Skip to main content

Article Category

Wiadomości

Article available in the folowing languages:

Wykorzystanie sztucznej inteligencji do poprawy efektywności energetycznej i efektywnego gospodarowania zasobami w różnych branżach

Eksperci ds. energii, inżynierowie oprogramowania i matematycy połączyli siły, aby wykorzystać funkcje uczenia maszynowego w najważniejszych sektorach przemysłu przetwórczego.

Gospodarka cyfrowa

Coraz częściej dostrzega się ogromną rolę uczenia maszynowego w podnoszeniu jakości procesu produkcji. Sztuczna inteligencja i uczenie maszynowe stały się dla producentów popularnymi narzędziami służącymi do poprawy wydajności i optymalizacji zużycia energii. W ramach współfinansowanego ze środków UE projektu FUDIPO poczyniono ogromne postępy w zakresie wykorzystania sztucznej inteligencji w kilku najważniejszych sektorach przemysłu przetwórczego w celu osiągnięcia radykalnej poprawy efektywności energetycznej i efektywnego gospodarowania zasobami. W komunikacie prasowym na stronie cyfrowej publikacji „Open Access Government” pokrótce opisano, w jaki sposób różne branże, takie jak rafinerie ropy naftowej czy oczyszczalnie ścieków, mogą wykorzystywać systemy sztucznej inteligencji. W komunikacie tym czytamy: „Uczestnicy projektu FUDIPO opracowują i testują (w pięciu studiach przypadków) zaawansowane, dynamiczne modele fizyczne (uzupełnione czujnikami miękkimi) i statystyczne, takie jak sieci bayesowskie czy modele uczenia maszynowego, do tworzenia zaawansowanej diagnostyki, wspomagania decyzji, optymalizacji i kontroli predykcyjnej modelu”.

Studia przypadków

Erik Dahlquist z Uniwersytetu Mälardalen, który jest koordynatorem projektu, wyjaśnia, w jaki sposób opracowany system jest wdrażany w pięciu przeprowadzanych na pełną skalę studiach przypadków. Jest wśród nich rafineria ropy naftowej, duża elektrociepłownia, fabryka celulozy i papieru, oczyszczalnia ścieków oraz mikroturbina cieplna i energetyczna. W przypadku rafinerii ropy naftowej Türkiye Petrol Rafinerileri A.Ş. (Tüpraş) „projekt FUDIPO oferuje zaawansowane metody sterowania procesami, zmniejszając w ten sposób produkcję odpadów poniżej lub powyżej limitów europejskich”. Aby oszacować jakość produktu, stosuje się modele fizyczne i statystyczne wraz z „systemem diagnostycznym do wykrywania usterek czujników temperatury i modele NIR [w bliskiej podczerwieni] do określania cech surowca. Dzięki postępom poczynionym w ramach projektu FUDIPO rafinerie ropy naftowej w Unii Europejskiej mogłyby zaoszczędzić 120–200 TWh energii rocznie”. Firma Mälarenergi, która obsługuje dużą elektrociepłownię w Szwecji, koncentruje się na kontrolowaniu emisji. „Dzięki projektowi FUDIPO kontrola ta jest dużo lepsza i pozwala na ograniczenie przestojów, fluktuacji, korozji, zanieczyszczeń oraz nagromadzeń”. Model fizyczny wykorzystywany jest „wraz z danymi pomiarowymi do diagnozowania możliwych wad procesowych i usterek czujników za pomocą sieci bayesowskiej do obliczeń prawdopodobieństwa. Jest on połączony z MPC [kontrolą predykcyjną modelu] w celu kontrolowania wilgoci w paliwie przesyłanym do kotła, gdzie dokonuje się bieżących pomiarów paliwa odpadowego w celu określenia zawartości tworzywa sztucznego i wilgoci”. Jeśli chodzi o oczyszczalnię ścieków ABB, „projekt FUDIPO umożliwia rozwój algorytmów sterowania w celu poprawy wydajności i pomiaru jakości napływających odpadów, zmniejszając tym samym zapotrzebowanie na napowietrzanie w celu oszczędzania energii”, mówi Erik Dahlquist. „W ramach projektu opracowano model fizyczny testowany z danymi pozasieciowymi, a także model w środowisku Python do wykrywania usterek czujnika oraz kontrolę predykcyjną modelu”. Jak czytamy w tym samym komunikacie prasowym, w przypadku fabryki celulozy i papieru BillerudKorsnäs, która ma trzy łącza światłowodowe dla pulpy o różnych właściwościach, projekt „prowadzi do bardziej stabilnej diagnostyki procesów i usterek dzięki lepszej kontroli liczby kappa”. Liczba kappa to parametr określający ilość ligniny pozostałej w celulozie po przejściu przez komorę fermentacyjną. Ponieważ jest to trudne do kontrolowania, „uruchamiany jest model fizyczny, pełniący rolę cyfrowego bliźniaka, a widma NIR są mierzone na wszystkich zrębkach wprowadzanych do komory fermentacyjnej. W ten sposób przewiduje się zawartość i reaktywność ligniny”. Wreszcie, w przypadku turbiny cieplnej i energetycznej Micro Turbine Technology w Holandii, „projekt FUDIPO zwiększa wydajność, wspierając klientów dzięki wspieraniu oraz monitorowaniu planowanej i predykcyjnej konserwacji”. Projekt FUDIPO (Future Directions of Production Planning and Optimized Energy- and Process Industries) zakończy się we wrześniu 2020 roku. Więcej informacji: strona projektu FUDIPO

Kraje

Szwecja

Powiązane artykuły

Nowe produkty i technologie