Fraunhofer-Institut für Energiewirtschaft und Anomalieerkennung als Enabler für Predictive Maintenance
Im Rahmen zahlreicher Forschungsprojekte hat das Team AEFDI (Automated Energy Fault Detection and Identification) Anomalieerkennungsmethoden für verschiedene Systeme des Energiesystems untersucht und entwickelt. Daraus ist ein Python-basiertes Anomalieerkennungsframework entstanden, welches kontinuierlich weiterentwickelt wird.
Der Haupteinsatzweck des Frameworks ist die Fehlerfrüherkennung in Windenergieanlagen. Hierfür steht eine geeignete Software mit Userinterface bereit.
Darüber hinaus kann das Framework einfach auf andere technische Systeme übertragen werden. Durch den Autoencoder-basierten Ansatz kann das Framework ohne große Vorkenntnis und mit geringem Aufwand angewandt werden. Das System erlernt das Verhalten der zu überwachenden Systeme automatisch.
