Fraunhofer optimiert Biomassekraftwerke mit "Machine Learning"-Ansatz
Im Projekt "Fuelband2" wird ein Frühwarnsystem für Biomasseheizkraftwerke entwickelt, das die Entstehung von Ablagerungen live detektieren und dann Gegenmaßnahmen vorschlagen kann. Erstmals wird dabei ein »Machine-Learning«-Ansatz auf Biomasseheizkraftwerke angewendet und im Realbetrieb in einem Kraftwerk in Bad Mergentheim getestet.
Das Projektkonsortium im Hackschnitzel-Lager des Naturwärmekraftwerks / Stadtwerk Tauberfranken in Bad Mergentheim: Dr. Martin Wenig (Geschäftsführer aixprocess GmbH), Paul Gehrig (Geschäftsführer Stadtwerk Tauberfranken), Dr. Martin Haberbehl (aixprocess GmbH), Prof. Dr.-Ing. Jürgen Karl (FAU Lehrstuhl Energieverfahrenstechnik), Martin Meiller (Fraunhofer UMSICHT), Gerhard Hirschlein (Stadtwerk Tauberfranken), Thomas Plankenbühler (FAU EVT), Dr.-Ing. Dominik Müller (FAU-EVT) Foto: Fraunhofer Institut UMSICHT
Smarte Feuerungstechnik für Biomasseheizkraftwerke: Projekt Fuelband2
Durch den Wegfall der EEG-Vergütung verändert sich der wirtschaftliche Rahmen für viele Biomasse-Kraftwerksbetreiber drastisch. Damit Anlagen weiter wirtschaftlich genutzt werden können, müssen kostengünstige aber auch problematische Reststofffraktionen unterschiedlicher Qualität zum Einsatz kommen. Diese bergen ein hohes Risiko für Verschlackungen, was wiederum die Verfügbarkeit und Gesamtwirtschaftlichkeit der Anlage beeinträchtigt.
Erstmals Machine Learning im Biomasseheizkraftwerk
Ziel des Projekts "Fuelband2" ist es, Strategien zu entwickeln, wie die Verschlackungsneigung insbesondere bei problematischen Brennstoffen reduziert werden kann. In einem Projektteil wird dafür ein Frühwarnsystem für Verschlackung entwickelt, das auf einem »Machine-Learning«-Ansatz basiert. Das selbstlernende System setzt auf einer im Vorprojekt entwickelten Simulationsumgebung für Verschlackungsvorhersage auf und soll in der Lage sein, Ablagerungen live zu detektieren. Dann schlägt es dem Anlagenbetreiber Gegenmaßnahmen vor, z.B. eine Anpassung der Feuerungsparameter.
Erstmals wird »Machine-Learning« und damit ein Ansatz erfahrungsbasierter Regelungsstrategien auf Biomasseheizkraftwerke angewendet. Zusätzlich werden im Projekt verschiedene Ansätze der Brennstoffvorbehandlung demonstriert und bewertet, um weitere Optimierungen des Anlagenbetriebs zu erreichen.
Weniger Schlacken bei Problem-Brennstoffen
Martin Meiller, Gruppenleiter Energie aus Biomasse und Abfall im Fraunhofer Institut UMSICHT Sulzbach-Rosenberg sagt: »Unser Ziel ist es, den Anlagenbetrieb, besonders bei problematischen Brennstoffen, wirtschaftlicher zu machen. Die Kombination aus Brennstoffvorbehandlung, optimiertem Anlagenbetrieb und dem Frühwarnsystem erscheint aussichtsreich.«
Die Anlagenintegration des Frühwarnsystems (Soft- und Hardware) wird von der Firma aixprocess GmbH entwickelt und in einem Heizkraftwerk des Stadtwerks Tauberfranken erstmals im Realbetrieb getestet. Die Validierung im Vorfeld erfolgt im Energie- und Biomasse-Technikum von Fraunhofer UMSICHT in Sulzbach-Rosenberg.
Das Projekt wird koordiniert vom Lehrstuhl für Energieverfahrenstechnik (EVT) der Friedrich-Alexander-Universität Erlangen und erhält eine Förderung vom Bundesministerium für Wirtschaft und Energie bis Mitte 2021.