• English
  • Deutsch
  • Log In
    Password Login
    Research Outputs
    Fundings & Projects
    Researchers
    Institutes
    Statistics
Repository logo
Fraunhofer-Gesellschaft
  1. Home
  2. Fraunhofer-Gesellschaft
  3. Konferenzschrift
  4. Keine Ausfälle an Weihnachten - Fehler erkennen bevor sie kritisch werden
 
  • Details
  • Full
Options
April 28, 2026
Presentation
Title

Keine Ausfälle an Weihnachten - Fehler erkennen bevor sie kritisch werden

Title Supplement
Vortrag gehalten bei Fachtage Fernwärme 2026, 28.04.-29.04.2026, Kassel
Abstract
Im Rahmen der Fachtage Fernwärme am 28. April 2026 wurde der Energy Fault Detector (EFD) - ein open-source-basiertes KI-Framework zur Fehlerfrüherkennung - vorgestellt. Im Vortrag wird die Herausforderung der Überwachung dezentraler Energiesysteme erklärt, in denen eine hohe Datenflut die manuelle Auswertung übersteigt. Der EFD adressiert dies durch eine automatisierte, skalierbare und nachvollziehbare Fehlererkennung. Basierend auf einem Autoencoder-Ansatz und Schwellwertanalyse ermöglicht er die Früherkennung von Anomalien, um Ausfälle zu verhindern und die Betriebssicherheit zu erhöhen. Zusätzlich können detektierten Anomalien mittels des ARCANA-Ansatzes erklärt werden, damit die Entscheidungen des Modells transparent werden und eine Ursacheanalyse ermöglicht wird. Ziel ist es, Betreibern zu helfen, Fehler zu erkennen, bevor sie kritisch werden.
Author(s)
Roelofs, Cyriana Maria Antonia
Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik IEE  
Conference
Fachtage Fernwärme 2026  
Request publication:
bibliothek@iee.fraunhofer.de
Language
German
Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik IEE  
Keyword(s)
  • District heating

  • Fault detection

  • Dataset

  • Predictive maintenance

  • Machine learning

  • District heating substation

  • Cookie settings
  • Imprint
  • Privacy policy
  • Api
  • Contact
© 2024