Voll auf Kurs: optimierte Energieerzeugung durch KI

Die Seite wird erstellt Dana Thiel
 
WEITER LESEN
Voll auf Kurs: optimierte Energieerzeugung durch KI
18     FACHTHEMA           KRAFTWERKSTECHNIK

     Blick in die Digitalschmiede von Vinci Energies, einer Projektwerkstatt, in der Kunden, Partner und Hersteller
     u. a. gemeinsam Prototypen entwickeln können                                                           Quelle: Vinci Energies

     Voll auf Kurs: optimierte
     Energieerzeugung durch KI
     Kraft-Wärme-Kopplungs-(KWK-)Anlagen gewinnen in Deutschland zunehmend an
     Bedeutung. Dabei ist ihr optimaler wirtschaftlicher Einsatz aufgrund der Volatilität auf
     den Strom- und Gasmärkten sowie regulatorischen Vorgaben mit viel Aufwand verbunden.
     Eine von Steag New Energies (SNE) im Verbund mit der Scieneers GmbH entwickelte
     datenbasierte Lösung, deren Proof of Concept in der Digitalschmiede von Vinci Energies
     entstand, macht die Planung und Steuerung jetzt deutlich gewinnbringender.

     Auf dem Weg zu einer zukunfts-             Regularien sowie Schwankungen              Optimierung meint hier, den Strom
     fähigen Energieerzeugung, die auch         an den Strom- und Gasmärkten, die          dann zu erzeugen, wenn er vom
     den Anforderungen der Energie-             den Betrieb verkomplizieren und in         Markt gebraucht wird. Wie die Idee
     wende und damit einem ressour-             der bisherigen Form nur einge-             dazu entstand und welche Technik
     censchonenden Verbrauch Rech-              schränkt gestatten.                        dahintersteckt, erklärt der folgende
     nung trägt, spielen KWK-Anlagen              Um den Betrieb zu optimieren             Beitrag.
     eine immer größere Rolle. Da sie die       WPF FCOKV GHƓ\KGPVGT WPF YKTV-
     bei der Stromerzeugung entstehen-          schaftlicher zu gestalten, hat Ener-       Ein komplexer – und
     de Wärme als Wärmeenergie öffent-          gieversorger Steag New Energies            ineffizienter – Status quo
     lichen und privaten Verbrauchern           (SNE) zusammen mit den Data
     bereitstellen können, sind sie deut-       Scientists der Scieneers GmbH eine         KWK-Anlagen, zu denen auch Block-
     NKEJ GHƓ\KGPVGT CNU #PNCIGP QJPG      skalierbare und datengetriebene            heizkraftwerke (BHKW) zählen,
     Kopplung. Obwohl sie aus techni-           Lösung entwickelt. So gelingt es,          werden meist dann betrieben, wenn
     scher bzw. betrieblicher Sicht oft für     die Kosten der Wärmeerzeugung              auch die Wärme genutzt werden
     einen dauerhaften Betrieb geplant          eines Standorts – bestehend aus            kann. Der gekoppelt erzeugte Strom
     YWTFGPKUVGKPYKTVUEJCHVNKEJGHƓ\K-      einer oder dem Zusammenschluss             wird entweder vor Ort genutzt oder
     enter Betrieb in dieser Form bei           mehrerer Erzeugeranlagen – zu              ins öffentliche Stromnetz einge-
     vielen Anlagen nicht mehr möglich.         minimieren und zugleich die                speist. In vielen Fällen wird hierbei
     Hintergrund sind aktuell geltende          Stromerzeugung zu optimieren.              nicht geprüft, ob es wirtschaftlich

     EURO
     HEAT& POWER                                                                           www.ehp-magazin.de           7-8/2022
Voll auf Kurs: optimierte Energieerzeugung durch KI
19

sinnvoller wäre, die Wärme alterna-        wir mit der Planung eines Hacka-         logie, für dessen Implementierung
tiv zu erzeugen und den Strom vom          thons über unseren Ideencluster          Scieneers beauftragt wurde.
Markt zu beziehen.                         begonnen und dazu verschiedene
   Es fehlte bislang schlicht an der       Unternehmen aus dem Bereich Data         Moderne Datenanalyse
automatisierten Datenlieferung und         Engineering und Data Science ein-        für Wärmeprognosen und
KJTGT #WUYGTVWPI WO MQUVGPGHƓ-         geladen – darunter war auch die          Fahrplanoptimierung
ziente Marktzeitpunkte zur gekop-          Scieneers GmbH aus Karlsruhe“, so
pelten Wärme- und Stromerzeu-              Jörg Bastel, Leiter der Digital-         Als technische Plattform greifen
gung zu ermitteln sowie den                schmiede von Vinci Energies. Der         SNE und Scieneers auf die Managed
geeigneten Erzeuger (etwa ein              .ȤUWPIUCPUCV\ FGP FKG 'ZRGTVGP      Services der Microsoft Azure Cloud
BHKW oder ein Gaskessel) zur kos-          für Datenanalysen präsentierten          zurück. Diese stellt nicht nur moder-
tenminimierten Wärmedeckung                und der durch Vinci Energies bera-       ne und hochverfügbare Technolo-
vor dem Hintergrund der aufgeheiz-         tend unterstützt wurde, konnte am        gien im Bereich Platform & Software
ten Energiemärkte zu bestimmen.            Ende alle überzeugen. Aus der Idee       as a Service (PaaS, SaaS) bereit,
(ȨT GKPGP GHƓ\KGPVGP $GVTKGD UQNNVG   entstand ein Proof of Concept zur        sondern erleichtert auch die Hand-
der Vorgang daher möglichst auto-          Erzeugung von Wärmeprognosen             habung, indem der Betrieb der Ser-
matisiert erfolgen. Das Ergebnis ist       einschließlich der Auswahl der zur       vices vollständig von Microsoft
ein „Fahrplan“, der festlegt, zu wel-      Umsetzung notwendigen Techno-            übernommen wird. Der Rückgriff
cher Stunde, welcher Wärme- oder
Stromerzeuger an einem Anlagen-
standort zum Einsatz kommt.
   Seit dem 1. Oktober 2021 sind An-
lagenbetreiber ab 100 kW(el) durch
Inkrafttreten des Redispatch 2.0
FC\W XGTRƔKEJVGV GKPGP UQNEJGP
Fahrplan für die eigene Anlage an
den Netzbetreiber zu liefern.

Von der Initialisierungs-
phase zum Proof of Concept

Als erfahrener Anlagenbetreiber
verfügte SNE zwar über das Wissen,
wie ein mathematisches Modell zur
Optimierung von Stromfahrplänen            Bild 1. Blockheizkraftwerk der Firma MWM                Quelle: Steag New Energies
genutzt werden kann. Offen war
allerdings der Weg, eine skalierbare
Lösung umzusetzen, um Fahrpläne
auch für mehrere Anlagen in an-
nehmbarer Zeit und Qualität zu er-
zeugen und auf diese Anlagen auf-
zuspielen. Steag New Energies
wandte sich daher an den langjäh-
rigen Partner Vinci Energies. Der
weltweite Systemintegrator betreibt
mit der Digitalschmiede eine bun-
desweit bekannte und international
agierende Projektwerkstatt, in der
Kunden, Partner und Hersteller ge-
meinsam an Lösungen arbeiten
und Prototypen entwickeln können.
  „Nachdem Steag mit der Heraus-           Bild 2. Überwachungsarmaturen im BHKW-Kreislauf, um Temperaturen/Drücke
forderung auf uns zukam, haben             im laufenden Betrieb vor Ort überwachen zu können   Quelle: Steag New Energies

                                                                                                 EURO
7-8/2022         www.ehp-magazin.de                                                              HEAT& POWER
Voll auf Kurs: optimierte Energieerzeugung durch KI
20     FACHTHEMA                               KRAFTWERKSTECHNIK

     auf derartige Cloud-Dienste ist zu-                        zur elektrischen und thermischen          Analyse der Daten entsteht ein digi-
     FGO UGJT MQUVGPGHƓ\KGPV FC HȨT                       Leistung. Azure Synapse Analytics         tales Abbild einer Anlage, worüber
     analytische Workloads – sprich Da-                         nutzt wiederum den Dienst Azure           sich dann Wärmeprognosen und die
     tenanalyse – nur die tatsächlich be-                       &CVC.CMGGKPUMCNKGTDCTGTWPFƔG-       Fahrplanoptimierung bereitstellen
     nötigte Rechenzeit abgerechnet                             ZKDNGT &CVGPURGKEJGT FGT FKG FQTV   lassen.
     wird.                                                      historisiert gespeicherten Daten            Die erzeugten Wärmeprognosen
        Um die Lösung kontinuierlich                            sowie ihre Verknüpfungen durch-           bilden die Grundlage, um einen
     weiterzuentwickeln und zugleich                            gehend für Big-Data-Analysen be-          MQUVGPQRVKOKGTVGP WPF GHƓ\KGPVGP
     für einen stets stabilen Betrieb zu                        reithält. Die Aufbereitung der Daten      Fahrplan für die Erzeugungskom-
     sorgen, werden die Verfahren                               ƓPFGV OKV OCVJGOCVKUEJGP 1RGTC-        ponenten zu berechnen. Dazu ver-
     Continuous Integration (CI) und                            tionen wie Interpolation oder der         wendet SNE ein mathematisches
     Continuous Delivery/Deployment                             Detektion sowie dem Entfernen von         Verfahren aus dem Bereich des
     (CD) mit den Tools von Azure Dev-                          Ausreißern statt. So entstehen auf-       Operations Research. Konkret wird
     Ops angewendet. Dadurch lässt sich                         bereitete Zeitreihen mit einer für die    ein ganzzahliges lineares Optimie-
     zusätzlicher oder verbesserter Pro-                        Prognose notwendigen Datenquali-          rungsproblem gelöst, wobei der Fo-
     gramm-Code von der Integrations-                           tät.                                      kus darauf liegt, die Betriebskosten
     und Test- bis hin zur Bereitstel-                            Für die anschließende Analyse           zu minimieren und gleichzeitig die
     lungs- und Implementierungsphase                           nutzen SNE und Scieneers Modelle          Erlöse durch den Stromverkauf zu
     problemlos hinzufügen, während                             künstlicher Intelligenz (KI) in Azure     OCZKOKGTGP
Voll auf Kurs: optimierte Energieerzeugung durch KI
21

                    30
                              Prognose
                     K        Tatsächlich

                    26

                    24

                    22

                    20

                    18

                    16
                     12:00               3:00   6:00         9:00        12:00           15:00        18:00           21:00
                                                                      Uhrzeit
                    20
                     %
       Abweichung

                    10
                     5
                     0
                      12:00              3:00   6:00         9:00        12:00           15:00        18:00           21:00
                                                                      Uhrzeit

Bild 4. Vergleich zwischen prognostizierter und tatsächlicher Wärmeerzeugung im Tagesverlauf
                                                                                                  Quelle: Steag New Energies/Scieneers

Mehr Effizienz bei                               rum von 1 bis 10 MW(el). Das Werk-        der Weg über Projektwerkstätten wie
kostenoptimiertem Betrieb                        zeug ist allerdings für Anlagen           die Digitalschmiede die Entwicklung
                                                 beliebiger Leistungsklassen ein-          innovativer digitaler Lösungen er-
Der durch die Lösung realisierte digi-           setzbar.                                  leichtert und beschleunigt. So kom-
tale Zwilling einer KWK-Anlage be-                  Zusammengenommen entstehen             men die besten ihres Faches zusam-
zieht relevante Attribute wie bei-               täglich optimierte Fahrpläne in ei-       OGP WO KJTG LGYGKNKIG 'ZRGTVKUG
spielsweise Wirkungsgrade oder                   nem Zeitintervall von einer Viertel-      GKPƔKGƒGP\WNCUUGPŬUCIV$CUVGNXQP
Teillastverhalten ein. Hinzu kommt               stunde für einen kurzfristigen Zeit-      Vinci Energies.
die Berücksichtigung technischer                 horizont von ein bis drei Tagen, die
WPF DGVTKGDNKEJGT 5RG\KƓMC FGT LG-           sich anschließend direkt in die Leit-
weiligen Anlagenstandorte, wie sie               technik eine Erzeugungsanlage
Steag New Energies als Know-how-                 einspielen lassen. Prognosen für den
Träger beisteuert. Um die Optimie-               Wärmebedarf sind zwischen drei bis
rung der Fahrpläne vollumfänglich                fünf Tage in die Zukunft möglich;
zu realisieren, sind ebenfalls die               dabei kann durch SNE auf histori-
prognostizierten Strompreise sowie               sche Daten zwischen 20 Tagen und          Benjamin Reinhard
der Wärmebedarf eines betrachteten               mehreren Jahren zurückgegriffen           Produktentwicklung,
Standorts ausschlaggebend. Letzte-               werden. Aufgrund der Lösung ge-           Steag New Energies
                                                                                           GmbH, Saarbrücken
rer konnte durch den Einsatz moder-              lingt es SNE, ihre Arbeitsprozesse zu     benjaminmax.rein-
ner Methoden im Bereich Data Sci-                digitalisieren und zu automatisieren.     hard@steag.com
ence und KI durch Scieneers so weit              Zudem werden betriebliche und re-         www.steag-newener-
                                                                                           gies.com/de/
verbessert werden, dass die Progno-              gulatorische Anforderungen erfüllt.
sen bis auf eine mittlere Abweichung             Durch die Optimierung von Fahr-
                                                                                           Stefan Kirner
von unter 10 % den tatsächlichen                 plänen und genauer Wärmeprogno-           Director Business Intel-
Wärmebedarf treffen.                             sen wird ein klarer wirtschaftlicher      ligence, Scieneers
  Steag New Energies nutzt das im-               0WV\GP FWTEJ GKPGP GHƓ\KGPVGTGP       GmbH, Karlsruhe
                                                                                           stefan.kirner@
plementierte Werkzeug bereits an                 und kostengünstigeren Einsatz von         scieneers.de
einer Vielzahl ihrer KWK-Anlagen-                Anlagen erzielt. „Die erfolgreiche        www.scieneers.de
standorte in einem Leistungsspekt-               und schnelle Umsetzung zeigt, dass

                                                                                                         EURO
7-8/2022                 www.ehp-magazin.de                                                              HEAT& POWER
Voll auf Kurs: optimierte Energieerzeugung durch KI Voll auf Kurs: optimierte Energieerzeugung durch KI Voll auf Kurs: optimierte Energieerzeugung durch KI Voll auf Kurs: optimierte Energieerzeugung durch KI
Sie können auch lesen