NAVIGATION
ITES
Intelligente thermische Energiesysteme
Entdecken Sie die Zukunft des Energiemanagements mit ITES, dem Projekt Intelligente Thermische Energiesysteme unter der Leitung von Prof. DI Dr. Markus Preißinger an der Fachhochschule Vorarlberg GmbH, Forschungszentrum Energie. Unser Team treibt mit Unterstützung unserer Industriepartner die Grenzen der Digitalisierung und Data Science im Bereich der thermischen Energie voran: Bertsch Energy GmbH & Co KG, Gantner Instruments GmbH, Rupp AG, Weider Wärmepumpen GmbH, und innotech MSR GmbH.
Was sind intelligente (thermische) Energiesysteme?
Intelligente thermische Energiesysteme beziehen sich auf Energiesysteme, die fortschrittliche Technologien und Regelungsstrategien zur Optimierung der Erzeugung, Verteilung und Nutzung thermischer Energie einsetzen.
Thermische Energiespeicher, intelligente Regelungen und Integrationsmöglichkeiten mit anderen Energienetzen, wie Strom und Gas, zeichnen diese Systeme aus.
Ihre Hauptziele sind die Verbesserung der Energieeffizienz, die Minimierung der Energieverschwendung und die Verringerung der Abhängigkeit von fossilen Brennstoffen. Diese Systeme arbeiten mit den Stromerzeugungs- und -versorgungsnetzen zusammen und schaffen eine harmonisierte Infrastruktur.
Dieser kohärente Ansatz führt uns zu einem nachhaltigeren und kostengünstigeren Energiesystem und unterstreicht die Bedeutung intelligenter (thermischer) Energiesysteme für die Gestaltung der Zukunft des Energiemanagements.
Unser Auftrag
Bei ITES haben die riesigen Mengen an Betriebsdaten, die von Sensoren in thermischen Systemen aufgezeichnet werden, ungenutztes Potenzial. Diese Daten werden zwar häufig erfasst, aber aufgrund der Komplexität der Analyse und Nutzung nur selten effizient genutzt. Unser Ziel ist es, dieses Potenzial zu erschließen, um für Hersteller und Kunden einen Mehrwert zu schaffen.
Was wir tun
ITES erkundet fortschrittliche Methoden für die intelligente Auswertung und Nutzung dieser Daten, wie z. B. vorausschauende Wartung, strategische Anlagenplanung, Nutzung historischer Daten, Lebenszyklusanalyse, automatisierte Expertensysteme und intelligente Berichterstattung. Unser Team verfügt über Fachwissen in den Bereichen Verfahrenstechnik, Thermodynamik, Energiesystemanalyse und -bewertung, angewandte Mathematik, Optimierung und Datenwissenschaft, um diese Datensätze für uns nutzbar zu machen.
Anwendungen in der realen Welt
In der Praxis hat unsere Arbeit mehrere Anwendungsmöglichkeiten. In der Lebensmittelindustrie zum Beispiel werden Kühlsysteme oft mit hohen Redundanzen betrieben, um den Ausfall einzelner Kühlaggregate zu kompensieren. Indem wir alle verfügbaren Systemdaten auslesen und intelligent auswerten, können wir zuverlässig vorhersagen, wann das System gewartet werden muss, um einen Ausfall zu verhindern, wodurch der Bedarf an Redundanzen verringert und Kosten gespart werden.
Alle Daten werden gestreamt und auf Gantners dezentraler Streaming-Plattform GI.cloud gespeichert, wo die Projektteilnehmer die Daten in Echtzeit visualisieren, analysieren und mit Python Jupyter Lab anreichern.
Wir wenden ähnliche Prinzipien auf Wärmepumpen für Wohngebäude und Biomassekraftwerke an. Bei ersteren optimieren wir das System auf der Grundlage von Betriebs- und historischen Daten, wobei wir Zeiten mit niedrigeren Stromkosten ausnutzen. Bei letzteren optimieren wir den Betrieb durch ständige Überwachung der Betriebszustände und den Vergleich mit historischen Daten, was zu höheren Erträgen an erneuerbarem Strom führt.
Unser Ziel ist es, diese thermischen Systeme auch nach ihrer Installation zu warten und zu unterstützen, die gewonnenen Erkenntnisse in die Entwicklung zukünftiger Systeme einfließen zu lassen und einen Mehrwert für Kunden und Hersteller zu schaffen.
Vom Sensor zur Cloud-Konnektivität
Gantner Instruments kann Daten von einer Vielzahl von Sensoren mit hoher Geschwindigkeit und in höchster Qualität erfassen. Diese Daten werden in Echtzeit gespeichert, visualisiert und zu Wissen verarbeitet. Die Spitzentechnologie von Gantner wird häufig für Prüf- und Überwachungsanwendungen in den Bereichen Mobilität, Luft- und Raumfahrt, Bauwesen und erneuerbare Energien eingesetzt.
Begleiten Sie uns auf unserem Weg zu effizienteren thermischen Energiesystemen, bei denen jeder noch so kleine Sensor bei richtigem Einsatz die Effizienz erheblich verbessern kann.
Gemeinsam werden wir die Zukunft der Wärmeenergieeffizienz gestalten.
DAQ Systeme im Überblick
Sind Sie bereit, tiefer einzutauchen? Entdecken Sie, wie unsere innovativen DAQ-Systeme Daten nahtlos erfassen und interpretieren, um einen intelligenteren und effizienteren Betrieb zu ermöglichen.
GI.cloud
Sind Sie neugierig, wie wir mit riesigen Datenströmen umgehen? Werfen Sie einen Blick auf GI.cloud, unsere dezentrale Streaming-Plattform, perfekt für die Visualisierung und Analyse von Daten in Echtzeit.
Veröffentlichungen
Fehlererkennung in einem Wasseraufbereitungssystem eines Biomasse-Heizkraftwerks; G.Prokhorskii et al.; HEAT POWERED CYCLES CONFERENCE 2022, Bilbao, Spanien (Vortrag)
Live Steam Prediction: Prozess, Methoden, Daten und Probleme; G. Prokhorskii et al.; ITES Workshop 2022 (Poster)
FHV Forschende testen Energiesysteme der Zukunft (Artikel)
C. Baumann, G. Huber, J. Alavanja, M. Preißinger, P. Kepplinger, Experimental validation of a state-of-the-art model predictive control approach for demand side management with a hot water heat pump, Energy and Buildings 285 (2023) 112923.doi:10.1016/j.enbuild.2023.112923 (Paper)
C. Baumann und P. Kepplinger, Application of a flexibility estimation method for domestic heat pumps with reduced system information and data, Cleaner Energy Systems (2023): 100081.doi:10.1016/j.cles.2023.100081 (Paper)
C. Baumann, G. Huber, M. Preißinger, P. Kepplinger, A Cloud-Based Flexibility Estimation Method for Domestic Heat Pumps, Proceedings of the 9th Heat Powered Cycles Conference, Bilbao, Spain. (Papier)
G. Prokhorskii, C. Stegh, V. Seiler, M. Netzer und M. Preißinger, Failure detection in a water treatment system of a biomass CHP, Proceedings of the 9th Heat Powered Cycles Conference, Bilbao, Spain.
P. Wohlgenannt, G. Huber, k. Rheinberger, M. Preißinger, P. Kepplinger, Modelling of a Food Processing Plant for Industrial Demand Side Management, Proceedings of the 9th Heat Powered Cycles Conference, Bilbao, Spain. (Papier)
