Meilenstein-Bericht M4.1.3: Aussichtsreiche thermische Kältemaschinen durch Modelle abgebildet

Das Projekt "hyBit - hydrogen for Bremen`s industrial Information" untersucht die Wasserstofftransformation der Bremer Industrie. Ein Aspekt des Projektes ist die zukünftige Anwendung thermischer Kältemaschinen im Bremer Fernwärmenetz. Im AP 4.1.3 "Kältebereitstellung" wurde das Ziel formuliert, eine potenzielle Kälteerzeugung aus zusätzlicher industrieller Abwärme oder Fernwärme unter technischen und wirtschaftlichen Aspekten zu untersuchen. Hierzu wurde ein Python-Modell zur Abbildung der Kältemaschinen mit Zero-Order Modellen erstellt. Die Verwendung von Zero-Order Modellen reduziert die Anzahl der erforderlichen Parameter deutlich, während die Genauigkeit bei der einzelnen Maschine ausreichend für das Gesamtergebnis ist, das durch die Summe vieler Einzelfälle entsteht. Das Modell ist einfach zu bedienen und kann der Öffentlichkeit zur Verfügung gestellt werden. Außerdem besteht die Möglichkeit der Verwendung von Daten aus anderen Modellen wie beispielsweise WEnDI, um die Vorhersage an ein spezielles (Typ-) Gebäude anzupassen. Die direkte Kopplung mit den Energiedaten aus WEnDI würde eine gleichzeitige Aussage der Eignung für eine große Anzahl an Typgebäuden liefern.

The project "hyBit - hydrogen for Bremen's industrial information" is investigating the hydrogen transformation of Bremen's industry. One aspect of the project is the future application of thermal refrigeration machines in Bremen's district heating network. In AP 4.1.3 "Kaeltebereitstellung" the goal was formulated to investigate the potential for refrigeration generation from additional industrial waste heat or district heating from a technical and economic perspective. For this purpose, a Python model was created to map the refrigeration machines using zero-order models. The use of zero-order models significantly reduces the number of parameters required, while the accuracy for the individual machine is sufficient for the overall result, which is obtained by summing many individual cases. The model is easy to use and can be made available to the public. It is also possible to use data from other models, such as WEnDI, to adapt the prediction to a specific (type of) building. Direct coupling with the energy data from WEnDI would provide a simultaneous statement of suitability for a large number of building types.