Mobile-Menu

Predictive Maintenance für Energie Fraunhofer bringt KI-Tool zur Fehlerfrüherkennung in den Energiesektor

Von Berk Kutsal 2 min Lesedauer

Anbieter zum Thema

Fsas Technologies GmbH
Board Deutschland GmbH
QUNIS GmbH

Das Fraunhofer IEE veröffentlicht mit dem EnergyFaultDetector ein Open-Source-Framework zur KI-gestützten Anomalieerkennung in Energieanlagen. Die Lösung basiert auf SCADA-Daten und kommt ohne zusätzliche Sensorik aus.

Das Fraunhofer IEE stellt mit dem EnergyFaultDetector ein Open-Source-Tool zur KI-basierten Fehlererkennung für Energieanlagen bereit.(Bild: Fraunhofer IEE)
Das Fraunhofer IEE stellt mit dem EnergyFaultDetector ein Open-Source-Tool zur KI-basierten Fehlererkennung für Energieanlagen bereit.
(Bild: Fraunhofer IEE)

Das Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik (IEE) hat eine kostenlose Open-Source-Software veröffentlicht, die Fehler in Energieanlagen frühzeitig erkennen kann. Der sogenannte EnergyFaultDetector richtet sich an Betreiber technischer Infrastrukturen – etwa in Windparks oder der Fernwärme – und setzt auf Methoden der Künstlichen Intelligenz.

Mithilfe selbstlernender Algorithmen detektiere das System in Echtzeit auffälliges Verhalten in technischen Anlagen. Die Anwendung sei denkbar einfach, der Nutzen hoch: Störungen sollen so frühzeitig erkannt, Ursachen transparent gemacht und das auf Basis der verfügbaren Betriebsdaten werden, ganz ohne zusätzliche Sensorik.

„Unser EnergyFaultDetector bringt diese Technologie jetzt in die Praxis und macht vorausschauende Wartung für viele Betreiber einfach zugänglich. Er ermöglicht eine schnelle, zuverlässige Fehlererkennung, die ohne zusätzliche Hardware auskommt und sich flexibel auf unterschiedliche Anlagen anpassen lässt“, sagt Florian Rehwald, Produktverantwortlicher am Fraunhofer IEE.

Das Tool entstand im Rahmen mehrerer Forschungsprojekte, unter anderem ModernWindABS und ADWENTURE. Gemeinsam mit Windparkbetreibern ermittelte das Projektteam AEFDI (Automated Energy Fault Detection and Identification), welche Funktionen besonders gefragt sind.

„Die frühzeitige Fehlererkennung ist ein zentraler Baustein für vorausschauende Wartung in Windparks und hat sich bereits im Projekt ModernWindABS deutlich gezeigt. Dort haben wir gemeinsam mit Windparkbetreibern ermittelt, welche technologischen Innovationen sie am dringendsten benötigen. Die Anomalieerkennung wurde dabei ganz oben eingeordnet. Es war daher nur konsequent, diese Entwicklung voranzutreiben“, erklärt Cyriana Roelofs, Projektleiterin des Projekts ADWENTURE.

Kern der Lösung ist ein Autoencoder-Ansatz, der auf bestehenden Betriebsdaten basiert – konkret: SCADA-Systemen. Die Software analysiert Zeitreihen, erkennt Muster und schlägt bei Abweichungen Alarm. Eine Besonderheit ist die Integration des Algorithmus ARCANA, der erklärbare KI ermöglicht. Damit lassen sich auch bei komplexen Black-Box-Modellen die Ursachen einer Störung ermitteln und auf bestimmte Komponenten eingrenzen.

Der EnergyFaultDetector ist als Python-Bibliothek über pip installierbar. Das Zusatzmodul quick_fault_detector erlaubt eine erste Analyse mit nur einer Codezeile – etwa aus CSV-Dateien.

Die Software soll laut Fraunhofer sowohl für Entwickler als auch für Energieunternehmen direkt einsetzbar sein. Unterstützt wird auch die Integration in bestehende Betriebsführungssysteme.

(ID:50502143)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte