Challenge
beendet!

XERVON Instandhaltung GmbH

Energieeffizienz: Datenbasierte Optimierung der Druckluftanlagen-Regelung

Energie 4.0

Detaillierte Beschreibung der Challenge

In Kooperation mit einem Energieversorgungsunternehmen wurde die technische Ausstattung im sog. Kompressorenhaus modernisiert. Erneuert wurden einige Kompressoren sowie die Steuerung, die den energieeffizienten Betrieb der vorhandenen Kompressoren regelt. Die Kompressoren versorgen den Chemiepark Köln-Merkenich mit Druckluft und werden von XERVON betrieben. Die Anlage ist wie folgt aufgebaut:

  • 5 Kompressoren (Luftverdichter), davon 2 Turbokompressoren und 3 Schraubenkompressoren
  • Die Kompressoren sind über eine Ringleitung miteinander verbunden

Regelung der Anlage:

  • Redundantes System (es laufen nicht alle Kompressoren gleichzeitig)
  • Modernes Regelungssystem vorhanden, parametrierbar über Touchpanel
  • Erfasst werden für die Regelung folgende Daten
    – Drücke
    – Abnahmemengen
    – Luftfeuchte und Umgebungstemperatur (über DWD)
    – Stromverbräuche
  • Die Regelung basiert auf manuell einprogrammierten Matrizen, die festlegen, welche Kompressoren unter welchen Rahmenbedingungen laufen sollen. Diese sind bisher vom Energieversorger vorgegeben.
  • Derzeit findet ein Informationsaustausch (XERVON/Energieversorger) statt, um die Erfahrungen/Werte zu sichten und die energieeffizientesten Fahrweisen (Matrizen) ableiten zu können.

Challenge:

  • Die besten Matrizen für die Regelung zur maximalen Energieeffizienz sind nicht bekannt
  • Ziel ist ein zukünftiger Betrieb der Anlage, der auf Erfahrungswerten aus der Vergangenheit basiert
    – Dazu sollen die erfassten Betriebsparameter analysiert werden (z. B. mit Regressionsanalysen)
  • Verstehen wie die Matrizen beim Energieversorger entstanden sind.
  • Die Anlaufkosten sollen ggf. reduziert werden.

Erste Initiativen innerhalb des Unternehmens

  • Aktuell werden verschiedene Programmierungen der Steuerung getestet (1 Programmierung/Woche (Testläufe)).
  • Dazu werden parallel Betriebs- und Energiedaten erfasst, um die Effizienz der verschiedenen Fahrweisen beurteilen zu können.
  • Die historischen Messdaten werden regelmäßig (manuell) in einer Expertenrunde begutachtet, um daraus eine optimierte Steuerung abzuleiten. Es liegen keine Live-Daten vor. Für die Challenge wird folgender Datensatz vorliegen:
    – Stromdaten (Zählerstände) in 15 minütigen Abständen
    – Betriebsdaten der Anlage (laufender Betriebszustand (siehe Matrizen), Abnahmemenge Druckluft in m³/h, Luftdruck in bar)
    – Daten jeweils für den Zeitraum der Testläufe

Notwendigkeit der Unterstützung

  • Analyse der erfassten Daten (z. B. anhand von Machine Learning Algorithmen, Regressionsanalyse, o. ä.), um eine bestmögliche Fahrweise und damit maximale Energieeffizienz zu erreichen.
  • Verständnis für technische Zusammenhänge, Energiemanagement und Energie-Effizienz muss gegeben sein.
  • Know-How im Bereich Datenanalyse, Datenaufbereitung und Entwicklung von Algorithmen zur optimierten Fahrweise einer technischen Anlage (in dieser Druckluftanlage)
  • Eine hilfreiche Expertise wäre das Betätigungsfeld eines Data Scientists
    – Datenextraktion, -aufbereitung und -analyse
    – Modellierung, Informationsextraktion und praktische Anwendung: z.B. Ableitung von Maßnahmen und Optimierungen
    Kenntnisse könnten sein:
    – Datenbanktechnologien
    – Einbindung von Schnittstellen: RESt, JDBC, Web Service APIs, etc.
    – Datenverarbeitung und Algorithmik: Python, R, Julia
    – mathematische Methodenkenntnisse: statistische Modellierung, Heuristiken, Regression, etc.
    – Methoden und ML Verfahren: Klassifikation, Clustering, Decision Trees, Neuronale Netze, etc.
    – Machine Learning Toolkits/Frameworks: z.B. scikit-learn, Tensorflow, etc.
    – ggfs. Big Data-Verfahren/Frameworks: z.B. MapReduce mit Apache Hadoop, Apache Spark, etc.
  • Erwartete Ergebnisse der Challenge könnten sein:
    – strukturierte Aufbereitung vorliegender Daten, um eine Weiterverarbeitung möglich zu machen.
    – Verstehen der Zusammenhänge der Daten und Abhängigkeiten darstellen (Datenanalyse).
    – Erste Ideen für die IT-gestützte Ableitung von Wirkungsmechanismen und Algorithmen (Prototypen).
    – Aufzeigen notwendiger Arbeitspakete zur vollständigen digitalen Steuerung der Druckluftanlage.