Cookies 🍪

Diese Website verwendet Cookies, die Ihre Zustimmung brauchen. Details finden Sie in unserer Datenschutzerklärung

Zum Inhalt springen

F&E-Projekt „KI-basierte Wartungsoptimierung von Blockheizkraftwerken“ beginnt.

In Kooperation mit der Hochschule Biberach, der Hochschule Ravensburg und Enerquinn Energiesystemtechnik GmbH startet Mondas jetzt ein umsetzungsorientiertes F&E-Projekt zum Thema vorausschauende Wartung von Blockheizkraftwerken (BHKW).
Das auf 12 Monate angelegte und vom Wirtschaftsministerium Baden-Württemberg geförderte Forschungsprojekt soll die Auswirkungen der automatisierten Fehlererkennung und vorausschauenden Wartung bei BHKW auf die Betriebseffizienz der Anlagen untersuchen. Mit einer vorausschauenden Wartung können Servicefirmen ihren Kostenaufwand für die Instandhaltung vieler und räumlich weit verteilter Energieanlagen deutlich reduzieren.

„Wir freuen uns sehr, gemeinsam mit renommierten Forschungspartnern unser Wartungstool weiterzuentwickeln, um so die Betriebskosten von BHKW künftig weiter zu reduzieren“, so Mondas-Geschäftsführer Christian Neumann anlässlich der Förderzusage aus Stuttgart.

BHKW sind dezentrale Energiesysteme und damit räumlich verteilt. Weil deren Wartung vielfach nicht anlassbezogen sondern in festen Intervallen erfolgt, ist der Serviceaufwand groß. So fährt das Wartungsteam Standorte turnusmäßig an und wartet Anlagen, ohne deren tatsächlichen Zustand im Vorfeld analysieren zu können. Selbst wenn Betriebsdaten, beispielsweise über Fernwartung, zur Verfügung stehen, müssen diese noch vielfach manuell ausgewertet werden. Qualifizierte Experten interpretieren dann in einem zeitraubenden Prozess Zeitreihendiagramme, was die Kosten weiter in die Höhe treibt.

Dass eine datenbasierte Fehlererkennung und vorausschauende Wartung (predictive maintenance) grundsätzlich Vorteile für den effizienten und langlebigen Betrieb von energie- und versorgungstechnischen Anlagen bringt, ist gemeinhin bekannt. Wie genau sich ein festgestellter Fehler auf beispielsweise Verschleiß oder Effizienz einer Anlage quantitativ auswirkt wurde bislang dagegen wenig untersucht.

Genau an dieser Stelle setzt das im Januar 2020 gestartete F&E-Projekt an.

Ziel ist es, KI-basierte Methoden zur automatisierten Erkennung von Fehlbetrieben und zur vorausschauenden Wartung zu verfeinern und diese zudem für die tägliche Wartungspraxis von BHKW-Servicebetrieben verfügbar zu machen. „Damit kann das Wartungsmanagement mit unserer IoT-Plattform weiter optimiert werden“, so Mondas-Chef Neumann.

Warum automatisierte Fehlererkennung?

Beim Betrieb von BHKW treten vielfach Fehlbetriebe oder nicht optimale Betriebsweisen auf, die, bleiben sie unerkannt, die Lebensdauer und Effizienz der Anlage negativ beeinflussen können. Dazu gehören beispielsweise Taktung, suboptimale Betriebstemperaturen oder Fehler im Motor- oder Generatorbetrieb. Im F&E-Projekt werden diese Fehlerbetriebe anhand vorhandener Wartungsprotokolle identifiziert und anschließend auf einem BHKW-Teststand reproduziert. Hierzu wird die Teststands-Anlage mit Sensoren für relevante Größen wie Kurbelgehäusedruck, Geräusch oder Vibration ausgerüstet. Für die Prognose der Signale werden KI-Methoden eingesetzt und anhand der Anlagendaten evaluiert. Hiermit lassen sich zeitlich hoch aufgelöste, gelabelte Messdaten von günstigen wie fehlerhaften Anlagenzuständen generieren. Schließlich werden verschiedene maschinelle Lernverfahren auf ihre Eignung im praktischen Einsatz getestet und in der Mondas IoT-Software implementiert.

Erstes Ziel ist es, nicht turnusmäßige Wartungsarbeiten bzw. Anfahrten künftig deutlich zu reduzieren oder am besten ganz zu vermeiden. Wenn eine Störmeldung auftritt, soll diese zunächst automatisch analysiert und priorisiert werden. Die Servicefahrt wird dann entsprechend terminiert, das Serviceteam startet gut informiert und mit den richtigen Ersatzteilen an Bord. Andererseits: Erkennt die KI-Plattform die Unbedenklichkeit einer Fehlermeldung, wird gar keine Servicefahrt initiiert.
Mittelfristig soll mit Hilfe der Künstlichen Intelligenz der IoT-Plattform grundsätzlich auf feste Wartungsintervalle verzichtet werden können. Die Vorhersage von Messgrößen, die Rückschlüsse auf den Wartungs- bzw. Schadenszustand der Anlagen zulassen, ist daher ein wichtiges Entwicklungsziel für das Wartungstool.

Hochkarätiges Entwicklerteam

Das Projekt „KI-basierte Wartungsoptimierung von Blockheizkraftwerken“ wird von einem Konsortium aus renommierten Forschungsinstituten und erfahrenen Unternehmen bearbeitet. Hierdurch kann die angestrebte schnelle Übertragung wissenschaftlicher Erkenntnisse in ein alltagstaugliches Wartungstool sichergestellt werden:

  • Hochschule Biberach
    Die Hochschule Biberach verfügt über große Erfahrung im Monitoring von Energiesystemen. Sie entwickelt auch Werkzeuge zur Analyse und Visualisierung von Monitoringdaten und Komponenten zur Interaktion mit Fremdsystemen. Zur Webseite …

  • Hochschule Ravensburg-Weingarten (RWU), Institut für Künstliche Intelligenz (IKI)
    Das IKI forscht seit über 20 Jahren im Bereich der Künstlichen Intelligenz sowie der Anwendung maschineller Lernverfahren in der Industrie. Zur Webseite …

  • enerquinn Energiesystemtechnik GmbH aus Weingarten
    enerquinn zählt zu den führenden Experten für die Full-Service-Planung und -Umsetzung von Blockheizkraftwerken sowie Photovoltaik-Stromspeicherlösungen in Baden-Württemberg. Zur Webseite …

  • Mondas GmbH
    Mit der mondas®-Systemplattform verfügen wir über ein hoch performantes IoT-Webtool zur Erfassung und Analyse von Zeitreihendaten, das sich insbesondere zur Überwachung und Wartungs¬optimier¬ung großer und räumlich weit verteilter Anlagenbestände eignet. Zur Webseite …

Das entwickelte Wartungstool wird nach Abschluss des F&E-Projekts im Dezember 2020 über die mondas® IoT-Plattform allen Wartungs- und Servicefirmen, aber auch BHKW-Herstellern und Betreibern wie Stadtwerke, EVU, Energiegenossenschaften und Contractingfirmen zur Verfügung stehen.