Skip to main content
main-content
Top

Hint

Swipe to navigate through the articles of this issue

Published in: Zeitschrift für Energiewirtschaft 2/2022

04-04-2022

Modellierung der Betriebsweise einer GuD-Anlage mithilfe neuronaler Netze

Authors: Prof. Dr. rer. nat. Wolfgang Schellong, B. Eng. Torsten Schoppe

Published in: Zeitschrift für Energiewirtschaft | Issue 2/2022

Login to get access
share
SHARE

Zusammenfassung

Vor dem Hintergrund des geplanten Atom- und Kohleausstiegs in Deutschland spielen Gaskraftwerke eine wichtige Rolle für die Energiewende. Gas- und Dampfturbinen-Kraftwerke (GuD-Anlagen) zeichnen sich durch eine hohe Energieeffizienz und Flexibilität bei der Stromerzeugung aus. GuD-Anlagen werden an vielen Standorten in Deutschland für die kommunale Energieversorgung mit Wärme und Strom eingesetzt. Der Artikel beschreibt die Modellierung der Betriebsweise einer GuD-Anlage durch den Einsatz von Methoden der künstlichen Intelligenz (KI). Das Modell verfolgt das Ziel, den genauen Anlagenzustand des Energiesystems innerhalb eines bestimmten Betriebspunktes möglichst präzise vorherzusagen. Auf der Grundlage der Analyse von Betriebsdaten der GuD-Anlage für einen repräsentativen Zeitraum werden die wichtigsten Einflussfaktoren für den Kraftwerksprozess identifiziert. Der Modellentwurf basiert auf künstlichen neuronalen Netzen (KNN). In einem Machine-Learning-Workflow werden die Arbeitsschritte für die Modellierung beschrieben. Diese umfassen die Topologie des KNN, die Modellkomponenten, die Festlegung der Methoden zur Validierung und Bewertung der Modellgüte sowie Technologien zur Modelloptimierung. Das Modell weist im Test mit den Praxisdaten eine hohe Prognosegüte auf. Die Modellierung dient der Optimierung des operativen Kraftwerkseinsatzes sowie als Entscheidungshilfe für den Stromhandel. Weiterhin kann eine Simulation dabei helfen, mögliche Einsatzszenarien gefahrlos zu testen, ohne dabei hohe Kosten zu erzeugen. Die beschriebene KI-Methodik lässt sich auch auf weitere Energiesysteme mit alternativen Anlagenkonfigurationen übertragen.
Literature
go back to reference Chauvin Y, Rummelhart D (1995) Backpropagation: theory, architectures, and applications. Erlbaum, Hillsdale Chauvin Y, Rummelhart D (1995) Backpropagation: theory, architectures, and applications. Erlbaum, Hillsdale
go back to reference Chollet F (2018) Deep Learning mit Python und Keras : das Praxis-Handbuch : vom Entwickler der Keras-Bibliothek, 1. Aufl. mitp, (K. Lorenzen, Übers.)) Chollet F (2018) Deep Learning mit Python und Keras : das Praxis-Handbuch : vom Entwickler der Keras-Bibliothek, 1. Aufl. mitp, (K. Lorenzen, Übers.))
go back to reference Epple E et al (2009) Simulation von Kraftwerken und Wärmetechnischen Anlagen. Springer, Heidelberg CrossRef Epple E et al (2009) Simulation von Kraftwerken und Wärmetechnischen Anlagen. Springer, Heidelberg CrossRef
go back to reference Matzka S (2021) Künstliche Intelligenz in den Ingenieurwissenschaften. Springer Vieweg, Berlin, Heidelberg CrossRef Matzka S (2021) Künstliche Intelligenz in den Ingenieurwissenschaften. Springer Vieweg, Berlin, Heidelberg CrossRef
go back to reference Paaß G, Hecker D (2020) Künstliche Intelligenz. Springer Vieweg, Berlin, Heidelberg CrossRef Paaß G, Hecker D (2020) Künstliche Intelligenz. Springer Vieweg, Berlin, Heidelberg CrossRef
go back to reference Pfleiderer C, Petermann H (2005) Strömungsmaschinen, 7. Aufl. Springer, Berlin, Heidelberg Pfleiderer C, Petermann H (2005) Strömungsmaschinen, 7. Aufl. Springer, Berlin, Heidelberg
go back to reference Schaumann G, Schmitz K (2010) Kraft-Wärme-Kopplung, 4. Aufl. Springer, Heidelberg, Berlin CrossRef Schaumann G, Schmitz K (2010) Kraft-Wärme-Kopplung, 4. Aufl. Springer, Heidelberg, Berlin CrossRef
go back to reference Schellong W (2016) Analyse und Optimierung von Energieverbundsystemen. Springer Vieweg, Berlin, Heidelberg CrossRef Schellong W (2016) Analyse und Optimierung von Energieverbundsystemen. Springer Vieweg, Berlin, Heidelberg CrossRef
go back to reference Strauß K (2006) Kraftwerkstechnik : zur Nutzung fossiler, nuklearer und regenerativer Energiequellen, 5. Aufl. Springer, Berlin, Heidelberg Strauß K (2006) Kraftwerkstechnik : zur Nutzung fossiler, nuklearer und regenerativer Energiequellen, 5. Aufl. Springer, Berlin, Heidelberg
go back to reference Zahoransky R, Allelein H‑J (2015) Energietechnik : Systeme zur Energieumwandlung; Kompaktwissen für Studium und Beruf, 7. Aufl. Springer Vieweg, Wiesbaden CrossRef Zahoransky R, Allelein H‑J (2015) Energietechnik : Systeme zur Energieumwandlung; Kompaktwissen für Studium und Beruf, 7. Aufl. Springer Vieweg, Wiesbaden CrossRef
Metadata
Title
Modellierung der Betriebsweise einer GuD-Anlage mithilfe neuronaler Netze
Authors
Prof. Dr. rer. nat. Wolfgang Schellong
B. Eng. Torsten Schoppe
Publication date
04-04-2022
Publisher
Springer Fachmedien Wiesbaden
Published in
Zeitschrift für Energiewirtschaft / Issue 2/2022
Print ISSN: 0343-5377
Electronic ISSN: 1866-2765
DOI
https://doi.org/10.1007/s12398-022-00322-7