Gesamtsystemoptimierung von kältetechnischen Anlagensystemen für Energiewende und Klimaschutz - GOKAS; Teilvorhaben: D - Fehlersimulation, -erkennung und -diagnose
Förderschwerpunkt 7. Energieforschungsprogramms der Bundesregierung im Schwerpunkt I, Energienutzung, primär Rubrik 3.1, Gebäude und Quartiere mit Querbezügen zu Rubrik 3.2, Industrie und Gewerbe
Date
Authors
Editor
Advisor
Volume
Issue
Journal
Series Titel
Book Title
Publisher
Supplementary Material
Other Versions
Link to publishers' Version
Abstract
Der Klimaschutzplan 2050 der Bundesregierung formuliert die langfristigen klimapolitischen Leitlinien und Zielvorgaben für den Übergang zu einem weitgehend treibhausgasneutralen Deutschland. Der Bereich der Kältetechnik, auf den etwa 14 % des Stromverbrauchs in Deutschland entfallen, weist erhebliche Effizienzpotenziale auf und leistet damit einen wesentlichen Beitrag zur Erreichung dieser Ziele. Die EU-F-Gas-Verordnung sieht einen stufenweisen Rückgang (Phase-down) der am Markt verfügbaren HFKW-Mengen vor und verfolgt langfristig einen Ausstieg aus fluorierten Kältemitteln bis 2050, woraus sich der Bedarf an neuartigen Anlagenkonzepten, optimierten Betriebsstrategien sowie der Nachrüstung bestehender Systeme ergibt. Ergänzend fördern Programme wie die Kälte-Klima-Richtlinie den Einsatz nicht-halogenierter Kältemittel sowie von Wärme- und Kältespeichern, die zur Flexibilisierung des Strommarkts und zur Integration erneuerbarer Energien beitragen. Begleitend werden vernetzte Regelgeräte und datengestützte Automatisierungsverfahren eingesetzt. Energetisch optimierte und klimaneutral betriebene Gebäude stützen sich dabei auf intelligente Monitoring- und Energiemanagementsysteme sowie digitale Betriebsführungskonzepte - etwa auf Grundlage von Machine-Learning-Verfahren, künstlicher Intelligenz und prädiktiver Regelung.
Ziel des Verbundprojekts GOKAS war die Erforschung und Entwicklung eines energetisch optimierten Betriebs von Kälteanlagen mit digitaler, intelligenter Einbindung in bestehende Energiesysteme. Dabei kamen digitale Technologien wie Machine Learning, angewandte Data Science und fortgeschrittene Regelungstechnologien (z.B. Model Predictive Control) zum Einsatz und wurden in Labor- sowie Feldanlagen erprobt.
Ziel des Teilvorhaben D "Fehlersimulation, -erkennung und -diagnose" war der Aufbau einer Software-Plattform inklusive Infrastruktur, Datenverarbeitungspipeline für Sensordaten und eines Machine Learning Modells für Fehlererkennung und Klassifikation. Dazu wurde zunächst eine Laborkälteanlage aufgebaut und mit Einrichtungen zur Fehlersimulation versehen, um die nötige Datengrundlage zu erzeugen. Weiterhin wurde die entwickelte Software an beispielhaften realen (Kälte-)Anlagen, die am ILK Dresden betrieben werden, validiert.