Plus Zelflerende software maakt warmtenetten fors efficiënter

Door gebruik te maken van een innovatief zelflerend systeem, kan de energie-efficiëntie van warmtenetten sterk verbeterd worden. Dat is de conclusie van het Europese STORM-project, waaraan VITO, KU Leuven, imec en de UHasselt deelnamen. Ze slaagden erin om de CO2-uitstoot op een bestaand warmtenet met 11.000 ton per jaar te verminderen.

Elke Doms & Fran Herpelinck | 3 mei 2019
Storm District 776X415
© STORM-project

Voor het STORM-project (Self-Organising Thermal Operational Resource Management), dat gesubsidieerd werd door de Europese Unie, ontwierp een consortium van onderzoekers en bedrijven uit België, Nederland en Zweden een zelflerend systeem (een ‘controller’) om de energie-efficiëntie van stadsverwarming en -koeling te verbeteren. Ook EnergyVille, een consortium van VITO, KU Leuven, imec en de UHasselt, werkte mee. Ze wilden via het systeem het aandeel fossiele brandstoffen terugdringen ten voordele van restwarmte en hernieuwbare energiebronnen.

Ruim toepasbaar

De controller werd getest op demosites in het Nederlandse Heerlen en het Zweedse Rottne. Op beide sites bedient een warmtenet een mix van woningen, bedrijven en scholen. Het netwerk van ondergrondse leidingen transporteert warmte in de vorm van stoom of condenswarmte, bijvoorbeeld van een bedrijf met overtollige productiewarmte naar een woonwijk. In Heerlen vervoert een innovatief systeem op lage temperatuur zowel warmte als koelte. In Rottne zorgt een traditioneler net enkel voor warmte. Door bewust te kiezen voor twee complementaire demosites, gingen de onderzoekers op zoek naar een besturingssysteem dat ruim toepasbaar is op diverse warmte- en koelingsnetten in Europa.

Slimme warmtenetten

De demosites werden uitgerust met een controller gebaseerd op zelflerende algoritmes en artificiële intelligentie. De software ‘leert’ zelf het gedrag van de warmtenetten, zoals de fluctuaties in energievraag en -aanbod, inschatten. Dat maakt het overbodig om elk netwerk afzonderlijk te programmeren. De verzamelde informatie werd daarna gebruikt om vraag en aanbod beter op elkaar af te stemmen. Dit resulteerde op de demosite in Rottne in een gemiddelde verlaging van de piekvraag met meer dan 12 procent, zonder dat consumenten hier hinder van ondervonden.

11.000 ton CO2-reductie

Dankzij het zelflerende systeem kunnen restwarmte en hernieuwbare energie in een warmtenet veel efficiënter benut worden, menen de onderzoekers, waardoor het aandeel fossiele energie afneemt. “In totaal verminderde de CO2-uitstoot op elk van de demosites met 11.000 ton per jaar door het gebruik van de controller. Dat is het equivalent van de uitstoot van ongeveer 1.400 gezinnen”, klinkt het bij de STORM-partners.

Bovendien is de nieuwe controller prijsbewust: in warmtenetten die verbonden zijn met het elektriciteitsnet, zorgt een ingebouwde koppeling ervoor dat de elektriciteit geladen wordt op het moment waarop de prijzen het gunstigst zijn. De aankoopprijs voor elektriciteit kon zo met 15% verlaagd worden tijdens het onderzoek. De onderzoekers willen de STORM-controller nu verder commercialiseren.

Verder lezen?

Maak een profiel aan en lees Susanova nu 1 maand gratis.