ERKENNTNISSE GENERIEREN
Der Fokus im Projekt liegt auf der Weiterentwicklung von Deep-Learning-Verfahren mit neuronalen Netzen. Als Testumgebung eignet sich der Einsatz bei Betrieb und Wartung von Fernwärmesystemen, insbesondere Wärmeübergabestationen.
In einem Zeitraum von April 2021 bis März 2024 werden neue Methoden zur prädiktiven Wartung von Fernwärmesystemen entwickelt, die über die bisher verbreiteten einfachen statistischen Verfahren hinausgehen. Folgende Anwendungsfelder sollen abgedeckt werden:
die automatische Detektion ungewöhnlicher Betriebszustände in Fernwärmesystemen mit selbstlernenden Systemen, am Beispiel der Wärmeübergabestationen
die Verifikation und Validierung intelligenter lernender Systeme in Energieverbünden durch gleichzeitiges Training von Anwendungs- und Testsystem
adaptive lernende Systeme, die sich stetig semi-überwacht während des Betriebs des Fernwärmesystems an ein sich veränderndes Umfeld anpassen.
INEV möchte die Ergebnisse des Projektes nutzen zur Entwicklung von hochautomatisierten Systemen zum Monitoring und zur technisch-wirtschaftlichen Optimierung des Betriebs komplexer Energieverbundsysteme.
Auf diese Weise soll Versorgern eine effiziente, effektive Überwachung und Optimierung ihrer Systeme ermöglicht werden.
INEV: »DATEN SCHAFFEN MEHRWERT«
Im Rahmen des Forschungsvorhabens übernimmt INEV insbesondere die energietechnische und energiewirtschaftliche Modellierung und die Weiterentwicklung der Monitoring-Software. Auf der Basis der Messdaten des FWS werden deterministische Modelle von Systemkomponenten und Anlagenteilen erstellt, mit denen das Verhalten des realen Systems in vorgegebenen Szenarien simuliert werden kann. Die so erzeugten virtuellen Betriebsdaten werden zum Training und zur Validierung des intelligenten Systems genutzt. Gleichzeitig dienen die Modelle zur Ermittlung von Key-Performance-Indikatoren für die technische und wirtschaftliche Leistungsfähigkeit des FWS und des intelligenten Systems.
ÜBER KÜNFTIGE ENTWICKLUNGEN
Für INEV steht der Aufbau von Kompetenzen im Bereich des maschinellen Lernens im Fokus, die in der Weiterentwicklung der internen Prozesse und in Kundenprojekten eingesetzt werden. Außerdem sollen die Ergebnisse in der gemeinsam mit der THRO entwickelten Software MetricX umgesetzt werden.
Weiterentwicklung MetricX
Die im
Nemo-Projekt entwickelte Software zur Erfassung, Administration, Visualisierung und Analyse von Betriebsdaten von FWS wird im Ilse-Projekt eine essenzielle Rolle spielen. Dabei wird MetricX insbesondere bei der Analyse und Validierung der Messdaten sowie bei der Verifizierung der Ergebnisse der neu entwickelten Verfahren zum Einsatz kommen.