Fraunhofer UMSICHT Institutsteil Sulzbach-Rosenberg
Fraunhofer UMSICHT Institutsteil Sulzbach-Rosenberg

Digitalisierung Energietechnik Recycling

Von der Online-Analytik, über das Retro-Fitting bis zur Verbund-Steuerung von energietechnischen Anlagen und Recyclingprozessen: Fraunhofer UMSICHT begleitet Industriepartner vom Konzept bis zur Umsetzung mit einem innovativen, industrie-kompatiblen Digitalisierungsansatz.

Digitalisierung verfahrenstechnischer Anlagen#

Die Digitalisierung und Automatisierung von Anlagen im Bereich Energietechnik, Verfahrenstechnik, Feuerungstechnik, Energietechnik, Recycling und Abfallbehandlung gehört zu den Querschnittskompetenzen von Fraunhofer UMSICHT.

© Fraunhofer UMSICHT
Anlage für thermo-chemische Konversionsprozesse mit digitalem Front End
Zustandsmonitoring und Anlagensteuerung mit mobilen Endgeräten über Apps

Dezentrale Energieerzeugungsanlagen, z.B. Bioenergieanlagen in den Bereichen Feuerungstechnik, Biogas oder der Reststoffverwertung schöpfen häufig nicht alle Effizienzpotenziale aus.

Zusätzlich stehen sie unter einem hohen Kosten- und Flexibilisierungsdruck. Wären sie Teil eines Anlagen-Netzwerkes und könnten Sie dynamisch, automatisiert gesteuert werden, könnte eine deutlich höhere Wertschöpfung, z.B. hinsichtlich Energieausbeute, Betriebseffizienz oder Direktvermarktung erreicht werden.

Überregionale Netzwerke dezentraler Anlagen nach dem Konzept von Industrie 4.0 sind auch für dezentrale Bioenergieanlagen möglich, die Voraussetzung ist jedoch, dass bestehende Anlagen so aufgerüstet werden, dass die Anlagenkommunikation und -steuerung über einheitliche, industrieerprobte und alltagstaugliche Standards erfolgen kann.

Szenariobasierte Steuerung#

In der Regel werden verfahrenstechnische Anlagen anhand von Messwerten wie Druck, Temperatur oder Massenstrom gesteuert.

Mit Methoden des maschinellen Lernens und der Mustererkennung wird es in Zukunft jedoch möglich sein, anstelle von konkreten Sollwerten, gewünschte Zielszenarien vorzugeben. Dies ist besonders vorteilhaft, wenn verschiedene Anlagen zusammen betrieben werden und die Szenarien hierarchisch angeordnet sind.

Jede Anlage hat im lokalen Betrieb ein eigenes bevorzugtes Szenario, aber im Verbundbetrieb sind auch übergeordnete Szenarien wie "Optimierte Wirtschaftlichkeit" oder "Maximale Versorgungssicherheit" möglich. Das Ersetzen von Parameterfeldern durch selbsterklärende Szenarien verschafft dem Betreiber eine klare Übersicht, auch in komplizierten Verbundanlagen.

Digitaler Retrofit#

Um dezentrale Bioenergieanlagen in eine Industrie 4.0-Umgebung zu integrieren und digital zu ertüchtigen, sind vier Evolutionsstufen notwendig.

Die erste Stufe entspricht einer reinen Überwachung (1) der Anlagen, gefolgt von der Steuerbarkeit über das Netz (2) und einer Vernetzung der Anlagen (3) bis hin zur Steuerung des Anlagenverbundes mittels KI-basierten, offenen Modellen (4). 

Der Weg von einer auf fossilen Rohstoffen basierenden Wirtschaft hin zu einer nachhaltigen Bioökonomie ist durch eine Vielzahl von Ansätzen gekennzeichnet. Die hier beschriebene digitale Aufrüstung ermöglicht es einer singulären Anlage, mit anderen Anlagen sowie mit angrenzenden Prozessen und Umweltbedingungen zu interagieren.

Dies ist die Grundvoraussetzung, um auch beim Betrieb von Anlagen in komplexen Systemen oder in Abhängigkeit von dynamischen Rahmenbedingungen, optimal zu operieren.

UMSICHT Digital Framework als Entwicklungsumgebung#

Bestehende verfahrenstechnische Anlagen aus der Energietechnik oder der Abfallbehandlung lassen sich mit der Methoden- und Toolbox von Fraunhofer UMSICHT bedarfsgerecht und schnell digitalfähig machen.

© Fraunhofer UMSICHT
UMSICHT Digital Framework für den Retrofit von verfahrenstechnischen Anlagen

Das UMSICHT Digital Framework folgt der in der Industrie etablierten OPC UA Architektur. Sensorik, Aktorik und Steuerungen lassen sich flexibel einbinden, bisher nicht automatisierte Anlagen problemlos nachrüsten.

Auf der operativen Ebene (Operational Zone / Feldebene) werden Daten aus den Anlagen erzeugt und Steuerungsbefehle in den Anlagen umgesetzt. Auch Daten zu Einsatzstoffen (z.B. Brennstoffqualitäten etc.) und zu den Produkten (z.B. Gasqualitäten etc.) können einbezogen werden. Das Framework ist auf dabei auf weit verbreitete Steuerungen von industriellen SPS-Anbietern ausgelegt.

Für den Wissenschaftsbetrieb müssen auch Daten aus der Laboranalytik (in Echtzeit oder als Offline Datensätze); für industrielle Anwendungen auch externe Datenquellen (Supply Side Data, Spot-Markets, Wetter, Verkehr, Demand Side Data etc.) verfügbar gemacht werden. Durch die offene Architektur wird dies gewährleistet.

Für die Datenkommunikation kommt das MQTT Protokoll zum Einsatz, welches in der Maschine-to-Machine Kommunikation und im IIoT weit verbreitet ist.

Über der Feldebene sieht das Framework eine lokale EDGE ZONE vor, in der zeitkritische oder sensible Daten an Ort und Stelle (Unternehmen oder lokalen Rechenzentrum) gespeichert und verarbeitet werden. In diesem Bereich geschieht die Steuerung und das Monitoring von Anlagen in Echtzeit, Modelle und Szenarien für die Anlagenfahrweisen werden hier angewendet und interpretiert.

Die Endgeräte in der EDGE Zone müssen nicht permanent mit dem Netzwerk verbunden sein, ein netzunabhängiger Betrieb ist nötigenfalls möglich.

In die EDGE-Zone werden sowohl Daten aus der Feldebene oder anderen internen Systemen (z.B. SAP, DMCplus, ) eines Unternehmens, als auch aus der Cloud angebunden - im letzteren Fall werden sie aber vorher gefiltert und geprüft. Die EDGE Zone kann damit auch als Pufferzone zwischen Cloud und operativer Ebene verstanden werden.

Der CLOUD ZONE ist im UMSICHT Digital-Framework für die Speicherung und Verarbeitung großer Datenmengen vorgesehen. An die Framework-Cloud können mehrere EDGE Zonen (Anlagen, Unternehmen, Institute, Standorte) angebunden werden. In der Framework-Architektur ist ein Portal-Management integriert, welches den sicheren Datenaustausch zwischen den EDGE-Zonen und der Cloud sicherstellt.

Der Datenaustausch selbst verläuft selektiv, brokerbasiert. Die Cloud Umgebung bietet den Vorteil, große Datenmenge aus unterschiedlichen Quellen performant zu verarbeiten (Distributed Computing), z.B. um KI-Systeme mit großen Datensätzen zu trainieren oder Business Intelligence Betrachtungten über lange Zeithorizonte zuzulassen.