Eine auf künstlicher Intelligenz (KI) basierende Methode zur Erkennung von Prozessstörungen in anaeroben Fermentern wurde entwickelt, um die derzeitigen Herausforderungen beim Betrieb und der Prozessüberwachung von anaeroben Fermentern zu überwinden. Begrenzte Überwachungsmöglichkeiten und häufige prozessbiologische Störungen des Fermenters führen zu finanziellen Verlusten, die durch eine fortschrittlichere und datengetriebene Prozessüberwachungsmethode vermieden werden könnten.
Häufige Fermenterprozessstörungen und die damit verbundene unzureichende Prozessüberwachung führen zu einer verminderten Nutzung der Anlagenkapazität sowie zu finanziellen Verlusten. Die am weitesten verbreitete Methode zur Prozessüberwachung besteht aus der Messung der flüchtigen Fettsäuren in der Gärrestprobe, welche von einem Prozessexperten analysiert werden. Diese Methode hat einige Nachteile, nämlich die zeitliche Verzögerung zwischen der Probenahme und der Erkennung der Prozessstörung, die Anfälligkeit für menschliche Fehler sowie die hohen Kosten für Personal und Laboranalysen. Um diese Nachteile zu überwinden, wurde ein System zur Erkennung von Prozessstörungen mit Hilfe von künstlicher Intelligenz (KI) entwickelt. Dieses System verwendet online verfügbare Anlagendaten, hauptsächlich Signale der Biogasqualitätsmessung. Der gewählte Ansatz besteht aus einer Kombination von Prozessexpertise mit unüberwachten Machine-Learning-Algorithmen. Für die Entwicklung eines solchen KI-Systems gibt der Prozessexperte Inputs zu geeigneten Signalen und deren Verhalten bei Prozessstörungen. Der Datenwissenschaftler entwickelt Modelle, um das beschriebene Verhalten der Signale mit Hilfe statistischer Methoden und Machine Learning zu detektieren. Das System zur Erkennung von Prozessstörungen wurde anhand der Daten von zwei Vergärungsanlagen getestet, und die Ergebnisse zeigten, dass alle Prozessstörungen vom Algorithmus erkannt wurden. Außerdem erkannte der Algorithmus die Prozessstörungen im Durchschnitt 21 Tage, bevor der Prozessexperte Maßnahmen zur Erholung des Fermenters empfahl. Das System erreichte eine Gesamtgenauigkeit von 99,5 % und eine Sensitivität von 100 %. Diese Ergebnisse zeigen, dass die Prozessstörungen früh genug erkannt wurden, um genügend Zeit für Maßnahmen zur Erholung des Fermenters zu haben. Darüber hinaus kann der Schluss gezogen werden, dass der vorgeschlagene Algorithmus zuverlässig zur Früherkennung von Prozessstörungen eingesetzt werden kann, ohne dass eine Messung der flüchtigen Fettsäuren erforderlich ist.
Copyright: | © Witzenhausen-Institut für Abfall, Umwelt und Energie GmbH |
Quelle: | Biomasse-Forum 2023 (November 2023) |
Seiten: | 6 |
Preis: | € 3,00 |
Autor: | Dipl.-Ing.agr. Raiko Kolar |
Diesen Fachartikel kaufen... (nach Kauf erscheint Ihr Warenkorb oben links) | |
Artikel weiterempfehlen | |
Artikel nach Login kommentieren |
carboliq® - Direktverölung gemischter Kunststoffabfälle
© Witzenhausen-Institut für Abfall, Umwelt und Energie GmbH (4/2025)
Die Forderung nach Klimaneutralität dominiert die globale Diskussion über die Zukunft der Industriegesellschaft. Damit einher geht auch die Frage, wie der
Umgang mit Kunststoffen in Zukunft erfolgen wird.
Nutzungskonflikt zwischen Carbon-Capture-Anlagen und Fernwärme?
© Witzenhausen-Institut für Abfall, Umwelt und Energie GmbH (4/2025)
Die EEW Energy from Waste GmbH (EEW) hat sich das Ziel gesetzt, bis 2045 klimaneutral zu werden. Mit 17 Standorten verfügt EEW über eine Verbrennungskapazität von ca. 5 Millionen Tonnen Abfall pro Jahr.
Abfall- und Kreislaufwirtschaft in Deutschland im internationalen Vergleich - Spitzenplatz oder nur noch Mittelmaß?
© Witzenhausen-Institut für Abfall, Umwelt und Energie GmbH (4/2025)
Neben der Umstellung der künftigen Energieversorgung auf ein zu 100 % erneuerbares Energiesystem ist die Abfall- und Kreislaufwirtschaft die zweite zentrale Säule im Rahmen der globalen Transformation in eine klimaneutrale Wirtschaft und Gesellschaft.