarmen gennem en højere grad af digitalisering. Resultaterne fra projektet understøtter derfor Københavns Kommunes mål om at blive en CO2-neutral by, hvor digitalisering af fjernvarmen kan blive en vigtig brik i at opnå dette mål.

Erfaringerne fra projektet er blevet delt med Dansk Fjernvarme, så de gode resultater og erfaringer fra pilotprojektet i Tingbjerg forhåbentlig kan bredes ud. Den nødvendige data kan faktisk fås fra de almindelige, moderne målere, som allerede sidder hos de fleste forbrugere. Dog kræves en forbedring af den nuværende datastruktur, da den ikke er gearet til at håndtere de store mængder data. Samtidig udgør GDPR-reglerne og datasikkerhed også en udfordring.

Fakta om projektet:

  • Projektets titel, IDASC, står for ’Intelligent Data-anvendelse i Smart Cities’ 
  • Projektet er finansieret af Region Hovedstaden 
  • Projektet er udført i samarbejde med Gate21, DTU Compute og DTU-spin-out-firmaet ENFOR. 
  • De datadrevne modeller som projektet har gjort brug af, baserer sig på kunstig intelligens som gør systemer og modeller selvlærende.

Læs den overordnede rapport "Digitalisering af fjernvarmen" her.
Læs de to tekniske rapporter her ("Energy data: mapping, barriers and value creation") og her ("Digitalization of District Heating").