IoT für das Energiemanagement: 6% Steigerung der Energieproduktion

Innowise hat eine maßgeschneiderte Lösung für den Energiesektor entwickelt, die Windturbinen überwacht und die Energieproduktion steuert.

Der Kunde

Industrie

Energie

Region

USA

Kunde seit

2021

Unser Kunde ist ein bedeutender Akteur im Bereich der erneuerbaren Energien, mit besonderem Schwerpunkt auf der Windenergie. Er verwaltet eine große Anzahl von Windturbinen in verschiedenen Regionen und versorgt die Bürger vor Ort und Fertigungsstätten mit Strom. Detaillierte Information über den Kunden kann aufgrund der Bestimmungen des NDA nicht veröffentlicht werden.

Herausforderung

Stromausfälle und kostspielige Reparaturen für den Windpark des Kunden

Der Bereich der erneuerbaren Energien, insbesondere der Windenergie, ist dynamisch und erfordert ständige Innovation, um maximale Effizienz und Betriebszeit zu gewährleisten. Unser Kunde, der seit über 20 Jahren in diesem Bereich tätig ist, hat viele unerwartete Ausfälle erlebt, die zu Stromausfällen und kostspieligen Reparaturen führten. Aufgrund seiner ehrgeizigen Expansionspläne suchte er nach IoT -Energielösungen, um die Leistung von Windkraftanlagen in Echtzeit zu überwachen und Fehlfunktionen durch intelligente ML-Algorithmen zu vermeiden. Der Kunde beauftragte Innowise mit der Entwicklung von IoT für das Energiemanagement mit Echtzeitüberwachung und vorausschauenden Analysen, um sicherzustellen, dass seine Windkraftanlagen rund um die Uhr effizient und sicher arbeiten.

Lösung

IoT-Energiemanagementlösung, die die Energieproduktion vorhersagt und Fehler verhindert

Basierend auf den Anforderungen und Erwartungen des Kunden, Innowise hat eine IoT- und ML-gesteuerte Lösung entwickelt, die die Energieproduktion auf der Grundlage der von meteorologischen Sensoren und Turbinen gesammelten Informationen vorhersagt. Unser Projektteam hat eine fortschrittliche Plattform entwickelt, die Echtzeitinformationen über den Status jeder Windkraftanlage bietet, die sofortige Entscheidungen ermöglicht und ohne Verzögerung auf betriebliche Hinweise reagiert.

Speicherprogrammierbare Steuerungen (SPS)

Als Eckpfeiler der Automatisierung setzten wir SPS ein, um Daten von Sensoren zu erfassen, die überall in den Windkraftanlagen installiert sind. Diese Sensoren messen eine Vielzahl von Betriebsparametern wie Windgeschwindigkeit, Turbinendrehzahl, Temperatur, Vibrationspegel und Drehmoment. Durch die Verarbeitung dieser Daten vermitteln die SPS ein genaues Echtzeitbild der Leistung der Windkraftanlagen, erkennen Fehlfunktionen und analysieren die Effizienz der Energieerzeugung.

Sensorindikatoren, die von vordefinierten Schwellenwerten abweichen - wie ein unerwarteter Temperaturanstieg oder Vibrationsniveau - signalisieren potenzielle Probleme wie mechanischen Verschleiß, Schmierungsbedarf oder Komponentenausfall. SPS wiederum erkennen diese Muster und lösen Alarme aus oder schalten die Turbine ab, um Schäden zu vermeiden. Darüber hinaus zeichnen SPS die Leistungsdaten auf und analysieren sie zusammen mit den Windverhältnissen, um festzustellen, ob die Turbinen effizient Strom erzeugen. Dann melden sie eine Anomalie, wenn die Windgeschwindigkeit optimal ist, die Energieabgabe jedoch unter dem Schwellenwert liegt, was auf ein Problem wie eine Verschlechterung der Rotorblätter, eine falsche Ausrichtung usw. hinweist. Durch PLS-fähige rechtzeitige Wartung und Störungsvorbeugung gewährleistet eine ausgewogene Energieproduktion die Langlebigkeit der Ausrüstung.

Datensee

Da unser Kunde über Dutzende von Windkraftanlagen verfügt, die über verschiedene Regionen verstreut sind, wurden unsere Entwickler mit dem Aufbau eines robusten Datenspeichers beauftragt, um umfangreiche ereignisgesteuerte Nachrichten zu speichern. Wir haben ein zentrales Repository erstellt, in dem die Daten aller Turbinen, unabhängig vom geografischen Standort, gesammelt und gespeichert werden. Dazu gehören nicht nur strukturierte Daten, sondern auch unstrukturierte und halbstrukturierte Daten wie Protokolle, Sensormesswerte, Bilder und vielmehr. IoT-Spezialisten sorgten dafür, dass alle Datennuancen erhalten blieben, was eine detailliertere Analyse ermöglichte und das Risiko von Datenverlusten reduzierte.

Außerdem ermöglichte unser Projektteam die gleichzeitige Datenverarbeitung über mehrere Knoten hinweg. Das bedeutet, dass große Datensätze parallel verarbeitet werden können, was die Analyse- und Berichtsaufgaben erheblich beschleunigt. Dies ist entscheidend für die vorausschauende Wartung, bei der zeitkritische Erkenntnisse teure Ausfallzeiten und plötzliche Ausfälle der Windkraftanlagen verhindern können. Die Daten für die Analyse werden von den SPS abgerufen, dann von AWS IoT Core und Lambda-Funktionen gespeichert und verarbeitet.

Datenvisualisierung

Unser Team wählte für Datenvisualisierung anschauliche Grafana-Dashboards. Wir haben Dashboards mit verschiedenen visuellen Elementen eingerichtet, die auf die Bedürfnisse des IoT-Energiemanagements zugeschnitten sind. So können sich Betriebsleiter beispielsweise einen Überblick über die Turbinenleistung in Echtzeit verschaffen, während Wartungsteams mit Grafana einen detaillierteren Blick auf Verschleißindikatoren werfen können.Daher zeigen lineare Diagramme Trends im Zeitverlauf, wie z. B. die Leistungsabgabe im Tagesverlauf. Kartendiagramme bieten geografische Visualisierungen der Turbinenstandorte und ermöglichen einen schnellen Überblick über den Status des gesamten Windparks. Zeitreihen sagen zukünftige Trends auf Grundlage vergangener und aktueller Daten voraus und sind für die Planung und Prognose von entscheidender Bedeutung. Histogramme zeigen detailliert die Verteilung bestimmter Variablen wie Windgeschwindigkeiten oder Turbinenleistung, was für statistische Analysen hilfreich ist. Schließlich überlagern Geokarten zusätzliche Daten mit den geografischen Karten, wie z. B. Wettermustern, um den Einfluss ungünstiger Wetterbedingungen zu messen.Insgesamt erhält der Kunde eine transparente und informative Visualisierung von IoT-Daten, die leicht interpretiert und umgesetzt werden kann. Beispielsweise kann ein Wartungstechniker durch farbcodierte Indikatoren eine Turbine, die außerhalb ihres optimalen Bereichs arbeitet, leicht erkennen und proaktive Maßnahmen ergreifen, um Fehlfunktionen zu beseitigen.

Analytische Berichte

Außerdem haben unsere Ingenieure dafür gesorgt, dass die IoT-gesteuerte Plattform analytische Berichte erstellt, um umfassende Einblicke in die Leistung der Windkraftanlagen zu liefern. Anhand dieser Daten lässt sich feststellen, welche Turbinen gut funktionieren und welche möglicherweise gewartet oder angepasst werden müssen. Darüber hinaus nutzt das IoT-basierte System historische und Echtzeitdaten für die vorausschauende Wartung, um künftige Ergebnisse unter verschiedenen Bedingungen vorherzusagen. Auf diese Weise empfiehlt es, wann die Wartungsarbeiten geplant oder die Betriebsabläufe optimiert werden sollten, ohne auf das Auftreten eines Problems zu warten.

Durch die Analyse von Leistungstrends und externen Faktoren wie Wetterbedingungen schlägt das System außerdem Szenarien vor, in denen das IoT-Energiemanagement optimiert werden kann. So schlägt es beispielsweise Möglichkeiten vor, den Energieverbrauch zu optimieren, zusätzliche Kosten zu senken, den idealen Zeitpunkt für die Nutzung von Windenergie zu bestimmen, die Speicherung effektiv zu verwalten, überschüssige Energie an das Netz zurückzuverkaufen und die Wartungsabläufe zu optimieren.

Fehlervorhersage

Mithilfe von Data Science (DS) und Machine Learning Operations (MLOps) haben wir ein Vorhersagemodell entwickelt, das verschiedene Faktoren analysiert, die sich auf den Zustand der Turbinen auswirken, wie z. B. Vibrationspegel, Temperatur und Leistungskennzahlen. Dieses Modell lernt kontinuierlich aus den eingehenden Daten und kann so Muster erkennen, die Anlagenausfällen vorausgehen. Wenn es diese Frühwarnzeichen erkennt, löst es ein Warnsystem aus, das es Wartungsteams ermöglicht, Probleme proaktiv anzugehen, bevor sie zu Ausfällen führen.

Technologien & Tools

Frontend

JavaScript, React, Redux

Backend

Python, FastAPI

DE/ML

Apache Spark

Cloud

AWS EKS, AWS ECS, AWS ECR, AWS EC2, AWS API Gateway, AWS IOT Core, AWS Kinesis, AWS Lake Formation, AWS Lambda, AWS RDS Postgres, AWS TimeStream DB; AWS S3, AWS Route 53; AWS CloudFront

DevOps

Kubernetes, Docker, AWS EKS, AWS ECS

Datenbank

PostgreSQL, AWS TimeStream

Visualisierung

Grafana

Prozess

Die Entwicklung eines kundenspezifischen IoT-basierten Systems zur Überwachung und Wartung von Windkraftanlagen war eine komplexe, aber lohnende Aufgabe. Wir begannen mit ausführlichen Gesprächen mit unserem Kunden, um seine Bedürfnisse und Herausforderungen zu verstehen. In dieser Phase wurden die Kernfunktionen identifiziert, die für das IoT-System erforderlich sind, wie z. B. Echtzeitüberwachung, Fehlervorhersage und Datenanalyse.Mit den vorliegenden Anforderungen entwickelten wir einen umfassenden Projektplan, der den Zeitplan, die Ressourcen, das Budget und die Risikomanagementstrategien darlegte. Unsere Entwicklungsphase umfasste die Erstellung der Systemarchitektur und der Benutzeroberfläche, einschließlich benutzerdefinierter Algorithmen für die Datenanalyse, Visualisierungen, vorausschauende Wartung sowie integrierte SPS und AWS IoT Core. Dank der agilen Methodik konnten wir uns während des gesamten Projekts schnell und effektiv an veränderte Anforderungen und Rückmeldungen anpassen. Regelmäßige Stand-ups, Sprint-Reviews und Retrospektiven waren integraler Bestandteil unseres Prozesses und förderten eine kollaborative und dynamische Arbeitsumgebung. Dieser Ansatz ermöglichte es uns, ein maßgeschneidertes, robustes und effizientes IoT-basiertes System zu liefern, das perfekt auf die einzigartigen Bedürfnisse unseres Kunden abgestimmt ist.Ab sofort bietet Innowise Wartung und Support nach der Mittagspause, behebt kleinere Fehler und veröffentlicht regelmäßig Updates.

Team

Projektmanager

Business-Analyst

Lösungsarchitekt

Front-End-Entwickler

Back-End-Entwickler

Embedded Entwickler

ML-Entwickler

DE-Entwickler

DevOps

QA-Ingenieure

Stakeholder-SME

Ergebnisse

18% reduction in maintenance and repair costs with IoT & ML-driven system

Innowise hat ein IoT- und ML-gesteuertes skalierbares System entwickelt, das die Energieproduktion basierend auf dem System speicherprogrammierbarer Steuerungen vorhersagt. Wir haben eine ausgeklügelte Plattform entwickelt, die wichtige Informationen von den Windkraftanlagen sammelt, ihre Leistung bewertet und genaue Erkenntnisse für eine fundierte Entscheidungsfindung liefert. Auf der Grundlage dieser Informationen können Kundenmanager den Zustand der Turbinen in Echtzeit überwachen und Szenarien vorschlagen, um die Energieproduktion zu optimieren und überflüssige Kosten zu reduzieren. Dank ML-Algorithmen sagt unsere bahnbrechende Lösung die Stromerzeugung auf der Grundlage von Wettervorhersagen und gesammelten Analysen voraus. Darüber hinaus ermittelt es den besten Zeitpunkt für die Abschaltung von Windparks und die Durchführung entsprechender Wartungsarbeiten. Dies ist besonders wichtig für Turbinen in abgelegenen oder rauen Umgebungen, wo Reparaturen schwierig und teuer sein können.

Projektdauer

September 2021 - Fortlaufend

bis zu 6%

Steigerung der Energieproduktion

18%

Reduzierung der Wartungs- und Reparaturkosten

Verhinderung kritischer Bedrohungen

Unsere aktuellen Fallstudien

Kontaktieren Sie uns!

Buchen Sie einen Anruf oder füllen Sie das Formular unten aus und wir melden uns bei Ihnen, sobald wir Ihre Anfrage bearbeitet haben.

Name

Unternehmen

E-Mail

Telefon

Nachricht Bitte fügen Sie Projektdetails, Dauer, Technologie-Stack, benötigte IT-Experten und andere Infos bei.

Bitte fügen Sie Projektdetails, Dauer, Technologie-Stack, benötigte IT-Experten
und andere Infos bei.

Hängen Sie nach Bedarf zusätzliche Dokumente an.

Datei hochladen

Sie können bis zu 1 Datei von insgesamt 2 MB anhängen. Gültige Dateien: pdf, jpg, jpeg, png

Bitte beachten Sie, dass Innowise mit dem Anklicken der Schaltfläche 'Senden' Ihre persönlichen Daten nach der Datenschutzrichtlinie verarbeiten wird, um Ihnen die gewünschten Informationen zukommen zu lassen.

Wie geht es weiter?

Sobald wir Ihre Anfrage erhalten und bearbeitet haben, werden wir uns mit Ihnen in Verbindung setzen, um Ihre Projektanforderungen zu besprechen und eine NDA (Vertraulichkeitserklärung) für die Vertraulichkeit der Informationen zu unterzeichnen.

Nach der Prüfung der Anforderungen erstellen unsere Analysten und Entwickler einen Projektvorschlag, der Arbeitsumfang, Teamgröße, Zeit- und Kostenschätzung enthält.