AI kan upptäcka dolda fel i fjärrvärmenät

Fjärrvärme spelar en avgörande roll i den pågående omställningen till mer hållbara energisystem i städerna. Tyvärr drivs många fjärrvärmenät med fel som är svåra att upptäcka. Felen kan leda till onödiga värmeförluster, högre driftskostnader, energislöseri och försämrad komfort för slutanvändarna. I dag bygger mycket av detta arbete fortfarande på årliga manuella inspektioner eller enkel regelbaserad övervakning, vilket gör det svårt att hantera stora fjärrvärmenät på ett effektivt sätt.

Jonne van Dreven har i sin forskning i ämnet datavetenskap undersökt om metoder baserade på artificiell intelligens kan användas för att automatiskt upptäcka och diagnostisera fel i fjärrvärmesystem. Hans studier fokuserar speciellt på krävande verkliga förhållanden, såsom begränsad datatillgång, integritetsbegränsningar och bristande information om driftförhållanden.

En viktig del av arbetet har varit att överbrygga klyftan mellan laboratorieforskning och praktisk tillämpning genom att gå från kontrollerade experiment till att testa metoderna under de komplexa förhållandena som råder i verkliga fjärrvärmesystem.

Resultaten av forskningen visar att tillförlitlig och skalbar felupptäckt är möjlig även när data är ofullständiga, obalanserade eller insamlade under mycket olika driftsförhållanden. Forskningen banar väg för mer proaktivt underhåll, lägre energiförluster och bättre presterande värmenät, vilket hjälper energibolag att tidigt identifiera ineffektiva system och stödja utvecklingen av smartare och mer motståndskraftiga urbana energisystem.

Disputationen är öppen för allmänheten.

Dag: Tisdagen den 2 juni 2026
Tid: Kl 10:00
Plats: Sal J1630, Campus Karlskrona eller via Zoom.

Avhandling och abstrakt 

För mer information, kontakta Jonne van Dreven via e-post: jonne.van.dreven@bth.se