Model-based approaches to demand side management of continuous industrial processes

Schäfer, Pascal; Mitsos, Alexander (Thesis advisor); Grossmann, Ignacio E. (Thesis advisor)

Aachen : RWTH Aachen University (2020, 2021)
Buch, Doktorarbeit

In: Aachener Verfahrenstechnik 13 (2020)
Seite(n)/Artikel-Nr.: 1 Online-Ressource (XVIII, 167 Seiten) : Illustrationen, Diagramme

Kurzfassung

Industrielle Laststeuerung wird zunehmend als wichtige Maßnahme erkannt, den netzweiten Stromverbrauch an eine volatile Erzeugung aus erneuerbaren Quellen anzupassen. Gleichzeitig bieten die in liberalisierten Strommärkten verursachten Preisschwankungen vielversprechende monetäre Anreize für einen lastflexiblen Betrieb. Entsprechend versuchten in den vergangenen Jahrzehnten zahlreiche Arbeiten, wirtschaftliche Potenziale angepasster Produktionspläne mittels modell- und optimierungsbasierter Ansätzen zu heben. Vor diesem Hintergrund ist der Beitrag der vorliegenden Arbeit vierfacher Natur. Erstens: Die relevante Literatur beschränkt sich derzeit primär auf Betriebsoptimierungsprobleme, die (abschnittsweise) linearisierte Prozessmodelle zwecks Einsatz effizienter numerischer Lösungsverfahren verwenden. Im Gegensatz dazu liegt der Fokus dieser Arbeit auf der Entwicklung von Algorithmen, die die Betrachtung langer Planungshorizonte mit feinen Diskretisierungen auch für Optimierungsprobleme mit nichtlinearen Prozessmodellen ermöglichen. Insbesondere zeigen wir, dass so zulässige, nah-optimale Produktionspläne identifiziert werden können, obwohl nur ein kleiner Anteil an Freiheitsgraden dem Optimierer zur Anpassung freigegeben wird. Dies führt zu erheblichen Reduktionen der Rechenzeit im Vergleich zu Lösungsansätzen, die die volle Dimensionalität berücksichtigen. Zweitens erweitern wir bestehende Arbeiten, die für eine Berücksichtigung des transienten Prozessverhaltens während Lastwechseln bei Betriebsoptimierungen von Prozessen mit langsamer Dynamik plädieren. Hier stellen wir einen hybriden mechanistisch-datengetriebenen Modellreduktionsansatz für Rektifikationskolonnen vor, der signifikante Reduktionen der Rechenzeiten ermöglicht und gleichzeitig ähnliche Vorhersagegenauigkeiten aufweist wie rigorose Stufenmodelle. Dadurch verbessern wir die Echtzeitfähigkeit nichtlinearer modellprädiktiver Regelungsansätze mit ökonomischer Zielfunktion und erlauben eine Teilnahme an kontinuierlichen Strommärkten direkt auf Ebene der Regelung. Drittens betrachten wir die optimale Entscheidungsfindung auf "Pay-as-bid"-Strommärkten, wie dem deutschen Markt für Primärregelleistung, wo die Abwägung zwischen einer höheren Wahrscheinlichkeit des Zuschlags für ein Angebot und einer höheren potenziellen Ausgleichszahlung erforderlich ist. Um dies zu berücksichtigen, wird hier eine zweistufige stochastische Problemformulierung vorgestellt, bei der wir in der ersten Stufe das Gebot für die Auktion auf dem Regelleistungsmarkt optimieren und in der zweiten Stufe die verbleibende Flexibilität für eine Betriebsoptimierung am Spotmarkt einsetzen. Viertens hinterfragen wir derzeit diskutierte Maßnahmen zur Erhöhung des Flexibilitätspotenzials von industriellen Prozessen kritisch vor dem Hintergrund der Dekarbonisierung des Stromsektors. Dazu betrachten wir einen generischen Prozess und evaluieren, ob Maßnahmen, die die Ausnutzung variabler Strompreise erleichtern, auch zu einer Reduktion des Verbrauchs fossil erzeugten Stroms zugunsten von erneuerbarem führen. Insbesondere zeigen wir, dass typische Preisschwankungen adäquate monetäre Anreize für die Vorhaltung von Speicherkapazitäten, die Lastverschiebungen auf Zeitskalen in der Größenordnung eines Tages ermöglichen und daher entscheidend für die Verringerung der mit der Erzeugung des bezogenen Stroms verbundenen Umweltauswirkungen wären, verhindern.

Identifikationsnummern

Downloads