Ausgangslage & Zielsetzung
Mehrere Pumpstationen entlang einer Rohöl-Förderpipeline gewährleisten einen zuverlässigen Rohöltransport von einem Tanklager zu diversen Raffinerien. Ziel des Projektes war es anhand von realtime Monitoring Daten Energieeinsparpotenziale einer dieser Pumpstationen zu identifizieren und mögliche Ursachen ineffizienter Betriebspunkte zu ermitteln.
Leistungsbeschreibung
- Entwicklung eines Verfahrens zur Berechnung des Wirkungsgrades der Pumpstation je nach Schaltkombination der einzelnen Pumpen
- Identifikation von ineffizienten Betriebszuständen
- Umfangreiches Feature-Engineering & Einsatz von maschinellem Lernen zur Ursachenanalyse von ineffiziente Betriebszustände
- Ableitung von Handlungsempfehlungen zur Wirkungsgradsteigerung
Ergebnis
Der Fachbereich ist in der Lage den Wirkungsgrad der Pumpstation zu überwachen und ineffiziente Betriebspunkte durch gezielte Pumpenansteuerung zu vermeiden.
Projekt Details
Branche: Infrakstuktur / Maschinenbau
Topic: Data Science, Machine Learning
Tools: python, scikit-learn, AWS
Projektlaufzeit: 6 Monate
Weitere Unterlagen zum Use Case:
