h1

001022412 001__ 1022412
001022412 005__ 20251222113339.0
001022412 0247_ $$2HBZ$$aHT031354252
001022412 0247_ $$2Laufende Nummer$$a44843
001022412 0247_ $$2datacite_doi$$a10.18154/RWTH-2025-10005
001022412 037__ $$aRWTH-2025-10005
001022412 041__ $$aEnglish
001022412 082__ $$a620
001022412 1001_ $$0P:(DE-82)IDM06399$$aPapadimitriou, Chrysanthi$$b0$$urwth
001022412 245__ $$aDynamic optimization strategies for scheduling of chemical processes under time-varying electricity prices$$cvorgelegt von Chrysanthi Papadimitriou$$honline
001022412 246_3 $$aDynamische Optimierungsstrategien für die Steuerung von chemischen Prozessen bei zeitlich variierenden Strompreisen$$yEnglish
001022412 260__ $$aAachen$$bRWTH Aachen University$$c2025
001022412 300__ $$a1 Online-Ressource : Illustrationen
001022412 3367_ $$02$$2EndNote$$aThesis
001022412 3367_ $$0PUB:(DE-HGF)11$$2PUB:(DE-HGF)$$aDissertation / PhD Thesis$$bphd$$mphd
001022412 3367_ $$0PUB:(DE-HGF)3$$2PUB:(DE-HGF)$$aBook$$mbook
001022412 3367_ $$2BibTeX$$aPHDTHESIS
001022412 3367_ $$2DRIVER$$adoctoralThesis
001022412 3367_ $$2DataCite$$aOutput Types/Dissertation
001022412 3367_ $$2ORCID$$aDISSERTATION
001022412 4900_ $$aAachener Verfahrenstechnik series - AVT.SVT - Process systems engineering$$v43
001022412 502__ $$aDissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025$$bDissertation$$cRheinisch-Westfälische Technische Hochschule Aachen$$d2025$$gFak04$$o2025-11-18
001022412 500__ $$aVeröffentlicht auf dem Publikationsserver der RWTH Aachen University
001022412 5203_ $$aDemand-Side-Management verbessert die Netzstabilität durch den Abgleich des Stromverbrauchs mit der Stromverfügbarkeit in Märkten mit hohem Anteil an erneuerbarer Energien. Durch die Produktionssteuerung können stromintensive Prozesse ihre Effizienz unter Einhaltung von Produktionsvorgaben steigern, während die Produktionsanpassung an Preisschwankungen vom Spotmarkt zusätzlichen Gewinn generiert. Diese Flexibilität erfordert die Einbindung der Prozessdynamik in Planungsentscheidungen, insbesondere wenn die Zeitskalen von System und Preis überschneiden. Während die Volatilität des Energiemarktes eine Online- Prozessentscheidung nahelegt, führt die eingebettete Dynamik zu rechnerisch anspruchsvollen dynamischen Optimierungsproblemen. Diese Dissertation entwickelt Lösungsansätze für dynamische Produktionssteuerung sowie Methoden zur Stromspotmarktausnutzung, um wirtschaftliche und rechnerische Hürden in industriellen Anwendungen zu adressieren.Zuerst erweitern wir einen globalen dynamischen Optimierungsansatz auf nichtkonvexe Steuerungsprobleme mit eingebetteter Dynamik mit Hilfe von Hammerstein–Wiener- Modellen, welche auf Prozessdaten trainiert wurden. Die Methode zeigt ein hohes wirtschaftliches Potenzial bei der Steuerung der Bernsteinsäurerückgewinnung, ist aber für den Echtzeiteinsatz ungeeignet. Zur Verbesserung der Rechenzeit führen wir eine Gitterverfeinerung der Steuerung ein, um Berechnungen zu beschleunigen und Lösungen hoher Qualität zu erreichen, jedoch bleibt die rechnerische Unlösbarkeit des Problems bestehen.Anschließend heben wir die Auswirkungen der Auswahl des Preisszenarios in Demand- Response-Studien hervor. Um eine willkürliche Auswahl und Szenarienexplosion zu vermeiden, schlagen wir ein Rahmenwerk zur Generierung Day-Ahead- und Intraday-Preisprofile aus historischen Daten vor. Die Methode erfasst zentrale Datenmerkmale, ist rechenleicht liefert über ein Betriebsjahr hinweg Ergebnisse vergleichbar mit dem Stand der Technik.Die systematische Berücksichtigung von Day-Ahead- und Intraday-Preisen ermöglicht die Marktteilnahme auf unterschiedlichen Zeitskalen im Einklang mit der Prozessdynamik auf Steuerungs- und Regelungsebene. Wir schlagen ein Zwei-Ebenen-Steuerungs- und Regelungsschema für an beiden Märkten teilnehmenden Prozessen vor. Aufbauend auf integrierter dynamischer Steuerung und ökonomischer modellprädiktiver Regelung erfolgt die Prozesssteuerung unter Day-Ahead-Preisen, gefolgt von Intraday-Anpassungen und Markttransaktionen. Angewendet auf eine Luftzerlegunganlage erzielt das Schema konsistent hohe wirtschaftliche Leistungen gegenüber etablierten Methoden.Aufbauend auf den vorgeschlagenen Methoden untersuchen wir den Kompromiss zwischen Modelltreue und Optimierungskomplexität in der dynamischen Steuerung innerhalb integrierter Steuerung und Regelung. Wir vergleichen mechanistische und reduzierte Modelle unter lokaler Optimierung mit Scale-Bridging-Modellen unter globaler Optimierung für verschiedenen Formulierungen. Die Anwendung auf die Luftzerlegung zeigt, dass lokale Optimierung mit mechanistischen Modellen eine verbesserte wirtschaftliche und regelungstechnische Leistung gegenüber den reduzierten Modellen bietet, während reduzierte Modelle geeigneter sind, wenn Prozessdaten zur Verfügung stehen.$$lger
001022412 520__ $$aDemand-side management enhances grid stability by aligning electricity consumption with power availability in markets with a high share of renewables. In this context, process scheduling enables electricity-intensive processes to enhance efficiency and meet production constraints while profiting from spot markets by adjusting production to price fluctuations. Achieving such flexibility requires incorporating process dynamics into scheduling decisions, particularly when system and price time scales align. While energy market volatility suggests online process decision-making, embedded dynamics induce computationally challenging dynamic optimization problems. This dissertation develops solution approaches for dynamic scheduling and methods to exploit electricity spot markets, addressing economic and computational barriers in industrial applications.We first extend a global dynamic optimization approach to nonconvex scheduling with dynamics embedded, using Hammerstein–Wiener models trained on experimental data from an electrochemical process. The method demonstrates strong economic potential in scheduling succinic acid recovery but is unsuitable for real-time use. To address this, we introduce control grid refinement to accelerate computations and reach high-quality solutions, though computational intractability remains.Next, we highlight the impact of electricity price scenario selection in demand-response studies. To avoid arbitrary choices and scenario explosion, we propose a framework for generating day-ahead and intraday price profiles from historical data. The method captures key data features, requires minimal computational effort and yields results comparable to state-of-the-art techniques over a full year of operation.Systematic consideration of day-ahead and intraday prices enables market participation across different time scales, aligning with process dynamics in scheduling and control. We propose a two-economic-layer scheme for scheduling and control of processes participating in both markets. Building on integrated dynamic scheduling and economic model predictive control, we perform scheduling under day-ahead prices followed by intraday adjustments and market trading. Applied to an air separation process, the scheme, unlike common methods, achieves consistently high economic performance.Building on the proposed methodologies, we investigate the trade-off between model fidelity and optimization complexity in dynamic scheduling within integrated scheduling and control. We compare full-order and reduced-order models under local optimization with scale-bridging models versus global optimization under varying formulations. Application to air separation shows local optimization with full-order models offering an improved economic and control performance, while local optimization with nonlinear reduced-order models is suitable when process data are available.$$leng
001022412 536__ $$0G:(GEPRIS)333849990$$aGRK 2379 - GRK 2379: Hierarchische und hybride Ansätze für moderne inverse Probleme (333849990)$$c333849990$$x0
001022412 588__ $$aDataset connected to DataCite
001022412 591__ $$aGermany
001022412 653_7 $$adynamic optimization
001022412 653_7 $$aelectricity prices
001022412 653_7 $$aflexible process operation
001022412 653_7 $$amodel-based optimization
001022412 653_7 $$aoptimal scheduling
001022412 653_7 $$ascheduling and control
001022412 7001_ $$0P:(DE-82)IDM00369$$aMitsos, Alexander$$b1$$eThesis advisor$$urwth
001022412 7001_ $$aBaldea, Michael$$b2$$eThesis advisor
001022412 8564_ $$uhttps://publications.rwth-aachen.de/record/1022412/files/1022412.pdf$$yOpenAccess
001022412 8564_ $$uhttps://publications.rwth-aachen.de/record/1022412/files/1022412_source.zip$$yRestricted
001022412 909CO $$ooai:publications.rwth-aachen.de:1022412$$pdnbdelivery$$pdriver$$pVDB$$popen_access$$popenaire
001022412 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess
001022412 9141_ $$y2025
001022412 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM06399$$aRWTH Aachen$$b0$$kRWTH
001022412 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM00369$$aRWTH Aachen$$b1$$kRWTH
001022412 9201_ $$0I:(DE-82)416710_20140620$$k416710$$lLehrstuhl für Systemverfahrenstechnik$$x0
001022412 961__ $$c2025-12-19T14:22:33.065037$$x2025-11-25T14:56:22.845289$$z2025-12-19T14:22:33.065037
001022412 9801_ $$aFullTexts
001022412 980__ $$aI:(DE-82)416710_20140620
001022412 980__ $$aUNRESTRICTED
001022412 980__ $$aVDB
001022412 980__ $$abook
001022412 980__ $$aphd