Effiziente Druckluftanlagen-Regelung Druckluft-Effizienz: So gelingt die datenbasierte Optimierung der Druckluftanlagen

Anbieter zum Thema

Weidmüller GTI Software GmbH

JESSBERGER GmbH

CP Pumpen AG

ThyssenKrupp Xervon GmbH Region West

Schaut man auf die Lebenszykluskosten für Druckluft-Equipment, liegt der Investitionsaufwand bei schlanken 30 Prozent – üppige 70 Prozent müssen für die zum Betrieb erforderliche Energie ausgegeben werden. Betreiber sind gut beraten, hier alle Möglichkeiten der Optimierung zu nutzen. Xervon Instandhaltung untersucht zusammen mit Partnern neue Ansätze.

Die Kampagne „Druckluft effizient“ (von Dena, Fraun­hofer ISI und VDMA) in den Jahren 2000 bis 2004 lieferte eine Fülle von Informationen und bot Unterstützung in allen Fragen rund um die effiziente Drucklufterzeugung. Klar wurde aber auch – und das gilt bis heute: Ein Allheilmittel für ineffiziente Druckluftsysteme gibt es nicht, denn kein Betrieb gleicht dem anderen. Dennoch geht die Suche nach der effizientesten Systemlösung weiter. Ein aktuelles Beispiel ist die entsprechende Challenge von Xervon Instandhaltung im Rahmen der von Chemcologne initiierten Online-Plattform Chemtelligence (siehe Kasten).

Der passende Verdichter für Wasserstoff

Kolben- oder Turbo-Verdichter? Die passende Kompressor-Technologie für Wasserstoffspeicher

Darum geht es: Das von Xervon Instandhaltung betreute Kompressorenhaus im Chemiepark Köln-Merkenich zur Druckluft-Versorgung von drei Chemieunternehmen wurde gemeinsam mit einem Energieversorgungsunternehmen modernisiert. Kern der Modernisierung war die Investition in neue Kompressoren (zwei Turbokompressoren und drei Schraubenkompressoren); die redundant ausgelegten Kompressoren sind über eine Ringleitung miteinander verbunden. Hinzu kam die vollständige Integration des Systems in das Prozessleitsystem Simatic PCS7 von Siemens. Zusammen mit der umfangreichen Sensorik ist ein Echtzeit-Monitoring aller relevanten Messgrößen möglich, um daraus eine optimale Regelung abzuleiten.

Bildergalerie

Bildergalerie mit 5 Bildern

Ziel ist die optimale Fahrweise der Verdichter und Druckluftsysteme

Durchgehend digital erfasst werden unter anderem Druck, Abnahmemenge, Luftfeuchte, Umgebungstemperatur und Stromverbrauch. Die Regelung basiert auf manuell einprogrammierten Matrizen, die festlegen, welche Kompressoren unter welchen Rahmenbedingungen laufen sollen. Diese Matrizen sind bisher vom Energieversorger vorgegeben.

Aktuell ist nicht bekannt, welche der verfügbaren Matrizen unter den stetig erfassten Betriebsparametern zur bestmöglichen Energieeffizienz führen. Ziel der Challenge ist ein optimierter Betrieb der Anlage, der auf Erfahrungswerten aus der Vergangenheit basiert. Dazu sollen die erfassten Betriebsdaten mit modernen Algorithmen aus dem Bereich Machine Learning analysiert werden, um Korrelationen tiefgehend zu verstehen und daraus eine optimale Steuerung abzuleiten.

Energieeffizienz

Energiekosten in Druckluftsystemen bis zu 60% senken

So werden von Xervon Instandhaltung verschiedene Programmierungen der Steuerung getestet. Dazu werden parallel Betriebs- und Energiedaten erfasst, um die Effizienz der verschiedenen Fahrweisen beurteilen zu können.

Diese historischen Messdaten werden aktuell noch manuell in einer Expertenrunde begutachtet. Dies soll sich durch die Teilnahme an der Chemtelligence Plattform ändern. Für die Challenge wird den Projektpartnern folgender Datensatz zur Verfügung gestellt: Stromdaten (Zählerstände); Betriebsdaten der Anlage (laufender Betriebszustand gemäß der jeweiligen Matrize; Abnahmemenge Druckluft in m³/h; Luftdruck in bar.

Gebündelte Expertise für effiziente Kompressorstationen

Bleibt die Frage, was an dieser Vorgehensweise neu ist, sich beispielsweise von der Optimierungsstrategie eines Kompressoren-Herstellers unterscheidet? Robin Storms, Projektleiter Digitalisierung bei Xervon Instandhaltung betont den stark interdisziplinären Ansatz: „Wir arbeiten zum einen mit unseren eigenen EMSR-Ingenieuren und Verfahrenstechnikern, mit Experten auf dem Gebiet Machine Learning und einem forschungsorientierten Team zusammen. Durch das breit aufgestellte Feld erhoffen wir uns einen Ansatz zu erarbeiten, der modernste Erkenntnisse im Bereich Data Science / Machine Learning mit den Anlagenkenntnissen unserer Fachexperten kombiniert. Wir betreiben ein Gesamtsystem aus Kompressoren unterschiedlicher Hersteller, welches zusätzlich von stark standortbezogenen Einflussfaktoren abhängt. Daher bedarf es einer optimierten Anlagensteuerung, die individuell auf unser Gesamtsystem maßgeschneidert ist.“

Drucklufterzeugung

Wenn Druckluft zu Druckluft 4.0 wird

Der Projektpartner Industrial Analytics konnte, mit den von Xervon Instandhaltung zur Verfügung gestellten Zeitreihen, innerhalb von wenigen Monaten nach Inbetriebnahme eine Potenzialanalyse für eine optimierte Lastverteilung der Verdichter realisieren. Um das Potenzial zu bewerten, wurden unabhängig zwei Strategien untersucht. Als Erstes wurde der aktuelle Betrieb mithilfe eines idealen Prozesses bewertet und damit eine Effizienz bestimmt. Im zweiten Vorgehen wurde ein Ersatzmodell auf Basis der von dem Unternehmen entwickelten Verdichtermodelle an die Daten gefittet. Ein spezieller Optimierungsalgorithmus hat dann die Regelparameter mit dem niedrigsten Stromverbrauch gesucht. Mit diesen Strategien konnte eine mögliche Reduzierung des Stromverbrauchs von über 4 % gezeigt werden.

Ein weiterer Projektpartner, ein Team aus Forschern der TU Dortmund, bedient sich aktueller Algorithmen, die für die Optimierung in verwandten Disziplinen bereits erprobt wurden. Neben dem umfangreichen Aufbereiten der Daten, dem Auswerten einzelner Betriebszustände und weiterer Integration von domänenspezifischen Fachwissen wurden verschiedene Ansätze erprobt und bewertet. Ein vielversprechender Ansatz ist die Kombination von Methoden des maschinellen Lernens, basierend auf den historischen Betriebsdaten, den physikalischen und den thermodynamischem Rahmenbedingungen des realen Systems. Das finale Ergebnis soll ebenfalls im wissenschaftlichen Kontext publiziert werden.

(ID:47542214)