Dolda fel i fjärrvärmenät orsakar varje år energiförluster och ökade driftkostnader. Ny forskning från Blekinge Tekniska Högskola visar att artificiell intelligens kan användas för att identifiera och diagnostisera fel tidigare, vilket kan bidra till effektivare drift och minskat energislöseri.
Fjärrvärme är en viktig del av många städers energiförsörjning, men många nät drivs med fel som är svåra att upptäcka. Konsekvenserna kan bli värmeförluster, högre kostnader och försämrad komfort för användarna. I dag bygger övervakningen ofta på manuella inspektioner eller enklare regelbaserade system.
I sin forskning inom datavetenskap har Jonne van Dreven undersökt om AI-baserade metoder kan användas för att automatiskt upptäcka och analysera fel i fjärrvärmesystem. Arbetet har fokuserat på verkliga förutsättningar där tillgången till data är begränsad och där information om driftförhållanden ofta är ofullständig.
En central del av forskningen har varit att testa metoderna utanför laboratoriemiljöer och utvärdera dem i faktiska fjärrvärmesystem med varierande och komplexa driftförhållanden.
Resultaten visar att det är möjligt att upptäcka fel på ett tillförlitligt sätt även när datamängderna är ofullständiga, obalanserade eller insamlade under olika förutsättningar.
– Resultaten visar att tillförlitlig och skalbar felupptäckt är möjlig även när data är ofullständiga, obalanserade eller insamlade under mycket olika driftsförhållanden.
Forskningen kan bidra till mer förebyggande underhåll, minskade energiförluster och effektivare fjärrvärmenät. Det ger energibolag bättre möjligheter att identifiera ineffektiva system i ett tidigt skede och kan samtidigt stödja utvecklingen av mer robusta energisystem i städer.
