Hochschule Düsseldorf
University of Applied Sciences

Institut für Produktentwicklung
und Innovation

FB Maschinenbau & Verfahrenstechnik
Faculty of Mechanical and Process Engineering

FB Elektro- & Informationstechnik
Faculty of Electrical Engineering & Information Technology

HSD
FMDauto
MV
EI

KI-basierte, modellprädiktive Turbostrang-Regelung für einen energieoptimalen Betrieb

Projektbeschreibung

Der stetig größer werdende Anteil an erneuerbaren Energien hat Rückwirkungen auf das his­to­risch gewachsene Stromnetz. Die ursprünglich für relativ konstanten Betrieb ausgelegten Tur­bo­maschinen müssen heute im Verbund mit Erneuerbaren Energien neue Fahrweisen be­werk­stelligen. So erhöht sich nicht nur die Anzahl der Start- und Stopp-Zyklen für vorhandene Kraft­werke. Insbesondere werden die Turbomaschinen auch immer stärker im Off-Design betrieben. Zu­sätzlich werden schnellere Anfahrvorgänge nötig, um die Verfügbarkeitsschwankungen der volatilen erneuerbaren Energien auszugleichen. Um diesen Anforderungen gerecht zu wer­den, wird eine erhöhte Flexibilität der Turbomaschinen benötigt. Im Rahmen des aktuellen Projekts ROBOFLEX der AG TURBO werden zusammen mit dem Industriepartner MAN Energy Solutions SE im vorliegenden Arbeitspaket die Aspekte der KI-basierten Op­ti­mierung des Betriebs von Turbomaschinen im Verbund mit den erneuerbaren Energien sowie Sta­bi­li­tät, Lebensdauer und Effizienz im fluktuierenden Lastfolgebetrieb vertiefend angegangen.

In einem Turbostrang werden heute die beteiligten Maschinen in der Regel unabhängig voneinander durch dezentrale PID-Regelkreise geregelt. Dies führt u.a. dazu, dass der Verbund aus den Maschinen nicht im optimalen Betriebspunkt gefahren wird, was in erhöhtem Energieverbrauch, erhöhten Kosten und nicht zuletzt in einer erhöhten CO2-Emission resultiert. Das Projekt soll durch die Ver­knüp­fung eines prädiktiven Turbomaschinenreglers mit künstlichen neuronalen Netzen einen Verbund­regler für den gesamten Turbostrang verwirklichen, so dass alle Maschinen des Strangs ganz­heitlich betrachtet und übergeordnet koordiniert werden (Abbildung 1). Die zugrundeliegenden tiefen neu­ro­nalen Netze werden hierbei während des Betriebs mit aktuellen Messdaten trainiert und liefern einen präzisen aktuellen Parametersatz für den modellprädiktiven Regler (MPC). Der MPC findet mit Hilfe permanenter mathematischer Optimierung selbstständig den definierten optimalen Betriebspunkt des gesamten Strangs und sorgt so für eine Anpassung der Betriebsbedingungen im Sekundenbereich, wohingegen die Modelladaption über die KI eine längerfristige Optimierung kontinuierlich über die gesamte Betriebsdauer verwirklichen soll, also unter Berücksichtigung von verschiedenen Teillastsituationen, unterschiedlichen kli­matischen Umgebungsbedingungen und Stationen des Lebenszyklus. Darüber hinaus kann die Auswertung der von der KI ermittelten Mo­dell­pa­ra­meter auf eine nötige Instandsetzung oder Wartung hinweisen (Predictive Main­te­nan­ce).

Regelungskonzept durch KI-basierten prädiktiven Turbostrangregler

Abbildung 1: Regelungskonzept durch KI-basierten prädiktiven Turbostrangregler

Projektergebnisse

Projektpartner

MAN Energy Solutions SE

AG Turbo

Projektlaufzeit

01.11.2019 – 31.10.2022

Gefördert durch:

Sprecher:

HS Düsseldorf
Univ. of Applied Sciences
FB 04 Maschinenbau und Verfahrenstechnik
Prof. Dr.-Ing. Jörg Niemann

FMDauto –Institut
Gebäude 5
Münsterstraße 156
D-40476 Düsseldorf
Tel: 0211 / 4351 -9730
0211 / 4351 -3583

fmdauto@hs-duesseldorf.de

Projektpartner an der HS Düsseldorf

Prof. Dr.-Ing. Frank Kameier
frank.kameier@hs-duesseldorf.de

Prof. Dr.-Ing. Mario Adam
mario.adam@hs-duesseldorf.de

Prof. Dr.-Ing. Volker Feige
volker.feige@hs-duesseldorf.de

Prof. Dr.-Ing. Raimund Gottkehaskamp
raimund.gottkehaskamp@hs-duesseldorf.de

Kontakt Informationen Schließen