Luftaufnahme des Campus Getreidemarkt mit dem Logo des IET

© Matthias Heisler

Labor des Forschungsbereichs Industrielle Energiesysteme

Das Labor des Forschungsbereichs Industrielle Energiesysteme befindet sich am Campus Arsenal – Science Center der TU Wien im Gebäude OA. Mit der Gründung des Forschungsbereichs Industrielle Energiesysteme wurde im Jahr 2021 mit dem Bau erster Versuchsanlagen im Labor gestartet. Um die im Forschungsbereich entwickelten digitalen Methoden an realen Anlagen testen und validieren zu können, werden in Kooperation mit den anderen Forschungsbereichen des Instituts bestehende, sowie neue Versuchsanlagen mit modernster Mess- und Kommunikationstechnologie ausgestattet. Simulationsmodelle, Optimierungsmodelle, Algorithmen für Fehlererkennung und -prädiktion können über standardisierte Schnittstellen direkt am realen Versuchsaufbau analysiert und getestet werden.

Drei Bilder, welche die physikalische Einheit eines digitalen Zwillings darstellen - verktikaler Festbettregenerator

Vertikaler Festbettregenerator

Blaue reversible Pumpturbine

Reversible Pumpturbine

Prüfstände des Forschungsbereichs

Ein vertikaler Festbettregenerator ist eine sensibler thermischer Energiespeicher für die Speicherung von Hochtemperaturwärme aus industriellen Prozessen. Als Speichermaterial können verschiedenste Arten von Schüttgut verwendet werden. Der Laboraufbau besteht aus einem stehenden zylindrischen Metallbehälter, welcher mit einer Gesteinsschüttung gefüllt ist. Um Wärme in die Schüttung einzuspeichern, wird diese mit heißer Luft umströmt. Die heiße Luft kühlt sich dabei ab und gibt die Wärme an das Schüttgut ab. Zum Entladen des Speichers kann die aufgeheizte Schüttung mit kalter durchströmt werden. Diese heizt sich dadurch auf und könnte in einer realen Anlage beispielsweise für die Vorwärmung von Prozessluft verwendet werden.

Für die Erprobung der im Forschungsbereich entwickelten Methoden (Simulationsmodelle, Optimierungsmodelle, Fehlererkennungsalgorithmen, …) am Versuchsaufbau, ist der Festbettregenerator mit einer Vielzahl an Sensorik und Aktorik versehen. Um das Verhalten des Speichers auch in der Zukunft zu simulieren und analysieren, ist der Festbettregenerator mit einem digitalen Zwilling ausgestattet. Der digitale Zwilling ist dazu da, das Verhalten des Festbettregenerators vollständig in den virtuellen Raum zu transformieren und dort durch Abgleich mit Simulationsergebnissen Entscheidungen zu treffen. Mithilfe von moderner Prozessleitsoftware und standardisierten Kommunikationsprotokollen, kann das Verhalten des Festbettregenerators präzise gemessen und automatisiert in den virtuellen Raum transformiert werden. Ein 3D thermisches Simulationsmodell bildet die virtuelle Einheit des digitalen Zwillings. Dieses Modell kann das thermische Verhalten des Festbettregenerators sehr exakt nachbilden und auch beliebig weit in die Zukunft prädizieren. Neben der Synchronisation von physischer und virtueller Einheit ist der digitale Zwilling außerdem für das Management von Mess- und Simulationsdaten und für die Wissensrepräsentation verantwortlich. Die Wissensrepräsentation im digitalen Zwilling wird durch sogenannte Ontologien realisiert. Die Ontologien speichern Expertenwissen und semantische Informationen, wie die exakten Positionen der Sensoren zueinander oder das Auftreten von Fehlern in einer maschinenlesbaren Form. Basierend auf dieser Infrastruktur können von Forschenden und Studierenden spezialisierte Services und Algorithmen entwickelt werden, die über den digitalen Zwilling miteinander kommunizieren und von bereits vorhandenem Wissen aus der Ontologie profitieren können.

In einer Zusammenarbeit zwischen den Forschungsbereichen Strömungsmaschinen und Industrielle Energiesysteme wird derzeit ein digitaler Zwilling der reversiblen Pumpturbine im Labor des Instituts für Energietechnik und Thermodynamik konzipiert.

Mithilfe einer digitalen Zwillingsplattform wird getestet, wie Machine Learning zur optimalen Prozesssteuerung genutzt werden kann. Dabei wird ein virtuelles Simulationsmodell über ein SCADA-System mit der realen Modellmaschine gekoppelt, was ermöglicht, dass ein geeigneter Machine Learning Algorithmus direkt mit der Maschine kommunizieren und durch direkte Interaktion eine Strategie zur optimalen Steuerung der Pumpturbine erlernen kann.