Vorhaben EISKIG

KI-Regelung macht industrielle Kälteversorgung energieeffizienter

Voraussetzung für Praxiseinsatz ist ein digitaler Zwilling

„Bevor wir das System auf die reale Anlage übertragen, muss zunächst ein digitaler Zwilling der Anlage erstellt werden. Dieser muss ein stabiles und nachvollziehbares Verhalten in einer Vielzahl von Szenarien zeigen“, so Projektkoordinator Tobias Lademann von der TU Darmstadt.

Um effiziente Betriebsweisen unter dynamischen Randbedingungen entwickeln und erproben zu können, sind realitätsnahe Simulationsmodelle erforderlich. Dazu aggregieren die Forschenden technische Spezifikationen und Messdaten und ergänzen diese durch temporäre Messung. Lademann: „Die Datenqualität ist dabei entscheidend: Fehlerhafte oder fehlende Daten müssen erkannt und bereinigt werden."

Für eine erfolgreiche Optimierung des Systems setzen die Forschenden unter anderem auf Deep Reinforcement Learning. Hier lernt ein Agent durch Interaktion mit einer Simulationsumgebung, welche Betriebsstrategie zielführend ist. Ein neuronales Netzwerk bildet dabei die Entscheidungslogik des Agenten ab. Es wählt Anlagenstellgrößen auf Basis des aktuellen Systemzustandes. Belohnungssignale, etwa basierend auf Energieverbrauch, CO₂-Emissionen oder Verschleiß, leiten den Lernprozess des neuronalen Netzwerks. Durch kontinuierliche Anpassung entsteht ein leistungsfähiges Regelungsverhalten. Der Systemzustand umfasst eine Vielzahl an Sensordaten, etwa Temperaturen, Speicherzustände oder volatile Strompreise. Durch integrierte Prognosen wird vorausschauendes Handeln möglich.

Dashboards zeigen, wo gehandelt werden muss

Wo sind Effizienzgewinne möglich? Wie aufwändig ist es, das System zu implementieren? In welchen Bereichen erzielt eine Optimierung die größte Wirkung? Diese Fragen sollten Unternehmen vor der Implementierung einer KI-Lösung klären. „Um den Einstieg zu beschleunigen, haben wir die Quick Scan-Methode eingeführt. Damit können Entscheidungsträger das Effizienzpotenzial einschätzen, Optionen priorisieren und entscheiden, ob sich eine Investition in KI lohnt“, so Dr.-Ing. Philipp Schraml, Geschäftsführer von ETA-Solutions.

Zusätzlich haben die Partner im Vorhaben EISKIG Dashboards entwickelt, die komplexe Daten, etwa zur KI-gestützten Betriebsoptimierung, in klare Visualisierungen umwandeln. Sie zeigen, wo Handlungsbedarf besteht, wie sich Fortschritte entwickeln und welchen Einfluss Maßnahmen haben.

Dahinter steht die KI-basierte Energiemanagement-Plattform etaONE®. Sie agiert als eine Art Dirigent, der ein digitales Abbild nutzt, um aus Betriebsdaten zu lernen, Muster zu erkennen, die Nachfrage vorherzusagen und die Betriebsmodi kontinuierlich zu optimieren. So liefert die Plattform datengestützte Empfehlungen für Stellwerte des jeweiligen Kälteversorgungssystems, verbessert so Schritt für Schritt die Effizienz und reduziert den CO₂-Ausstoß, ohne die bestehende Infrastruktur zu stören.

Mindestens 20 Prozent Energie bei Kühlsystemen eingespart

Durch die im Vorhaben EISKIG entwickelte KI-optimierte Regelung hat etwa das Pharmaunternehmen Merck die Effizienz seiner im Projekt eingesetzten Kühlsysteme erhöht. Hier konnten beim elektrischen Energiebedarf im Vergleich zu konventioneller Regelung in den ersten 3 Monaten des KI-optimierten Betriebs 21 Prozent eingespart werden. Bei der Pumpengruppe war dieser im Rahmen von Testfahrten um bis zu 36 Prozent niedriger, bei den Kühltürmen um bis zu fünf Prozent.

„Die erzielten Einsparungen haben unsere Erwartungen übertroffen. Die Umsetzung erfolgte ohne Unterbrechung des erforderlichen 24-Stunden-Betriebs unserer Kühlanlage. Wir haben daher beschlossen, die KI-Anwendungen auf andere bestehende Energiesysteme zu übertragen und sie bereits in der Planungsphase in zukünftige Projekte zu integrieren“, so Jeannette Wiesner, Koordinatorin des Forschungsprojektes bei Merck.

Auch der Anwendungspartner Equinix sparte über einen Zeitraum von etwa vier Monaten durch den KI-optimierten Betrieb mindestens ein Fünftel des elektrischen Energiebedarfs im betrachteten Anwendungsbereich ein. Dabei war die KI-Regelung nur zu 76 Prozent aktiv. Es ist davon auszugehen, dass bei einer 100-prozentigen Aktivierung noch höhere Einsparungen erreicht werden. Bei Equinix wirkte sich die KI-optimierte Regelung vor allem durch den optimierten Einsatz der Freikühlung in Kombination mit der adiabatischen Kühlung positiv auf den Energiebedarf aus.