Bachelorarbeit Wirtschaftsingenieurwesen: Big Data for Power Plant Remote Monitoring

Störungen auf der Spur

Wenn tausende von Sensoren eine Gasturbine überwachen, ist die gesammelte Datenmenge riesig. Corina Epprecht und Kevin Ruckstuhl haben untersucht, welche Methoden zur Auswertung dieser grossen Datensätze geeignet sind, um Störungen im System lokalisieren zu können.

Gasbetriebene Kraftwerke werden unter anderem zur Herstellung von Elektrizität eingesetzt. Diese Industrieanlagen sind hochkomplex und bestehen aus interagierenden Systemen. Um eine einwandfreie Leistung der Gasturbine zu gewährleisten, ist eine ständige Überwachung zwingend notwendig. Dazu ist die Gasturbine mit tausenden Druck- und Temperatursensoren ausgestattet, die gleichzeitig ausgewertet werden müssen. In ihrer Bachelorarbeit im Studiengang Wirtschaftsingenieurwesen haben Corina Epprecht und Kevin Ruckstuhl untersucht, ob es machbar ist, in der riesigen Menge an Sensordaten Fehlzustände einerseits überhaupt zu entdecken und andererseits in den unterschiedlichen Komponenten der Turbine zu lokalisieren, um gezielte Massnahmen einleiten zu können.

Versteckte Anomalie

Als Ausgangslage diente Corina Epprecht und Kevin Ruckstuhl ein zur Verfügung gestellter realer Datensatz mit Zustandsüberwachungsdaten einer Gasturbine. In diesen Daten enthalten war auch eine bekannte Anomalie. «Ziel unserer Arbeit war es, die Anomalie zu detektieren, ihren Ursprung zu ermitteln und das verantwortliche Signal zu isolieren», erklärt Corina Epprecht. Und Kevin Ruckstuhl ergänzt: «Dazu haben wir die Daten in einen Test- und einen Trainingssatz aufgeteilt.» Konkret heisst das, die Absolventin und der Absolvent haben auf dem Trainingsdatensatz diverse Methoden evaluiert und so untersucht, wie sich die Daten verhalten. Aufgrund der Erkenntnisse haben sie dann eigene Codes erstellt und am Testdatensatz geprüft, ob die Methoden auch auf Zustandsüberwachungsdaten angewendet werden können, die die Algorithmen vorher noch nicht gesehen haben. Dies diente als Praxistest.

„

«Wir haben diverse lineare und nicht lineare Methoden angewendet und verglichen, ob die Isolation der Anomalie möglich ist.»

Kevin Ruckstuhl

Diverse Methoden verglichen

Die eigenständige MATLAB-Applikation bildet die Grundlage, um Anomalien zu erkennen.

Die Bachelorarbeit umfasst sowohl eine Vorstudie als auch eine Hauptstudie. In beiden Teilen haben Corina Epprecht und Kevin Ruckstuhl mit der Software MATLAB gearbeitet. In der Vorstudie fokus-sierten sie sich auf ein abgegrenztes Subsystem mit einer vergleichsweise kleinen Anzahl der Sensoren und auf lineare Methoden. Die Ergebnisse zeigten, dass die Anomalie mit diesem Ansatz zwar detektiert werden konnte, jedoch keine Lokalisierung möglich war. In der Hauptstudie haben sie dann alle Sensoren des Datensatzes verwendet. «Wir haben die Sensoren je nach Turbinenkomponente in verschiedene Gruppen unter Berücksichtigung der thermodynamischen Korrelation aufgeteilt», so Kevin Ruckstuhl. «Wir haben diverse lineare und nicht lineare Methoden angewendet und verglichen, ob die Isolation der Anomalie möglich ist.»

Grundlage für Weiterentwicklung

Die Auswertung der Hauptstudie zeigt, dass mit den angewendeten Methoden Anomalien entdeckt werden können. Weiter konnten Corina Epprecht und Kevin Ruckstuhl in einer Komponente ein Drucksignal isolieren, das für 85 Prozent der bekannten Anomalien verantwortlich war. Somit haben sie das gesteckte Ziel erreicht und mit ihrer Bachelorarbeit gleichzeitig den Grundstein für künftige Untersuchungen gelegt. In einem nächsten Schritt sollten die erarbeiteten Methoden auf weitere Datensätze mit gemessenen Störungen in der Turbine angewendet werden, empfiehlt Corina Epprecht: «Wir haben mit der Software MATLAB eine eigenständige Applikation für die weitere Bearbeitung der in dieser Arbeit genutzten Methoden entwickelt. » Die Resultate der Arbeit können als Grundlage verwendet werden, um eine visuelle Fehlererkennungssoftware zu entwickeln.

Weitere Informationen

Bachelorstudium Wirtschaftsingenieurwesen

Institut für Datenanalyse und Prozessdesign (IDP)