Mathematische Optimierung für die agile Steuerung von Wasserversorgungsnetzen

Abstract

Das Forschungsprojekt "Agile Netzsteuerung zur Erhöhung der Resilienz der Kritischen Infrastruktur Wasserversorgung" untersuchte in einem interdisziplinären Verbund wie Trinkwassernetze besser steuerbar werden können, um resilienter für die durch die Klimaerhitzung wachsenden Herausforderungen zu sein. Auf mögliche durch den Klimawandel ausgelöste Extremereignisse können Wasserversorger aktuell nur bedingt reagieren - ihre in der Regel passiven Netzwerke sind zu unflexibel. Die Lösung sind aktive Steuerungssysteme, die sich mittels optimierter und vorausschauender Steuerungen dynamisch an die Bedarfs- und Dargebotslage anpassen. Dafür müssen die noch passiven Netze mit aktiven Elementen ausgestattet werden und neue Methoden zur Bestimmung bestmöglicher Steuerungen in Echtzeit entwickelt werden. So kann das Netz zukünftig agil gesteuert werden. Im Teilprojekt "Mathematische Optimierung für die agile Steuerung von Wasserversorgungsnetzen" wurde untersucht, wie der Zustand und die Steuerung von Trinkwassernetzen in Optimierungsmodellen abgebildet werden können. Dafür wurden Methoden der gemischt-ganzzahligen nichtlinearen Optimierung genutzt. Anhand historischer und prognostizierter Daten können für bestehende Netze optimale Standorte für zusätzlich notwendige Aktoren bestimmt werden. So kann der Versorger auch im Extremfall den Wasserbedarf seiner Kunden abdecken. Zusätzlich wurden Optimierungsmodelle entwickelt, welche die beste Netzsteuerung für einen bestimmten Zeithorizont bestimmen. In einer Pilotphase wurde versucht die Spitzenlast auf das Wasserwerk durch eine optimierte Pumpensteuerung möglichst gering zu halten, was einen gleichmäßigeren Betrieb von Gewinnung und Aufbereitung ermöglicht und das Verteilnetz schont. Der Steuerungsvorschlag basiert auf prognostizierten Wasserbedarfen für den Folgetag und wird der Leitwarte des Wasserversorgers als Entscheidungsunterstützung zur Verfügung gestellt. In den Berechnungen wurden Lastspitzenreduktionen von bis zu 30 % (durchschnittlich 16 %) im Vergleich zur Normalsteuerung erzielt.