Modulare Dampferzeuger intelligent steuern

„Ein modular einsetzbarer Dampferzeuger zeichnet sich dadurch aus, dass dieser ohne großen Aufwand in einen Anlagenverbund eingebunden werden kann“, sagt Prof. Dr. Norbert Große vom Institut für Automatisierungstechnik der TH Köln. Für die einzelnen Module werden in der Praxis herstellerspezifische Schnittstellen bereitgestellt, deren Integration in Leitsysteme laut Große mit großem Aufwand verbunden ist.

Das Forschungsteam programmierte eine Software mit einer standardisierten Schnittstellenbeschreibung, dem Module Type Package (MTP). Die Schnittstelle enthält wichtige Informationen zur Anbindung eines Moduls, wie z.B. die Visualisierung, die Zugriffsinformationen für Prozessdaten wie Temperatur, aktueller Druck und Füllstand im Dampfkessel sowie Alarme etwa für niedrigen Füllstand. „Alle Daten werden in eine Datei gepackt, die vom Leitsystem eingelesen werden kann. Dadurch werden die Package Units – von einem Drittanbieter bereitgestellte (Teil-)Anlagen, die eine bestimmte Funktionalität übernehmen – herstellerunabhängig und können einfacher in das übergeordnete System integriert werden“, sagt der am Projekt beteiligte Teamleiter und wissenschaftliche Mitarbeiter Jan John.

Wartungen präziser planen

Bei der Entwicklung berücksichtigten die Forschenden auch die Wünsche des Projektpartners PTS Group für die Anwendung in der Instandhaltung. Um den Verschleißzustand einzelner Betriebsmittel zu ermitteln, überwachten die Forschenden die Kesselisolierung im Dampferzeuger. Mit Hilfe von Sensordaten setzten sie ein mathematisches Modell auf und testeten dieses. Bei Leckagen tropft Flüssigkeit auf die Glaswolle, die als Isoliermaterial dient. Wird diese feucht, erhöht sich die Wärmeleitfähigkeit, was zu Wirkungsgradverlusten führt. Durch Versuche mit unterschiedlichen Dämmstärken konnten mittels der Sensordaten Abweichungen vom Idealzustand festgestellt und so der richtige Wartungszeitpunkt bestimmt werden.

Virtueller Füllstandsensor

Da die Ausrüstung der Package Units mit passender Füllstandmesstechnik den Forschenden zufolge unwirtschaftlich wäre, untersuchten sie, ob ein Machine-Learning-Algorithmus statt teurer Sensorik eine Alternative wäre.“Wir konnten feststellen, dass die Ergebnisse des Algorithmus nah an den echten Füllstand herankommen. Durch das regelmäßige Ansteuern von Grenzschaltern, deren Einbauhöhe bekannt ist, kann der Algorithmus laufend neu kalibriert werden. Hierdurch konnte in ersten Versuchen eine gute Performance des Modells erreicht werden“, erklärte Yannick Pilous, wissenschaftlicher Mitarbeiter und ebenfalls am Projekt beteiligt.

Daneben widmeten sich die Forschenden unter anderem der Optimierung wie etwa der Wasserverdampfung oder der Kesselbefüllung. Große: „Insgesamt haben die durchgeführten Maßnahmen große Optimierungspotenziale von Dampferzeugern aufgezeigt.“ www.th-koeln.de