Verbundvorhaben: EnEff: Wärme: WATT-IS - Wärmewende durch Transparenz, Tipps, Incentives und smarte Steuerung; Teilvorhaben: Smart Metering als Basis für Zusammenarbeit zwischen Kunden und Stadtwerk für eine erfolgreiche Wärmewende
Zeitraum
2024-03-01 – 2027-02-28
Bewilligte Summe
870.505,39 EUR
Ausführende Stelle
Förderkennzeichen
03EN3097B
Leistungsplansystematik
Regionale Versorgungskonzepte [EA2112]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESN3)
Förderprogramm
Energie
Im Vorhaben WATT-IS sollen die großen Einspar- und Effizienzpotentiale im Bereich der Nutzung und Bereitstellung von Wärme identifiziert, gehoben und genutzt werden, um die Wärmewende auf der Ebene von Gebäuden und Quartieren massiv voranzutreiben. Dabei sollen die Verbraucher aktiv einbezogen und Lösungen unter realen Bedingungen im 'KlimaVeedel Köln Neubrück' entwickelt und getestet werden. Insbesondere werden auf der Basis intelligenter Wärmezähler datengestutzte digitale Werkzeuge und Methoden entwickelt: intelligente Datenanalysen, maschinelle Lernverfahren und Kl-basierte Steuerungsalgorithmen, die eine dynamische und prädiktive Steuerung sowie eine bedarfs- und nachfrageorientierte Bereitstellung und Versorgung ermöglichen, hohe Transparenz für die Verbraucher schaffen und gleichzeitig die Effizienz von Wärmenetzen optimieren und so zur erheblichen Einsparung von Primarenergie und CO2-Emissionen beitragen. Der Wärmebedarf jedes Gebäudes soll sehr genau, am besten ¼-h-scharf, erfasst und analysiert werden. Darüber hinaus sind präzise Prognose von Wärmelastgängen auf Hausebene erforderlich, und es werden maschinelle Lernverfahren zur algorithmischen Last- und Bedarfsprognose in Wärmenetzen entwickelt. Deren Güte hängt wesentlich von den Daten ab, mit denen diese Algorithmen ,gefüttert' werden, insbesondere von der Art der Daten, Zusammenhängen zwischen diesen Daten und deren Einfluss auf die zu prognostizierenden Größen. Mittels umfangreicher entsprechender Datenanalysen und daraus abgeleiteter Erkenntnisse sollen speziell für den Wärmebereich statistische Einflussfaktoren identifiziert und ein für maschinelle Lernverfahren wesentliches Feature Engineering' hergeleitet werden. Die Datenanalysen und Prognosen bilden dann insbesondere auch die Basis für aktive Verhaltensänderungen von Verbrauchern durch detaillierte Informationen und Incentives sowie für die Entwicklung Kl-basierter Steuerungsalgorithmen für den Wärmenetzbetreiber.