Wenn die Energiewende gelingen soll, sind eine Vielzahl von Maßnahmen nötig. Eine davon ist es, bestehende Kraftwerke effizienter zu machen. Dies soll künftig dank künstlicher Intelligenz (KI) gelingen. Forscher des Instituts für Modellbildung und Hochleistungsrechnen (IMH) der Hochschule Niederrhein arbeiten daran jetzt im Rahmen eines größeren Verbundprojekts mit der Bergischen Universität Wuppertal und Siemens Gas and Power GmbH & Co. KG. Das Projekt mit dem Namen „Multivariate Machine-Learning-Algorithmen zur optimalen Auslegung und echtzeitfähigen Lebensdauerprognose von Kraftwerkskomponenten“ wird vom Bundesministerium für Bildung und Forschung mit 1,2 Millionen Euro unterstützt.
Das Projekt ist Teil der Hightech-Strategie 2025 der Bundesregierung und soll einen Beitrag dazu leisten, Schlüsseltechnologien für die sparsame, effiziente und sichere Energieversorgung zu nutzen. Ziel sind weniger Emissionen bei uneingeschränkter Versorgungssicherheit auch bei schwankender Stromeinspeisung. In dem Projekt arbeiten Mathematikerinnen, Physiker, Informatiker und Ingenieure daran, einen optimalen Betrieb einzelner Anlagen durch neue, echtzeitfähige KI-Algorithmen zu gewährleisten und erneuerbare Energieträger in die Netzinfrastruktur zu integrieren.
An der Hochschule Niederrhein sollen dazu neue mathematische Methoden entwickelt werden. „Wir glauben, dass die neuen Machine-Learning-Ansätze ad-hoc-Optimierungen ermöglichen und das Potential haben kurzfristig die Energieeffizienz bestehender Anlagen zu steigern und Emissionen zu verringern“, sagt Professor Dirk Roos, Projektleiter an der Hochschule Niederrhein.
Bei diesem Vorgehen erhalten physische Produkte einen digitalen Zwilling. Dieser wird durch ein Cyber-Physisches-System (CPS) modelliert und mithilfe von Machine-Learning-Algorithmen optimiert. Der Zwilling lernt aus Beispielen und kann diese verallgemeinern. Er kann in Komponenten, Maschinen und Anlagen integriert werden und trägt dazu bei, dass sich diese durch Selbstoptimierung an sich ändernde Betriebsbedingungen anpassen können. Digital Twins können Optimierungen in kürzester Zeit durchspielen und Lösungen entwickeln.
Die Forschungsergebnisse sollen unmittelbar durch den Projektpartner Siemens Gas and Power GmbH & Co. KG erprobt werden. Dazu sollen Komponenten von Gas- und Dampf-Kraftwerke dienen. An ihnen soll gezeigt werden, dass die Anlagen optimiert werden können, was bedeutet: Steigerung der Effizienz von Turbomaschinen bei niedrigen CO2- und anderen klimaschädlichen Emissionen auch im Teillastbetrieb, niedrigsten Lebenszykluskosten und reduzierten Investitionskosten pro kW.
Ein Beispiel: Gas- und Dampf- (GuD)-Kraftwerke sowie Kleinanlagen wie Blockheizkraftwerke müssen heute durch den steigenden Anteil erneuerbarer Energien am Strommix flexibler betrieben werden. Scheint die Sonne, weht starker Wind, kann ihre Leistung gedrosselt werden. Machine-Learning-Algorithmen können dazu beitragen, die Kraftwerke schneller und effizienter als bisher auf die wechselnden Betriebsbedingungen einzustellen.
Neben Siemens Gas and Power GmbH & Co. KG ist die Bergische Innovationsplattform für Künstliche Intelligenz Kooperationspartner. Dort sollen an der Bergischen Universität Wuppertal kooperative Promotionen im Rahmen des Projekts durchgeführt werden.
