DC FieldValueLanguage
dc.contributor.advisorHofmann, Rene-
dc.contributor.authorMüllner, Stefan-
dc.date.accessioned2021-07-21T11:48:02Z-
dc.date.issued2021-
dc.date.submitted2021-07-
dc.identifier.urihttps://doi.org/10.34726/hss.2021.68740-
dc.identifier.urihttp://hdl.handle.net/20.500.12708/18125-
dc.descriptionArbeit an der Bibliothek noch nicht eingelangt - Daten nicht geprüft-
dc.descriptionAbweichender Titel nach Übersetzung der Verfasserin/des Verfassers-
dc.description.abstractBeim Übergang von fossilen Brennstoffen zu erneuerbaren Energien werden Energiespeicherlösungen benötigt, um zeitliche Unterschiede zwischen Energieerzeugung und -verbrauch zu überbrücken. Um Energiespeichersysteme effizient zu implementieren, werden genaue Modelle von ihnen benötigt. Diese Arbeit befasst sich mit der Erstellung eines Grey-BoxModells eines Festbettregenerators, ein sensibles thermisches Energiespeichersystem. Ein mechanistischer Grey-Box-Modellierungsansatz wird verwendet um Vorkenntnisse (White Box) und Daten (Black Box) des Festbettregenerators zu kombinieren. Die Modellgleichungen werden aus Vorkenntnissen abgeleitet und Parameter dieser Gleichungen werden unter Verwendung von Daten optimiert. Um den Modellfehler zu reduzieren, werden verschiedene Modelle mit unterschiedlichen Parametern und Gleichungen erstellt und miteinander verglichen. Das endgültige Modell, das das genaueste ist, wird mit einem bereits vorhandenen White-Box-Modell und einem bereits vorhandenen, hauptsächlich datengetriebenen neuronalen Netzwerk verglichen.Das endgültige Grey-Box-Modell sagt das Verhalten des Festbettregenerators für einen großen Bereich an Eingangswerten akkurat voraus und ermöglicht Einblicke in die Temperaturverteilung des Festbettregenerators. Darüber hinaus ist es rechnerisch effizient und erlaubt eine schnelle Anpassung an betriebliche und materielle Änderungen, wenn Daten verfügbar sind.de
dc.description.abstractIn the transition from fossil fuels to renewable energy, energy storage solutions are needed to bridge time differences of energy production and consumption. To efficiently implement energy storage systems, accurate models thereof are needed. This thesis deals with the creation of a grey box model of a packed bed regenerator, a sensible thermal energy storage system. A mechanistic grey box modeling approach is used which combines prior knowledge (white box) and data (black box) of the packed bed regenerator. The model equations are derived from prior knowledge and parameters of these equations are optimized using data. To reduce the model error, different models with varying parameters and equations are created and compared with each other.The final model, being the most accurate one, is compared to an already existing white box model and an already existing mainly data-driven neural network model. The final grey box model accurately predicts the behaviour of the packed bed regenerator for a wide variety of inputs and enables for insights into the temperature distribution of the packed bed regenerator. Further, it is computationally efficient and allows for fast adaption to operational and material changes when data is available.en
dc.format111 Seiten-
dc.languageEnglish-
dc.language.isoen-
dc.subjectGrey-Box-Modellierungde
dc.subjectphysikalische Modellierungede
dc.subjectdatengetriebene Modellierungde
dc.subjectFestbettregeneratorde
dc.subjectsensible Wärmespeicherde
dc.subjectgrey-box modelingen
dc.subjectphysical modelingen
dc.subjectdata-driven modelingen
dc.subjectpacked-bed regeneratoren
dc.subjectsensible thermal energy storageen
dc.titleGrey Box Modeling of a Packed Bed Regeneratoren
dc.title.alternativeGrey-Box-Modellierung eines Festbettregeneratorsde
dc.typeThesisen
dc.typeHochschulschriftde
dc.identifier.doi10.34726/hss.2021.68740-
dc.publisher.placeWien-
tuw.thesisinformationTechnische Universität Wien-
dc.contributor.assistantHalmschlager, Verena-
tuw.publication.orgunitE302 - Institut für Energietechnik und Thermodynamik-
dc.type.qualificationlevelDiploma-
dc.identifier.libraryidAC16259910-
dc.description.numberOfPages111-
dc.thesistypeDiplomarbeitde
dc.thesistypeDiploma Thesisen
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.openaccessfulltextOpen Access-
item.openairetypeThesis-
item.openairetypeHochschulschrift-
item.fulltextwith Fulltext-
item.languageiso639-1en-
item.grantfulltextopen-
item.cerifentitytypePublications-
item.cerifentitytypePublications-
Appears in Collections:Thesis

Files in this item:


Page view(s)

23
checked on Sep 21, 2021

Download(s)

27
checked on Sep 21, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.