Energy Management for Industrial Plants with Thermal Batch Processes

Autor: Fuhrmann, Florian
Jazyk: angličtina
Rok vydání: 2023
Předmět:
DOI: 10.34726/hss.2023.107982
Popis: Die Verringerung der Treibhausgasemissionen ist ein entscheidender Faktor im Kampf gegen den Klimawandel. Ein wichtiges Instrument zur Verringerung der CO2-Emissionen ist die Erhöhung des Anteils der erneuerbaren Energien an der Stromversorgung. Erneuerbare Ener-giequellen, wie Wind- oder Solarkraftwerke, haben eine schwankende Verfügbarkeit und ra-dikale Änderungen am Strommarkt. Der Stromverbrauch muss an die volatile Stromerzeugung angepasst werden, um die Netzfrequenz zu stabilisieren. Dadurch gewinnen wirtschaftliche Anreize wie der Regelenergiemarkt und flexible Strompreise an Bedeutung.Um diese Anreize in vollem Umfang nutzen zu können, muss das Energiemanagementsystem (EMS) einer Industrieanlage sowohl zeitliche (z. B. 24-Stunden-Strombedarfsprognose) als auch betriebliche (z. B. kurzfristige Strombedarfsreduzierung) Anforderungen erfüllen.Neben den Anforderungen des modernen Energiemarktes müssen moderne EMS auch Produktionssicherheit und niedrige Implementierungskosten gewährleisten, um in industriellen Fertigungsanlagen eingesetzt werden zu können. Thermische Batch-Prozesse sind weit verbreitet (z. B. Glühen, Anlassen, Pasteurisieren), und stellen eine besondere Herausforderung für EMS dar, da sie Lastspitzen verursachen und in der Regel nicht vollständig automatisiert sind, was zu Unsicherheiten bei der Vorhersage der Wärmelast führt.Auf dem Gebiet der EMS für Industrieanlagen mit thermischen Batch-Prozessen wurde bisher wenig geforscht. Daher ist es das übergeordnete Ziel dieser Arbeit, ein breit einsetzbares EMS zu entwerfen, das den optimalen Betrieb von ESS in Industrieanlagen mit thermischen Batchprozessen unter Berücksichtigung des modernen Strommarktes ermöglicht, die Produktionssicherheit gewährleistet und geringe Implementierungskosten verursacht.Um dieses Ziel zu erreichen, werden in dieser Arbeit mehrere Methoden vorgestellt, darunter eine neuartige EMS-Struktur, eine neuartige Lastvorhersagemethode und eine neuartige Parametrisierungsmethode für EMSe. Die neue EMS-Struktur besteht aus einem zweischichtigen gemischt-ganzzahligen linearen Programm (MILP), bei dem jede Schicht eine spezifische Regelfrequenz hat, und einem Online-Lastvorhersageverfahren (OLP). Die zwei Schichten des MILP ermöglichen es, einen langen Vorhersagehorizont mit einer hohen Regelfrequenz zu kombinieren. Der OLP nutzt die neuartige Lastvorhersagemethode und garantiert die Zuverlässigkeit der Produktion. Um die Implementierungskosten zu senken, ist das MILP komponentenweise strukturiert, wodurch eine schnelle Anpassung an Änderungen des ESS ermöglicht wird. Die Parametrisierungsmethode reduziert den Implementierungsaufwand weiter und gewährleistet die Optimalität des EMS-Betriebs.Durch die Kombination dieser Methoden entsteht ein EMS, welches alle Eigenschaften für einen breiten Einsatz in Industrieanlagen mit thermischen Chargenprozessen erfüllt. Dennoch müssen die Anlagenbetreiber volles Vertrauen in die Zuverlässigkeit der Methoden haben, bevor prädiktive und optimierungsbasierte EMS zum Stand der Technik in der Industrie werden. Zu diesem Zwecke, wurde ein Laboraufbau entwickelt, der die Energiesysteme von Industrieanlagen mit thermischen Chargenprozessen nachbildet. Der Laboraufbau wurde verwendet, um zwei verschiedene Industrieanlagen und die Leistungsfähigkeit des EMS an diesen zu validieren.Zusammenfassend wird in dieser Arbeit ein validiertes EMS für Industrieanlagen vorgestellt, welches thermische Batch-Prozesse auf dem Technology Readiness Level (TRL) 4 berücksichtigt, den Herausforderungen moderner Energiemärkte gerecht wird und die Implementierung erneuerbarer Energiequellen in Industrieanlagen und im Stromnetz erleichtert. Damit leistet die Arbeit einen wichtigen Beitrag zur Dekarbonisierung der Industrie.
Reducing greenhouse gas emissions is crucial to fight climate change. A key instrument for reducing CO2 emissions is to increase the share of renewable energies in the power supply. Renewable energy sources, such as wind or solar power plants, have a fluctuating availability and thus lead to a transformation of the electricity market. Power demand management is becoming crucial for frequency control in the power grid, as electricity supply is becoming more volatile. Therefore, attractive economic incentives such as the balancing energy market and flexible electricity prices are gaining importance. To take full advantage of these incentives, an industrial plant's energy management system (EMS) must meet both timing (e.g., 24-hour electricity demand forecasting) and operational(e.g., short-term electricity demand reduction) requirements. In addition to meeting the challenges of the modern energy market, modern EMSs must further ensure production reliability and have low implementation costs to be deployed in industrial manufacturing plants. Thermal batch processes are common (e.g., annealing, tempering, pasteurization) but particularly challenging processes for EMSs because they generate peak heat loads and are usually not fully automated, leading to uncertainties in heat load prediction. Little research has been done in the field of EMSs for industrial plants with thermal batch processes. Therefore, it is the overarching goal of this thesis to design a broadly applicable EMS which enables the optimal operation of ESSs of industrial plants with thermal batch processes considering the modern electricity market, ensuring production reliability, and causing little implementation cost. According to this goal, multiple methods including a novel EMS-structure, a novel load prediction method, and a novel parametrization method for EMSs are presented in this thesis. The novel EMS-structure consists of a two-layer mixed-integer linear program (MILP) where each layer has a different sampling time, and an online load predictor (OLP). The two layers of the MILP allow to combine a long prediction horizon with a short sampling time. The OLP utilizes the novel load-prediction method and guarantees production reliability. To reduce implementation cost, the MILP is structured in a component-wise way, enabling a fast adaptation to changes of the ESS. The novel parameterization method further reduces the implementation effort and ensures the optimality of the EMS operation. These methods have been combined to produce an EMS that realizes all the features required for widespread application in industrial plants with thermal batch processes. Nevertheless, plant operators must have full confidence in the reliability of the methods before predictive and optimization-based EMSs become state of the art in industry. To approach this issue, a laboratory setup was designed to replicate the power systems of industrial plants with thermal batch processes. The laboratory setup was used to emulate two different industrial plants, including heat recovery systems, peaking heat loads, and industrial heat pumps. The EMS was tested, and its performance validated for both plants. In summary, this thesis presents a validated EMS for power systems considering thermal batch processes at technology readiness level (TRL) 4. It meets the challenges of modern energy markets and facilitates the implementation of renewable energy sources in industrial plants and the power grid. Thus, the thesis provides a significant contribution to the decarbonization of industry.
Databáze: OpenAIRE
Externí odkaz: