Projekt

COMPRESS

Condition Monitoring for Predictive Maintenance Adapted to Geothermal Electric Submersible Pumps

DigitalisierungEnergie

Für den Ausbau der Tiefengeothermie ist eine zuverlässige Förderpumpentechnik wesentlich. Ziel von COMPRESS ist es, immense Kosten durch häufige Pumpenwechsel und damit verbundene lange Anlagenstillstände durch Überwachung des laufenden Pumpenbetriebs in Kombination mit rechnergestützten Vorhersagemodellen zur Planung optimierter Wartungsintervalle zu minimieren.

Ausgangspunkt

Eine wesentliche Voraussetzung für den Ausbau der Tiefengeothermie ist eine zuverlässige Förderpumpentechnik – insbesondere vor dem Hintergrund der geplanten Projekte zur Konversion der bestehenden Fernwärmesysteme in der Metropole Ruhr. Durch die vorherrschenden Umweltbedingungen, in denen diese Art Pumpen operieren, werden Wirkungsgrad und Lebensdauer beispielsweise durch erhöhten Verschleiß und Ablagerungen teils stark reduziert. Zusätzlich verringern häufige Ausfälle der Sensorik die Leistungsfähigkeit. Eine wissenschaftliche Untersuchung rechnergestützter Optimierung von Wartungsintervallen sowie eine Verbesserung der Sensortechnik in der Tiefengeothermie sind folglich unabdingbar.

Unsere Lösung

Ziel von COMPRESS ist es, die immensen Kosten durch häufige Pumpenwechsel und damit verbundene lange Anlagenstillstände deutlich zu minimieren. Die genannten Fehlerquellen sollen durch Überwachung des laufenden Pumpenbetriebs in Kombination mit rechnergestützten Vorhersagemodellen zur Planung optimierter Wartungsintervalle reduziert werden. Hierzu ist es erforderlich, die relevanten Betriebszustände sowie die Verschleißteile der eingesetzten Tiefpumpen zu charakterisieren und den Betrieb der einzelnen Pumpenkomponenten mittels Sensoren oder über die Auswertung von Betriebsdaten zu überwachen. Die vorherrschenden Bedingungen stellen erhöhte Anforderungen an die verbaute Hardware dar. Es sollen daher faseroptische Sensoren verwendet werden. Der innovative Kern dieses Vorhabens liegt in der technischen Umsetzung einer intelligenten Pumpenüberwachung mit Anbindung an ein Condition-Monitoring-System, welches Maschinelles Lernen dazu einsetzt, statistische Vorhersagen über den Zustand einer Bohrlochpumpe zu liefern.