Systemanalyse als Schlüssel zur Energie-Effizienz - Software ...
Systemanalyse als Schlüssel zur Energie-Effizienz - Software ...
Systemanalyse als Schlüssel zur Energie-Effizienz - Software ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
s c c h<br />
s o f t ware competence center<br />
h a g e n b e r g<br />
<strong>Systemanalyse</strong> <strong>als</strong> <strong>Schlüssel</strong> <strong>zur</strong> <strong>Energie</strong>-<strong>Effizienz</strong><br />
Die <strong>Systemanalyse</strong> ist ein Erkenntnisprozess,<br />
der von Messdaten und vorhandenen Systembeschreibungen<br />
ausgeht, um das Systemverhalten<br />
im Hinblick auf die gewünschte<br />
Zielgröße wie etwa den <strong>Energie</strong>verbrauch modellhaft<br />
abzubilden. Das so gewonnene Berechnungsmodell<br />
ist Grundlage für ein besseres<br />
Systemverständnis und die Ableitung von<br />
Optimierungsschritten.<br />
Mit mathematischen Methoden der Computational<br />
Intelligence und mit modernen <strong>Software</strong>-<br />
Technologien können je nach Problemstellung<br />
wesentliche Schritte dieser <strong>Systemanalyse</strong><br />
automatisiert werden. Diese Technologien ermöglichen<br />
auch die Analyse und <strong>Energie</strong>optimierung<br />
von sehr komplexen Anlagen und<br />
Systemen. Außerdem können Methoden der<br />
Business Intelligence (BI) angewandt werden,<br />
um die Prozesse zu optimieren und die <strong>Effizienz</strong><br />
zu steigern.<br />
Das SCCH beschäftigt sich mit der automatisierten<br />
<strong>Systemanalyse</strong> und Optimierung basierend<br />
auf Methoden der Computational Intelligence<br />
unter Einsatz modernster <strong>Software</strong>-Technologien,<br />
insbesondere<br />
�<br />
�<br />
�<br />
�<br />
automatisierte Unterstützung der Modellbildung<br />
durch datengetriebene Methoden des<br />
Maschinellen Lernens und formallogischer<br />
Systeme<br />
Modellbeschreibung und softwaretechnische<br />
Abbildung durch domänenspezifische <strong>Software</strong><br />
Analyse durch entsprechende Daten- und<br />
Systemvisualisierung<br />
mathematische Optimierungsverfahren<br />
Keywords<br />
Condition Monitoring, Prozessanalyse, Prozessoptimierung,<br />
Business Intelligence, Computational<br />
Intelligence, Datenmanagement, modellbasierte<br />
und domänenspezifische <strong>Software</strong><br />
Zielgruppen<br />
�<br />
Industrie- und Forschungspartner, die automatisierte<br />
Unterstützung bei der Analyse<br />
komplexer Systeme suchen<br />
s c c h<br />
s o f t ware competence center<br />
h a g e n b e r g
Problembeschreibung<br />
Der rasante technologische Wandel führt zu<br />
komplexen technischen Systemen. Durch Automatisierung,<br />
digitale Steuerungen sowie<br />
den Einsatz moderner Kommunikationstechnologie<br />
steigt die Komplexität der Zu-<br />
sammenhänge innerhalb eines Systems, welche<br />
mit herkömmlichen Methoden oft nicht<br />
mehr beherrschbar ist.<br />
Die Anwendungsbereiche solcher Systeme reichen<br />
vom Verbraucher/Erzeuger im Stromnetz<br />
eines Haushalts bis zu komplexen Industrieanlagen.<br />
Immer häufiger sind die Betreiber mit<br />
einer Datenflut konfrontiert, die sich mit traditionellen<br />
Methoden nicht mehr auswerten lässt<br />
und somit keine abstrakten Informationen über<br />
die Zusammenhänge der Teilsysteme zulässt.<br />
Aufgrund hoher <strong>Energie</strong>preise steigt der Bedarf<br />
an Analysemöglichkeiten, die die Zusammenhänge<br />
des <strong>Energie</strong>haushalts von komplexen<br />
Systemen aufzeigen, um die Systemprozesse<br />
in Hinblick auf deren <strong>Energie</strong>effizienz zu<br />
optimieren.<br />
Im <strong>Software</strong> Competence Center Hagenberg<br />
(SCCH) arbeiten Wissenschaftlerinnen und<br />
Wissenschaftler der Disziplinen Informatik und<br />
Mathematik an neuen Methoden und Werkzeugen,<br />
um die Datenflut von komplexen Systemen<br />
in verwertbare Informationen für den Betreiber<br />
umzuwandeln.<br />
Lösungsansatz<br />
Methoden der Systemtheorie setzen hier an<br />
und versuchen, durch Erfassung und Analyse<br />
der einzelnen Systemteile, die komplexen Zusammenhänge<br />
und Eigenschaften eines Systems<br />
darzustellen. Eine zunehmende Formalisierung<br />
dieser Zusammenhänge erlaubt in<br />
weiterer Folge eine maschinelle Auswertung<br />
und somit eine Prognose des Systemverhaltens<br />
für zukünftige Zustände.<br />
Der integrative und ganzheitliche Ansatz der<br />
Systemtheorie kombiniert Datenerfassung,<br />
Analyse sowie Prognose. Wenn man die Zusammenhänge<br />
eines Systems im Detail kennt<br />
und aktuelle Daten über den Zustand addiert,<br />
kann man zukünftige Szenarien prognostizieren<br />
und so Zustände mit niedrigem Wirkungsgrad<br />
vermeiden.<br />
Historische Daten<br />
�<br />
Datenerfassung<br />
Daten, wie zum Beispiel Maschinendaten oder<br />
Stromverbräuche, werden direkt von den Maschinen<br />
oder aus verteilten Sensornetzwerken<br />
ermittelt und in einem Data Warehouse<br />
abgelegt.<br />
�<br />
Datenanalyse<br />
Weitgehend automatisch werden mittels Verfahren<br />
des Data Warehousing und Data Mining<br />
die Daten analysiert, Zusammenhänge in den<br />
Daten ermittelt und daraus ein Modell erstellt.<br />
Dieses Modell wird unter Berücksichtigung von<br />
zusätzlicher Prozessexpertise in eine Vorhersagelogik<br />
überführt.<br />
�<br />
Daten<br />
Modell<br />
Von den Daten <strong>zur</strong> Optimierung<br />
Prozessexpertise<br />
Vorhersagelogik<br />
Prognose und Optimierung<br />
Optimale Entschei- -<br />
dung/Steuerung<br />
Angewandt auf die Eingangsdaten dient die<br />
Vorhersagelogik <strong>zur</strong> Prognose von Zuständen<br />
und <strong>zur</strong> Optimierung von Steuerungen. Die<br />
Eingangsdaten und die daraus abgeleiteten<br />
Entscheidungen können wiederum <strong>zur</strong> Verbesserung<br />
des Modells verwendet werden.<br />
+
Success Stories<br />
Wie viel <strong>Energie</strong> steckt morgen<br />
früh im Wasser?<br />
In Österreich werden ca. 60 Prozent des Stroms<br />
aus Wasserkraft erzeugt. Der Verbund benötigt<br />
besonders für die Laufkraftwerke, die rund um<br />
die Uhr Strom <strong>zur</strong> Deckung der Grundlast erzeugen,<br />
aussagekräftige Zuflussprognosen.<br />
Welche Mengen an Strom der Verbund in das<br />
Stromnetz einspeisen kann, hängt unter anderem<br />
von den Pegelständen der heimischen<br />
Flüsse ab. Die <strong>Energie</strong> kann nur nachhaltig genutzt<br />
werden, wenn man vorher schon weiß,<br />
wie viel <strong>Energie</strong> der Fluss <strong>zur</strong> Verfügung stellt.<br />
Ein Stromüberschuss kann nicht wirtschaftlich<br />
gespeichert werden, und die Kunst liegt darin<br />
exakt soviel Strom zu produzieren, wie auch<br />
tatsächlich gebraucht wird. Die Durchflussmengen<br />
und die resultierende, erzeugte Strommenge<br />
sollen exakt prognostizierbar sein. Dazu<br />
setzen die Experten nun künstliche, neuronale<br />
Netze (KNNs) über die Durchflussmengen. Solche<br />
KNNs bilden <strong>als</strong> Abstraktion der Informationsverarbeitung<br />
einen Zweig der künstlichen<br />
Intelligenz und eignen sich <strong>zur</strong> Problemlösung<br />
in Gebieten, in denen nur wenig systematisches<br />
Wissen über das zu lösende Problem<br />
vorhanden ist. Das SCCH entwickelte ein Prognosemodell<br />
<strong>zur</strong> Kurzfristvorhersage, welches<br />
Teil des energiewirtschaftlichen Planungssystems<br />
des Verbund ist. Die Herausforderungen<br />
lagen im komplexen Umfeld, in dem eine Unzahl<br />
an Zusammenhängen zu einem bestimmten<br />
Ergebnis führt. Das System ist lernfähig,<br />
das bedeutet, dass mit Zunahme der Informationen<br />
und Erfahrungen die Prognosen immer<br />
exakter werden.<br />
Laufkraftwerk Greifenstein, © Verbund<br />
<strong>Energie</strong>management für Akkus<br />
Die Firma Lightweight Energy GmbH High-Tech<br />
Energy Systems entwickelt <strong>Energie</strong>managementsysteme<br />
auf Basis der Lithium-Ionen-<br />
Technologie, die bis zu 5-mal leistungsfähiger<br />
<strong>als</strong> Blei-Säure-Batterien ist. Diese Systeme<br />
sind modular aufgebaut und vielseitig einsetzbar,<br />
wie zum Beispiel in Elektrobooten, Fahrzeugen,<br />
Elektrorollern uvm. Ein kritischer<br />
Erfolgsfaktor der Elektro-Mobilität ist die Benutzerakzeptanz,<br />
die in direkter Verbindung<br />
mit der optimierten Verwendung der zugrundeliegenden<br />
Akkutechnologie steht. Faktoren sind<br />
hier die Reichweite, die Akkulebensdauer und<br />
die Kosten.<br />
Im Rahmen des Projekts ControlMart wurde gemeinsam<br />
eine Hard- und <strong>Software</strong>infrastruktur<br />
entwickelt, die es ermöglicht, wichtige Akku-<br />
Kennzahlen auf den mobilen Einheiten aufzuzeichnen,<br />
dem Fahrzeugbenutzer zu visualisieren<br />
und zu Analysezwecken an einen zentralen<br />
Server zu übermitteln.<br />
Die übertragenen, feingranularen Akku-Kennzahlen<br />
(z.B. Temperatur, Zellspannung, Restkapazität,<br />
Lade- und Entladestrom, usw.) werden<br />
in einem Data Warehouse gesammelt und<br />
für Datenanalysen aufbereitet. Dies reicht von<br />
einfachen Fragestellungen wie zum Beispiel:<br />
Wie hoch war die durchschnittliche Temperatur<br />
einer bestimmten Akkuzelle in einem definierten<br />
Zeitraum (Jahr, Quartal, Monat, Tag,<br />
Stunde, Minute, Sekunde)?, bis hin zum Füttern<br />
von Simulationsmodellen mit Daten, um<br />
z.B. die Akkulebensdauer für ein bestimmtes<br />
Benutzerprofil vorherzusagen.<br />
s c c h<br />
s o f t ware competence center<br />
h a g e n b e r g
s c c h<br />
s o f t ware competence center<br />
h a g e n b e r g<br />
SCCH ist eine Initiative der<br />
Ihr Nutzen<br />
�<br />
�<br />
�<br />
�<br />
�<br />
�<br />
�<br />
�<br />
Automatisierte Analyse des Ist-Zustands<br />
Echtzeitinformation<br />
Systemverständnis durch Modellierung von<br />
komplexen Anlagen und Systemen<br />
Prognose<br />
Prozessoptimierung<br />
Abstimmung <strong>Energie</strong>produktion und<br />
<strong>Energie</strong>verbrauch<br />
<strong>Energie</strong>management<br />
<strong>Energie</strong>verbrauchsoptimierung<br />
Dr. Robert Spolwind, Senior Energy Manager<br />
- Expert Ressource Optimisation, Verbund<br />
(Österreichische Elektrizitätswirtschafts-AG)<br />
„Um besser planen zu können, müssen die<br />
Stromerzeuger jeden Tag aufs Neue anmelden,<br />
wie viel Strom sie ins öffentliche Netz einspeisen<br />
wollen. Große Abweichungen von diesem<br />
Wert haben ernstzunehmende Konsequenzen,<br />
und zwar auch wenn wir zu viel produzieren.<br />
Es kommt daher darauf an, dass wir die Pegelstände<br />
der Flüsse möglichst exakt vorhersagen<br />
können.”<br />
<strong>Software</strong> Competence Center Hagenberg<br />
GmbH<br />
<strong>Software</strong>park 21, 4232 Hagenberg, Austria<br />
www.scch.at<br />
Kontakt<br />
Manfred Schwanthaler<br />
Tel. +43 7236 3343 887<br />
manfred.schwanthaler@scch.at<br />
Christian Bacher, Geschäftsführer Lightweight<br />
Energy GmbH High-Tech Energy Systems<br />
„Die übertragenen Kennzahlen informieren uns<br />
über das Lade- und Entladeverhalten der Anwender<br />
einer Region. Das kann für die Kapazitätsplanung<br />
des <strong>Energie</strong>versorgers von großer<br />
Bedeutung sein. Unter anderem kann er dadurch<br />
ein Preismodell anbieten, das auf das<br />
Benutzerverhalten abgestimmt ist.”<br />
Mag. Klaus Reingruber, Geschäftsführer Blue<br />
Sky Wetteranalysen<br />
„Wie hoch wird morgen der heizungsbedingte<br />
Stromverbrauch für eine Fabrikshalle im Linzer<br />
Hafen sein? Für solche lokale Prognosen<br />
reichen die globalen Wettervorhersagemodelle<br />
nicht aus, da sie dafür zu ungenaue Informationen<br />
bieten. Als Lösung haben wir gemeinsam<br />
mit dem SCCH das Vorhersagetool BlueForecast<br />
entwickelt. Es ermöglicht hochqualitative lokale<br />
Wetterprognosen unter Anwendung von Data<br />
Mining. Es werden wiederkehrende Muster in<br />
den Daten erkannt und so können wir künftige<br />
Ereignisse wesentlich genauer vorhersagen.”