Slimme thermische netten.

Energie-efficiëntie in de bebouwde omgeving speelt een sleutelrol in de transitie naar een duurzame klimaatneutrale toekomst. Meer bepaald, moeten hernieuwbare energiebronnen en industriële afvalwarmte worden geïntegreerd in de huidige energiedistributiesystemen. Deze integratie wordt vergemakkelijkt door zogenaamde thermische netten, d.w.z. grote systemen op gebouw- of wijkniveau die bestaan uit warmte- (en/of koude-) bronnen en afnemers, die via distributieleidingen met elkaar zijn verbonden. De regeling en het beheer van warmtenetten worden gekenmerkt door een zeer complexe dynamica om twee redenen. Ten eerste moeten -analoog aan het elektriciteitsnet- de intermitterende productie en vraag op elkaar worden afgestemd om het thermisch en sanitair comfort van de eindgebruikers te garanderen. Ten tweede vereist elk type van thermische belasting (ruimteverwarming, koeling en sanitair warm water) een verschillend temperatuurniveau. Deze temperatuurniveaus beïnvloeden zowel de distributieverliezen als de productie-efficiëntie. Momenteel worden thermische netten geregeld met statische en vooral lineaire rule-based fuzzy-logics-regelstructuren. Door de eenvoud en compactheid van de linguïstische benadering van dit soort regelaars kunnen volgende problemen (zoals het volgen van een setpunt voor verwarming en koeling etc.) met succes worden opgelost. Hoewel deze oplossingen perfect passen bij specifieke industriële toepassingen, leveren ze geen enkele bijdrage aan de energiebesparing van complexe thermische netten. Het potentieel van deze netten kan dus niet volledig worden benut met een conventionele aanpak. Primitieve, rule-based manieren van aanpak kunnen de afstemming tussen productie en vraag, of de temperatuur-setpunten immers niet volledig optimaliseren. Kortom, ze zijn ontworpen met het oog op betrouwbaarheid, niet met het oog op een optimaal rendement. Het optimaliseren van de regeldynamica voor complexe systemen is in tal van domeinen met industriële toepassingen aangepakt: automotive, avionica, procesindustrie, enz. Al deze subsystemen hebben echter meestal een vast dynamisch gedrag en aanzienlijk minder onzekerheden die ernstige gevolgen kunnen hebben voor het beoogde doel. Dit betekent dat een data-gebaseerd algoritme de voorafgaande verwerking van input-output gegevens kan stoppen na het voorstellen van een optimale oplossing onder strikte aannames en beperkingen. Omgevingen zoals thermische netten daarentegen bevatten een hoge niet-lineariteit, hoge complexiteit en transiënte parameters. Ze vereisen daarom ook nieuwe oplossingen en trends om het potentieel van data-gebaseerde regelmethodologieën te kunnen benutten. Ondanks de voordelen en de maturiteit ervan, hebben data-gebaseerde benaderingen zich immers niet aangepast en zijn ze niet doorgedrongen in thermische netten (of thermische systemen in het algemeen). De reden hiervoor is een gebrek aan een bestaand kader voor hun implementatie en onvoldoende gebundelde multidisciplinaire expertise in zowel HVAC en thermische systemen als in artificiële intelligentie (AI).

Trefwoorden:STADSVERWARMING, CONTROLESYSTEMEN, ARTIFICIËLE INTELLLIGENTIE (AI)

Disciplines:Energie in gebouwen en gebouwde omgevingen, Duurzame gebouwen en steden, Modellering en simulatie