Fernwärmeplanung

CKW plant die rentabelsten Fernwärmenetze

Anchor 1

CKW wollte wissen, welche Gebiete für den Aufbau eines neuen Fernwärmenetzes Priorität haben sollten.
Heute erfordert diese Tätigkeit viel manuellen Aufwand: Erfassung von Gebäudeattributen aus Tabellenkalkulationen, Anwendung komplexer Formeln zur Schätzung des Bedarfs und Zuordnung dieser Daten zu Grundrissen in einem GIS-Tool für Visualisierungs- und Prospektionszwecke. Mit Urbio wurde der gesamte Prozess automatisiert, Arbeitsstunden eingespart und das Team konnte sich auf die Untersuchung von Szenarien mit Hilfe von Karten und Kennzahlen konzentrieren.

Kunde

CKW

Sektor

Energieversorger

Standorte

Schweiz

Herausforderung

CKW wandte sich an Urbio, um drei Probleme zu lösen:

Fehlende Daten zu Gebäuden und relevanten Gebieten
Ein sich veränderndes Umfeld, das wiederholte Analysen erforderlich macht
Eine zeitaufwändige Methodik zur Bewertung mehrerer Szenarien

Erreichte Ergebnisse

5x Analysen ermöglicht durch die sofortige Kartenerstellung und die Berechnung von Kennzahlen

Schnellerer ROI, da gezielt Gebäude mit hohem Einfluss identifiziert und priorisiert werden
3x mehr Szenarien innerhalb des relevanten Gebiets für Machbarkeitsstudien bewertet
Hohe Datenqualität, gewährleistet durch anerkannte Branchenstandards und verbessert durch Machine Learning und Energiemodelle
Optimierter Arbeitsablauf von der Datenübernahme über die Visualisierung der Gebäudedaten bis hin zur Berechnung zentraler Projektkennzahlen

Lösung

CKW musste herausfinden, welche Gebiete für den Aufbau eines neuen Fernwärmenetzes zu priorisieren sind.

Bislang war dies mit viel manueller Arbeit verbunden: Gebäudedaten aus Tabellen zusammenstellen, komplexe Formeln zur Bedarfsschätzung anwenden und die Daten in einem GIS-Tool für Visualisierung und Planung abbilden.

Mit Urbio wurde der gesamte Prozess automatisiert, es konnten viele Arbeitsstunden eingespart werden und das Team konnte sich auf die Analyse verschiedener Szenarien konzentrieren, unterstützt durch Karten und zentrale Kennzahlen.

Vorhandene Daten zentralisieren

Mit den flexiblen Importfunktionen von Urbio konnte CKW alle aus verschiedenen Quellen (Gemeinden, Versorger und Umfragen) gesammelten Daten schnell in die Plattform hochladen.
Anschließend strukturierten sie diese Daten zu einem einzigartigen Digitalen Zwilling und ergänzten fehlende Informationen mithilfe von Urbios kuratierter Liste offener Daten und fortschrittlicher Modelle.

CKW 2023 - Centralize available data.png

Geeignetste Gebiete ermitteln

Aus dem Digitalen Zwilling erzeugten die Ingenieure mehrere Karten des Gebiets, die die Energiesysteme, die Gebäudenutzungen und die Wärmedichte hervorheben.
Anschließend setzten sie Filter ein, um die Standorte wichtiger Gebäude (z. B. öffentliche Gebäude, Abwärmequellen, große Wärmeverbraucher) zu identifizieren und geeignete Gebiete abzugrenzen.

Zentrale Kennzahlen ermitteln

Auf Grundlage der vorherigen Analysen erstellten sie mögliche Teilgebiete und filterten diese, um zentrale Kennzahlen für das Projekt zu berechnen (kW, kWh/Jahr, CO₂ …).
Am Ende fassten sie alle Erkenntnisse in einem umfassenden Bericht zusammen, der Karten und zentrale Kennzahlen enthält, und exportierten die Gebäudedaten für jedes Szenario.