Bild 01: Die digitale Wasserstoffanlage (Quelle: Siemens)
Anlagenbetreiber interagieren mit dem digitalen Zwilling über Dashboards, die weltweit Leistungsüberwachung für verschiedene Stakeholder bieten. Fortschrittliche Algorithmen zur Zustandsabschätzung liefern Soft-Sensing-Fähigkeiten, während Optimierungsfunktionen eine dynamische Produktionsplanung zur effizienten Deckung des Wasserstoffbedarfs ermöglichen.
Die Kombination eines physikbasierten Modells mit den Echtzeitdaten der Anlage verbessert die Simulation des Anlagenverhaltens und unterstützt die Anlagenbetreiber bei Entscheidungen. Das Modell passt sich kurzfristigen Dynamiken wie Wetteränderungen und langfristigen Trends wie Geräteabnutzung an, um stets auf dem neuesten Stand zu bleiben. Sein modularer Aufbau und branchenübliche Schnittstellen ermöglichen eine einfache Erweiterung, um zusätzliche datengesteuerte Fähigkeiten zu implementieren, die den Betrieb und die Anlagenverfügbarkeit weiter verbessern, z. B. Anomalieerkennung, Wartungsplanung und Flottenüberwachung. Digitale Zwillinge werden zu unerlässlichen Bestandteilen von Projekten, die auf eine erfolgreiche finale Investitionsentscheidung abzielen, da sie Anlagenbetreibern, Projektverantwortlichen und Investoren gleichermaßen Vertrauen schaffen. Bild 1 stellt die verschiedenen Ebenen einer realen Anlage mit ihren jeweiligen digitalen Zwillingen dar.
Betrachten wir ein vereinfachtes Demonstrationsprojekt mit einer Proton-Exchange-Membran(PEM)-Elektrolysekapazität von 5 MW. Dieses Demonstrationsprojekt nutzt Wind-, Solar- und Netzstrom, um grünen Wasserstoff mit einer Nennleistung von 80 kg/h zu produzieren. Die folgende Fallstudie zeigt Möglichkeiten auf, die durch die Hydrogen Performance Suite (HPS) entstehen. Die HPS ist ein operativer digitaler Zwilling, der speziell für grüne Wasserstoff- und PtX-Anlagen entwickelt wurde. Dynamische Echtzeit-Optimierung der Produktion ist eine Aufgabe, mit der sich Anlagenbetreiber täglich oder sogar stündlich konfrontiert sehen. Dies beinhaltet die Planung der Zeiten zur Produktion und Speicherung von Wasserstoff sowie die Entscheidung über den effizienten Anlagenbetrieb, um die Anforderungen der Abnehmer zu erfüllen, bei gleichzeitiger Minimierung der gewichteten Produktionskosten (Levelised Cost of Production – LCOP). Anlagenbetreiber benötigen die Möglichkeit, optimale Produktionspläne zu erstellen und kurzfristig nachzujustieren, sollten sich die Produktionsbedingungen bei einem plötzlichen Rückgang der Nachfrage oder einer Aktualisierung der Versorgung mit erneuerbaren Energien ändern.
Die Bilder 2 und 3 zeigen Dashboards der Hydrogen Performance Suite (HPS), einschließlich Informationen zur Produktionssteuerung und wichtiger Datenströme. In Bild 3 wird ein stündlicher Produktionsplan für einen Zeitraum von 48 Stunden bereitgestellt, während die Zeitprofile die Daten zu erneuerbaren Energien, Netzstromtarifen und der Wasserstoffnachfrage zusammenfassen. Diese Schnittstelle liefert auch eine Echtzeit-Leistungsüberwachung über die gesamte Anlage, um den Energieverbrauch leicht beurteilen zu können.
In Bild 3 zeigt sich eine abnormale Produktionsphase, in der die Wasserstoffnachfrage für mehrere Stunden sinkt. Ohne Optimierung wären 22,4 MWh Netzstromversorgung erforderlich, um dieses Nachfrageprofil zu erfüllen. Eine stündliche dynamische Optimierung der Elektrolyselasten, der Speicherkapazität und der Produktionsrate wird verwendet, um den Einsatz von Netzstrom zu minimieren, wodurch die Produktionskosten gesenkt und mehr zertifizierter grüner Wasserstoff erzeugt wird. Bild 4 vergleicht den Standard- und den optimierten stündlichen Produktionsplan.
In diesem Fall empfiehlt die dynamische Optimierung die Wasserstoffproduktion zu Zeiten, in denen entweder erneuerbare Energien im Überfluss vorhanden sind oder wenn der Netzstromtarif niedrig ist. In einigen Stunden wird der Verkauf von überschüssiger erneuerbarer Energie an das Netz empfohlen, um die Kosten auszugleichen. Die Speicherkapazität wird auch proaktiv genutzt: Die gespeicherte Menge wird angepasst, um Unterschiede zwischen Wasserstoffproduktion und -nachfrage auszugleichen.
Nach der dynamischen Optimierung beträgt der Gesamtverbrauch aus dem Netz 14,4 MWh, was einer Senkung um 36 % entspricht. Die realisierbaren finanziellen Einsparungen in diesem Anwendungsfall lagen bei über 10 %. Dies zeigt das erhebliche wirtschaftliche Potenzial der optimierten Produktion.