Präskriptive Analytik für industrielle Kälteanalgen
Projektbeschreibung
Kältetechnik wird in vielen Branchen eingesetzt, wobei ca. 20% des europaweiten Strombedarfes auf die Anwendung von Kühl- und Gefrierprozessen zurückzuführen sind. Dadurch bietet diese Branche besonders hohes Optimierungspotential bezüglich der Einsparung von Energiekosten. Besondere Zuwendung gilt hier der Nutzung von Kühl- und Tiefkühllagern, da diese als Energiespeicher genutzt werden können und so für die Integration in intelligente Stromnetze prädestiniert sind. So kann durch die agile Energienutzung Betriebskosten eingespart und so ein wesentlicher Beitrag zur bundesweiten Netzstabilität geleistet werden. Ferner unterliegen Kühl- und Tiefkühlapplikationen starken Umwelteinflüssen. Durch stark schwankende Störgrößen im Prozessablauf werden oftmals Betriebsgrenzen nicht eingehalten, wodurch die Gebrauchstauglichkeit der Anlagen eingeschränkt werden kann. Eine frühzeitige intelligente Anpassung der Führungsgrößen im Kälteprozesses ist daher wünschenswert, da so die Einhaltung von Betriebsgrenzwerten gewährleistet wird.
Das Gesamtziel des Kooperationsprojekts zwischen der TH-Wildau und der Firma Pakt ergibt sich aus dem Bedarf einer effizienteren Wartung und Instandhaltung der Kälteanlagentechnik, sowie aus den Herausforderungen, die die Energiewende und die fortschreitende Digitalisierung an produzierende Unternehmen stellen. Bedingt durch die inhaltlichen Schwerpunkte der beiden Projektpartner, sollen im Projekt wichtige langjährige Erfahrungswerte aus dem Betrieb von Kälteanlagen mit dem neuesten Fachwissen aus der Steuerungs- und Automatisierungstechnik in einem neuen Produkt kombiniert werden, welches in dieser Form bislang am Markt einzigartig ist. Im Fokus der Entwicklungs- und Forschungsarbeit stehen das Modell zur präskriptiven Regelung sowie ein Modell zur prädiktiven Instandhaltung von heterogenen Anlagen. Durch die Implementierung beider Modelle, soll eine neue Software mit benutzerfreundlicher Bedienoberfläche entstehen und so eine Erweiterung zu bisher bekannten Steuerungs- und Regelungskonzepten in der industriellen Kältetechnik darstellen.
Ziel des neuen präskriptiven Regelungsansatzes, ist das „Erlernen“ einer energieeffizienten Regelungsstrategie für bestehende oder neuartige Kompressionskälteanlagen. Basierend auf historischen Daten, kann das Nutzungsverhalten der jeweiligen Anlage durch ein geeignetes Modell erlernt und so die optimalen Parameter der Regelstrecke agil definiert werden. Dabei fokussiert das Projekt für die Umsetzung vor allem die Anwendung von maschinellen Lernmethoden. Im Gegensatz zu gängigen sogenannten Model Predicive Control Ansätzen, erfordern datengetriebene Methoden keine Modellierung des Zielsystems und können somit leichter und kostengünstiger implementiert werden.
Ein weiterer Meilenstein dieser Neuentwicklung besteht in der Umsetzung eines übertragbaren Modells zur Prädiktiven Instandhaltung. Da die Funktionssicherheit eines solchen Modells von den Daten bzw. Merkmalen des jeweiligen Zielsystems abhängig ist, ist zwar die Integration innerhalb desselben Anlagentyps umsetzbar, jedoch ist die Übertragbarkeit auf andere Systeme nur bedingt möglich. In diesem Projekt soll daher die Übertragbarkeit von datengetriebenen Methoden überprüft und ein entsprechendes Modell abgeleitet werden. Die Aggregation beider Modelle zu einer gesamtheitlichen und benutzerfreundlichen Applikation ist erklärtes Ziel dieses Projekts.
Laufzeit
07/20 - 06/22
