Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

04.04.2022

Modellierung der Betriebsweise einer GuD-Anlage mithilfe neuronaler Netze

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

Erschienen in: Zeitschrift für Energiewirtschaft

Einloggen, um Zugang zu erhalten
share
TEILEN

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.

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 15 Tage kostenlos.

Zeitschrift für Energiewirtschaft

Zeitschrift für Energiewirtschaft (ZfE) ist eine unabhängige Fachzeitschrift mit aktuellen Themen zu Energiewirtschaft, Energiepolitik und Energierecht. JETZT BESTELLEN

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 15 Tage kostenlos.

Literatur
Zurück zum Zitat Chauvin Y, Rummelhart D (1995) Backpropagation: theory, architectures, and applications. Erlbaum, Hillsdale Chauvin Y, Rummelhart D (1995) Backpropagation: theory, architectures, and applications. Erlbaum, Hillsdale
Zurück zum Zitat 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.))
Zurück zum Zitat 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
Zurück zum Zitat 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
Zurück zum Zitat Paaß G, Hecker D (2020) Künstliche Intelligenz. Springer Vieweg, Berlin, Heidelberg CrossRef Paaß G, Hecker D (2020) Künstliche Intelligenz. Springer Vieweg, Berlin, Heidelberg CrossRef
Zurück zum Zitat Pfleiderer C, Petermann H (2005) Strömungsmaschinen, 7. Aufl. Springer, Berlin, Heidelberg Pfleiderer C, Petermann H (2005) Strömungsmaschinen, 7. Aufl. Springer, Berlin, Heidelberg
Zurück zum Zitat 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
Zurück zum Zitat 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
Zurück zum Zitat 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
Zurück zum Zitat 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
Metadaten
Titel
Modellierung der Betriebsweise einer GuD-Anlage mithilfe neuronaler Netze
verfasst von
Prof. Dr. rer. nat. Wolfgang Schellong
B. Eng. Torsten Schoppe
Publikationsdatum
04.04.2022
Verlag
Springer Fachmedien Wiesbaden
Erschienen in
Zeitschrift für Energiewirtschaft
Print ISSN: 0343-5377
Elektronische ISSN: 1866-2765
DOI
https://doi.org/10.1007/s12398-022-00322-7