NEL, der Wasserstoffplayer aus Norwegen

Und was tut es in diesem Thread zur Sache - das Lästern über, Sich-lustig-machen über, Beschimpfen ... (wie auch immer man es nennen mag) von Forenmitgliedern, die in diesem Thread gar nicht aktiv sind? Damit wird doch bloß dieser Thread kaputt gemacht.

Meine Überlegung zur Wartungsproblematik von Elektrolyseuren in Entwicklungsländern hat mich zu weiteren Recherchen diesbezüglich bewogen. Ich bin an einer Studie der CITES, die 2023 in der Zeitschrift Algorithms publiziert wurde hängen geblieben. Interessanterweise sind im Artikel Bilder von Nel ASA Elektrolyseuren enthalten.

Quelle: https://doi.org/10.3390/a16120541

Kurzfassung:
Damit Elektrolyseure kosteneffizient und sicher arbeiten können, muss eine geeignete Wartungsstrategie definiert werden. Die vorausschauende Wartung ist eine dieser Strategien, basiert jedoch häufig auf Daten von Sensoren, die ebenfalls fehlerhaft sein können, was zu falschen Informationen führt. Infolgedessen wird die Wartung nicht zum richtigen Zeitpunkt durchgeführt und es kommt zu Ausfällen. Um dieses Problem zu lösen, wird das Konzept der künstlichen Intelligenz angewendet, um Vorhersagen über Sensorwerte auf der Grundlage von Daten zu treffen, die von einem anderen Instrument innerhalb des Prozesses erhalten wurden. In dieser Studie wird mithilfe von Deep Reinforcement Learning (DRL) ein neuartiger Algorithmus entwickelt, um die besten Merkmale aus den Messdaten des Elektrolyseurs auszuwählen, die die Zielsensordaten für die vorausschauende Wartung am besten vorhersagen können. Die Merkmale werden als Eingabe in ein neuronales Netzwerk namens Long Short-Term Memory (LSTM) verwendet, um Vorhersagen zu treffen. Die Ergebnisse waren ausgezeichnet und führten tatsächlich zu den besten Werten. Insbesondere war der Korrelationskoeffizient mit der Zielvariable praktisch vollständig (0,99). Ebenso betrug der mittlere quadratische Fehler (RMSE) zwischen den experimentellen Sensordaten und der vorhergesagten Variable nur 0,1351.

Ein typisches Wartungsproblem laut Artikel ist:
Die Ansammlung von Eisenverunreinigungen sowohl auf der Membran als auch auf der katalytischen Schicht, was zu einem erhöhten ohmschen Widerstand im Wasser führt, und eine Austrocknung der Membran und damit verbundene Fehler bewirkt. Es geht also auch darum das Austauschen von Ersatzteilen im richtigen Moment zu takten. NEL sollte / dürfte / müsste ein AI basiertes Wartungsystem entwickeln und anbieten.

„Getretener Quark // Wird breit, nicht stark.“
– J.W. von Goethe - Deutscher Dichter und Anwender von Wasserstofffeuerzeugen

Keine Ahnung, ob das schon jemand gepostet hatte.

17.12.2024 - Indiens Sprung in die grüne Wasserstoffwirtschaft bietet eine Chance von 8 bis 10 Billionen INR

Laut einem neuen Bericht von SBICAPS benötigt Indien bis 2030 massive Investitionen von 8 bis 10 Billionen INR, um sein im Rahmen der National Green Hydrogen Mission vorgesehenes Ökosystem für grünen Wasserstoff zu entwickeln. Davon sollen 1,6 Billionen INR in den Aufbau von 60 GW Elektrolyseurkapazität fließen, während 4,2 Billionen INR für die Einrichtung von Produktionskapazitäten für 5 Millionen Tonnen pro Jahr erforderlich sind. Weitere 4,5 Billionen INR wären für den Aufbau zugehöriger Kapazitäten für erneuerbare Energien zur Versorgung dieser neuen Fabriken erforderlich.

Quelle: https://www.pv-magazine-india.com/2024/12/17/...-opportunity-by-2030/

Nel ASA und indische Reliance Industries unterzeichneten Elektrolyseur-Lizenzvertrag in 2024.

Quelle: https://www.iwr.de/ticker/...-elektrolyseur-lizenzvertrag-artikel6618

Aktuelle Ausgabe von Renewable and Sustainable Energy Reviews (März 2025).

Dynamik des preisbasierten Wettbewerbs zwischen blauem und grünem Wasserstoff mit Netto-Null-Emissionszielen

Die Entwicklung von blauem Wasserstoff wird oft als „Anstoß“ für eine Wasserstoffwirtschaft vorgeschlagen. Die Volatilität der Gaskosten, die unterschiedlichen Emissionsintensitäten der blauen technologischen Optionen und die prognostizierten Kostensenkungen bei Elektrolyseuren könnten jedoch zu verlorenen Vermögenswerten führen. Wir entwickelten ein Modell, um die Dynamik von Wasserstoffangebot und -nachfrage zu untersuchen, wobei wir unterschiedliche Kostenverläufe für die Produktion von grünem und blauem Wasserstoff und unterschiedliche Szenarien für die CO2-Bepreisung verwenden. Wir stellten fest, dass das Zeitfenster für blauen Wasserstoff hauptsächlich davon bestimmt wird, wie schnell die Kosten für grünen Wasserstoff sinken. Wir zeigen, dass die in den nächsten drei Jahrzehnten eingesetzten Anlagen für blauen Wasserstoff wahrscheinlich erheblich unterausgelastet sein werden, es sei denn, die Kosten für grünen Wasserstoff bleiben am oberen Ende der Prognosen. Diese Analyse impliziert, dass ein erhebliches Risiko besteht, dass Investitionen in blauen Wasserstoff zu verlorenen Vermögenswerten führen.

Quelle: https://doi.org/10.1016/j.rser.2024.115244