Optimal design of power-to-x processes

Burre, Jannik; Martin, Mariano Martin; Mitsos, Alexander

doi:10.18154/RWTH-2022-04275

Optimal design of power-to-x processes = Optimales Design von Power-to-X-Prozessen

Burre, Jannik^RWTH*

2022

Verantwortlichkeitsangabevorgelegt von Jannik Burre

ImpressumAachen : RWTH Aachen University 2022

Umfang1 Online-Ressource : Illustrationen

ReiheAachener Verfahrenstechnik series AVT.SVT - Process systems engineering ; 25

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2022

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Mitsos, Alexander (Thesis advisor)^RWTH* ; Martin, Mariano Martin (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2022-03-28

Online
DOI: 10.18154/RWTH-2022-04275
URL: https://publications.rwth-aachen.de/record/844880/files/844880.pdf

Einrichtungen

Lehrstuhl für Systemverfahrenstechnik (416710)

Projekte

Inhaltliche Beschreibung (Schlagwörter)
dimethoxymethane (frei) ; e-fuel (frei) ; global optimization (frei) ; oxymethylene ether (frei) ; power-to-X (frei) ; process design (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Der zunehmende Anteil erneuerbarer Energiequellen im Stromnetz führt zu Abregelungen, die die volle Ausschöpfung des ökologischen und wirtschaftlichen Potenzials von erneuerbarem Strom verhindern. Power-to-X-Prozesse können diesen Strom für die Herstellung von Produkten nutzen, die sonst aus fossilen Quellen erzeugt würden. Für einen größtmöglichen Nutzen müssen diese Prozesse allerdings hinsichtlich maximaler Ressourceneffizienz optimiert sein. Der alleinige Austausch von Rohstoffen ist in der Regel nicht zielführend. Daher entwickeln wir zur Identifizierung und zum Design nachhaltiger Prozesskonzepte optimierungsbasierte Methoden, die wir auf die Herstellung von Dimethoxymethan (DMM oder OME1) - ein vielversprechender synthetischer Kraftstoff und Zwischenprodukt für die Herstellung von längerkettigen Oxymethylenethern (OME3-5)—anwenden. Um die etablierten Prozesskonzepte zur DMM- und OME3-5-Produktion analysieren zu können, implementieren wir detaillierte Prozessmodelle. Mit diesen zeigen wir, dass selbst unter Berücksichtigung einer maximal möglichen Wärmeintegration diese Prozesse deutlich ineffizienter sind als die zur Produktion von anderen synthetischen Kraftstoffen. Für eine effiziente Produktion von DMM müssen also grundlegend neue Prozesse entwickelt werden. Power-to-X-Prozesse befinden sich in der Regel auf einem unterschiedlichen Entwicklungsstand. Um einen fairen Vergleich und optimales Prozessdesign zu ermöglichen, entwickeln wir ein Framework, das optimierungsbasierte Methoden auf verschiedenen Hierarchieebenen einbezieht. Das Framework ermöglicht eine systematische Prozessentwicklung und -bewertung hinsichtlich drei Indikatoren: Produktionskosten, Exergieeffizienz und CO2-Fußabdruck. Bei dessen Anwendung auf fünf Reaktionswege für die DMM-Produktion haben wir die direkte CO2-Reduktion als am nachhaltigsten identifizieren können. Für eine erfolgreiche industrielle Umsetzung sind detaillierte Prozessmodelle erforderlich. Da die hohe Komplexität solcher Modelle oft Schwierigkeiten für die deterministische Optimierung mit sich bringt, entwickeln wir für die reduktive DMM-Produktion ein hybrides Prozessmodell bestehend aus Gaußschen Prozessen und künstlichen neuronalen Netzen. Zur Lösung des nichtkonvexen Optimierungsproblems verwenden wir eine reduced-space-Formulierung und ein Hybrid aus der McCormick- und der auxiliary variable-Methode, die in unserem deterministischen globalen Solver MAiNGO implementiert sind. Da die Entwicklung von Power-to-X-Prozessen oft diskrete Entscheidungen enthält, analysieren wir Problemformulierungen bzgl. ihrer Eignung für die globale Superstrukturoptimierung und wenden die vielversprechendste auf die Optimierung der reduktiven DMMProduktion an. Für gemischt-ganzzahlige nichtlineare Probleme, die nichtkonvexe Funktionen enthalten, konnten wir diejenigen Formulierungen als vielversprechend identifizieren, die die Anzahl der Optimierungsvariablen reduzieren. Obwohl diese nicht-konvexe Terme mit sich bringen, bleiben die Relaxierungen für unsere Beispiele vergleichsweise eng. Um allgemeingültige Aussagen ableiten zu können, wäre allerdings deren Anwendung auf eine große Bibliothek von Benchmark-Problemen unterschiedlicher Komplexität notwendig. Die Anwendung von optimierungsbasierten Methoden auf die DMM-Produktion hat großes Potenzial aufgezeigt. Es wurde aber auch Verbesserungspotenzial identifiziert—sowohl bzgl. der Methoden als auch der Produktion von DMM als Power-to-X-Prozess.

The increasing share of renewable energy sources in the electricity grid causes curtailments, which prevent exploiting the full environmental and economic potential of renewable electricity. Power-to-X processes can utilize this electricity to produce certain products that would have been otherwise produced from fossil-based sources. To benefit the most, these Power-to-X processes need to be optimized for a maximum resource-efficiency. We demonstrate that the sole replacement of raw materials for industrial process concepts is not expedient. We therefore develop optimization-based methods to identify sustainable process concepts and support their optimal design. These methods are applied to the production of dimethoxymethane (referred to as DMM or OME1)—a promising synthetic fuel candidate and intermediate for the production of longer-chain oxymethylene ethers (OME3-5). To analyze DMM and OME3-5 production using established process concepts, we implement process models with detailed thermodynamic models from the open literature. Even by considering their maximum potential for heat integration, these process concepts have been found to be much less efficient than those for the production of other synthetic fuel candidates. Therefore, fundamentally new processes need to be designed. Emerging Power-to-X processes are usually on a very different stage of development. To enable a fair comparison and support process design, we develop a methodology that incorporates optimization-based methods on different hierarchy levels. The methodology allows a systematic way to design and evaluate each candidate regarding three key performance indicators: production costs, exergy efficiency, and global warming impact. Applied to five reaction pathways for DMM production, we identified the direct reduction of CO2 to be the most suitable one for sustainable DMM production at its current state. For a successful implementation, detailed process models are necessary. As the complicated form of such models often cause difficulties for deterministic optimization, we develop a hybrid process model for reductive DMM production incorporating Gaussian processes and artificial neural networks. For solving the resulting nonconvex program, we use a reduced-space formulation and a hybrid between the McCormick and the auxiliaryvariable method implemented in our deterministic global solver MAiNGO. Only with these measures on both the modeling and algorithm level, convergence was possible. As Power-to-X design problems often contain discrete decisions, we analyze different problem formulations regarding their suitability for global superstructure optimization and applied the most suitable one to the design problem for reductive DMM production. For mixed-integer nonlinear programming problems containing nonconvex functions, we identified such formulations as particularly promising that reduce the number of optimizationvariables. Although they introduce nonconvex terms, corresponding relaxations remain comparably tight for our example problems. However, a large library with benchmark problems of different complexity would be necessary to derive generally valid statements. The application of optimization-based methods to DMM production has demonstrated great potential. However, also limitations and further improvement potential was identified—for both the methods and DMM production as a Power-to-X process.

OpenAccess:
PDF
(additional files)