Entwicklung eines QGIS-Plugins zur Vorplanung von Nahwärmenetzen basierend auf einem Biased Random-Key Genetic Algorithm

Abstract

In dieser Arbeit wird ein Software-Tool als QGIS-Plugin entwickelt, um Gebäudegruppierungen zu identifizieren, für die die Neuerstellung eines Nahwärmenetzes effizient wäre. Dazu wird eine Datenverarbeitungspipeline modelliert, die frei verfügbare geographische Daten und graphentheoretische Algorithmen nutzt, um ein dreischrittiges, heuristisches Clusteringverfahren durchzuführen. Die zentrale Problemstellung besteht in der Zuordnung von Gebäuden mit Wärmebedarf zu Wärmequellen begrenzter Leistung. Dies wird als kapazitäts-beschränktes Clusteringproblem formuliert und aufgrund seiner Komplexität mit einem biased random-key genetic algorithm (BRKGA) gelöst. Im Rahmen der iterativen Optimierung werden die Kosten für Rohr- und Grabenbau minimiert, um kostengünstige Gebäudegruppierungen miteinander zu verbinden. Das Tool ist speziell für kleine Wärmenetze mit maximalen Wärmeleistungen von ≤250 kW ausgelegt, deren Wärmequellen in zentralen Gebäuden der identifizierten Gruppierungen platziert werden könnten. In einem strukturierten Softwaredesignprozess werden Anforderungen definiert und ein Lösungsansatz umgesetzt. Die Software ermöglicht die Analyse verschiedener Rohrverlegungsstrategien, etwa entlang des Straßennetzes oder durch direkte Gebäudeverbindungen. Durch die Umsetzung der zentralen Anforderungen bietet sie eine flexible Grundlage für Weiterentwicklungen und Vergleiche, um Akteure bei den Herausforderungen der Wärmewende praktisch zu unterstützen.

This thesis develops a QGIS-plugin to identify building clusters suitable for cost-efficient small-scale district heating networks. To reach this aim a data processing pipeline is designed, leveraging open geospatial data and utilizing graph theory algorithms to inform and conduct a three-step heuristic clustering process. The core challenge of this process is the assignment of buildings with a certain heating demand to heating sources with a limited heating power. As such it is formulated as a capacitated clustering problem and is solved by using a biased random-key genetic algorithm (BRKGA) due to the problem’s inherent complexity. Throughout the iterative optimization process, costs for pipes and trenching are minimized to identify cost-effective building groups for interconnection. The tool targets small networks (≤250 kW), enabling heat source placement in central buildings of identified clusters. A structured software design process translates requirements into a functional solution. The developed software enables the analysis of various pipe laying strategies, for example according to the street network or through direct building connections. By fulfilling the core requirements, the plugin offers a basis for further development and comparisons and should therefore be able to aid stakeholders through the challenges of decarbonizing the heating supply.