Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWMInnovative, KI-gestützte Technologien für den Anlagenbetrieb und die Antriebstechnik helfen, den Energiebedarf vorrausschauend zu planen und optimal zu steuern. Unsere Forschenden entwickeln und implementieren Methoden, um Anlagen intelligent zu überwachen und zu automatisieren. Damit sparen wir Energie und Kosten.
Gas-Heizung, Anlagen und Kessel in einem Heizraum.
Prozesse von Heizwerken optimieren
Unsere innovativen, KI-gestützten Technologien für Anlagenbetrieb und Antriebstechnik helfen, den Energiebedarf vorausschauend zu planen und optimal zu steuern. Unsere Forschenden erweitern dafür Anlagen, um sie intelligent zu überwachen und zu automatisieren. Damit sparen wir Energie und Kosten.
© iStockphoto
Optimieren von Prozessen bei Energieerzeugungsanlagen mithilfe von Künstlicher Intelligenz
Mit Digitalem Zwilling Energie und Kosten bei Heiz- und Kühlanlagen sparen
In einem Pilotprojekt identifizierte unser Team für den bundesweiten Energiedienstleister RheinEnergie Lösungen, um Heizwerke auf Basis von historischen Datensätzen und Spezifikationen zu optimieren. Ziel ist es, Primärenergie einzusparen – vor allem Gas. Im Mittelpunkt der zweiten Projektphase stehen das Umsetzen und Implementieren des Algorithmus in der simulierten Anlage. Danach validieren wir die Ergebnisse.
Wir unterstützen unseren Projektpartner dabei ganzheitlich, von der Entwicklung der Methoden bis zur Integration von Hard- und Software im Schaltschrank, um einen ressourceneffizienten Anlagenbetrieb zu ermöglichen.
Mit Digitalem Zwilling das Einsparpotential abschätzen
Zunächst erstellt unser Team mithilfe von Machine-Learning-Methoden individuelle, wetterbedingte Lastprofile am Netzübergabepunkt. Diese können zur Prognose des Wärmebedarfs verwendet werden, enthalten jedoch auch weitere wichtige Informationen. So identifizieren wir Einflussgrößen und schärfen den Blick für einen normalen oder abnormalen Verbrauch.
Parallel werden Betriebsprozesse der einzelnen Funktionseinheiten modelliert und die Parametrisierung an vorhandene historische Datensätze angepasst. Der so entwickelte Digitale Zwilling der Anlage dient als Grundlage für die spätere ressourcenoptimierende Regelung.
So flexibilisieren wir die Zielgrößen an prognostizierten Lastprofilen und verbessern die Betriebsweise innerhalb der Wärmeerzeuger hinsichtlich dieser Lastprofile.
Vom Modell zum validierten Regler
Die Lastprognose und der Digitale Anlagenzwilling bilden die Basis für die Analyse des Nahwärmenetzes und der Betriebsoptimierung.
Hierfür setzen wir folgende Punkte um:
- Bedarfsgerechte Wärmeproduktion: Wir erstellen einen Algorithmus, der basierend auf der Lastprognose die Feedback-Verzögerung kompensiert. Diese entsteht durch die Netzleitungen des Wärmenetzes. Wir stellen sicher, dass Abweichungen in der Vorlauftemperatur reduziert werden und Wärmeenergie nicht unnötig im Kreis gepumpt wird. Die Menge an erzeugter Wärme wird so optimal an das dynamische Abnahmeverhalten der Verbrauchenden angepasst.
- Regelung der Wärmeerzeuger: Unter Berücksichtigung der Lastprognosen kann optimal geregelt werden, wann welcher Erzeuger welche Wärmeleistung zur Verfügung stellen soll, um Primärenergie einzusparen.
Konzeptskizze: Prozessoptimierung von Wärmeerzeugungsanlagen
Dafür entwickeln wir einen Digitalen Zwilling der Anlage nach dem Minimalprinzip, unterstützt durch moderne Mess-Sensorik. Der Digitale Zwilling ist am Ende also genau ausreichend für die Anwendung, nicht aber zu umfangreich. Darüber hinaus bauen wir geeignete Regelungsverfahren auf, wie die Modellprädiktive Regelung, und haben dabei immer auch die Verbrauchsprognose im Blick.
Die entwickelten Regelungsalgorithmen übertragen wir auf eine geeignete Zielplattform und binden die Regelung in die existierende speicherprogrammierbare Steuerung (SPS) ein.