Advanced synthesis methods for renewable energy integration and automated data-driven model adaption for industrial systems

Abstract

Um die Umweltziele von Initiativen wie dem Europäischen Green Deal erreichbar zu halten, sind gemeinsame Anstrengungen der gesamten Gesellschaft erforderlich. Als Beitrag dazu beschäftigt sich diese Arbeit mit dem prominenten Thema der Prozessoptimierung industrieller Energiesysteme. Der erste Teil dieser Arbeit dreht sich um die Entwicklung eines Optimierungsansatzes der gemischt-ganzzahligen linearen Programmierung, der die gleichzeitige Integration von Wärmepumpen und thermischen Speichern in die Wärmeaustauscher-Netzwerksynthese ermöglicht. Eine fundierte Literaturrecherche hat gezeigt, dass die Energieintegration und die Abwärmenutzung in den letzten Jahrzehnten in zahlreichen Studien ausführlich untersucht wurden. Im Gegensatz dazu zeigt die Literatur über die Integration von HP und ST in HENS zur Verbesserung der Wärmerückgewinnung und die mögliche Integration von erneuerbaren Energiequellen noch Verbesserungspotenzial. Die Bewertung möglicher Potenziale und die bessere Anwendbarkeit von Optimierungsansätzen sind Lücken, die durch Weiterentwicklungen, wie sie in dieser Arbeit durchgeführt wurden, noch geschlossen werden müssen. Eine Fallstudie an einer Reihe von Beispielen, die auf Prozessen der energieintensiven Industrie basieren, zeigte das enorme wirtschaftliche und thermodynamische Potenzial des vorgeschlagenen neuen Ansatzes. Da jede Optimierung in hohem Maße von ihren Eingangsparametern und zugrundeliegenden Modellen abhängig ist, befasst sich der zweite Teil dieser Arbeit mit der Entwicklung von Methoden zur automatisierten datengetriebenen Modellanpassung. Insbesondere die Nichtlinearität der thermodynamischen Komponenten von Energiesystemen und of auftretende Mechanismen wie Verschmutzung oder Abrieb, die die physikalischen Eigenschaften während des Betriebs verändern können, erschweren genaue Vorhersagen ihres Verhaltens. Wenn die Komponentenmodelle und damit ihre Vorhersagen nicht genau genug sind, können die durch die Optimierung erzielten Einsparungen durch die Prozesssteuerung aufgezehrt werden, die den falschen Vorhersagen entgegenwirken muss, um den realen Prozess in einem funktionsfähigen Zustand zu halten. Das entwickelte Framework auf Basis von OPC UA und anderen modernen Kommunikationsprotokollen ermöglicht eine kontinuierliche automatisierte Anpassung von Komponentenmodellen an die aktuellen Eigenschaften ihres physikalischen Gegenstückes. Die Anwendung des Frameworks auf einen Festbett-Wärmespeicher, bei dem kontinuierlicher Verschmutzung während des Betriebs auftritt, zeigte eine deutliche Verbesserung der Vorhersagefähigkeiten des trainierten Modells im Vergleich zu einem Modell ohne Anpassungen.

To keep environmental goals of initiatives like the European Green Deal reachable, joint efforts of the whole society are needed. As a contribution to this cause, this thesis deals with the prominent topic of industrial energy systems process optimization. The first part of this work revolves around the development of a mixed integer linear programming (MILP) optimization approach that allows the simultaneous integration of heat pumps(HP) and storages (ST) into heat exchange network synthesis (HENS). A thorough literature study showed that energy integration and waste heat recovery were extensively researched in the last decades. Contrary, literature about the integration of HP and ST into HENS to enhance heat recovery capabilities and the possible integration of renewable energy sources still shows potential for improvements. Evaluating possible potential and the propper applicability of optimization approaches are gaps that still have to be filled by further developments such as those carried out in this thesis. A case study on a set of example cases based on processes of the energy intensive industry (EII) showed the enormous economic and thermodynamic potential of the proposed novel approach. Since every optimization is highly dependent on their input parameters and underlying models, the second part of this thesis deals with developing methods for the automated data-driven model adaption. Especially the non linearity of thermodynamic components of energy systems and common mechanisms like fouling or abrasion that canchange physical properties during operation make accurate predictions of their behavior complicated. If component models and thus their predictions are not accurate enough,the savings achieved through optimization may be consumed by process control that has to counteract the incorrect predictions to keep the real process in a feasible state.The developed framework based on OPC UA and other state-of-the-art communication protocols allows a continuous automated adaption of component models to match the current properties of the real physical system. The framework’s application on a packedbed thermal energy storage with continuous fouling during operation showed a major improvement of the prediction capabilities of the trained model compared to a model without adjustments.