SmartRenovering
F&U-rapport 2020-06: Hvert år har alle varmeselskaber udsigt til store omkostninger på renovering af deres ledningsnet. Dansk Fjernvarmes F&U-Konto har støttet udviklingen i at undersøge hvordan renoveringsindsatsen bedst prioriteres med baggrund i et forbedret bud på rørenes fysiske tilstand. Projektets metode gør brug af data science og machine learning, kortlagte sammenhænge mellem fjernvarme ledningsdata, registrerede utætheder og hændelser.
Der er i samarbejde med Frederikshavn Forsyning indsamlet, undersøgt og samordnet data for eks. rørtyper, isoleringstyper, varmetab, brud, komponenter, termografi, temperatur, jordtype mm.. Derudover er der benyttet data fra Viborg Varme samt Fjernvarme Fyn.
Machine learning kan anvendes til at forudsige tilstanden af de rørtyper, som er anvendt i Danmark, og at der er et potentiale for anvendelsen af machine learning som et værktøj til renoveringsplanlægning. Et kritisk punkt i processen for at lave en stabil machine learnings model til renoveringsplanlægning er et solidt data grundlag. Det må derfor konkluderes, at datagrundlaget, som er anvendt i denne undersøgelse, er godt, men at der skal bruges større datagrundlag.
Der opstilles forslag til registrering af data hos forsyningerne, som kan forbedre muligheden for at forudsige og fremskrive en udvikling af et rørs fysiske tilstand, øget varmetab og utætheder.
Mette Louise Wätzold Bjørnlund
Dansk Fjernvarmes Handelsselskab
Beredskab
Bæredygtighedskrav til biomasse
CO2-kvoter
Mobil: +45 40 13 97 08
E-mail: mbj@danskfjernvarme.dk
