Weniger Verluste, gehaltene Liefertemperatur: was ein digitaler Zwilling im Fernwärmenetz leistet

Ein Fernwärmenetz transportiert Wärme als heißes Wasser vom Heizwerk zu den Übergabestationen der Gebäude. Die Vorlauftemperatur ist dabei die zentrale Stellgröße des Betriebs: Je heißer das Wasser, desto sicherer kommt an jeder Station genug Temperatur an — desto größer sind aber auch die Wärmeverluste auf dem Weg durch das Netz. In der Praxis wird diese Abwägung über eine statische Heizkurve getroffen: eine fest hinterlegte Kennlinie, die die Vorlauftemperatur an die Außentemperatur koppelt, ergänzt um Sicherheitszuschläge aus Erfahrung.

Der Druck, diese Reserve zu heben, wächst. Das Wärmeplanungsgesetz verlangt Dekarbonisierungsfahrpläne, die EU-Effizienzrichtlinie verschärft ab 2028 die Anforderungen an effiziente Netze, ein Wärmenetzgesetz mit Preisaufsicht ist in Vorbereitung. Kommerzielle Anbieter wie Gradyent adressieren genau diesen Hebel mit Digital-Twin-Plattformen: einem rechnenden Abbild des Netzes, das Lasten vorhersagt und die Fahrweise laufend optimiert. Diese Plattformen sind proprietär; ihre Ergebnisse sind von außen nicht nachvollziehbar.

Zwei Fragen standen im Mittelpunkt. Erstens: Lässt sich die Funktionskette — genaue Simulation, verlässliche Prognose, automatische Optimierung — mit offenen Softwarekomponenten und öffentlichen Daten nachbauen, und lässt sich der Nutzen belastbar beziffern? Zweitens: Welche Rolle spielt die Unsicherheit — schwankende Verbräuche, Prognosefehler, Modellvereinfachungen — und welche methodischen Entscheidungen sind nötig, damit die Optimierung im Betrieb verlässlich ist statt nur im Mittel gut?

Um die Aussagekraft zu sichern, wurde der POC entlang von fünf Meilensteinen mit vorab festgelegten, messbaren Erfolgskriterien aufgebaut. Jeder Meilenstein war als Abbruch- beziehungsweise Entscheidungspunkt angelegt. Ein Prinzip prägte alle Arbeitspakete: Jede anspruchsvollere Methode tritt gegen ein einfaches Referenzverfahren an und muss ihren Mehrwert auf identischen Daten und Szenarien belegen. Die Referenzverfahren und alle Meilenstein-Ergebnisse sind dauerhaft in automatischen Tests eingefroren — ein späteres, unbemerktes „Wegoptimieren" unbequemer Zahlen ist damit ausgeschlossen.

Datengrundlagen

Da kein öffentlicher Datensatz alle Bausteine zugleich abdeckt, wurden drei Quellen kombiniert: der internationale Benchmark-Testfall DESTEST der IBPSA für die Grundvalidierung der Simulation; das reale, vermaschte Netz von Verbier (Schweiz) — 1.352 Knoten, 24 Kilometer Leitungen, 150 Übergabestationen, zwei Heizwerke — mit anonymisierten Messwerten für die Validierung am Realnetz; und drei Jahre Stundenverbräuche von rund 3.000 Wärmezählern aus Aalborg (Dänemark) für die Prognose, ergänzt um historische Wetterdaten. Alle Quellen sind zitierfähig und frei lizenziert.

Bausteine

• Simulation. Das Netzmodell rechnet die Thermohydraulik — Drücke, Massenströme, Temperaturen an jedem Knoten — auf Basis eines etablierten Open-Source-Rechenkerns. Validiert wurde zweistufig: erst am Benchmark gegen sechs andere Werkzeuge, dann am Realnetz gegen Messwerte. Kalibriert wurden ausschließlich zwei Randtemperaturen — an einer anderen Messgröße als den Validierungszielen, damit die Validierung nicht zirkulär wird.
• Prognose. Ein Gradient-Boosting-Modell mit Kalender-, Wetter- und Gebäudemerkmalen sagt den Wärmebedarf der nächsten 24 Stunden voraus. Referenzverfahren sind die branchenübliche Energiesignatur und die Fortschreibung des Vortags; getestet wurde ausschließlich an einem zurückgehaltenen Winter. Neben dem Erwartungswert liefert das Modell kalibrierte Bandbreiten (P10–P90).
• Optimierung. Die Vorlauftemperatur wird stündlich rollierend über einen 24-Stunden-Horizont geplant: Zu jedem Zeitpunkt wird ein lineares Optimierungsproblem gelöst und nur der erste Schritt umgesetzt. Der Optimierer rechnet auf einem vereinfachten Ersatzmodell, dessen Genauigkeit separat gegen die volle Simulation nachgewiesen wurde; Prognoseunsicherheit geht als expliziter Sicherheitsabstand in die Nebenbedingungen ein.

Verglichene Strategien

Alle Strategien liefen unter identischen, per Zufallszahlenstand fixierten Szenarien gegen dieselbe Simulationsumgebung: eine knapp und eine sicher eingestellte Heizkurve, eine Nachtabsenkung, die Optimierung in drei Varianten des Sicherheitsabstands (ohne, moderat, konservativ) sowie ein „Orakel", das den tatsächlichen Verbrauch jeder Stunde vorab kennt und die theoretische Obergrenze markiert. Bewertet wurden Wärmeverluste, Verletzungen der Mindesttemperatur und die Gesamtkosten aus beidem.

Simulation: validiert am Benchmark und am Realnetz

Im DESTEST-Vergleich erreicht die Simulation einen Genauigkeitswert von 88,5 Prozent — der beste Wert im Feld der sieben verglichenen Werkzeuge, darunter etablierte kommerzielle und wissenschaftliche Programme. Am Realnetz Verbier weicht die vorhergesagte Rücklauftemperatur der Werke um 0,4 °C von der Messung ab (Kriterium: 1,5 °C; Referenzwerkzeug der Datensatz-Autoren: 0,8 °C). Auch Massenstrom (+1,0 Prozent, bei einer datensatz-eigenen Bilanzlücke von 0,7 Prozent) und Netzverluste (300 gegenüber 318 Kilowatt gemessen) treffen die Messwerte. Eine Netzberechnung dauert rund eine Sekunde — schnell genug für die laufende Optimierung.

Prognose: 64 Prozent weniger Fehler auf Netzebene

Im zurückgehaltenen Winter 2020 sinkt der Prognosefehler der Netzgesamtlast gegenüber der Energiesignatur von 17,2 auf 6,1 Prozent — eine Verbesserung um 64 Prozent (Kriterium: 15 Prozent). Auf Ebene einzelner Gebäude, wo Verbräuche naturgemäß stark streuen, beträgt die Verbesserung 17 Prozent. Ein methodischer Befund verdient Erwähnung, weil er das Kriterium zunächst scheitern ließ: Die erste Modellvariante schätzte den Median des Verbrauchs und unterschätzte damit systematisch, denn Stundenlasten sind rechtsschief verteilt — viele ruhige Stunden, wenige hohe Spitzen. Erst die Umstellung auf den Erwartungswert beseitigte die Verzerrung. Die Bandbreiten der Prognose wurden separat kalibriert und decken im Test 78 bis 80 Prozent der Fälle ab, bei einem Sollwert von 80 Prozent — sie sind damit als Unsicherheitsbudget belastbar.

Ersatzmodell: 0,14 °C Abweichung

Das vereinfachte Modell, auf dem der Optimierer rechnet, weicht auf Testtrajektorien um 0,14 °C von der vollen Simulation ab (Kriterium: 0,5 °C). Der Weg dorthin war selbst ein Ergebnis: Ein global lineares Modell scheitert an der Physik — bei Teillast fließt das Wasser langsamer und kühlt überproportional aus. Und die naheliegende Zielgröße „kälteste Station im Netz" erwies sich als nicht modellierbar, weil bei realistischem Verbrauchsrauschen ständig eine andere Station die kälteste ist. Tragfähig ist die Formulierung, die auch die Leittechnik der Branche verwendet: die Überwachung eines fest definierten Schlechtpunkts. Das verbleibende Rauschen aus dem Verhalten der Nachbarstationen (etwa 1,1 °C) wurde quantifiziert und dem Sicherheitsabstand der Optimierung zugeschlagen — es ist Prognoseunsicherheit, kein Modellfehler.

Optimierung: 6 bis 15 Prozent geringere Gesamtkosten, null Verletzungen

Im Vergleich über identische Szenarien ergibt sich folgendes Bild. Die knapp eingestellte Heizkurve hat die geringsten Verluste, verletzt aber wiederholt die Mindesttemperatur; die sichere hält sie fast immer, bezahlt dafür mit rund fünf Prozent höheren Verlusten. Die Optimierung mit moderatem Sicherheitsabstand war als einzige Strategie in allen Szenarien vollständig verletzungsfrei und liegt bei den Gesamtkosten 6,2 Prozent unter der sicheren und 15,4 Prozent unter der knappen Heizkurve; ihre reinen Verluste liegen 3,9 Prozent unter der sicheren Kurve. Das Orakel zeigt weitere rund 14 Prozent Potenzial; ein Teil davon ist der bewusste Preis des Sicherheitsabstands, ein Teil in Folgeschritten erschließbar.

Was belastbar ist: die Richtung aller Effekte und ihre Größenordnung. Die Simulationsgenauigkeit ist an unabhängigen Referenzen doppelt nachgewiesen; der Prognosevorteil folgt aus einem strikten Test an ungesehenen Daten; der Befund zum Sicherheitsabstand folgt aus der Struktur des Problems, nicht aus einzelnen Parameterwerten.

Was nicht belastbar ist: absolute Euro-Beträge und die exakte Höhe der Einsparung im konkreten Netz. Die Einsparwerte stammen aus dem Simulationsbetrieb am validierten Modell, nicht aus einem Feldversuch; eine Monetarisierung erfordert Wärmegestehungskosten und Vertragslage des jeweiligen Betreibers. Das Netzmodell rechnet stundenweise stationär — die Laufzeit der Wärme durch das Netz ist noch nicht abgebildet; ihre Ergänzung ist der wichtigste nächste Modellierungsschritt und dürfte den Vorteil der vorausschauenden Optimierung eher vergrößern. Prognose und Netz stammen mangels eines vereinten öffentlichen Datensatzes aus verschiedenen Quellen (Dänemark, Schweiz); die Verknüpfung ist dokumentiert, ersetzt aber keine Erprobung an einem durchgängigen realen Netz. Einzelne Betriebsannahmen — Mindestdurchflüsse an Randsträngen, die Bedingungen, unter denen die Mindesttemperatur gilt — wurden fachlich begründet gesetzt und wären mit einem Netzbetreiber abzustimmen.

Die Funktionskette einer Digital-Twin-Plattform für Fernwärmenetze lässt sich mit offenen Komponenten nachbauen, und ihr Nutzen ist bezifferbar: nachweislich genaue Simulation (bester Wert im internationalen Vergleich, 0,4 °C am Realnetz), deutlich bessere Prognosen (−64 Prozent Fehler auf Netzebene) und eine Betriebsoptimierung, die 6 bis 15 Prozent Gesamtkosten spart und dabei als einziges der verglichenen Verfahren die Mindest-Liefertemperatur durchgehend hält. Der methodische Kern ist die explizite Rechnung mit Unsicherheit: Ohne kalibrierten Sicherheitsabstand ist die Optimierung schlechter als die Heizkurve — mit ihm schlägt sie sie in jeder Hinsicht. Alle Ergebnisse beruhen auf öffentlichen Daten, sind mit fixierten Zufallsständen reproduzierbar und durch 45 automatisierte Tests abgesichert.

• IBPSA Project 1 — DESTEST: internationaler Benchmark-Testfall für Fernwärme-Simulationswerkzeuge mit publizierten Referenzergebnissen von sechs Werkzeugen.
• Boghetti & Kämpf (2023): OpenDHN / Netz Verbier — vollständige Netztopologie mit anonymisierten Messwerten (CC-BY); Referenzergebnis des begleitenden Papers: 0,8 °C.
• Schaffer et al. (2022): Drei Jahre Stundendaten von 3.021 Wärmezählern dänischer Wohngebäude, inkl. Gebäudekontext (CC-BY).
• Open-Meteo-Archiv: historische Wetterdaten Aalborg 2018–2020 (Temperatur, Wind, Strahlung).