Simulationsbasierte Optimierung der Betriebsstrategie von energietechnischen Anlagen

Abstract

Die Kühlung von Produktionsanlagen und Gebäuden ist ein energieintensiver Prozess. Besonders in der Halbleiterindustrie müssen beim Herstellungsprozess enge Temperaturgrenzen eingehalten werden. Aufgrund des daraus resultierenden hohen Bedarfs an Kälteleistung ist der ressourcenschonende Betrieb von Kälteanlagen in diesem Industriezweig von besonderer Wichtigkeit. Hier setzt diese Arbeit an und beschäftigt sich mit dem Finden einer optimierten Betriebsstrategie für Kälteanlagen. Die Ermittlung einer solchen Strategie ist schwierig, da es sich um Kälteanlagen handelt, die aufgrund des hohen Kältebedarfs aus mehreren Kältemaschinen aufgebaut sind. Es gibt viele Einflussfaktoren, die bei der Festlegung der Betriebsstrategie berücksichtigt werden müssen. Um eine optimierte Betriebsstrategie zu ermitteln wird ein simulationsbasierter Optimierungsansatz gewählt. Das komplexe System der energietechnischen Anlage wird bei der Modellbildung in seine Komponenten zerlegt. Dafür wird ein Ansatz verwendet, der eine Modularisierung des Systems mittels Cubes ermöglicht. Durch den modularen Aufbau des Simulationsmodells kann es leicht für verschiedene Anlagen und Anlagenkonfigurationen adaptiert werden. Anschließend werden die Modelle in die Simulationssoftware AMESIM implementiert. Danach folgt die Implementierung eines Optimierers, der eingesetzt wird, um eine optimierte Betriebsstrategie zu ermittelt. Aus implementierungstechnischen Gründen wird die Optimierung in zwei Stufen durchgeführt: durch Simulation einer Permutationsliste und einer anschließenden Optimierung mit einem genetischen Algorithmus. Mit dem erstellten Simulationsmodell und dem Optimierer wird die Optimierung der Betriebsstrategie einer bestehenden Kälteanlage durchgeführt. Es wird gezeigt, dass durch die optimierte Betriebsstrategie der Energiebedarf der Kälteanlage, abhängig vom Szenario, um 5% bis 21% reduziert werden kann. Die Ergebnisse lassen vermuten, dass durch den gewählten Ansatz Einsparungspotenzial beim Energiebedarf bestehender Kälteanlagen identifiziert und durch eine optimierte Betriebsstrategie eine Effizienzsteigerung beim Betrieb erreicht werden kann.

The cooling of production plants and buildings is an energy-intensive process. Especially in the semiconductor industry, tight temperature limits must be maintained during the manufacturing process. Due to the resulting high cooling demand, the resource-saving operation of refrigeration systems in this industry is of importance. The subject of this work is to find an optimized operating strategy for refrigeration systems. The determination of such a strategy is difficult because due to the high cooling demand, the refrigeration systems are composed of several chillers. There are many influencing factors that must be considered when defining the operating strategy. To determine an optimized operating strategy, a simulation-based optimization approach is chosen. The complex system of the refrigeration system is divided into its components in the modelling process. For this, an approach is used, which allows a modularization of the system by means of cubes. Due to the modular structure of the simulation model, it can be easily adapted for different systems and system configurations. Then the models are implemented in the simulation software AMESIM. This is followed by the implementation of an optimizer, which is used to determine an optimized operating strategy. For reasons of implementation, the optimization is carried out in two stages: the first stage is the simulation of a permutation list and the second stage is the optimization with a genetic algorithm. The simulation model and the optimizer are used to optimize the operating strategy of an existing refrigeration system. It is shown that the optimized operating strategy can reduce the energy demand of the refrigeration system by 5% to 21% depending on the scenario. The results suggest that the selected approach can identify the potential for energy savings of existing refrigeration systems and increase the energy efficiency of operation through an optimized operating strategy.