Energie, Versorgung & Entsorgung

Predictive Maintenance für Wind, PV und Netze: Schäden mit KI früh sehen

Ein Getriebeschaden an der Windturbine oder ein ausgefallener Trafo kostet Ertrag, Kranmiete und Nerven, wenn er erst beim Stillstand auffällt. Das Programm führt Instandhaltung und Assetmanagement von Erzeugungs- und Netzanlagen durch die Bausteine der vorausschauenden Wartung: SCADA- und Sensordaten, Anomalieerkennung, Restlebensdauer-Prognose und den Weg vom Alarm zum Arbeitsauftrag. Zwei Übungen verbinden Modell und Maßnahme, eine Fallstudie aus dem Windpark zeigt den Betrieb. Danach planen Sie Wartungseinsätze nach Anlagenzustand statt nach Kalender und haben einen Fahrplan für den eigenen Bestand.

Für wen

Verantwortliche für Instandhaltung, Assets und Betrieb von Erzeugungs- und Netzanlagen, die Wartung künftig vorausschauend planen wollen.

KI-Tagesseminar · 1 Tag

Ausfälle an Turbine, Wechselrichter und Trafo absehen und Einsätze gezielt planen

Das nehmen Sie mit

  • Reaktive, zyklische und zustandsbasierte Instandhaltung können Sie mit Nutzen und Grenzen gegeneinander abwägen.
  • Aus SCADA-Zeitreihen haben Sie selbst Merkmale gebildet und eine Ausfallprognose erstellt.
  • Eine Warnung übersetzen Sie in Einsatzplanung, Ersatzteilbedarf und eine Wirtschaftlichkeitsrechnung.
  • Mit Fehlalarmen gehen Ihr Team und Ihre Modelle so um, dass das Vertrauen in die Warnungen hält.
  • Für Datenanbindung, Integration und Skalierung im eigenen Anlagenpark liegt ein Fahrplan vor.

Ablauf

  1. Teil 1

    Modul 1 – Ausgangspunkt: Von der Störungsbehebung zur Wartung nach Anlagenzustand

    • Reaktiv, im festen Intervall oder vorausschauend: was jede Strategie bringt und wo sie an Grenzen stößt
    • SCADA-Daten und Sensorsignale wie Schwingung, Lagertemperatur oder Öldruck als Datenbasis
    • Einsatzfelder: Getriebe und Lager von Windturbinen, PV-Wechselrichter, Transformatoren (Trafos), Kabelstrecken
    • Live-Demo: Wie sich ein Lagerschaden im Schwingungsverlauf abzeichnet, lange bevor die Turbine abschaltet
    • Bestandsaufnahme: nach welchen Intervallen und Auslösern Ihre Wartungseinsätze heute disponiert werden
  2. Teil 2

    Modul 2 – Modelle: Anomalien erkennen, Restlebensdauer schätzen

    • Anomalieerkennung und Restlebensdauer-Prognose: zwei Fragestellungen, zwei Modelltypen
    • Feature Engineering: aus Zeitreihen und Betriebszuständen wie Teillast, Stillstand oder Vereisung Merkmale bilden
    • Übung: Sie erstellen aus Sensordaten einer Anlage eine Ausfallprognose und beurteilen deren Treffsicherheit
    • Schwellenwerte und Empfindlichkeit so einstellen, dass Fehlalarme beherrschbar bleiben
  3. Teil 3

    Modul 3 – Maßnahme: Was auf die Warnung folgt

    • Vom Alarm zum Arbeitsauftrag: Serviceeinsatz terminieren, Hauptlager oder Wechselrichtermodule bevorraten
    • Fehlalarme nachverfolgen, begründen und so das Vertrauen des Serviceteams in die Warnungen aufbauen
    • Wirtschaftlichkeit: Ertragsausfall und Folgeschäden gegen Einsatz- und Ersatzteilkosten rechnen
    • Übung: Sie leiten aus einer Temperaturwarnung am Trafo eine Instandhaltungsmaßnahme ab
    • Wartungsbudget und Einsatzreihenfolge datenbasiert priorisieren
  4. Teil 4

    Modul 4 – Umsetzung: Daten anbinden und im Betrieb skalieren

    • Datenanbindung: Auswertung direkt an der Anlage (Edge) oder zentral in der Cloud
    • Prognosen in bestehende Instandhaltungsprozesse und Auftragsabläufe integrieren
    • Fallstudie: Predictive Maintenance im laufenden Betrieb eines Windparks
    • Betrieb und Skalierung: Modelle pflegen und auf weitere Anlagen und Standorte ausrollen
    • Ihr Fahrplan: mit welcher Anlagengruppe die vorausschauende Wartung bei Ihnen beginnt

VoraussetzungenSie bringen technisches Grundverständnis von Energieanlagen mit.

AbschlussTeilnahmezertifikat und digitales Badge

Thema anfragen