810112 20230411161358.0 HBZ HT020806601 Laufende Nummer 40061 datacite_doi 10.18154/RWTH-2021-00399 RWTH-2021-00399 English 620 P:(DE-82)IDM01061 Schäfer, Pascal 0 rwth Model-based approaches to demand side management of continuous industrial processes vorgelegt von Pascal Schäfer online Modellgestützte Ansätze zur Laststeuerung kontinuierlicher industrieller Prozesse German Aachen RWTH Aachen University 2020 2021 1 Online-Ressource (XVIII, 167 Seiten) : Illustrationen, Diagramme 2 EndNote Thesis PUB:(DE-HGF)11 PUB:(DE-HGF) Dissertation / PhD Thesis phd phd PUB:(DE-HGF)3 PUB:(DE-HGF) Book book BibTeX PHDTHESIS DRIVER doctoralThesis DataCite Output Types/Dissertation ORCID DISSERTATION Aachener Verfahrenstechnik 13 (2020) Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2021 Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2020 Dissertation Rheinisch-Westfälische Technische Hochschule Aachen 2020 Fak04 2020-12-11 Industrielle Laststeuerung wird zunehmend als wichtige Maßnahme erkannt, den netzweiten Stromverbrauch an eine volatile Erzeugung aus erneuerbaren Quellen anzupassen. Gleichzeitig bieten die in liberalisierten Strommärkten verursachten Preisschwankungen vielversprechende monetäre Anreize für einen lastflexiblen Betrieb. Entsprechend versuchten in den vergangenen Jahrzehnten zahlreiche Arbeiten, wirtschaftliche Potenziale angepasster Produktionspläne mittels modell- und optimierungsbasierter Ansätzen zu heben. Vor diesem Hintergrund ist der Beitrag der vorliegenden Arbeit vierfacher Natur. Erstens: Die relevante Literatur beschränkt sich derzeit primär auf Betriebsoptimierungsprobleme, die (abschnittsweise) linearisierte Prozessmodelle zwecks Einsatz effizienter numerischer Lösungsverfahren verwenden. Im Gegensatz dazu liegt der Fokus dieser Arbeit auf der Entwicklung von Algorithmen, die die Betrachtung langer Planungshorizonte mit feinen Diskretisierungen auch für Optimierungsprobleme mit nichtlinearen Prozessmodellen ermöglichen. Insbesondere zeigen wir, dass so zulässige, nah-optimale Produktionspläne identifiziert werden können, obwohl nur ein kleiner Anteil an Freiheitsgraden dem Optimierer zur Anpassung freigegeben wird. Dies führt zu erheblichen Reduktionen der Rechenzeit im Vergleich zu Lösungsansätzen, die die volle Dimensionalität berücksichtigen. Zweitens erweitern wir bestehende Arbeiten, die für eine Berücksichtigung des transienten Prozessverhaltens während Lastwechseln bei Betriebsoptimierungen von Prozessen mit langsamer Dynamik plädieren. Hier stellen wir einen hybriden mechanistisch-datengetriebenen Modellreduktionsansatz für Rektifikationskolonnen vor, der signifikante Reduktionen der Rechenzeiten ermöglicht und gleichzeitig ähnliche Vorhersagegenauigkeiten aufweist wie rigorose Stufenmodelle. Dadurch verbessern wir die Echtzeitfähigkeit nichtlinearer modellprädiktiver Regelungsansätze mit ökonomischer Zielfunktion und erlauben eine Teilnahme an kontinuierlichen Strommärkten direkt auf Ebene der Regelung. Drittens betrachten wir die optimale Entscheidungsfindung auf "Pay-as-bid"-Strommärkten, wie dem deutschen Markt für Primärregelleistung, wo die Abwägung zwischen einer höheren Wahrscheinlichkeit des Zuschlags für ein Angebot und einer höheren potenziellen Ausgleichszahlung erforderlich ist. Um dies zu berücksichtigen, wird hier eine zweistufige stochastische Problemformulierung vorgestellt, bei der wir in der ersten Stufe das Gebot für die Auktion auf dem Regelleistungsmarkt optimieren und in der zweiten Stufe die verbleibende Flexibilität für eine Betriebsoptimierung am Spotmarkt einsetzen. Viertens hinterfragen wir derzeit diskutierte Maßnahmen zur Erhöhung des Flexibilitätspotenzials von industriellen Prozessen kritisch vor dem Hintergrund der Dekarbonisierung des Stromsektors. Dazu betrachten wir einen generischen Prozess und evaluieren, ob Maßnahmen, die die Ausnutzung variabler Strompreise erleichtern, auch zu einer Reduktion des Verbrauchs fossil erzeugten Stroms zugunsten von erneuerbarem führen. Insbesondere zeigen wir, dass typische Preisschwankungen adäquate monetäre Anreize für die Vorhaltung von Speicherkapazitäten, die Lastverschiebungen auf Zeitskalen in der Größenordnung eines Tages ermöglichen und daher entscheidend für die Verringerung der mit der Erzeugung des bezogenen Stroms verbundenen Umweltauswirkungen wären, verhindern. ger Industrial demand side management is increasingly recognized as an important measure to align the network-wide electricity consumption with a volatile generation from intermittent renewable sources. At the same time, induced price fluctuations at liberalized electricity markets offer promising monetary incentives for flexible operation. Consequently, within the past decades, numerous works aimed at raising the economic potentials of adjusted production schedules by using model- and optimization-based approaches. Within this context, the contribution of the present thesis is fourfold. First, the relevant literature currently mainly confines to scheduling optimization problems embedding (piecewise) linearized process models to maintain computational tractability. In contrast, we herein focus on the development of algorithms that allow for the consideration of long planning horizons with fine discretizations in the case of scheduling formulations with nonlinear process models. In particular, we show that feasible near-optimal schedules can thereby be furnished, although exposing only a small fraction of the degrees of freedom to the optimizer, which leads to substantial savings in computational times compared to solution approaches considering the full dimensionality. Second, we build on existing works that argue to account for the transient process behavior during load changes in scheduling optimizations for processes with slow dynamics. In particular, we herein present a hybrid mechanistic/data-driven model reduction approach for distillation columns that allows for substantial reductions in computational times while providing similar prediction capabilities as full-order stage-to-stage models. Thereby, we enhance the real-time capability of economic nonlinear model predictive control schemes and enable participation in continuous electricity markets directly at the control layer. Third, we address the optimal decision-making at pay-as-bid electricity markets, such as the German market for primary balancing power, where a severe trade-off between a higher probability of acceptance of a bid and a higher potential compensation payment exists. To account for this trade-off, we herein propose a two-stage stochastic problem formulation, where we optimize the bid at the balancing market auction in the first stage and market the remaining flexibility at the spot market in the second stage by a scheduling optimization. Fourth, we critically question currently discussed measures increasing the flexibility potential of industrial processes from the perspective of the decarbonization of the electricity sector. For this purpose, we consider a generic process and evaluate whether measures that enhance the exploitation of time-variable electricity prices also result in a reduction of the consumption of fossil-generated electricity in favor of renewable electricity. Most importantly, we show that characteristic price fluctuation patterns prevent adequate monetary incentives for providing storage capacities that enable load shiftings on time scales in the order of one day, which would however be crucial for reducing the environmental impacts associated with the generation of the purchased electricity. eng Dataset connected to Lobid/HBZ Germany demand side management hybrid modeling model reduction numerical optimization scheduling P:(DE-82)IDM00369 Mitsos, Alexander 1 Thesis advisor rwth P:(DE-82)102382 Grossmann, Ignacio E. 2 Thesis advisor http://publications.rwth-aachen.de/record/810112/files/810112.pdf OpenAccess http://publications.rwth-aachen.de/record/810112/files/810112_source.zip Restricted oai:publications.rwth-aachen.de:810112 dnbdelivery driver VDB open_access openaire I:(DE-588b)36225-6 P:(DE-82)IDM01061 RWTH Aachen 0 RWTH I:(DE-588b)36225-6 P:(DE-82)IDM00369 RWTH Aachen 1 RWTH 2020 StatID:(DE-HGF)0510 StatID OpenAccess I:(DE-82)416710_20140620 416710 Lehrstuhl für Systemverfahrenstechnik 0 FullTexts I:(DE-82)416710_20140620 UNRESTRICTED VDB book phd