Ein typisches Blockheizkraftwerk - wird hier wie üblich lediglich nach Zeitintervall gewartet, können Defekte lange unentdeckt bleiben.

Ein typisches Blockheizkraftwerk - wird hier wie üblich lediglich nach Zeitintervall gewartet, können Defekte lange unentdeckt bleiben. - Bild: Enerquinn

Um nachhaltig und möglichst umweltschonend zu heizen, wird die effektive Nutzung von Ressourcen für Wirtschaft wie Privathaushalte immer wichtiger. Blockheizkraftwerke (BHKW) sind dabei eine gute Möglichkeit, denn die Anlagen erzeugen nicht nur Strom, sondern machen auch die sonst oft verschwendete Abwärme vor Ort nutzbar.

Ein Problem dabei: Die Kraftwerke werden nach Zeitintervallen gewartet statt nach ihrem tatsächlichen Zustand. Dadurch können Fehlfunktionen unentdeckt bleiben, die unter Umständen einen Schaden oder sogar Ausfall verursachen können. Die Firma Enerquinn, spezialisiert auf die Planung und Umsetzung von Blockheizkraftwerken, hat sich mit verschiedenen Experten zusammengeschlossen, um in einem innovativen Modellprojekt dieses Problem mithilfe künstlicher Intelligenz (KI) zu lösen.

Während Enerquinn als Experte für Full-Service-Planung und -Umsetzung von Blockheizkraftwerken die BHKWs für das Projekt zur Verfügung stellt, bringt die Hochschule Biberach ihre Erfahrung im Monitoring von Gebäude- und Energiesystemen ein. Die Hochschule Ravensburg ergänzt das Konsortium durch ihr umfangreiches Know-how im Bereich der künstlichen Intelligenz sowie der Anwendung maschineller Lernverfahren in der Industrie. Komplettiert wird das Team durch die Freiburger Mondas GmbH, deren IoT-Webplattform in der Lage ist, Algorithmen zur Analyse von Betriebszuständen auf große dezentrale Anlagenparks an zu wenden.

Ob in Hotels, Wohnsiedlungen oder Industriegebäuden – Blockheizkraftwerke (BHKW) eignen sich besonders dort für den Einsatz, wo auf eine effiziente Weise sowohl Strom als auch Wärme gleich vor Ort genutzt werden soll. Dabei wird die Abwärme nicht ungenutzt abgegeben, sondern in der Umgebung zu Heizzwecken verwendet.

Dieses Prinzip hat den Vorteil eines höheren Wirkungsgrades gegenüber der getrennten Erzeugung, allerdings auch den Nachteil, dass es durch den dezentralen Ansatz einen erhöhten Wartungsaufwand mit sich bringt.

"Bisher fahren unsere Servicetechniker in vom Hersteller vorgeschriebenen Abständen zu den jeweiligen BHKW und prüfen die ganze Maschine auf Fehlfunktionen, dafür brauchen sie viel Erfahrung und Zeit. Teilweise müssen dann noch Ersatzteile bestellt werden und der Mitarbeiter muss erneut hinfahren – das bedeutet für den Servicebetrieb nochmaligen Aufwand", erklärt Stefan Oexle-Ewert, Geschäftsführer der Enerquinn Energietechnik GmbH in Weingarten.

 

Optimierte Regelwartungen würden den Aufwand für außerplanmäßige Instandhaltungseinsätze wesentlich minimieren.
Optimierte Regelwartungen würden den Aufwand für außerplanmäßige Instandhaltungseinsätze wesentlich minimieren. - Bild: Enerquinn

Ungeplante Wartungen sollen wegfallen

Bei Regelwartungen wird zudem präventiv ein sogenanntes Wartungskit verbaut, das unter anderem einen neuen Luftfilter beinhaltet und mit einem Ölwechsel einhergeht. Dabei ergibt sich das Problem, dass bei einer Regelwartung der Zustand des Blockheizkraftwerks nicht optimal beurteilt werden kann oder bei Wartungsarbeiten Fehler gemacht bezehungsweise übersehen werden können. Kommt es dadurch zu Fehlfunktionen, kann das einen weiteren Wartungseinsatz nach sich ziehen oder im schlimmsten Fall zu einem Totalschaden führen.

Dieses Problem will das Verbundprojekt mithilfe von KI lösen: Ein Machine-Learning-Algorithmus soll Fehler im BHKW erkennbar machen, um ungeplante Wartungseinsätze und Totalausfälle zu verhindern. Das würde Kosten verringern, die Lebensdauer des BHKW erhöhen und die Effizienz steigern.

Sensoren erfassen Fehlfunktionen in BHKW 

Die Herausforderung für die Verbundpartner: Sie wollen ein System entwickeln, das anhand verschiedener Messwerte frühzeitig einen drohenden Defekt am BHKW feststellt. Dadurch kann das BHKW rechtzeitig repariert und der Kunde vor einem Ausfall bewahrt werden.

Doch die Ursachen für ein fehlerhaftes BHKW sind vielfältig; sie reichen von verschmutzten Filtern über undichte Stellen und einer Ölverbrennung bis hin zu mechanischen Schäden: „Hinweise auf solche Fehler können im Betrieb durch eine Vielzahl an Messwerten erfasst werden, wie zum Beispiel Temperatur, Druck und Beschleunigung. Zusätzlich haben wir auch ein Mikrofon installiert, womit wir die im Frequenzbereich enthaltenen Informationen aufzeichnen“, erklärt Ramona Holland vom Institut für Gebäude- und Energiesysteme an der Hochschule Biberach.

Um Daten für das Training des Algorithmus zu generieren, werden die häufigsten Fehlfunktionen nach und nach an einem Teststand-BHKW nachgestellt. Mehr als 50 verschiedene Messwerte zeichnen die entsprechenden Sensoren auf. Mithilfe der Ergebnisse des Projekts können im Anschluss die erforderlichen Sensoren auf ein notwendiges Minimum reduziert werden, um dadurch die Übertragung auf viele Anlagen zu ermöglichen. Das Ziel ist es redundante Informationen im weiteren Verlauf gar nicht erst zu speichern.

Auf wesentliche Daten reduzieren

Der Motorraum des BHKW wurde mit drei Beschleunigungssensoren und einem Mikrofon versehen, um Messdaten zu erfassen.
Der Motorraum des BHKW wurde mit drei Beschleunigungssensoren und einem Mikrofon versehen, um Messdaten zu erfassen. - Bild: Enerquinn

Die bei den Tests entstehende Datenmenge ist zu umfangreich, um diese manuell auszuwerten, weshalb eine automatisierte Analyse notwendig ist. Durch die iterative Herangehensweise im Projekt werden die Daten schrittweise auf das Wesentliche reduziert. Künstliche Intelligenz ist in der Lage, sowohl sehr kleine als auch sehr große Datenmengen auszuwerten. "Keine Datenmenge ist zu groß - selbst bei vielen unterschiedlichen Sensoren kann ein Machine-Learning-Algorithmus ein Muster finden, das einen Hinweis auf einen Fehler in der Maschine gibt", berichtet Yannik Catalinac, Projektkoordinator bei Enerquinn.

Im nächsten Schritt wird die Genauigkeit der KI verifiziert und validiert. Zu einem späteren Zeitpunkt, wenn die KI-Lösung ausreichend trainiert ist, werden die automatisierten Diagnoseergebnisse dann auch ungeschulte Personen nutzen können. Der entwickelte KI-Algorithmus kann schließlich in eine cloudbasierte Plattform wie jene von Mondas integriert werden, die für den Anwender beziehungsweise Servicebetreiber die Ergebnisse der Analysen aufbereitet und priorisiert darstellt.

Zukünftig wird die KI-Methode mit automatisierter Fehlererkennung BHKW-Servicebetrieben gleich mehrere Vorteile bieten: Sie optimiert das Wartungsmanagement und senkt die Kosten, da es weniger ungeplante Wartungseinsätze gibt. Stattdessen ermöglicht die KI einen Service im Bedarfsfall und damit eine höhere Betriebssicherheit, da Reparaturen frühzeitig durchgeführt werden können. Auch Stefan Oexle-Ewert zeigt sich begeistert von den Möglichkeiten: "Bei der Betreuung von mehr als 1.000 Blockheizkraftwerken kann uns KI helfen, Fehler frühzeitig zu erkennen, entsprechend zu handeln und langfristig unsere Maschinen zu optimieren."

Innovationswettbewerb "KI für KMU"

In Künstlicher Intelligenz (KI) steckt viel Potenzial, um innovative Produkte, Dienstleistungen und Geschäftsmodelle zu entwickeln – und zwar quer durch alle Branchen und Lebensbereiche. Das eröffnet Firmen aus Baden-Württemberg neue Chancen für Wertschöpfung und Wachstum, insbesondere wenn sie ihr spezialisiertes Branchenwissen mit der Kompetenz der im Land ansässigen KI-Forschung bündeln.

Damit es auch kleinen und mittleren Unternehmen gelingt, KI-Innovationen schnell und erfolgreich kommerziell zu nutzen, unterstützt der Wettbewerb "KI für KMU" des Ministeriums für Wirtschaft, Arbeit und Wohnungsbau Baden-Württemberg gezielt Verbundprojekte zwischen Unternehmen und Forschungseinrichtungen. Die neun Modellprojekte decken sowohl bei den Anwendungsfeldern als auch bei den Wirtschaftszweigen eine große Bandbreite ab – vom produzierenden Gewerbe über Logistik und Automotive bis zu Medizin und Biotechnologie. Die mit insgesamt 2,5 Millionen Euro geförderten Projekte dienen als Vorbilder, um weitere Unternehmen anzuregen, gemeinsam mit Forschungseinrichtungen eigene KI-Lösungen zu entwickeln.

Bearbeitet von Stefan Weinzierl

Kostenlose Registrierung

Newsletter
Bleiben Sie stets zu allen wichtigen Themen und Trends informiert.
Das Passwort muss mindestens acht Zeichen lang sein.

Ich habe die AGB, die Hinweise zum Widerrufsrecht und zum Datenschutz gelesen und akzeptiere diese.

*) Pflichtfeld

Sie sind bereits registriert?