E-world Magazin 01/20

20 | Smart Energy
Smart Energy | 21
Mit Künstlicher Intelligenz
Wartung der Netze optimieren –
wie das funktioniert
Vorausschauende Wartung ist in der Industrie ein
wichtiges Thema, das enormes Potenzial zur Kosteneinsparung
bietet. Das Prinzip ist einfach und klar:
Wenn ich eine Maschine nur dann warte, wenn sie kurz
davor ist, Probleme zu machen, spare ich Geld an zwei
Stellen: Ich habe weniger Ausfälle, weil die Maschine
gewartet wird, bevor sie Probleme macht, und ich
spare Wartungs- und Ersatzteilkosten, weil ich keine
unnötigen Wartungen mehr vornehme. Im Netz, egal
ob Strom, Wasser, Wärme oder Gas, gilt das gleiche
Prinzip. Gasstationen, Umspannwerke, Hochbehälter
etc. zu inspizieren und zu warten ist aufwändig und
teuer. Wie kann Künstliche Intelligenz hier helfen?
Künstliche Intelligenz ist sehr gut darin, große Datenmengen
zu verarbeiten, Zusammenhänge und Muster
zu erkennen und normale Bereiche von Ausnahmen
zu unterscheiden. Viele Daten und Informationen
über die Netze liegen bei Versorgern schon vor. Alte
Inspektionsberichte, Berichte über Ausfälle und Probleme,
typische Durchflussmengen, Spannungen etc.
Weitere Informationen werden durch die zunehmende
Vernetzung, also das Internet of Things, kontinuierlich
von Sensoren gesammelt, übermittelt und gespeichert.
Daraus kann ein Algorithmus Schlüsse ziehen.
Ein Beispiel:
Im ganzen Stromnetz sind in der Regel Kurzschlussanzeiger
verteilt. So können Ausfälle und Probleme
lokalisiert werden. Im Netz befinden sich oft
Tausende davon. Über viele Jahre sind Ausfälle und
Probleme einzeln dokumentiert, mit der Bezeichnung
des betroffenen Anzeigers und einer ganzen
Reihe weiterer Informationen. Diese Daten kann ein
Mensch manuell kaum analysieren, weil es einfach
zu viele sind. Der Mensch müsste auch bewusst nach
einzelnen Zusammenhängen suchen, um z.B. mit
Excel ein Problem zu finden.
© MF3d/iStockPhoto.com
Ein lernender Algorithmus kann, sofern die Daten vorher
gut aufbereitet wurden, ohne Vorgaben Zusammenhänge
und Muster erkennen und dadurch häufige
Problemstellen identifizieren. Er kann Spannungsspitzen
mit Wetterdaten und Ausfällen in Zusammenhang
bringen, oder beliebige andere Informationen.
So kann die Künstliche Intelligenz uns, basierend auf
historischen Daten, sagen, in welchen Situationen
Ausfälle passieren. Was wir jetzt meistens noch nicht
wissen ist, wie sich die Situation vor dem Ausfall entwickelt
hat. Deshalb ist es sinnvoll, jetzt Sensoren
einzubauen, die kontinuierlich die Daten messen, die
vom Algorithmus als Einflussfaktoren auf Ausfälle
identifiziert wurden, also z.B. Spannungsspitzen
oder das Eindringen von Wasser. Dann kann der
nächste Algorithmus loslaufen und z.B. identifizieren,
welcher Spannungsbereich normal ist und
wann der Normalbereich verlassen wird – und einen
Wartungsalarm auslösen.
So können wir punktgenau Wartungsarbeiten
durchführen und damit so effizient wie möglich das
Netz betreiben.
Predictive maintenance is an important
issue in industry and offers enormous
potential for cost savings. The principle is
simple and clear: If I only wait for a machine
when it is about to cause problems,
I save money in two places: I have fewer
breakdowns because the machine is serviced
before it causes problems, and I save
maintenance and spare part costs because
I no longer perform unnecessary maintenance.
In the network, whether electricity,
water, heat or gas, the same principle
applies. Inspecting and maintaining gas
stations, substations, elevated tanks, etc.
is time-consuming and expensive. How
can artificial intelligence help here?
Mehr zum Thema Künstliche Intelligenz erfahren Sie
in unserem Workshop „Künstliche Intelligenz in der
Energiebranche wirtschaftlich nutzen – so geht es
praktisch.“ Dieser findet am Mittwoch, den 12. Februar
2020 von 15:30 Uhr bis 17:30 Uhr statt.
Weitere Informationen finden Sie
auf unserer Webseite unter:
www.ecbm.me/e-world-essen-2020
SUMMARY
Using Artificial Intelligence to Optimize Network
Maintenance – How It Works
Artificial intelligence is very good at
processing large amounts of data, recognizing
connections and patterns, and
distinguishing normal areas from exceptions.
A lot of data and information about
the networks is already available from
utilities. Old inspection reports, reports
on failures and problems, typical flow
rates, voltages, etc. are already available.
Further information is continuously collected,
transmitted and stored by sensors
KONTAKT / CONTACT
www.ecbm.me
digital@ecbm.me
due to the increasing networking, i.e. the
Internet of Things. An algorithm can draw
conclusions from this.
You can learn more about artificial intelligence
in our workshop "Using artificial
intelligence economically in the energy
sector – this is how it works in practice".
This will take place on Wednesday, 12
February 2020 from 15:30 to 17:30.
Further information can be found
on our website:
www.ecbm.me/e-world-essen-2020