Sulzer hilft zwei Atlantica-Solarkraftwerken mit künstlicher Intelligenz

Das 280-MW-Solarkraftwerk Mojave liegt 100 Meilen nordöstlich von Los Angeles und erzeugt sauberen Strom für etwa 90’000 Haushalte, wodurch der Ausstoss von 350’000 Tonnen CO2 pro Jahr vermieden wird. KaXu Solar One in Südafrika hat eine Kapazität von 100 MW und spart jährlich 315’000 Tonnen Emissionen ein.

Sulzers fortschrittliche Analyselösung BLUE BOX wird für die Kesselspeisewasser- und Wärmeträgerflüssigkeitspumpen eingesetzt und hilft Atlantica, Anomalien in ihren Anlagen zu erkennen. Mit BLUE BOX kann Atlantica die Betriebszeit und Zuverlässigkeit der Anlagen für erneuerbare Energien erhöhen sowie Betriebsrisiken eliminieren. Als Teil seiner Digitalisierungsstrategie plant Atlantica nach erfolgreichem Abschluss, die Cloud-Technologie von Sulzer in allen Anlagen weltweit einzusetzen.

Die neueste Version von Sulzers BLUE BOX ist nun in der Lage, die Betriebsleistung von Pumpsystemen sowohl kurz- als auch langfristig zu verbessern. Sulzers Lösung erkennt Anomalien automatisch und schätzt die Restlebensdauer der Maschinen ein. Ausserdem empfehlen Sulzer-Experten Massnahmen, die eine gezieltere Wartung ermöglichen. Atlantica wird von der neuen BLUE BOX mit künstlicher Intelligenz profitieren, die ihre eigenen maschinellen Lernfähigkeiten stärkt. Darüber hinaus hilft BLUE BOX, das Betriebsverhalten der Pumpen zu verstehen, und bietet damit die Möglichkeit, künftig Effizienz und Leistung zu steigern, was zu erheblichen Kosteneinsparungen und höhren Einnahmen führen wird.

Die neue Version von BLUE BOX nutzt künstliche Intelligenz und kombiniert statistische mit physikalischen Modellen, die auf dem Know-how von Sulzer basieren. Durch die Analyse von Echtzeit- und historischen Betriebsdaten werden die Pumpenexperten von Sulzer Atlantica proaktiv dabei unterstützen, noch fundiertere Entscheidungen zu treffen.

Bei der preisgekrönten BLUE BOX von Sulzer handelt es sich um eine Reihe von digitalen Diensten, die das Internet der Dinge für die Optimierung von Anlagen und die vorausschauende Wartung in Echtzeit nutzen. Auf Basis von vorhandenen Pumpendaten und maschinellem Lernen können die Kosten für Betrieb und Wartung von Pumpen erheblich gesenkt werden.