Im Rahmen einer Studie hat eine Arbeitsgruppe unter der Beteiligung von INEV Praktikerinnen und Praktiker befragt und ausgewertet, welche Fehlern in Hausübergabestationen das höchste Potenzial für Predictive Maintenance haben. Die Ergebnisse sind nun in einem Artikel im Energy Journal erschienen.

Bei Predictive Maintenance oder prädiktiver Instandhaltung werden Anlagen kontinuierlich mittels Sensorik überwacht, um den Zustand der Anlage automatisch abzuschätzen. Ziel dieser Instandhaltungsstrategie ist es, Fehler und Störungen frühzeitig (im besten Fall noch vor dem tatsächlichen Auftreten) zu erkennen und Instandhaltungsmaßnahmen vorrausschauend zu planen und durchzuführen. Neben der besseren Planbarkeit, die in Zeiten von Personalmangel an Bedeutung gewinnt, können auch Kunden von kürzeren Ausfallzeiten und einer höheren Versorgungssicherheit profitieren.

Da Predictive Maintenance viele Vorteile verspricht, ist es auch ein aktives Forschungsfeld im Bereich von Fernwärmesystemen. INEV untersucht in diesem Kontext im Forschungsprojekt PreDist (Predictive Maintenance for District Heating) zusammen mit renommierten Partnern wie dem Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik (IEE), der AGFW Projekt GmbH und der Enercity AG wie Predictive Maintenance zur Fehlererkennung in Hausübergabestationen eingesetzt werden kann.

In einer aktuellen Studie hat sich das PreDist-Team der Frage gewidmet, welche Fehler in Hausübergabestationen sich für Predictive Maintenance eignen und priorisiert betrachtet werden sollten, denn nicht jeder Fehler lässt sich mit heute typischerweise verbauter Sensorik frühzeitig erkennen. Zusätzlich gibt es Fehler, die nur sehr selten auftreten oder nicht gravierend genug sind, um den Einsatz von Predictive Maintenance ökonomisch zu rechtfertigen.

Um die Frage zu beantworten hat das PreDist-Team die Komponenten einer typischen Hausübergabestation analysiert und 81 mögliche Fehler aufgelistet. Anschließend wurden die Fehler von Praktikerinnen und Praktiker hinsichtlich ihrer Auftrittswahrscheinlichkeit, ihrer Schwere und ihrem Monitoring- und Instandhaltungspotenzial beurteilt. Aus der Befragung wurde anschließend eine Priorisierung der Fehler abgeleitet. So sehen die befragten Praktikerinnen und Praktiker beispielsweise großes Potenzial für Predictive Maintenance bei der Verschmutzung von Wärmetauschern oder Schmutzfängern, sowie beim Ausfall von Pumpen.

Alle Ergebnisse stehen in Form einer priorisierten Liste der Fehler, die Beurteilung der einzelnen Kriterien pro Fehler, sowie die angewandte Methodik, eine Anpassung der Failure Mode and Effects Analysis (FMEA), nun mit der Publikation der Öffentlichkeit frei zur Verfügung. Praktikerinnen und Praktiker können die Ergebnisse nutzen, um zu entscheiden, welche Fehler sie in Predictive Maintenance-Projekten fokussieren möchten. Forschende wiederum können die angepasste Failure Mode and Effects Analysis auf andere Anlagen übertragen, um das Potenzial für Predictive Maintenance dort abzuschätzen.

Der Beitrag (in Englisch) ist unter dem Titel “Prioritisation of faults in district heating substations: Towards predictive maintenance and optimised operation” im Energy Journal erschienen und kann unter folgendem Link abgerufen werden: https://www.sciencedirect.com/science/article/pii/S036054422502852X