Funktionsfejl i fjernvarme-kundeinstallationer forhindrer fjernvarmeværkers udbredte bestræbelser på at reducere driftstemperaturerne. Formålet med projektet er energieffektivisering af fjernvarmenetværk og bygninger gennem data-drevne værktøjer og kommercielle løsninger, der muliggør sænkning af driftstemperaturen.
Projektets fokus er udvikling og implementering af automatiserede værktøjer til detektion og diagnosticering af fejl baseret på varmemålerdata og dataanalyse (fx algoritmer til mønstergenkendelse og machine learning). Et centralt element i projektet er at levere de nødvendige datasæt til at træne disse algoritmer, hvilket i øjeblikket identificeres som den største udfordring. I projektet vil vi adressere denne flaskehals ved at udvikle en standardiseret fejlrapport, indsamle store mængder ensartede diagnoserapporter gennem fysiske inspektioner af installationerne og supplere varmemålerdata med højfrekvente målinger samt målinger på sekundær- (bygnings-) siden.
Implementeringen af den udviklede metode vil blive demonstreret både direkte af fjernvarmeforsyningerne i deres egne driftssystemer, samt af Kamstrup og Climify, som vil udvikle nye kommercielle løsninger rettet mod henholdsvis forsyninger og bygningsadministratorer og -ejere. En use case for hver af disse målgrupper vil demonstrere værdien af de udviklede metoder med hensyn til energieffektivisering. Derudover vil værktøjerne og træningsdatasættene blive gjort tilgængelige som open source efter projektet.