Image Measurements on ceiling mounted cooling systems
Image Helium extraction from natural gas
Image Solar Cooling
Image State of system and failure analyses
Image Thermostatic Expansion Valves
Image Prüflabor Wärmepumpen at ILK Dresden
Image Membrane-based Air Conditioning
Image Components for Cold Storage Systems
Image Thermal engines
Image Low noise and non metallic liquid-helium cryostat
Image Low temperature – test facilities
Image Test procedures for electrical components
Image Low Temperature Measuring Service
Image Calibration of Low Temperature Sensors
Image Cryostats, Non-Metallic and Metallic
Image Software modules

You are here:   /  Home


Energieeffizienzbewertung und optimierte Betriebsführung von gewerblichen Kälteanlagen

Projektträger Jülich (PTJ)

12/2016-06/2020

Dipl.-Ing. (FH) Andreas Rittsche

+49-351-4081-762

EnBeKa II

Projektbeschreibung

Im Zusammenhang mit dem Ziel der Minderung treibhauswirksamer Gase und der Senkung des CO2-Ausstoßes spielt auch die Kontrolle der korrekten Funktion von Kälteanlagen eine wichtige Rolle. Der aktuelle Stand der Technik ist dadurch gekennzeichnet, dass vorrangig nur einfache Überwachungsfunktionen wie Grenzwertüberwachungen und Trendanalysen genutzt werden, um Änderungen im typischen Anlagenbetrieb zu erkennen. Im Rahmen des Verbund-Projektes EnBeKa II soll daher ein intelligentes Monitoring von Betriebsdaten entwickelt werden, um vorhandene Energieeinsparpotenziale zu heben und die Anlagenverfügbarkeit von gewerblichen Kälteanlagen zu erhöhen.

Im Fokus dieses Forschungsthemas stehen neben dem Aufbau und der Nutzung eines Anlagen-Monitorings auch komplexe Fehlererkennungsmethoden als Werkzeug zur Erkennung von Anlagenproblemen. Ein wichtiges Teilgebiet nehmen Neuronale Netze ein, die in der Kältetechnik bisher noch nicht etabliert sind. Durch Nutzung dieser Technologie soll ermöglicht werden, Anlagenbetriebszustände als typisch bzw. untypisch zu bewerten, um dann, weiterführend, anhand von Expertenwissen oder unter Ausnutzung einer Datenbasis historischer Störfälle Prognosen über einen potenziell bevorstehenden Anlagenausfall treffen zu können.

Ein Neuronales Netz wird zunächst in einer bestimmten Größe und Architektur vordefiniert und anschließend anhand von Betriebsdaten stimuliert. Das Netz lernt bestimmte Eigenschaften der Anlagen anhand der Betriebsdaten zu klassifizieren. Es bildet sich eine Neuronenkarte mit häufig oder selten aktivierten Neuronen aus. Die unterschiedlichen Bereiche der Karte können in ihrer Bedeutung anhand der verwendeten Prozessdaten ausgewertet werden (Abb. 1, Abb. 3).

In der praktischen Umsetzung lassen sich damit, je nach angewandter Lernmethodik, Karten erzeugen, die bestimmte, auffällige Bereiche im Anlagenbetrieb widerspiegeln. Dies kann helfen, potenzielle Anlagenprobleme zu analysieren und den Anlagenbetrieb zu optimieren.

Ergebnisse

Im Rahmen des Projektes konnten bis jetzt verschiedene Betriebsdaten analysiert werden. Je nach Untersuchungszenario kann das Netz optimiert gestaltet und antrainiert werden. Da der zum Training verwendete Datensatz aus verschiedensten Eingangsprozessgrößen und Randinformationen besteht, lassen sich tiefergehend Einflüsse auf aufgetretene Störereignisse untersuchen. Anhand der Kenntnis der Störsymptome lassen sich Zusammenhänge aufdecken, die Optionen zur Beseitigung der Störursachen oder (im Rahmen einer Fehlerfrüherkennung) Möglichkeiten zum Monitoring auf diese Störeigenschaften eröffnen.

Die aus verschiedenen Datenquellen stammende Betriebs- und Anlagendaten werden durch das genutzte Verfahren in Kombination mit bekannten Störereignissen untersucht. Als Ergebnis werden für auftretende Störungen die mittleren Einsatzbedingungen extrahiert. Diese können auf ihre Störursachen analysiert werden und für ein folgendes Monitoring als Merkmalscluster genutzt werden.

Häufige Ursachen für Störungen sind:

  • Erreichen der Einsatzgrenzen der Anlage,
  • Verschlechterung des Wärmeübergangs auf warmer oder kalter Seite,
  • Versorgungsstörungen der Anlage.

Externer LINK zu Abschlussbericht EnBeKa I


Your Request

Further Projects

Image

Entwicklung eines schnellen Rechenverfahrens..

..für die Auslegung von Turbomaschinen basierend auf IBM

Image

Schalldämpfer mit integrierten Abgaswärmeübertrager

zur Verbesserung des Kaltstartverhaltens

Image

Aktives Schichtladesystem für Kaltwasserpufferspeicher

Temperaturgesteuerte Einschichtung von Kaltwasser mit unterschiedlichem Temperaturniveau


Contact

Institut für Luft- und Kältetechnik - Gemeinnützige Gesellschaft mbH
Bertolt-Brecht-Allee 20, 01309 Dresden


Secretary to the Management

+49-351-4081-520

+49-351-4081-525

Image ISO 9001
Bild Zuse Mitglied Bild SIG