Durch die Einspeisung von Wasserstoff in die Erdgaspipeline kann erneuerbare elektrische Energie gespeichert werden. Dies ist eine Option zur Dekarbonisierung und zum Klimaschutz. Dadurch ist jedoch mit erheblichen Schwankungen des Brennwertes im Verteilnetz zu rechnen. Eine sichere Versorgung und energiebasierte gerechte Bepreisung erfordert den Einsatz einer geeigneten Sensorik, die dezentrale Messungen, nahe am Verbraucher, ermöglicht. Die derzeitigen Methoden sind zu kostspielig und zu komplex für eine breite Anwendung.
Das Sens2NET-Konsortium schlägt ein neues Konzept vor, das auf der selektiven Messung der Wasserstoffkonzentration im Gasgemisch und einer Echtzeit-Datenanalyse basiert. Ausgangspunkt ist ein neuartiger H2-MEMS Sensor. Die angestrebte smarte Sensorlösung besteht aus einem Sensorarray mit weiteren Mikrosensoren (Temperatur, Druck, relative Feuchte), um komplexe Umgebungseinflüsse zu eliminieren.
Die im Projekt erfassten Sensordaten werden dazu zunächst systematisch bereinigt, normalisiert und explorativ analysiert, um Muster, Ausreißer sowie statistische Zusammenhänge zu identifizieren. Auf dieser Grundlage und unter Einbezug physikalisch-chemischer Erkenntnisse werden die wesentlichen Einflussgrößen auf die Wasserstoffkonzentration bestimmt. Darauf aufbauend werden hybride Simulationsmodelle entwickelt, die sowohl theoretische Ansätze als auch datengetriebene Methoden des maschinellen Lernens kombinieren, um den Einfluss von Gaszusammensetzung und Betriebsbedingungen abzubilden und den Wasserstoffanteil zuverlässig vorherzusagen. Die Modelle werden anhand von Referenzdaten umfassend validiert und hinsichtlich Genauigkeit, Robustheit und Skalierbarkeit bewertet sowie technisch so aufbereitet, dass sie in einer Echtzeitanwendung stabil und effizient eingesetzt werden können.
