h1

001009405 001__ 1009405
001009405 005__ 20250415102316.0
001009405 0247_ $$2HBZ$$aHT031032043
001009405 0247_ $$2Laufende Nummer$$a44135
001009405 0247_ $$2datacite_doi$$a10.18154/RWTH-2025-03483
001009405 037__ $$aRWTH-2025-03483
001009405 041__ $$aEnglish
001009405 082__ $$a620
001009405 1001_ $$0P:(DE-82)IDM05467$$aEl Wajeh, Mohammad$$b0$$urwth
001009405 245__ $$aOptimal dynamic operation of electrified biodiesel production$$cvorgelegt von Mohammad El Wajeh$$honline
001009405 246_3 $$aOptimale dynamische Betriebsführung der elektrifizierten Biodieselproduktion$$yGerman
001009405 260__ $$aAachen$$bRWTH Aachen University$$c2025
001009405 300__ $$a1 Online-Ressource : Illustrationen
001009405 3367_ $$02$$2EndNote$$aThesis
001009405 3367_ $$0PUB:(DE-HGF)11$$2PUB:(DE-HGF)$$aDissertation / PhD Thesis$$bphd$$mphd
001009405 3367_ $$0PUB:(DE-HGF)3$$2PUB:(DE-HGF)$$aBook$$mbook
001009405 3367_ $$2BibTeX$$aPHDTHESIS
001009405 3367_ $$2DRIVER$$adoctoralThesis
001009405 3367_ $$2DataCite$$aOutput Types/Dissertation
001009405 3367_ $$2ORCID$$aDISSERTATION
001009405 4900_ $$aAachener Verfahrenstechnik series - AVT.SVT - Process systems engineering$$v36
001009405 502__ $$aDissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025$$bDissertation$$cRheinisch-Westfälische Technische Hochschule Aachen$$d2025$$gFak04$$o2025-03-28
001009405 500__ $$aVeröffentlicht auf dem Publikationsserver der RWTH Aachen University
001009405 5203_ $$aDer flexible Betrieb elektrifizierter chemischer Prozesse, die mit erneuerbarem Strom betrieben werden, bietet sowohl wirtschaftliche als auch ökologische Vorteile. Die Umstellung vom herkömmlichen stationären Betrieb auf einen flexiblen Betrieb stellt jedoch eine große Herausforderung für die Prozessentwicklung und den Betrieb dar. Dieser Paradigmenwechsel bereitet zwar den Weg für einen optimalen flexiblen Betrieb, erfordert aber auch die Einbeziehung der Prozessdynamik in Planungsentscheidungen. Dies ist vor allem für chemische Anlagen, wie z. B. Biodieselproduktionsprozesse, relevant, bei denen die zeitlichen Charakteristika mit den Zeitpunkten der Strompreisschwankungen übereinstimmen. In dieser Dissertation entwickeln und implementieren wir modellierungs- und optimierungsbasierte Methoden, um Schlüsselaspekte des optimalen dynamischen Betriebs in elektrifizierten chemischen Prozessen zu adressieren. Wir entwickeln und wenden einen Modellierungs- und Optimierungsrahmen an, um das Ziel eines optimalen flexiblen Betriebs für einen elektrifizierten Biodieselproduktionsprozess zu erreichen. Die Kapitel der Dissertation sind um diesen Rahmen aufgebaut, beginnend mit der Modellentwicklung, gefolgt von der Elektrifizierung und der Offline-Optimierung mit Berücksichtigung zur Prozessgestaltung, und abschließend mit der Online-Regelung. Wir beginnen mit dem Modellentwicklungsschritt, in der wir ein mechanistisches dynamisches Modell des Biodieselproduktionsprozesses zusammen mit zwei anlagenweiten Regelungsstrukturen einführen. Wir simulieren die Antworten der Anlage auf verschiedene Störungen, um die Notwendigkeit modellbasierter Kontrollstrategien zu verdeutlichen. Dieses Modell dient als Grundlage für die nachfolgenden Kapitel. In dem Schritt der Offline-Optimierung formulieren wir dynamische Optimierungsprobleme, die flexibilitätsorientierte Prozessentwürfe einbeziehen. Wir demonstrieren den Nutzen von Puffertanks, die nicht nur die betriebliche Flexibilität erhöhen, sondern auch eine Systemzerlegung für eine verteilte Optimierung ermöglichen. Außerdem untersuchen wir die Auswirkungen der Wärmeintegration auf die betriebliche Flexibilität und zeigen, wie die Einbeziehung zusätzlicher Elektrifizierung die Freiheitsgrade der Optimierung erhöht. Aufbauend auf den Ergebnissen der Offline-Studien und den flexibilitätsorientierten Prozesskonfigurationen implementieren wir in dem letzten Schritt Echtzeitregelungsanwendungen. Insbesondere nutzen wir die Prozesskonfiguration, die eine verteilte Optimierung unterstützt, um eine verteilte ökonomische nichtlineare modellprädiktive Regelung zu entwickeln und anzuwenden. Unsere verteilten Regelungsstrategien umfassen sowohl sequentielle und iterative Kommunikationsarchitekturen als auch Kompensationsverfahren für Rechenverzögerungen, die Verzögerungen über mehrere Abtastintervalle hinweg berücksichtigen. Indem wir diese drei Schritte systematisch durchlaufen, erreichen wir das endgültige Ziel eines optimalen und realisierbaren flexiblen Betriebs. Diese Dissertation zeigt nicht nur die Zusammenhänge zwischen diesen Schritten während der Entwicklung und Implementierung auf, sondern präsentiert auch Methoden und Werkzeuge, die auf eine Vielzahl anderer chemischer Prozesse übertragbar sind.$$lger
001009405 520__ $$aThe flexible operation of electrified chemical processes powered by renewable electricity offers both economic and ecological benefits, contributing to more sustainable chemical production. However, transitioning from conventional steady-state operations presents a significant challenge to process design and operation. While this change in operational paradigm paves the way for achieving optimal flexible operation and effective demand-side management, it also necessitates incorporating process dynamics into scheduling decisions to ensure both optimal and feasible outcomes. This is particularly relevant for chemical plants, such as biodiesel production processes, which operate on time scales comparable to fluctuations in electricity prices. In this dissertation, we develop and implement modeling- and optimization-based methods and tools to address key aspects of optimal dynamic operations in electrified chemical processes. We develop and apply a modeling and optimization framework that guides process systems through essential stages to achieve the final goal of optimal flexible operation for an electrified biodiesel production process. The dissertation chapters are structured around these main stages, beginning with model development, followed by electrification and offline optimization with process design considerations, and concluding with online control. We begin with the model development phase, where we introduce a rigorous mechanistic dynamic model of the biodiesel production process, along with two plantwide base-layer control structures. We simulate plant responses under various disturbances to highlight the necessity of model-based control strategies in meeting operational goals. This model serves as the foundation for the subsequent chapters. Moving to the offline optimization stage, we formulate dynamic optimization problems that incorporate flexibility-oriented process designs. We demonstrate the dual role of buffer tanks for storing intermediate and final products, which not only enhance operational flexibility but also enable system decomposition for distributed optimization by decoupling dynamics between different process sections. Additionally, we explore the impact of heat integration on operational flexibility and demonstrate how incorporating additional electrified heating units increases the degrees of freedom in optimization. Building on the offline studies and flexibility-oriented process configurations, we then move to the final stage—online control—where we implement real-time control applications. In particular, we leverage the process configuration that supports distributed optimization to develop and apply distributed economic nonlinear model predictive control. Our distributed control strategies incorporate both sequential and iterative communication architectures, as well as compensation schemes for computational delays. These schemes account for subsystem couplings and delays across multiple sampling intervals. By systematically progressing through these three stages, we achieve the final objective of optimal and feasible flexible operation for chemical processes. This dissertation not only demonstrates the interconnectivity between these stages during both development and implementation but also provides methods and tools with broad applicability to other chemical processes targeting optimal dynamic operations.$$leng
001009405 536__ $$0G:(DE-82)03SFK3L1$$aBMBF 03SFK3L1 - Kopernikus-Projekt SynErgie (03SFK3L1)$$c03SFK3L1$$x0
001009405 588__ $$aDataset connected to Lobid/HBZ
001009405 591__ $$aGermany
001009405 653_7 $$adistributed control
001009405 653_7 $$adynamic modeling
001009405 653_7 $$adynamic optimization
001009405 653_7 $$amodel predictive control
001009405 653_7 $$anonlinear control
001009405 7001_ $$0P:(DE-82)IDM00369$$aMitsos, Alexander$$b1$$eThesis advisor$$urwth
001009405 7001_ $$0P:(DE-82)1010076$$aSwartz, Christopher L. E.$$b2$$eThesis advisor
001009405 8564_ $$uhttps://publications.rwth-aachen.de/record/1009405/files/1009405.pdf$$yOpenAccess
001009405 8564_ $$uhttps://publications.rwth-aachen.de/record/1009405/files/1009405_AV.pdf$$yRestricted
001009405 8564_ $$uhttps://publications.rwth-aachen.de/record/1009405/files/1009405_source.zip$$yRestricted
001009405 909CO $$ooai:publications.rwth-aachen.de:1009405$$pdnbdelivery$$pdriver$$pVDB$$popen_access$$popenaire
001009405 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess
001009405 9141_ $$y2025
001009405 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM05467$$aRWTH Aachen$$b0$$kRWTH
001009405 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM00369$$aRWTH Aachen$$b1$$kRWTH
001009405 9201_ $$0I:(DE-82)416710_20140620$$k416710$$lLehrstuhl für Systemverfahrenstechnik$$x0
001009405 961__ $$c2025-04-14T15:54:22.886081$$x2025-04-02T23:12:30.144028$$z2025-04-14T15:54:22.886081
001009405 9801_ $$aFullTexts
001009405 980__ $$aI:(DE-82)416710_20140620
001009405 980__ $$aUNRESTRICTED
001009405 980__ $$aVDB
001009405 980__ $$abook
001009405 980__ $$aphd