AUDEI

In der Industrie entstehen durch natürliche Alterungseffekte Energieeffizienzdefizite, die häufig unbemerkt bleiben. Ziel des Projektes ist es, solche Effizienzdefizite automatisch mit Methoden des maschinellen Lernens zu detektieren.

Projektlaufzeit

01.10.2017 - 30.09.2019

Ausgangssituation

• Die Steigerung der Energieeffizienz ist eine zentrale Zukunftsaufgabe.
• Diese Bestrebungen werden jedoch durch äußere Einflüsse konterkariert:
  • schleichendes Auftreten: natürliche Abnutzungserscheinungen und Wartungsprobleme (Leckagen in Druckluftnetzen, verstopfte Filter)
  • plötzliches Auftreten: mangelnde Kontrolle der Einstellung von Anlagen (Umkonfigurierung für eine Sondernutzung oder Wartung ohne Zurücksetzen auf vorherige Einstellung)
     

Zielsetzung   

• Zur automatischen Detektion von Energieeffizienzdefiziten erfolgt eine prototypische Entwicklung und Erprobung einer softwarebasierten Dienstleistung basierend auf Anomaliedetektionsmethoden.
• Im Gegensatz zu den am Markt angebotenen Softwarelösungen, ist kein statisches und manuelles Setzen von Grenzwerten für Messreihen notwendig. 

Vorgehen

• Auswahl und manuelle Analyse der Datensätze
• Priorisierung von relevanten Fehlern
• Entwicklung von Anomaliedetektionsmethoden
• Anwendung und Evaluierung der entwickelten Methoden
• Entwicklung eines Softwareprototypen

Nutzen           

• Vermeidung von CO₂-Emissionen durch effizienteren Betrieb
• Jährliche Energieeinsparung von ca. 5 %; bei 300 Kunden entspricht dies einer Einsparungen des jährlichen Strombedarfs einer Kleinstadt (ca. 14.000 Privathaushalte)

Projektpartner

• deZem GmbH
• Siemens Real Estate
• Sika Deutschland GmbH
• Bayer AG