Logo des Repositoriums

Auflistung nach Autor:in "Garmatter, Henriette"

1 - 2 von 2
  • Konferenzbeitrag
    The application of image recognition methods to improve the performance of waste-to-energy plantsplants
    (EnviroInfo 2022, 2022) Schwark, Fenja; Garmatter, Henriette; Davila, Maria; Dawel, Lisa; Pehlken, Alexandra; Cyris, Fabian; Scharf, Roland
    In this paper, we present an image recognition method to improve the performance of waste-to-energy plants. Thermal treatment of waste in waste-to-energy plants is central for the treatment of municipal solid waste. The heterogeneous nature of municipal solid waste results in a fluctuating lower calorific value to which plant operation must be adapted. Compensating for drastic changes in the lower calorific value is challenging for plant operation and can require short-term interventions. Estimating the lower calorific value prior to the combustion process should reduce the number of short-term interventions. In this work, we propose a process-engineering approach to estimate the lower calorific value of waste as a new application of image recognition in waste-to-energy plants. The method is implemented using videos and sensor data from a case study in a real waste-to-energy plant in Germany.
  • Textdokument
    Einsatz von Künstlicher Intelligenz in der Digitalisierung von Abfallverbrennungskraftwerken
    (INFORMATIK 2021, 2021) Pehlken, Alexandra; Eschemann, Patrick; Garmatter, Henriette; Cyris, Fabian; Nieße, Astrid
    Die thermische Verwertung von Abfällen in Abfallverbrennungskraftwerke gestaltet sich als komplexe Aufgabe, da das vorrangige Ziel die Abfallbehandlung vor dem Ziel der Energiegewinnung steht. Insbesondere die Heterogenität des aus verschiedenen Abfällen bestehenden Brennstoffes stellt vielseitige Anforderungen an den Betrieb. Zur Optimierung der Betriebsführung von Dampferzeugern in Abfallverbrennungskraftwerken auf Basis der Maximierung des Durchsatzes, der Optimierung der Strom- und Wärmeproduktion sowie der Maximierung der Standzeit der Kraftwerkskomponenten unter Berücksichtigung der Emissionsgrenzwerte werden die im Kraftwerk erhobenen Messdaten eingesetzt sowie Bilddaten erhoben. Diese werden aufbereitet und vortrainierten neuronalen Netzen zugeführt, mit dem Ziel verschiedene Materialien zu klassifizieren, um Informationen über die Abfallzusammensetzung und dem Heizwert zu erhalten.