31. Juli 2023 Ι Silo AI, das größte private Labor für künstliche Intelligenz in den nordischen Ländern, initiiert ein Projekt zur Entwicklung eines intelligenten, datengesteuerten Dienst zur Anlagenoptimierung für städtische Leitungsbetreiber in Finnland. Ziel des Projekts ist es, die Leistung, Zuverlässigkeit und Energieeffizienz der finnischen Wasser- und Fernwärmenetze zu verbessern.

Der unter dem Namen Silo Flow bekannte Systemoptimierungsdienst hilft bei der Vorhersage von Netzausfällen und der Festlegung von Prioritäten für die proaktive Wartung von Anlagen. Das Unternehmen nutzt KI und Datenanalyse, um Bereiche zu ermitteln, die anfällig für Lecks sind, und Wartungsarbeiten an den Leitungen zu priorisieren. Die Lösung wurde in Zusammenarbeit mit der Umweltbehörde von Helsinki und einem der größten Netzbetreiber in Finnland getestet.

Finnland unterhält im Großraum Helsinki über 16.000 Kilometer Fernwärmeleitungen und rund 3.000 Kilometer Wasser- und Abwasserleitungen. Ein großer Teil dieser Netze ist veraltet und erreicht das Ende seiner Lebensdauer, was zu Wasserlecks, höheren Kosten und einem unzuverlässigen Dienst für die Kunden des Leitungsnetzes führt. Die ineffiziente Leistung der Netzwerke und die Lecks erhöhen den Brennstoffverbrauch und die Wasserverschwendung, was sowohl wirtschaftlich als auch ökologisch nachteilig ist. Um die Leistung, Zuverlässigkeit und Energieeffizienz der finnischen Wasser- und Fernwärmenetze zu verbessern, hat Silo AI ein Projekt zur Entwicklung eines intelligenten, datengesteuerten Dienstes zur Anlagenoptimierung für städtische Leitungsbetreiber gestartet.

Intelligente Überwachung und Vorhersage im Bereich städtische Infrastruktur

Silo AI, das größte private Labor für künstliche Intelligenz in den nordischen Ländern, entwickelt kundenspezifische, KI-gesteuerte Lösungen und Produkte für eine intelligente Überwachung und Vorhersage in den Bereichen städtische Infrastruktur, Energie und Logistik. Das Unternehmen testet seine digitale Lösung zur Leitungsoptimierung in Zusammenarbeit mit der Umweltbehörde von Helsinki (HSY) und Suur-Savon Sähkö Oy, einem der größten Netzbetreiber in Finnland. Ziel ist es, diese Netzbetreiber in die Lage zu versetzen, nachhaltigere Energiedienstleistungen anzubieten, die Leistung der Fernwärmeanlagen zu optimieren und Lecks in den Leitungen zu beseitigen. Der unter dem Namen Silo Flow bekannte Systemoptimierungsdienst hilft bei der Vorhersage von Netzausfällen und der Festlegung von Prioritäten für die proaktive Wartung von Anlagen. Dadurch werden kostspielige Reparaturen und potenzielle Netzabschaltungen vermieden, ein effizienter und zuverlässiger Service gewährleistet und gleichzeitig die Umweltbelastung minimiert.„Der Service von Silo AI wird die Energieeffizienz, Leistung und Produktivität der Netzwerksysteme der  Kunden um mehrere Prozent steigern“, so Harri Kaukovalta, Leiter der Geschäftsentwicklung bei Silo AI.

Kerninvestitionsbereiche

Lecks werden mit unterschiedlichen Methoden versucht zu lokalisieren

Die Betreiber der Systeme haben versucht, Lecks mit verschiedenen Methoden zu lokalisieren. Diese Maßnahmen erfolgen jedoch erst, nachdem die Lecks aufgetreten sind, was umfangreiche Reparaturen erfordert und häufig zu einer Unterbrechung der Versorgung führt. Silo AI suchte nach einer proaktiven Lösung zur Optimierung des Leitungsbetriebs, bei der KI und Datenanalyse genutzt werden, um Bereiche, die anfällig für Lecks sind, zu ermitteln und Wartungsarbeiten an den Leitungen zu priorisieren. Das Unternehmen wollte ein digitales Zwillingsmodell entwickeln, um Netzausfälle zu identifizieren und vorherzusagen, bevor es zu Lecks kommt. Jedoch erforderten bisherige Arbeitsabläufe eine Kombination zahlreicher Datenquellen in unterschiedlichen Datenformaten und resultierten in unvollständigen und ungenauen Darstellungen des Netzes.

„Heute erschweren verstreute Datenquellen einen ganzheitlichen Überblick über den Zustand des Leitungsnetzes, und die manuell gesteuerte Investitionsplanung berücksichtigt nur eine sehr begrenzte Anzahl von Datenquellen“, so Harri Kaukovalta, Leiter der Geschäftsentwicklung bei Silo AI.

Die aus mehreren Quellen stammenden, uneinheitlichen Daten und die manuellen Arbeitsabläufe hinderten die Betreiber daran, potenzielle Risiken korrekt zu erkennen und proaktiv zu beheben, bevor sie zu kostspieligen, umweltschädlichen Problemen werden, die zu Abschaltungen und Betriebsunterbrechungen führen. Die Betreiber mussten die Daten zusammenfassen und ihr Netzwerk in seiner Gesamtheit visualisieren, um die Wartung der Leitungen vorhersagen und priorisieren zu können.

Silo AI benötigte eine benutzerfreundliche, webbasierte Schnittstelle, um ihre Lösung umzusetzen. Sie wollten verschiedene Datenquellen der Leitungen integrieren und eine erweiterte Datenanalyse auf einer digitalen Plattform durchführen. Dies würde den Betreibern einen visuellen, umfassenden Überblick über den Zustand der Anlagen geben und dazu beitragen, Lecks systematisch zu erkennen und zu beheben, bevor sie auftreten.

Vorhersagenmodell Silo Flow wurde entwickelt

Um den Wartungsbedarf der Rohrleitungen vorherzusagen und das Netzwerkmanagement zu optimieren, entwickelte Silo AI ein intelligentes Vorhersagemodell namens Silo Flow. Dieses Modell basiert auf der Bentley iTwin-Plattform und kombiniert die fortschrittlichen Datenanalysen von Silo AI mit der digitalen, cloudbasierten Schnittstelle von Bentley. Dadurch wird eine einfache und zugängliche Visualisierung der Leitungsdaten und Anlagen ermöglicht.

„Das iTwin-Regelwerk von Bentley bot eine einfache und unkomplizierte Möglichkeit, Daten und Datenanalyseergebnisse zu visualisieren“, so Kaukovalta.

Fernwärme- und Wassernetzbetreiber können durch die Kombination von fortschrittlicher Datenwissenschaft und modernen Visualisierungen Anlagen identifizieren, die gewartet werden müssen, bevor es zu Lecks oder Ausfällen kommt. Dies ermöglicht es ihnen, ihr Netzwerk zu optimieren, rechtzeitig an den richtigen Stellen zu investieren und einen sicheren und zuverlässigen Service zu gewährleisten, während sie gleichzeitig Energieeffizienz und CO2-Neutralität fördern.

Grundlage ist die Bentley iTwin-Plattform

Silo AI nutzte die Bentley iTwin-Plattform als Grundlage für ihr Silo Flow-Modell. Sie integrierten Daten aus verschiedenen Quellen in einen digitalen Zwilling und passten ihn mit Echtzeitdaten, Sensoren und KI an. Dadurch benötigten die Netzbetreiber keine zusätzliche Ausrüstung. Die kombinierte Lösung kann Daten in einem verständlichen und wertvollen Format konsolidieren und analysieren, um datengesteuerte Entscheidungen zu erleichtern.

„Wir haben eine Lösung für Eigentümer der städtischen Leitungsinfrastruktur entwickelt, um Leitungsausfälle vorherzusagen und die Betriebseffizienz von Fernwärme um mehrere Prozent zu steigern“, so Ville Hulkko, Mitbegründer von Silo AI.

Über eine vollständig zugängliche visuelle Schnittstelle können Betreiber umfassende Einblicke in den Zustand ihrer Anlagen erhalten und analysieren und vorhersagen, wo eine bessere Kühlung zu Einsparungen und einer höheren Produktivität führen kann, um so die Wärmebilanz der Fernwärme sowie den Wasserfluss im gesamten Netz zu optimieren.

Netzbetreiber können so den Betrieb der Leitungen verbessern

Die Bentley iTwin-Plattform war für Silo AI einfach zu bedienen und ermöglichte die Integration von Daten und die Visualisierung neuer Datenanalysefunktionen. Die Flexibilität und Interoperabilität der Anwendung verkürzte die Projektzeit und alle Ergänzungen konnten problemlos vorgenommen werden. Dadurch konnte der Visualisierungsaufwand um 50 % reduziert und die Lieferzeit für die digitale KI-Lösung zur Leckagevorhersage und Durchflussoptimierung erheblich verkürzt werden.

Durch den einfachen Zugriff auf Daten und visuell analysierte Ergebnisse können Netzbetreiber den Betrieb der Leitungen verbessern. Die iTwin-basierte intelligente Lösung bietet einen ganzheitlichen Überblick über den Zustand des Leitungsnetzes, in dem Wartungsbedarf und potenzielle Risikobereiche klar identifiziert und visualisiert werden. Sie prognostiziert und priorisiert die Wartung von Leitungen, um Kundenzufriedenheit und Nachhaltigkeit zu gewährleisten und unerwünschte Abschaltungen des Netzes, Umweltschäden und Abfall durch Lecks zu vermeiden. Das erfolgreiche Projekt ermöglichte eine Senkung der Vorlauftemperatur des Fernwärmenetzes des Kunden um 3 Grad, wodurch die Energieeffizienz verbessert und der Brennstoffverbrauch reduziert wurde.

„Silo Flow sorgt für Vorhersehbarkeit und gibt Ihnen die Kontrolle über Ihr System zurück. Außerdem hilft es Ihnen, die Energieerzeugung zu optimieren“, so Kaukovalta.

Steigerung der Energieleistung des Netzes um 1 % bis 1,5 %

Eine Verbesserung der Kühlung um ein Grad bewirkt eine Steigerung der Energieleistung des Netzes um 1 % bis 1,5 %. Dadurch können Netzbetreiber einen nachhaltigeren Service bieten und die Kapitalrendite durch Optimierung des Rohrleitungssystems, Vermeidung von Lecks, Vermeidung von Ressourcenverlusten und Budgetierung zukünftiger Wartungsarbeiten und Netzinvestitionen steigern. Silo AI vereinfacht durch die Kombination von fortschrittlicher Datenwissenschaft mit verbesserten Visualisierungen in einer digitalen Zwillingsplattform die Entscheidungsfindung für Netzbetreiber und ermöglicht unkomplizierte Schlussfolgerungen zur Unterstützung einer zuverlässigen Wärme- und Wasserversorgung, die wesentlich zur Lebensqualität beiträgt.

„Die Lösung wird derzeit für mehrere Kunden und Leitungstypen skaliert“, sagte Hulkko.