Detailansicht: 925 von 4654

 

Verbundvorhaben: IdDiaPro - Identifikation von Methoden zur Diagnose, Prognose und Behebung von nicht-nominalen Betriebszuständen in biomassebasierten Versorgungssystemen; Teilvorhaben: Identifikation von Methoden für brennstoffbezogene Probleme

Förderzeitraum
2021-03-01  –  2022-08-31
Bewilligte Summe
188.552,00 EUR
Ausführende Stelle
Förderkennzeichen
03EI5425A
Leistungsplansystematik
Energetische Biomassenutzung [EB1920]
Verbundvorhaben
01223182/1  –  IdDiaPro
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIC6)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESI5)
Förderprogramm
Energie
 
Die zunehmende energetische Nutzung von biogenen Rest- und Abfallstoffe und von Biomassen minderer Qualität führt aufgrund des größeren Anteils von anlagenschädlichen Bestandteilen zu einem höheren Verschleiß der Komponenten und dadurch zu häufigeren Ausfallzeiten. Der Betriebszustand und der technische Zustand der einzelnen Komponenten sowie des Gesamtsystems sind dabei in der Praxis für den Betreiber einer kleinen Anlage (im Leistungsbereich unterhalb von 500 kWth) kaum erkennbar, weil sich ein explizites Modell des Gesamtprozesses nicht individuell erstellen lässt. Die Identifikation des nicht-nominalen Betriebsverhaltens von biomassebasierten Versorgungssystemen kann durch das Zusammenspiel aus bereits vorhandener, moderner Sensorik und leistungsfähigen Algorithmen mit geringem Aufwand ermöglicht werden. Dabei können solche Algorithmen unter anderem Alterungs- und Verschleißprozesse sichtbar machen und 'just-in-time' Wartungen auslösen sowie Rückmeldungen zu weiteren Abweichungen und Problemen, z.B. Bedienfehler oder einer verminderten Brennstoffqualität, geben. Dabei lassen sich alle signifikanten Abweichungen vom Nennzustand unter den Begriffen nicht-nominales Betriebsverhalten oder Problem zusammenfassen. Ziel der zu erarbeitenden Vorstudie von IdDiaPro ist es daher, die Datenvielfalt zu nutzen und die Möglichkeit zur Sicherstellung einer hohen Güte des Anlagenbetriebes von biomassebasierten Versorgungssystemen durch eine automatische Analyse und Bewertung des Betriebsverhaltens mittels (i) modellbasierter Analysemethoden, (ii) signalbasierter Analysemethoden, (iii) Methoden des maschinellen Lernens und einer Kombination aus ihnen zu ermöglichen. Im Ergebnis sollen Lösungsansätze und 'konzepte erarbeitet werden, die potentiell mit existierender Anlagen-, Informations- und Kommunikationstechnik real implementiert werden können, um nicht-nominales Betriebsverhalten zu detektieren und zukünftiges Betriebsverhalten zu antizipieren.