guest ::
Optimization methods for integrating energy and production systems = Optimierungsmethoden für die Integration von Energie- und Produktionssystemen
2022
Dissertation, RWTH Aachen University, 2022
Druckausgabe: 2022. - Veröffentlicht auf dem Publikationsserver der RWTH Aachen University
Genehmigende Fakultät
Fak04
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2022-04-14
Online
DOI: 10.18154/RWTH-2022-05716
URL: https://publications.rwth-aachen.de/record/848050/files/848050.pdf
Einrichtungen
Inhaltliche Beschreibung (Schlagwörter)
Stackelberg games (frei) ; bilevel (frei) ; multi-energy systems (frei) ; scheduling (frei)
Thematische Einordnung (Klassifikation)
DDC: 620
Kurzfassung
Die wichtigste Maßnahme zur Verminderung des Klimawandels ist die Reduzierung der Treibhausgasemissionen. Eine Schlüsselrolle hierbei spielt die energieintensive Industrie, da der industrielle Sektor große Mengen an Treibhausgasen emittiert. Ein Großteil dieser Treibhausgasemissionen wird durch den Energieverbrauch verursacht. Daher ist eine effizientere Energieversorgung der Industrie notwendig. An großen industriellen Standorten versorgen oft dezentrale Energiesysteme die Produktionssysteme. Beide Systeme optimieren dabei den Betrieb hinsichtlich einer Zielfunktion wie beispielsweise Betriebskosten oder Gewinn. Die vorliegende Arbeit präsentiert Optimierungsmethoden für solch industrielle Standorte. Die Optimierungsmethoden berücksichtigen dabei unterschiedliche Beziehungen zwischen den Systemen, wobei zwei Fälle unterschieden werden: Im ersten Fall verfolgen die Systeme die gleiche Zielfunktion, im zweiten Fall individuelle Zielfunktionen. Eine gleiche Zielfunktion besteht beispielsweise, wenn beide Systeme einem Unternehmen angehören. Individuelle Zielfunktionen bestehen, wenn beide Systeme beispielsweise unterschiedlichen Unternehmen angehören. Für den Fall, dass Energie- und Produktionssystem das gleiche Ziel verfolgen, wird eine Methode für das integrierte Design beider Systeme präsentiert und eine Methode für die integrierte Bereitstellung von Regelenergie. Für den Fall, dass Energie- und Produktionssystem individuelle Zielfunktionen verfolgen, werden wiederum zwei Fälle unterschieden: unvollständiger und vollständiger Informationsaustausch. Für den unvollständigen Informationsaustausch wird eine Optimierungsmethode für die Koordination zwischen einem Energie- und einem Produktionssystem vorgestellt. Diese Optimierungsmethode wird anschließend für den Fall mehrerer Energie- und Produktionssysteme weiterentwickelt. Liegt vollständiger Informationsaustausch zwischen den Systemen vor, wird ein Bilevelproblem formuliert. Für die Lösung des Bilevelproblems wird ein existierender Lösungsalgorithmus angepasst. Die in dieser Arbeit entwickelten Methoden werden auf Fallstudien angewandt und Vor- und Nachteile untersucht. Die Fallstudien zeigen, dass keine Methode in allen identifizierten Beziehungen zwischen den Systemen die für das Produktionssystem optimale Lösung ermittelt. Daher ist je nach vorliegendem Fall die jeweilige Optimierungsmethode anzuwenden. Zusammenfassend stellt diese Arbeit Optimierungsmethoden für alle identifizierten Beziehungen zwischen Energie- und Produktionssystemen bereit. Dadurch ermöglicht diese Arbeit die Auswahl einer geeigneten Optimierungsmethode für alle Arten von Produktionssystemen mit dezentraler Energieversorgung.The key measure to mitigate climate change is the reduction of greenhouse gas emissions. Hereby, energy-intensive industry plays a key role due to its substantial greenhouse gas emissions. A substantial share of these greenhouse gas emissions is caused by energy supply. Thus, energy supply needs to be more efficient in industry.In large industrial sites, on-site energy systems often supply production systems. Both systems thereby optimize their operation with respect to an objective such as operational cost or revenue. This thesis provides optimization methods for these large industrial sites. The optimization methods reflect two relationships between both systems: Both systems can either follow the same objective or system-specific objectives. The same objective exists, e.g., if both systems belong to one company. System-specific objectives exist, e.g., if both systems belong to different companies.For the case that both systems follow the same objective, a method is presented for the integrated synthesis of both systems. For the same case, a method is presented for integrated scheduling to provide control reserve. For the case that energy and production systems have system-specific objectives, two cases are distinguished: incomplete and complete information exchange. For incomplete information exchange, an optimization method is introduced for the coordination between a single energy and a single production system. This optimization method is then extended to multiple energy and multiple production systems. For complete information exchange between the systems, a bilevel problem is formulated. For solving the bilevel problem, an existing solution algorithm is adapted.All methods presented in this thesis are applied to case studies, and advantages and disadvantages are examined. The case studies show that no method provides the optimal solution for the production system in all identified relationships between the systems. Thus, depending on the case at hand, the respective optimization method has to be applied. Overall, this thesis presents optimization methods for all identified relationships between energy and production systems. Thus, this thesis enables the selection of a suitable optimization method for all kind of production systems with decentralized energy supply.
OpenAccess: 
PDF
(additional files)
Dokumenttyp
Dissertation / PhD Thesis/Book
Format
online, print
Sprache
English
Externe Identnummern
HBZ: HT021397939
Interne Identnummern
RWTH-2022-05716
Datensatz-ID: 848050
Beteiligte Länder
Germany
|
The record appears in these collections: |