Günstiger, effizienter, langlebiger: KI senkt Wartungskosten, steigert Effizienz und Lebensdauer von Blockheizkraftwerken

 

Aktuelle Situation: Aufwändige Regelwartungen ohne Fehlerindikation

Blockheizkraftwerke (BHKW) sind besonders effiziente Anlagen, denn sie erzeugen sowohl Strom als auch Wärme. Dieses Prinzip wird auch Kraft-Wärme-Kopplung genannt und ermöglicht eine effizientere Nutzung von Brennstoffen. Die Erzeugung von Energie vor Ort hat den Vorteil, Transportverluste zu vermeiden. Daher werden BHKW dort installiert, wo Strom und Wärme direkt genutzt werden – beispielsweise in Hotels, Wohnsiedlungen oder Industriegebäuden. Der dezentrale Ansatz bringt einen erhöhten Wartungsaufwand und längere Anfahrtswege mit sich, was sich in den Betriebskosten niederschlägt. Bislang wird jede Anlage nach bestimmten Regelwartungsintervallen überprüft. Solche festen Wartungsintervalle berücksichtigen aber nicht den tatsächlichen Zustand des BHKW, da lediglich standardisierte Maßnahmen durchgeführt werden. Bei Störungen werden somit weitere Wartungen nötig. Das kostet nicht nur Geld, sondern kann in der Zwischenzeit auch zu Schäden am BHKW führen.

 

Innovation: Wie hilft KI dabei, das Problem zu lösen?

Verschmutzte Filter, defekte Motor- oder Generatorantriebe, eine nicht optimale Betriebstemperatur oder ein falscher Kurbelraumdruck: Die Ursachen, weswegen ein BHKW nicht reibungslos läuft, sind vielfältig und kommen den Betreiber unter Umständen teuer zu stehen. Hinweise auf solche Fehler liefern unter anderem die Temperatur, Maschinengeräusche oder auch Vibrationen des BHKW. Diese Messdaten werden mit Hilfe von speziellen Sensoren erfasst. Aus diesen umfangreichen Daten kann ein Überwachungssystem, das Methoden der Künstlichen Intelligenz (KI) einsetzt, Muster erkennen. Diese Muster liefern Hinweise auf Fehler in der Maschine. Die frühzeitige Erfassung von Fehlfunktionen kann Folgeschäden deutlich verringern, was sich zusätzlich positiv auswirkt.

 

Vorgehensweise: Akustik und Vibration liefern Hinweise auf Fehler

Im Projekt werden zunächst die häufigsten Fehler eines BHKW evaluiert und passende Sensoren ausgewählt, um diese Fehlfunktionen zu erfassen. Diese speziellen Sensoren werden dann in das Test-BHKW installiert, um die gewünschten Messdaten aufzuzeichnen. Nach und nach werden dann im Test-BHKW ausgewählte Fehler nachgestellt, um somit die relevanten Daten zu bestimmen und zu klassifizieren – wie beispielsweise im Fall eines falsch montierten Luftfilters. Das KI-System wird darauf trainiert die Messdaten zu analysieren und Muster bzw. Abweichungen zu finden, die auf eine fehlerhafte Funktion des BHKW hinweisen. Dabei wertet das System große Datenmengen aus, die für den Menschen viel zu umfangreich sind, um sie möglichen Fehlern zuzuordnen. Anschließend überprüfen Experten, ob das KI-System die Messdaten richtig auswertet. Die Nutzung der Ergebnisse der automatisierten Diagnose mithilfe von KI kann später auch durch ungeschulte Personen erfolgen. Der entwickelte KI-Algorithmus wird schließlich in eine cloudbasierte Software für den Anwender bzw. Servicebetreiber integriert.

 

     

    Ausblick: Weitere Anlagen automatisch prüfen

    Eine automatisierte Fehlererkennung für die vorausschauende Wartung wäre ebenfalls für viele andere motorgetriebene Maschinen hilfreich. Die in diesem Projekt entwickelte Messtechnik und die Erkenntnisse über spezielle Sensoren sowie fehlerrelevante Messdaten können als Grundlage für ähnliche Anwendungsbiete verwendet werden. Dies vereinfacht den Einstieg, da die KI-Anwendung für die jeweilige Maschine spezifisch ist, was eine große Hürde zu Beginn darstellt. Darüber hinaus kann auch die Vorgehensweise bei der Integration des KI-Systems in die Software als Vorlage für andere Anwendungsbereiche verwendet werden. 

     

    Mehrwert: Gezielte Prüfungen und geringere Kosten

    Für BHKW-Servicebetriebe wäre die automatisierte Fehlererkennung und vorausschauende Wartung mit KI-Methoden ein großer Vorteil. Denn das würde das Wartungsmanagement optimieren und somit Kosten senken. Keine ungeplanten Wartungseinsätze mehr, sondern durch die KI ein Service im Bedarfsfall und zugleich langlebigere Maschinen durch Reparaturen vor dem Ausfall.

     

    Konsortium: Wer sind die Projektbeteiligten?

    • Hochschule Biberach: Die Hochschule Biberach verfügt über große Erfahrung im Monitoring von Gebäude- und Energiesystemen. In diesem Kontext entwickelt die Hochschule auch Werkzeuge zur Analyse und Visualisierung von Monitoringdaten und Komponenten zur Interaktion mit Fremdsystemen.
       
    • Hochschule Ravensburg: Unter der Leitung von Professor Dr. Wolfgang Ertel forscht das Institut für Künstliche Intelligenz (IKI) seit über 20 Jahren im Bereich der Künstlichen Intelligenz sowie der Anwendung maschineller Lernverfahren in der Industrie. Durch die gute Vernetzung ist das IKI in Baden-Württemberg sehr gut aufgestellt.
       
    • Mondas GmbH, Freiburg:Mondas entwickelt und vertreibt mit der mondas-Systemplattform ein hoch performantes IoT-Webtool zur Erfassung und Analyse von Zeitreihendaten, das sich insbesondere zur Überwachung und Wartungsoptimierung großer verteilter Anlagenbestände eignet.
       
    • enerquinn Energietechnik GmbH, Weingarten: Die enerquinn Energietechnik GmbH gehört zu den führenden Experten für die Full-Service-Planung und -Umsetzung von Blockheizkraftwerken sowie Photovoltaik-Stromspeicherlösungen.