guest ::
Graph framework for automated urban energy system modeling = Graphen-basiertes Framework zur automatisierten Modellerstellung für Urbane Energiesysteme
2017 & 2018
Dissertation, RWTH Aachen University, 2017
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2018
Genehmigende Fakultät
Fak04
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2017-09-01
Online
DOI: 10.18154/RWTH-2018-224612
URL: http://publications.rwth-aachen.de/record/726027/files/726027.pdf
URL: http://publications.rwth-aachen.de/record/726027/files/726027.pdf?subformat=pdfa
Einrichtungen
Thematische Einordnung (Klassifikation)
DDC: 620
Kurzfassung
Die Dekarbonisierung der Energieversorgung führt aktuell zu neuen Herausforderung für die Modellierung urbaner Energiesysteme. Zu den wichtigsten Herausforderungen zählen dabei integrale Ansätze zur Modellierung, bessere Vorhersagen des dynamischen Systemverhaltens sowie die Automatisierung von Arbeitsabläufen um die zunehmende Komplexität des Systems beherrschbar zu machen. Als Beitrag zur Lösung dieser Herausforderungen beschreibt diese Arbeit ein graphen-basiertes Framework zur Modellbeschreibung für urbane Energiesysteme. Für die Anwendung auf Wärmenetze zeigt die Arbeit auf, wie dieses Framework zur Automatisierung von Modellierungsabläufen beiträgt. Das entwickelte graphen-basierte Framework uesgraphs unterteilt die Systembeschreibung in eine modellneutrale Beschreibung der Systemstruktur und eine separate Beschreibung der Modellstruktur. Dazu definiert uesgraphs ein Python-Paket, das bestehende Methoden zur Beschreibung von Graphen erweitert, damit verschiedene Energienetze, Gebäude und Straßennetze in einem georeferenzierten Graph abgebildet werden können. Eine automatisierte Verwaltung von Knotenlistenermöglicht Nutzern einen flexiblen Umgang mit Teilgraphen, so dass einzelne Teilsysteme und Energienetze extrahiert und rekombiniert werden können. Aufbauend auf dieser Beschreibung der Systemstruktur ermöglichen zwei weitere im Rahmen dieser Arbeit entwickelte Python-Pakete die automatisierte Modellerstellung von Systemmodellen für Wärmenetze. Zusammen bilden diese Anwendungen ein Werkzeug für detaillierte Analysen verschiedener Ansätze zur Modellierung von Wärmenetzen. Ein Vergleich beider Modellierungsansätze zeigt, dass die Verwendung eines dynamischen Rohrmodells unter Berücksichtigung von Temperaturwellenausbreitung die Genauigkeit der Simulation von Vorlauftemperaturen und der Effizienz des Gesamtsystems besonders auf kurzen Zeitskalen verbessern kann. Darüber hinaus verbessert ein dynamisches Modell der Übergabestationen nicht nur die Ergebnisse für kurze Zeitskalen, sondern hat auch einen bedeutenden Einfluss auf die simulierte Gesamteffizienz des Systems über längere Zeiträume. Zusammen demonstrieren die entwickelten Methoden und Modelle ein graphen-basiertes Framework zur automatisierten Modellerstellung für urbane Energiesysteme, das Analysen, Modellierung und Simulation erleichtert und dabei den manuellen Aufwand für diese Prozesse deutlich verringert.Current efforts to decarbonize energy supply chains lead to new challenges for urban energy system modeling. Among the key challenges are increasing model integration to leverage synergies between different subsystems, better prediction of the dynamic system behavior in time-varying operation conditions and workflow automation to handle the increasing system complexity. To help address these challenges, this thesis presents the graph framework uesgraphs for model representations of urban energy systems. For the application of district heating systems, the thesis demonstrates how this framework facilitates automating modeling-related workflows like the creation of scalable use cases and the generation of system models with different modeling approaches, which enables model comparisons and thus supports the development of new dynamic modelling approaches to better address the needs of future urban energy systems. The presented graph framework uesgraphs separates the system description into a model-neutralsystem description layer and leaves the energy modeling itself to an additional model layer to be defined in separate applications. To this end, uesgraphs defines a Python package that extends existing general graph methods to represent different energy networks, buildings and the street network inform of a geo-referenced system graph. An automated management of nodelists allows users to flexibly extract subgraphs of certain energy networks and recombine them into an urban energy systemgraph. Based on this system description in the graph layer, two additional Python packages introduce methods for automated model generation for district heating networks. The package dhcstatic defines methods for quasi-static district heating modeling and simulation in Python while the package uesmodels enables automated generation of dynamic district heating system models in Modelicacode. These applications build a toolkit for in-depth analyses of different approaches to districtheating modeling. A comparison between both modeling approaches shows that a dynamic pipe model accounting for temperature wave propagations through the network can add accuracy regarding the short-term prediction of building substation supply temperatures as well as of the overall network efficiency. In addition, a dynamic substation model not only improves short-term simulation results but also has significant effects on the predicted overall network performance over longer simulation periods. Together, the developed methods and models demonstrate a graph framework for automated urban energy system model generation that facilitates analyses, modelling and simulation and significantly reduces manual effort in the process.
OpenAccess: 
PDF 
PDF (PDFA)
(additional files)
Dokumenttyp
Book/Dissertation / PhD Thesis
Format
online, print
Sprache
English
Externe Identnummern
HBZ: HT019703982
Interne Identnummern
RWTH-2018-224612
Datensatz-ID: 726027
Beteiligte Länder
Germany
|
The record appears in these collections: |