Datadrevet temperaturregulering kan spare halve milliarder.

1,7 mio. husstande i Danmark (ca. 64 procent) bliver opvarmet med fjernvarme, der løber gennem 60.000 kilometer fjernvarmenet. Rejsen fra fjernvarmeværket til radiatorerne tager typisk flere timer, og derfor skal varmebehovet kunne forudsiges.

Man skal ikke skrue mere op for varmeproduktionen end nødvendigt, for det koster penge og er energispild, ligesom temperaturtabet i rørene er større ved højere temperaturer. Samtidig skal vandet være tilstrækkelig varmt på de såkaldt kritiske punkter i udkanten af ledningsnettet. Så det er en videnskab at styre fjernvarmeproduktionen optimalt.

På DTU Compute arbejder professor Henrik Madsen og hans kolleger med datadrevet energi- og temperaturoptimering. Flere forskningsprojekter viser, at digitalisering forbedrer prognosen for varmebehovet og tilmed letter vejen til Danmarks 2030-klimamål.

En undersøgelse, som Damvad Analytics har lavet sammen med Danmarks største smart city-projekt, CITIES, ledet af netop Henrik Madsen samt tænketanken Grøn Energi under Dansk Fjernvarme, viser, at fjernvarmesektoren kan spare mellem 240 og 790 mio. kr. ved at indføre datadrevet temperaturregulering af fremløbstemperaturen, fordi temperaturen kan sænkes tre til ti grader. Lavere temperatur sparer også CO2, ligesom varmetabet i nettet mindskes.

”Der er store potentialer ved at gå fra erfarings- og simulationsbaseret styring ud fra tegninger af ledningsnettet til datadynamisk optimering af fjernvarmen. Vores projekter viser, at når fremløbstemperaturen er baseret på flere her og nu-datakilder, herunder vejrdata fra lokale målestationer, optimerer vi produktionen og accelererer den grønne omstilling,” siger Henrik Madsen.