Modellprädiktive Regelung von Solarturm-Kraftwerken

Popp, Rudolf; Pitz-Paal, Robert; Abel, Dirk

doi:HT031384792

Modellprädiktive Regelung von Solarturm-Kraftwerken = Model predictive control of solar tower power plants

Popp, Rudolf^RWTH*

2025 & 2026

Verantwortlichkeitsangabevorgelegt von Rudolf Popp

ImpressumAachen : RWTH Aachen University 2025

Umfang1 Online-Ressource : Illustrationen

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2026

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Abel, Dirk (Thesis advisor)^RWTH* ; Pitz-Paal, Robert (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2025-11-07

Online
DOI: 10.18154/RWTH-2026-00473
URL: https://publications.rwth-aachen.de/record/1025017/files/1025017.pdf

Einrichtungen

Lehrstuhl und Institut für Regelungstechnik (416610)

Projekte

Inhaltliche Beschreibung (Schlagwörter)
Prozessoptimierung (frei) ; Salzschmelzereceiver (frei) ; solare Wasserstoffproduktion (frei) ; Solarturmkraftwerk (frei) ; model predictive control (frei) ; modellprädiktive Regelung (frei) ; molten salt receiver (frei) ; process optimization (frei) ; solar hydrogen production (frei) ; solar tower power plant (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Der sichere und zugleich effiziente Betrieb solarthermischer Turmkraftwerke stellt aufgrund komplexer Systemdynamiken und hoher Temperaturen eine anspruchsvolle Automatisierungsaufgabe dar. Obwohl die Effizienz mit zunehmender Temperatur steigt, setzen materialbedingte Grenzen enge Beschränkungen an die zulässige thermische Belastung. Insbesondere bei dynamischen Störungen wie Wolkendurchgängen stoßen konventionelle Regelungsverfahren an ihre Grenzen. Sie reagieren verzögert, arbeiten konservativ und schöpfen das Potenzial der Solarenergie nicht vollständig aus. Diese Arbeit untersucht den Einsatz der Modellprädiktiven Regelung (MPR), um den Zielkonflikt zwischen Effizienz und Sicherheit aktiv zu adressieren. Die MPR verwendet ein physikalisches Modell, um unter Berücksichtigung eines Prädiktionshorizonts eine optimale Stellgröße zu bestimmen. Dabei lassen sich sowohl Temperaturgrenzwerte als auch das dynamische Systemverhalten explizit in die Optimierung einbeziehen. Der erste Anwendungsfall umfasst die Regelung eines Salzschmelzereceivers zur Stromerzeugung. Die MPR senkt die mittlere Temperaturabweichung um 45 % und vermeidet bei einem vergleichbaren Wirkungsgrad von rund 86 % sämtliche kritische Grenzwertverletzungen. In 34 simulierten Szenarien mit dynamischen Strahlungseinbrüchen zeigt die MPR eine deutlich höhere Regelgüte und Robustheit gegenüber einer konventionellen Regelung, die aus einem vorgesteuerten PID-Regler mit Sicherheitsheuristiken besteht. Im zweiten Anwendungsfall wird ein Multireaktorreceiver zur direkten Wasserstoffproduktion untersucht. Die Herausforderung besteht darin, die Sonnenstrahlung auf mehrere Reaktoren optimal zu verteilen. In einer umfassenden Parameterstudie wurde ein effizienter Reduktionsbereich ermittelt, den die MPR gezielt ansteuert. Hybride Feldversuche mit vier Reaktorattrappen belegen, dass eine präzise Regelung von Reduktionsgrad und Absorbertemperatur grundsätzlich realisierbar ist, sofern die geforderte Strahlungsverteilung zuverlässig umgesetzt wird. Ein integrierter Störgrößenbeobachter kann Abweichungen von bis zu 60 % zwischen der Soll- und Ist-Einstrahlung erfolgreich kompensieren. Insgesamt verdeutlicht diese Arbeit, dass modellprädiktive Regelungsverfahren in der Lage sind, solarthermische Systeme näher an ihrer physikalischen Leistungsgrenze zu betreiben, ohne dabei Sicherheitsrisiken einzugehen. Die MPR erweist sich somit als ein vielversprechender Ansatz zur Effizienzsteigerung und wirtschaftlichen Optimierung zukünftiger Solarturmkraftwerke.

The safe and efficient operation of solar thermal tower power plants poses a demanding automation challenge due to complex system dynamics and extreme thermal conditions. While higher temperatures improve efficiency, material constraints impose strict thermal limits. Conventional control strategies, such as feedforward PID controllers with heuristic safety mechanisms, reach their limits under dynamic disturbances like passing clouds. They react only after deviations occur, operate conservatively and do not fully exploit the available solar power potential. This work investigates the application of Model Predictive Control (MPC) as an active strategy to balance efficiency and safety. By leveraging a physics-based system model, the MPC enables predictive optimization over a finite planning horizon while explicitly considering thermal limits and dynamic system responses. The first application focuses on the control of a molten-salt receiver for power generation. Compared to a conventional PID controller, the MPC reduces the root mean square temperature deviation by 45%, maintains a thermal efficiency of approximately 86%, and avoids all critical limit violations. Across 34 simulated scenarios, including dynamic cloud-induced irradiance fluctuations, MPC demonstrates significantly higher robustness. The second application addresses a multi-reactor receiver for direct hydrogen production, where solar radiation must be dynamically allocated among several reactors. A detailed parameter study identified an efficient reduction regime, which MPC is able to target specifically. In hybrid field trials with four inactive reactor dummies, the precise control of absorber temperature and reduction degree proves fundamentally feasible. However, this is contingent on accurate realization of the commanded irradiance. Deviations of up to 60% between target and actual irradiance are successfully mitigated using an integrated disturbance observer. In summary, this work demonstrates that MPC holds strong potential for operating solar thermal systems closer to their physical performance limits without compromising safety. MPC thus represents a promising approach to enhance efficiency and economic viability of next-generation solar tower power plants.

OpenAccess:
PDF
(additional files)