//Case Studies/Steam Pipe Monitoring

Herausforderung

Fehlende Transparenz über Dampftemperaturen erzeugt Ineffizienz

Lösung

Digitaler Zwilling der Dampfnetze ermöglicht eine optimierte Steuerung der Brenner

Highlights

  • 8 Dampfnetze
  • 45 Sensoren
  • Erwartete Einsparung im 7-stelligen Bereich p.a.

Ausgangssituation

Die CURRENTA betreibt in den drei CHEMPARK-Standorten acht Dampfnetze mit drei verschiedenen Dampfgüten. Die netzweite Erfassung der Dampftemperaturen ist entscheidend für den Wirkungsgrad und damit die Energiekosten. Bisher wurden die Temperaturen an den jeweiligen Stellen im Dampfnetz nur manuell und nicht durchgängig erfasst.

Herausforderung

  • Mangelnde Datenlage
    Fehlender Überblick über Live-Temperaturen im Dampfnetz verhindert das Identifizieren von unnötig hohen Temperaturen
  • Unnötiger Energieverbrauch
    Zu hohe Einspeisetemperaturen durch die mangelnde Datenlage und damit erhöhter Energiebedarf sowie reduzierte Effizienz des Kraftwerks
  • Verzögerte Anpassung
    Manuelle Auswertungen verhindern die zeitnahe Optimierung der Brennereinstellung

Lösung

Ein digitaler Zwilling der Dampfnetze ermöglicht die automatisierte Optimierung der Brennereinstellung auf Basis von Live-Sensordaten.

  • Retrofitting
    Conneqtive rüstet die Dampfnetze mit je 10-15 Hochtemperatur-Sensoren zur Erfassung der Dampftemperatur aus
  • Automatisierte Datenübertragung
    Die Live-Daten werden über das Conneqtive LoRaWAN übertragen
  • Visualisierung
    In einem Dashboard werden die Temperaturverläufe aller Bereiche der Dampfnetze live visualisiert
  • Datenbasierte Optimierung
    Die Daten liefern die Grundlage zur automatisierten Feinjustierung der Brennereinstellung im Kraftwerk
Retrofit-LoRaWAN-Sensoren an Dampfleitungen
Retrofit-LoRaWAN-Sensoren an Dampfleitungen
Digitaler Zwilling des Dampfnetzes mit Visualisierung der Temperaturen
Digitaler Zwilling des Dampfnetzes mit Visualisierung der Temperaturen
Visualisierung der Optimierungspotenziale im Dashboard
Visualisierung der Optimierungspotenziale im Dashboard

Ergebnisse

  • Bis zu 20°C geringere Einspeisetemperatur bei gleichbleibender Dampfgüte
  • 10.000 € jährlich erwartete Ersparnis pro gesenktem °C pro Netz
  • Einsparungen im 7-stelligen Bereich p.a. möglich
  • 9.200 Tonnen CO₂ pro Jahr erwartete Einsparung
  • Zukünftige weitere Effizienzverbesserung durch Machine Learning

Sie haben ein ähnliches Szenario?

Gemeinsam passen wir die Anwendung auf Ihren Bedarf an.

Jetzt kostenfreien Beratungstermin vereinbaren

Genutzte Services

IT Infrastruktur

Ähnliche Case Studies