Case
Machine learning giver Ringsted Forsyning færre stop og lavere forbrug
Ringsted Forsyning ser et stort potentiale i machine learning efter forsøg, der gjorde driften af forsyningens store varmepumpe mere stabil og energieffektiv.
Ringsted Forsyning ser et stort potentiale i machine learning efter forsøg, der gjorde driften af forsyningens store varmepumpe mere stabil og energieffektiv.
På fjernvarmeværket i Ringsted har de et problem om vinteren. Ringsted Forsynings store 8 MW luft til vand-varmepumpe, der skal levere billig og klimavenlig fjernvarme, fryser nogle gange til, når varmebehovet er størst. Det giver betydelige omkostninger, fordi der så må bruges andre brændsler til at levere varmen til de 4.000 kunder.
Problemet opstår, fordi store varmepumper kan få problemer med isdannelse på fordamperen i vinterhalvåret. Når det sker, må anlægget afrimes, og hvis afrimningen ikke sker hensigtsmæssigt, kan det føre til driftsstop, unødigt højt elforbrug eller øget brug af andre brændsler.
Gennem forsøgsprojektet MLEEP om machine learning har Ringsted Forsyning med hjælp fra Viegand Maagøe optimeret processen med afrimning af varmepumpen. Resultaterne peger på både færre driftsstop og et lavere energiforbrug.
I MLEEP-projektet blev der udviklet en model, som overvåger mere end 60 forskellige målepunkter på varmepumpen og registrerer afvigelser, der kan tyde på isdannelse eller andre problemer.
Resultaterne blev præsenteret i realtid for de driftsansvarlige på et simpelt dashboard, som de kunne bruge til at styre varmepumpen bedre.
Projektet Machine Learning til Energi- og Procesoptimering (MLEEP) undersøgte i 2023-25 muligheden for at integrere machine learning-algoritmer direkte i danske industrivirksomheder, hvor teknologien i dag kun udnyttes i begrænset omfang.
Det skete med udgangspunkt i casevirksomheder:
Virksomhederne er alle fra brancher kendetegnet ved højt energiforbrug, men de har vidt forskellige produktionsprocesser og problemstillinger i forhold til udvikling og implementering.
Udgangspunktet for MLEEP er at bruge data, der allerede er tilgængelig i virksomhederne, så de ikke skal ud at investere i omfattende dataindsamlingssystemer og målere for at kunne implementere machine learning-løsningerne.
Projektet er støttet af ELFORSK og drevet af DTU Institut for Kemiteknik, BioLean og Viegand Maagøe.
