details_view: 2 von 10

 

Verbundvorhaben: AdPG - Steigerung der Flexibilität und Effizienz großer Energieverbraucher in der Industrie durch adaptive Pumpgrenzregelung unter Nutzung akustischer Signale; Teilvorhaben: KI-gestützte Energieeinsparungen durch flexibleren Betrieb von Turbomaschinen

Zeitraum
2021-04-01  –  2025-03-31
Bewilligte Summe
437.989,00 EUR
Ausführende Stelle
Förderkennzeichen
03EE5054A
Leistungsplansystematik
Fortgeschrittene Kraftwerkssysteme - Kraftwerke mit Null Emissionen [EA1325]
Verbundvorhaben
01214834/1  –  AdPG - Steigerung der Flexibilität und Effizienz großer Energieverbraucher in der Industrie durch adaptive Pumpgrenzregelung unter Nutzung akustischer Signale.
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESE5)
Förderprogramm
Energie
 
Energieintensive Industrieprozesse, die an das zukünftige Energiesystem mit einem höheren Anteil fluktuierender Stromerzeugung optimal angepasst sind, müssen ihre Flexibilität deutlich steigern. 40% des Stroms in Deutschland werden in der Industrie verbraucht. Dieser Strom wird zu 70% für mechanische Energie wie Turbomaschinen aufgewendet. Eine Flexibilisierung dieser Verbraucher ist wesentlich für die Erhöhung der Energieeffizienz, den Ausbau erneuerbarer Energien und die Reduktion der Treibhausgase. In diesem Vorhaben werden Methoden der künstlichen Intelligenz (KI) bzw. des maschinellen Lernens und neue digitale Lösungen wie Edge Computing verwendet, um die Flexibilität und Effizienz von Turbomaschinen durch eine adaptive Pumpgrenzregelung zu erhöhen. Es sollen Indikatoren für Strömungsinstabilitäten in Turbomaschinen akustisch detektiert werden. Zum Einsatz kommen hierfür Technologien der Signalanalyse (Fourier-, Wavelettransformation, Wigner-Ville Distribution, Korrelationsanalyse u.ä.) und der Mustererkennung eingesetzt [DLR]. Zusätzliche Messgrößen wie Drücke, Temperaturen und Durchflüsse sollen genutzt werden, um eine erhöhte Zuverlässigkeit bei der Pumpgrenzbestimmung im Vergleich zum Stand der Technik zu liefern. Es werden statistische Algorithmen zur Konsistenzprüfung entwickelt und Methoden des maschinellen Lernens (Bayessche Neuronale Netzwerke, LSTM, ..) zur Bestimmung des Abstands zur Pumpgrenze angewandt. Die Stabilitätsindikatoren werden dann in eine Schwingungsanalyseplattform eingebettet und Regelungskonzepte auf Basis der neuen Informationen entwickelt, die einen ressourcenschonenderen und gleichzeitig sicheren Betrieb von Turbomaschinen bei geringem Durchsatz ermöglichen.