Abfallverbrennungsanlagen spielen in der heutigen Gesellschaft eine wichtige Rolle bei der thermischen Verwertung von Abfällen und als grüner Energie- und Fernwärmeversorger. Im Vergleich zu anderen Energieanlagen ist der Brennstoff nicht einheitlich, stattdessen schwanken die Brenneigenschaften beträchtlich im täglichen als auch im jährlichen Verlauf. Diese Schwankungen sind in den Sensordaten in Form von zum Teil impulsivem Rauschen sichtbar. Zusätzlich entstehen Ablagerungen, welche sich an dem Wärmetauscher ablagern, sodass die Energie im Laufe der Zeit an unterschiedlichen Stellen an den Wasserkreislauf übertragen wird. Für eine optimale Steuerung der Anlage ist es notwendig,
diese sogenannte Wärmeverschiebung vorhersagen zu können.

Aktuell wird die Anlage auf Basis von Entscheidungen aus physikalischen Zusammenhängen aus der Verbrennung gesteuert. Aufgrund der vielen Sensoren (ca. 500) in der Anlage, sind alle Zusammenhänge nicht erfassbar. Mit dem Deep Learning Ansatz soll gezeigt werden, ob die Anlage mithilfe von Deep Learning optmiert werden kann. Dazu ist eine Variablenvorauswahl in Zusammenarbeit mit den Projektpartnern zu treffen, die die physikalischen Zusammenhänge in der Anlage berücksichtigt. Durch eine Literaturrecherche sollen geeignete Deep Learning Verfahren ausgewählt werden, die daraufhin implementiert werden. Das Potential der Verfahren wird dann anhand geeigneter Gütemaße verglichen. Daten über einen Zeitraum von mindestens zwei Jahren sind vorhanden. Fachwissen über die Anlage ist durch Projektpartner immer verfügbar.

Kenntnisse in Deep Learning
Prozesskenntnisse aus Kraftwerken von Vorteil aber nicht Voraussetzung