AI-verktyget NODA bygger nätoptimering på genom att kontrollera efterfrågan i ett system som styrs av efterfrågan och genom att dynamiskt styra framledningstemperaturen. Detta ger möjlighet att optimera det operativa beteendet för det systemet vilket möjliggör en minskning av dyra fossila toppar, balansering av baslaster, synkronisering av efterfrågan med marknads- eller marginella produktionspriser och aktiv sänkning av returtemperaturerna.
Genom att dynamiskt styra framledningstemperaturen kan man öka effektiviteten i produktionen, till exempel relaterat till kraftvärmeoptimering och minskade distributionsförluster, och generellt till lägre systemtemperaturer vilket möjliggör mer förnyelsebart och andra värmekällor med lägre temperaturer.
Inom Karlshamn Energi pågår ett testprojekt sedan 2021 som handlar om att implementera AI-verktyget NODA (AI-orienterad nätoptimering) på ett begränsat område. Under testperioden har data insamlats kring temperaturer, pumparnas arbete, kundernas sociala mönster mm. Syftet med att använda applikationen är att optimera pumparnas verkningsgrad, lägre framledningstemperaturer och minska värmeförlusterna i nätet. Eller som projektansvarig Paul Bergholtz, Karlshamn Energi uttrycker det:
– Det handlar om att leverera rätt temperatur vid rätt tillfälle och minska förlusterna i värmenätet.
Målsättningen är att implementera systemet i hela nätet under 2024.
Karlshamn Energi har sedan tidigare NODA-applikationer i skolor och flerfamiljshus för att kunna optimera värmetillförseln med positiva resultat.