Technische Fehler in einem Windrad erkennen, bevor es zum Ausfall kommt – darauf zielt eine von Fraunhofer entwickelte Open-Source-Lösung. Algorithmen analysieren Maschinen- und Sensordaten. Das System lässt sich an unterschiedliche Anlagen anpassen.
EnergyFaultDetector für vorausschauende Wartung: Die Digitalisierung des Energiesektors eröffnet Potenziale für die vorausschauende Wartung. Betreiber von Windparks wollen drohende Ausfälle frühzeitig erkennen, um Stillstand zu vermeiden. Die herkömmliche Wartung ist oft reaktiv und personalintensiv, oder sie skaliert schlecht. Das Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik IEE hat eine Open-Source-Lösung entwickelt, die Fehler frühzeitig erkennt, und zwar unabhängig von der zu überwachenden Komponente. Das Open-Source-Framework EnergyFaultDetector überwacht zahlreiche Assets im Energiesystem.
Im Rahmen mehrerer Forschungsprojekte hat das Fraunhofer IEE mit dem Team AEFDI (Automated Energy Fault Detection and Identification) Methoden zur Anomalieerkennung mit Hilfe Künstlicher Intelligenz entwickelt. Entstanden daraus ist der EnergyFaultDetector als Framework zur automatisierten Fehlererkennung.
„Das frühzeitige Erkennen technischer Fehler ist ein wichtiger Baustein für vorausschauende Wartung“, erklärt Cyriana Roelofs, Projektleiterin des Projekts ADWENTURE Innovationen. „Seinen Nutzen hat dieses Konzept im Projekt ModernWindABS unter Beweis gestellt. Dort haben wir Windparkbetreiber gefragt, welche Innovationen sie am dringendsten benötigen. Die Anomalieerkennung stand dabei ganz oben auf der Wunschliste.“
Lernende Algorithmen erkennen Anomalien
Mit Hilfe selbstlernender Algorithmen detektiert das System in Echtzeit auffälliges Verhalten in technischen Anlagen – von Windenergieanlagen über energiewirtschaftliche Prozesse bis hin zu Fernwärmeinfrastrukturen. Störungen werden frühzeitig erkannt, Ursachen transparent gemacht. Alles auf Basis der verfügbaren Betriebsdaten, ganz ohne zusätzliche Sensorik.
„Unser EnergyFaultDetector macht vorausschauende Wartung für viele Betreiber einfach zugänglich“, berichtet Florian Rehwald, Produktverantwortlicher am Fraunhofer IEE. „Das System kommt ohne zusätzliche Hardware aus und lässt sich auf unterschiedliche Anlagen anpassen.
Anzeige | Fachartikel, erschienen im IT-Matchmaker.guide Industrie 4.0 Business Lösungen
|
|||||||||||||
Künstliche Intelligenz analysiert die Ursachen
Das Framework basiert auf einem Autoencoder-Ansatz und arbeitet mit beliebigen Datenquellen. Es nutzt ausschließlich bestehende SCADA-Daten (Supervisory Control and Data Acquisition). Die automatische Modellanpassung erlaubt ein Skalieren auf unterschiedliche Anwendungsbereiche.
Der EnergyFaultDetector erkennt Fehler nicht nur, sondern ermittelt auch die Ursachen dafür. Zum Einsatz kommt hier der eigens entwickelte Algorithmus ARCANA aus dem Bereich der erklärbaren Künstlichen Intelligenz. Mithilfe von ARCANA lässt sich die Einflussgröße identifizieren, die den Fehler verursacht hat. Wartungstechniker können so anhand des Fehlerbilds die Ursache auf Subkomponenten eingrenzen.
Der EnergyFaultDetector steht Entwicklern und Anwendern kostenlos zur Verfügung. Bei der Integration des Tools in Betriebsführungssysteme bietet das Fraunhofer IEE Unterstützung an. Zum Kennenlernen steht zudem ein Demozugang zur Windüberwachungsplattform bereit. Jürgen Frisch
