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

Autor / Redakteur: Hans-Jürgen Bittermann / Dominik Stephan

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.

Anbieter zum Thema

Ziel des Projekts ist zunächst eine umfassende Datenanalyse, um optimierte Betriebsfahrweisen zu erreichen.
Ziel des Projekts ist zunächst eine umfassende Datenanalyse, um optimierte Betriebsfahrweisen zu erreichen.
(Bild: Xervon)

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).

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.

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.

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.“

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.

Die grundsätzlichen Ziele der Challenge beschreibt Storms so: Ein aktives Verfolgen von Nachhaltigkeitszielen (das sei u.a. relevant für die DIN EN ISO 50001-Energiemanagment-Zertifizierung), hinzu komme die Optimierung des Betriebes und damit finanzielle Vorteile.

Datenbasierte Optimierung und Regelung von Kompressorstationen

Im Übrigen ist diese Vorgehensweise bei Xervon Instandhaltung bereits bewährt: In einem vergangenen Projekt entwickelte der Dienstleister mithilfe von Künstlicher Intelligenz (KI / Machine Learning) ein Assistenzsystem, das den Betrieb der von Xervon Instandhaltung betreuten Kühltürme am Standort Köln-Merkenich erleichtert. Der energieoptimierte Betrieb der Anlage ist stark abhängig von Umgebungsfaktoren wie der Außentemperatur und relativen Luftfeuchtigkeit und auch betriebsinternen Parametern wie der Maschinenauslastung und Kühlwassertemperatur. Das im Rahmen des Projektes entwickelte Tool erzeugt mithilfe dieser Daten und einem Regressionsmodell (Machine Learning) eine Zukunftsprognose zum energetisch optimalen Betrieb der Kühltürme. Hier wurde ebenfalls mit mehreren Partnern zusammengearbeitet, darunter IT-Beratungshäuser und KI-Experten.

Praxisbewährt: Audits zur Anlagenoptimierung

Auch das IPA (Fraunhofer-Institut für Produktionstechnik und Automatisierung / Industrielle Energiesysteme) ist mit daten-basierenden Projekten aktiv, wie Dennis Bauer, M.Sc., Gruppenleiter Energieflexible Produktion & Energiedatenanalyse, Leiter Koordinierungsstelle Kopernikus-Projekt SynErgie, berichtet: „Wir arbeiten mit Partnern an zwei Forschungsvorhaben – zum einen geht es um die Ermittlung des physikalischen Optimums des Betriebs bei gleichzeitiger Bewertung der Effizienzmaßnahmen mit künstlicher Intelligenz, zum anderen um die Anomalie-Erkennung in Druckluftverteilnetzen zur energieeffizienten und vorausschauenden Regelung der Drucklufterzeugung.“

Und wie geht ein Hersteller von Kompressoren wie Kaeser die Aufgabenstellung ‚Energieeffizienz-Optimierung‘ an? Ein stets empfohlenes Audit stelle sicher, dass Drucklufterzeugung und -bedarf Hand in Hand gehen. Anlagensplitting, das heißt die Aufteilung der Kompressoren in Grundlast-, Mittellast- und Spitzenlast-Anlagen, gewährleiste, dass jeder Druckluftbedarf – egal ob nun niedrig oder punktuell hoch - immer so kostengünstig wie möglich produziert werde. Mehr noch: Der Einsatz eines übergeordneten Druckluft-Managementsystems wiederum sorge dafür, dass die Komponenten der Station untereinander perfekt zusammenarbeiten und ermögliche unter anderem Echtzeitüberwachung, Analysen, Energiemanagement und die Nutzung von vorausschauender Wartung und anderen Anwendungen im Sinne von Industrie 4.0.“

Druckluft und KI: Wie intelligent sind die Verdichter wirklich?

Das ist selbstverständlich nicht trivial: Um die einzelnen Komponenten im Sinne von Industrie 4.0 nutzen zu können, müssen sie so ausgestattet sein, dass sie einerseits in einem Verbund effizient steuerbar und andererseits in der Lage sind, Betriebsdaten für eine Echtzeitüberwachung zur Verfügung zu stellen und an übergeordnete Systeme weiterzugeben.

Kompressoren und Komponenten für die Druckluftaufbereitung von Kaeser verfügen daher über interne Steuerungen auf Industrie-PC-Basis, die mittels Schnittstellen, zum Beispiel via Ethernet, in der Lage sind, diese Daten an ein übergeordnetes System zur Verfügung stellen zu können.

Die Daten, die von den Komponenten generiert werden, gehen zunächst an eine übergeordnete Steuerung, wie zum Beispiel den Sigma Air Manager 4.0 (SAM 4.0). Diese Steuerung hat eine Doppelfunktion. Sie ist zum einen Managementsystem, das heißt sie regelt die Drucklufterzeugung nach den Prinzipien der Sicherheit und Wirtschaftlichkeit und sammelt die relevanten Informationen aller angeschlossenen Komponenten und des Erzeugungssystems. Zum anderen dient sie als Knotenpunkt zur Weiterleitung der gewonnen Daten an die Zentrale Leittechnik des Betreibers und oder an den Hersteller der Druckluftstation.

Die Herausforderungen für ein solches Managementsystem sind sehr hoch. Es muss einerseits in der Lage sein, unter Berücksichtigung von zum Beispiel Schaltverlusten, Regelverlusten etc., die Kompressoren effizient und insbesondere auch vorausschauend zu schalten. Andererseits auch die Fülle der Daten, die aus der Kompressorstation geliefert werden, zu sammeln und für die Weitergabe an ein übergeordnetes Servicecenter bereitzustellen.

Fazit: Die heute dominierenden technologieorientierten Geschäftsmodelle werden bis 2025 erheblich an Bedeutung verlieren, so eine Studie (VDMA, 2020). Digitale, datengesteuerte Dienste und Serviceleistungen werden ihren Marktanteil hingegen deutlich ausbauen. Xervon Instandhaltung verweist dazu auf beispielhafte Projekte. Keine Frage, dass auch Fraunhofer ebenso wie Kaeser dazu praxisgerechte Vorgehensweisen anbieten. Wann entdecken Datenspezialisten wie Google und Amazon diesen Markt?●

* * Der Autor ist freier Mitarbeiter bei PROCESS.

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

(ID:47542214)