Aktuelle Forschungsprojekte
Sie befinden sich hier: / Startseite
Energieeffizienzbewertung und optimierte Betriebsführung von gewerblichen Kälteanlagen
![](/fileadmin/user_upload/Artikel/2019/EnBeKa_II/projekt_enbeka_3_1.jpg)
Projektträger Jülich (PTJ)
12/2016-06/2020
Dipl.-Ing. (FH) Andreas Rittsche
+49-351-4081-5425
EnBeKa II
Zustandsbasierte Anlagenüberwachung von Kälteanlagen
Aus der Vergangenheit lernen und für die Zukunft nutzen
Beim Monitoring von Kälteanlagen fallen sehr viele Sensordaten von Messstellen an, die oft im Rahmen eines übergeordneten Monitorings erfasst und gespeichert werden. Um aus den Daten mehr als nur Überschreitungen von Grenzwerten ablesen zu können, bedarf es meist aufwendiger Softwarearchitekturen. Über ein durch das ILK Dresden entwickeltes Softwarepaket soll die Erkennung sich anbahnender Anlagenfehler nun einfacher werden.
Beim Betrieb von Kälteanlagen spielen über die Aufrechterhaltung der Anlagenverfügbarkeit und ‑effizienz hinaus auch die Optimierung des Anlagenbetriebs zur Einsparung von Betriebskosten und zur Verringerung von CO2-Emissionen und das rechtzeitige Erkennen auch schleichender Veränderungen von Betriebsparametern und Anlagenkomponenten eine Rolle.
Bei der Überwachung von Kälteanlagen fallen sehr viele Sensordaten von Messstellen an, die meist im Rahmen eines übergeordneten Monitoring-Systems erfasst und gespeichert werden. Um aus den Daten mehr als nur Überschreitungen von Grenzwerten ablesen zu können, bedarf es meist aufwendiger Softwarearchitekturen oder spezieller mathematischer Operationen. Je nach Überwachungsaufgabe sind meist unterschiedliche Sensordaten erforderlich, um den jeweiligen Nachweis zu erbringen. Im Rahmen des Verbund-Projektes EnBeKa II[1] wurden diese Themen aufgegriffen und einfache Methoden zur Erleichterung der Nachweisbarkeit entwickelt
Im Rahmen dieses Projektes hat sich das ILK Dresden mit den Möglichkeiten zur Fehlererkennung und Diagnose (FED) von Anlagenausfällen auf Grundlage einer zustandsbasierten Auswertung von Anlagendatensätzen beschäftigt. Durch Nutzung einer selbstorganisierenden Karte (engl. „self organizing map“) können Datensätze einer Anlage bezüglich der Eigenschaften ihrer Prozessgrößen getrennt und in Zustandsclustern strukturiert werden. Diese Zustandscluster können mit auftretenden Ereignissen der Anlage überlagert werden, wodurch eine Analyse der Ursachen für diese Ereignis ermöglicht wird. Der Anlagenbetreiber kann die Ursachen auswerten und ggf. die Betriebsparameter seiner Anlage anpassen.
Einmal aufgetretene Ereignisse werden durch die Software gespeichert und können mit zukünftigen Betriebsdaten verglichen werden. Sollten Datensätze mit ähnlichen Eigenschaften im laufenden Betrieb auftreten, ist die Software in der Lage dies zu erkennen und bei Bedarf zu warnen.
[1] 03ET1449B Energieeffizienz und optimierte Betriebsführung von gewerblichen Kälteanlagen, Phase II, gefördert durch das Bundesministerium für Wirtschaft und Energie
Symptome erfassen, speichern und alarmieren
Datensätze einer Anlage werden mittels antrainiertem Neuronalen Netz bewertet und einem Zustand zugeordnet. Sollte der Datensatz ein Anlagenereignis (Fehler oder auffälliges Betriebsmerkmal) enthalten, wird dieses in einer Ereignisbibliothek gespeichert. Je nach Konfiguration der Software werden zusätzlich weitere historische Daten mit dem Anlagenereignis verknüpft. Dadurch ist es möglich, mehrere aufeinanderfolgende Datensätze als Symptome für ein zukünftig auftretendes Störereignis zu interpretieren und für eine Fehlerfrüherkennung (FED) zu nutzen. Um bei der Verknüpfung von Anlagenereignissen aus der Ereignisbibliothek (Abbildung 1) mit aktuellen Datensätzen der Anlage keine Warnungen mit geringer Relevanz zu generieren, wurden frei parametrierbare Kriterien zur Unterdrückung solcher „schwacher Informationen“ eingefügt.
Hierarchisch können einzelne Symptome überwacht und Warnungen sowie Alarme mit entsprechenden Priorisierungen parametriert werden.
Virtuelle Mischprojekte
Durch die Funktionalität der Software ist es möglich, neben dem Monitoring einer Einzelanlage auch eine multiple Anlagenüberwachung (Abbildung 2) aufzubauen. Voraussetzung hierfür sind identische Prozessgrößen, ähnliche Einsatzbereiche und dieselbe Struktur der Datensätze der Anlagen. Dann können Datensätze verschiedener Anlagen in einem gemeinsamen Projekt ausgewertet werden. Durch diese Kombination verschiedener Einzelanlagen entsteht eine virtuelle Gesamtanlage.
Diese Funktionalität ermöglicht es, ausgehend von einer Anlage A eine Fehlerüberwachung aufzubauen und diese sukzessive um neue Anlagen zu erweitern. Dadurch ist es möglich, die Anlagenereignisse der Anlage A auch zur Bewertung des Zustands einer Anlage B zu nutzen. Das erlernte „Wissen“ an Anlage A wird somit auf andere Anlagen übertragen. Im Gegenzug können Ereignisse einer Anlage B oder C auch zur Bewertung der Anlage A genutzt werden.
Da die selbstorganisierende Karte auf einem Neuronalen Netz basiert, sind Trainingsprozesse mindestens einmalig erforderlich. Wenn sich die Einsatzbereiche oder Betriebsparameter (z. B. Sollwerte) der Anlage(n) im Laufe der Zeit signifikant ändern, empfiehlt sich ein neues Training der Datenbasis, um stets die optimale Kartenauflösung zu nutzen. Die gespeicherten Ereignisse oder Störungen bleiben trotz des Trainings erhalten.
Gebündelte Funktionen – einfache Implementierung
Die im Projekt erarbeiteten Mikrowerkzeuge basieren auf verschiedenen Berechnungsfunktionen, die in einer Library als Kombination mehrerer .dlls zusammengefasst sind. Die vom ILK Dresden entwickelte ILK-Library (.dll) beinhaltet alle Funktionen, welche für das Anlegen eines neuen Projektes, zur Datenaufbereitung und Auswertung sowie zum Einspeisen in eine Datenbasis notwendig sind. Weiterhin kann die Datenbasis angelernt und eine automatsche Bewertung durchgeführt werden. Im Rahmen eines Online-Monitorings wird ein Datensatz mittels Funktionsaufruf (durch ein übergeordnetes Softwaresystem) ausgewertet und ein Ergebnis zurückgegeben, welches Informationen über etwaige Auffälligkeiten des Datensatzes enthält. Hierfür kann die .dll in die entsprechende Entwicklungsumgebung eingebunden werden. Weiterhin existiert die Möglichkeit einer scriptbasierten Abarbeitung der einzelnen Funktionen. Hierfür können kleine Programme mit bestimmten Parametern zyklisch gestartet werden, um den Datenimport, die Auswertung von Datensätzen oder ein wiederkehrendes Training zu ermöglichen. Im Rahmen des Projektes wurde dieser Weg erfolgreich angewendet. Die erforderlichen Module werden als gepackter Ordner (.zip-File) abgerufen und können auf einem Rechner oder Server installationsfrei lokal abgelegt werden, ohne Umweg über einen externen Anbieter. Eine umfängliche Dokumentation zur Implementierung der Mikrowerkzeuge sowie eine Möglichkeit zum Download für interessierte Anwender wurden ebenfalls geschaffen.
Externer LINK zu Abschlussbericht EnBeKa II
Weitere Projekte
Magnetfeldbeeinflusster Schmelzpunkt des Wassers
Gesteuerte Unterkühlung von wasserhaltigen Produkten bei Gefrierprozessen