Das Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik (IEE) hat mit dem EnergyFaultDetector ein Open-Source-Framework zur frühzeitigen Fehlererkennung in technischen Anlagen entwickelt. Die Lösung nutzt KI-gestützte Anomalieerkennung, um drohende Ausfälle in Windenergieanlagen, energiewirtschaftlichen Prozessen und Fernwärmeinfrastrukturen frühzeitig zu identifizieren. Sie basiert auf selbstlernenden Algorithmen, die in Echtzeit auffälliges Verhalten anhand vorhandener Betriebsdaten (SCADA-Daten) erkennen, ohne zusätzliche Sensorik.
Entwickelt im Rahmen mehrerer Forschungsprojekte, darunter ModernWindABS und ADWENTURE, ist das Framework skalierbar und flexibel an verschiedene Anlagen anpassbar. Es verwendet einen Autoencoder-Ansatz und ermöglicht die automatische Modellanpassung. Neben der Fehlererkennung unterstützt der EnergyFaultDetector die Ursachenanalyse durch den Algorithmus ARCANA, der Fehlerquellen präzise auf Subkomponenten eingrenzt.
Die Software ist als Python-Bibliothek über pip verfügbar und enthält das Modul „quick_fault_detector“, das Betriebsdaten aus CSV-Dateien mit einer Zeile Code analysiert. Das Fraunhofer IEE bietet Unterstützung bei der Integration in bestehende Systeme sowie einen kostenlosen Demozugang zur Windüberwachungsplattform an.
Lesen Sie auch
Schutz des Trinkwassers über Windenergie: Stellungnahme der Fachsektion Hydrogeologie | Pugnalom
Teilen mit:
Entdecke mehr von Pugnalom
Melde dich für ein Abonnement an, um die neuesten Beiträge per E-Mail zu erhalten.
