Das Fraunhofer Institut für Energiewirtschaft und Energiesystemtechnik (IEE) hat eine Open-Source-Software entwickelt, die Fehler an Energieanlagen, zum Beispiel der Windenergie, leichter entdecken soll. Der Open-Source-Ansatz erlaubt die individuelle Weiterentwicklung des Tools. Wie das Institut mitteilte, habe es im Rahmen mehrerer Forschungsprojekte Methoden zur KI-gestützten Anomalieerkennung entwickelt. Daraus sei der EnergyFaultDetector als vielseitig einsetzbares, skalierbares Framework zur automatisierten Fehlerfrüherkennung entstanden.

“Die frühzeitige Fehlererkennung ist ein zentraler Baustein für vorausschauende Wartung in Windparks und hat sich bereits im Projekt ModernWindABS gezeigt. Dort haben wir gemeinsam mit Windparkbetreibern ermittelt, welche technologischen Innovationen sie am dringendsten benötigen. Die Anomalieerkennung wurde dabei ganz oben eingeordnet. Es war daher nur konsequent, diese Entwicklung voranzutreiben“, sagt IEE-Projektleiterin Cyriana Roelofs.

Basis: selbstlernende Algorithmen

Mit Hilfe selbstlernender Algorithmen detektiere das System in Echtzeit auffälliges Verhalten in technischen Anlagen – von Windenergieanlagen über energiewirtschaftliche Prozesse bis hin zu Fernwärmeinfrastrukturen. Störungen werden so frühzeitig erkannt, Ursachen transparent gemacht und das auf Basis der verfügbaren Betriebsdaten, ganz ohne zusätzliche Sensorik.

„Unser EnergyFaultDetector bringt diese Technologie jetzt in die Praxis und macht vorausschauende Wartung für viele Betreiber einfach zugänglich. Er ermöglicht eine schnelle, zuverlässige Fehlererkennung, die ohne zusätzliche Hardware auskommt und sich flexibel auf unterschiedliche Anlagen anpassen lässt“, sagt Florian Rehwald, Produktverantwortlicher am Fraunhofer IEE.

Das Framework basiere auf einem Autoencoder-Ansatz und lasse sich an beliebige Datenquellen anpassen. Es nutze ausschließlich bestehende SCADA-Daten, wodurch keine zusätzliche Hardware notwendig ist. Die automatische Modellanpassung erlaube eine einfache Skalierung auf unterschiedliche Anwendungsbereiche.

Neben der automatisierten Fehlererkennung unterstützt der EnergyFaultDetector auch die Ursachenanalyse, um eine optimale Vorbereitung von Instandhaltungseinsätzen zu ermöglichen. Zum Einsatz dafür komme ein eigens entwickelter Algorithmus aus dem Bereich der erklärbaren KI. Mithilfe dessen lasse sich auch bei Verwendung eines „Black-Box“-Modells die fehlerverursachende Einflussgröße präzise identifizieren.

Der EnergyFaultDetector steht interessierten Entwicklern und Anwendern als OpenSource-Lösung bereit. 

Quelle: Fraunhofer IEE | www.solarserver.de © Solarthemen Media GmbH