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.