Klaer-vision

Klärschlammverwertung mit optimierter Prozessführung und Emissionsminderung durch intelligente Agglomerationsfrüherkennung
#Minderung von Treibhausgasen und Umwelteffekten
#Prozessoptimierung
#Rest- und Abfallstoffe
#Mess-/Steuerungs-/Regelungstechnik
-
FKZ-Nr.:
03EI5496
Das Projekt Klär-vision entwickelt und validiert einen KI-gestützten Agglomerationswächter sowie datenbasierte Regelstrategien zur Echtzeit-Optimierung der Klärschlammverbrennung. Ziel ist die Überführung dieser Ansätze in robuste, praxistaugliche Betriebskonzepte zur Emissionsminderung und Erhöhung der Anlagenverfügbarkeit.
Das Projekt Klär-vision zielt darauf ab, die Effizienz, Stabilität und Nachhaltigkeit der Klärschlammverbrennung in stationären Wirbelschichtfeuerungen deutlich zu verbessern. Zentrale Herausforderung sind dabei Agglomerationsprozesse und damit verbundene Betriebsstörungen sowie relevante Emissionen wie N₂O und NOₓ. Durch den Einsatz eines KI-gestützten, onlinefähigen Agglomerationswächters und datenbasierter Regelstrategien sollen diese frühzeitig erkannt und gezielt minimiert werden. Ergänzend werden neue Betriebsansätze wie die Oxyfuel-Verbrennung untersucht, um die Verbrennungseffizienz weiter zu steigern. Die breite industrielle Datenbasis und enge Zusammenarbeit mit Praxispartnern bilden die Grundlage für eine robuste, marktfähige und klimarelevante Lösung.
03EI5496A

Das TEER übernimmt die Verbundkoordination und untersucht im Projekt systematisch Gegenmaßnahmen zur Vermeidung und Kontrolle von Agglomerationen in der Technikums-Wirbelschichtanlage (AP 1 und AP 3). Darüber hinaus plant und führt die RWTH großtechnische Messkampagnen an ausgewählten Industrieanlagen durch und wertet die dabei erhobenen Betriebs- und Emissionsdaten aus (AP 4). Die Ergebnisse werden genutzt, um belastbare Betriebsstrategien abzuleiten und in die praktische Anwendung zu überführen.

03EI5496B

Der Lehrstuhl für Energieverfahrenstechnik (EVT) der FAU ist für die Weiterentwicklung des Agglomerationswächters verantwortlich, einschließlich der Integration KI-gestützter Vorhersagemodelle (AP 2). Zudem untersucht die FAU den Einfluss der Oxyfuel-Verbrennung auf die Agglomerationsbildung und übernimmt das Upscaling sowie die Implementierung des Systems in Industrieanlagen (AP 4). Darüber hinaus erfolgt die Auswertung der generierten Big-Data-Datensätze sowie die abschließende ökologische Bewertung des Gesamtsystems im Rahmen einer Lebenszyklusanalyse (AP 5).

03EI5496C

Die MARTIN GmbH für Umwelt- und Energietechnik unterstützt als Anlagenbauer gemeinsam mit der auf Wirbelschichttechnik und Klärschlammverbrennung spezialisierten KMT GmbH die technische Umsetzung und industrielle Integration des Agglomerationswächters in großtechnischen Anlagen (AP 4). Dies umfasst insbesondere die Begleitung von Umbau- und Installationsarbeiten vor Ort sowie die Sicherstellung der praktischen Umsetzbarkeit der entwickelten Konzepte. Darüber hinaus bringt MARTIN umfassendes Praxiswissen aus Planung, Bau und Betrieb von Klärschlammverbrennungsanlagen in das Projekt ein und unterstützt die Überführung der entwickelten Lösungen in den industriellen Einsatz.

Partner 03EI5496A

RWTH Aachen University
Lehr- und Forschungsgebiet Thermoprozesse und Emissionsminderung in der Entsorgungs- und Recyclingwirtschaft

Pin IconTemplergraben 55, 52062 Aachen

Weitere Ansprechperson:

Dr.-Ing. Matthias Schnell schnell@teer.rwth-aachen.de M. Sc. Kirsten Stark stark@teer.rwth-aachen.de

Partner 03EI5496B

Friedrich-Alexander-Universität Erlangen-Nürnberg
Lehrstuhl für Energieverfahrenstechnik

Pin IconFürther Straße 244f, 90429 Nürnberg

Weitere Ansprechperson:

Prof. Dr.-Ing. Jürgen Karl juergen.karl@fau.rwth-aachen.de Dr.-Ing. Maximilian Weitzer maximilian.weitzer@fau.de Arkya Sanyal arkya.sanyal@fau.de

Partner 03EI5496C

MARTIN GmbH für Umwelt- und Energietechnik

Pin IconLeopoldstr. 246, 80807 München

Weitere Ansprechperson:

Stefan Salzmann Stefan.Salzmann@kmt.eu Max Schönsteiner Max.Schoensteiner@martingmbh.de

Partner 03EI5496

KMT GmbH

Pin IconLeopoldstraße 246, 80807 München