Thermal Twin 4.0

Digitaler Zwilling für thermische Entsorgungs- und Verwertungsprozesse

Die Arbeiten werden im Rahmen des von der Wirtschaftsagentur Wien – Ein Fonds der Stadt Wien geförderten Projekts “Thermal Twin 4.0” durchgeführt.

CO2- und Ressourcen-Einsparungen mittels physikalischen- und datenorientierten Ansätzen

Im Thermal Twin 4.0 Projekt wird ein Gesamtmodell der Verbrennungsprozesse einer thermischen Abfallbehandlungsanlage durch eine Kombination aus physikalischen (Regelungs- und Verfahrenstechnik) und datengetriebenen (maschinelles Lernen) Ansätzen entwickelt.

Physikalische Zusammenhänge werden genutzt um ein Modell der Prozesse innerhalb der Müllverbrennungsanlage zu entwickeln, welches das Verbrennungsverhalten der Eingangsströme simulieren kann.

Datenbasierte Ansätze – sowohl statistische als auch KI-Technologien – kommen ins Spiel, um die unvollständige Datenlage über die Eingangsströme auszugleichen.

Zusammen bilden sie einen digitalen Zwilling der Verbrennung als Ganzes, der dann für eine Optimierung der Energieeffizienz und Reduzierung der CO2-Emissionen der Anlage genutzt werden kann.

Jan Mentel, Tech-Analyst at Cloudflight

Jan Mentel
Industry Focus Leader
Machinery & Plant Engineering

Kontaktieren Sie uns

0 Mio.

Tonnen Abfall entsorgt

0 Mio.

Tonnen gesammelter Restmüll

0 Mio.

Tonnen über getrennte Sammlung gesammelt

DigitalTwin_sample_visualization

Herausforderung

Da es nicht möglich ist, Proben von den Eingangsströmen der thermischen Behandlungsanlage zu nehmen, wurde eine grobe Klassifizierung hinsichtlich der thermischen Eigenschaften vorgenommen. Innerhalb einer solchen Klasse können die Verbrennungseigenschaften jedoch immer noch stark variieren.

Die Herausforderung von Cloudflight besteht darin eine genauere Klassifizierung der Eingangsströme zu treffen, sodass die Vorgänge innerhalb der Verbrennungsanlage berechenbarer werden. Die Schwierigkeit liegt darin, dass  mehrere Eingangsströme gleichzeitig und mit jeweils unterschiedlichen zeitlichen Auswirkungen auf den Verbrennungsprozess (z.B. verbrennen flüssige Stoffe viel schneller als Feststoffe) verarbeitet werden.

Idee

Mithilfe des physikalischen Modells und der parametrisierten Verbrennungseigenschaften der Inputströme soll eine genaue Vorhersage über die unbekannte Brennstoffklasse getroffen werden.

Lösung

Auf Basis des physikalischen Modells entwickelt Cloudflight die folgenden Algorithmen:

  • Modellierung der Wahrscheinlichkeiten, ob sich eine bestimmte Brennstoffklasse aktuell gerade im Verbrennungsprozess befindet.
  • Entwicklung eines Optimierungsverfahrens das unter der Vorraussetzung, dass bestimmte Eingangsströme bekannt sind, für die verbleibenden die wahrscheinlichsten Eingangsströme findet, indem der Fehler zwischen den tatsächlichen und modellierten Sensorwerten minimiert wird.
  • Verknüpfung der gegebenen Lieferanteninformationen mit den gefundenen Eingangsströmen, um die Verbrennungseigenschaften der Eingangsströme zu bestimmen.
TU_Wien-Logo.svg

Die TU Wien ist seit über 200 Jahren eine Institution für Forschung & Lehre. Im Projekt Thermal Twin 4.0 werden von einem Expertenteam des Instituts für Verfahrenstechnik, Umwelttechnik und Technische Biowissenschaften die allgemeine grobe Klassifizierung der Inputströme hinsichtlich thermischer Eigenschaften und die Teilmodelle der Verbrennungsprozesse entwickelt.

ENRAG Logo

ENRAG bietet maßgeschneiderte digitale Zwillingssoftwareentwicklung für technische Anwendungen. In diesem Projekt entwickelt ENRAG den Solver und integriert alle Teilmodelle, um einen gleichungsbasierten digitalen Zwilling der gesamten Anlage zu erzeugen.

logo_wien-energie465px

Wien Energie versorgt zwei Millionen Menschen und 230.000 Gewerbe- und Industriebetriebe mit Energie. Die Wien Energie besitzt das Domain-Know-How zu der Verbrennungsanlage und stellt die Sensordaten zur Verfügung, die während des gesamten Verbrennungsprozesses gemessen werden.

Cloudflight

Cloudflight ist ein Anbieter von maßgeschneiderten Softwarelösungen. Sein Expertenteam verwendet datenbasierte (statistische und KI-) Ansätze, um die Brennstoffe auf der Grundlage historischer Daten und unter Verwendung des Verbrennungsprozessmodells zu charakterisieren.

Vision

  • Wollen Sie Künstliche Intelligenz in Ihrem Unternehmen nutzen?
  • Oder sehen Sie Potenzial für einen Digital Twin?
Georg Ogris, Transportation & Logistics Industry Focus Leader bei Cloudflight

Georg Ogris
Industry Focus Leader
Transportation & Logistics

Before his engagement at Cloudflight, Georg held posts as a Software Engineer and Computer Scientist in areas such as Earth Observation, Electronic Health, and Intelligent Transportation Technology.

Kontaktieren Sie uns

Stay tuned!

Melden Sie sich zu unserem Monthly Wrap-Up an und erhalten Sie Zugang zu exklusivem Material sowie Updates zu unseren Technologien, Research-Themen und Events. Ihre Einstellungen können Sie jederzeit bearbeiten.

Menü