Simultaneous real-time scheduling of multi-energy systems and dynamic production processes

Baader, Florian Joseph; Bardow, André; Mitsos, Alexander

doi:10.18154/RWTH-2023-07390

Simultaneous real-time scheduling of multi-energy systems and dynamic production processes = Simultane Betriebsoptimierung von Multi-Energie Systemen und dynamischen Produktionsprozessen in Echtzeit

Baader, Florian Joseph^RWTH*

2023

Verantwortlichkeitsangabevorgelegt von Florian Joseph Baader

ImpressumAachen : RWTH Aachen University 2023

Umfang1 Online-Ressource : Illustrationen, Diagramme

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2023

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Bardow, André (Thesis advisor)^RWTH* ; Mitsos, Alexander (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2023-03-21

Online
DOI: 10.18154/RWTH-2023-07390
URL: https://publications.rwth-aachen.de/record/962430/files/962430.pdf

Einrichtungen

Lehrstuhl für Systemverfahrenstechnik (416710)

Inhaltliche Beschreibung (Schlagwörter)
demand response (frei) ; integration of scheduling and control (frei) ; mixed-integer dynamic optimization (frei) ; mixed-integer linear programming (frei) ; simultaneous scheduling (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Schwankende Stromerzeugung aus erneuerbaren Energien führt zu einer zeitlichen Diskrepanz zwischen Angebot und Verbrauch. Industrielle Verbraucher können diese Diskrepanz durch Betriebsoptimierungen reduzieren, welche den Verbrauch zeitlich verschieben. Hierzu kann eine simultane Betriebsoptimierung nötig sein, die sowohl den eigentlichen Produktionsprozess mit seiner nichtlineareren Dynamik berücksichtigt als auch ein Multi-Energie-System mit seinen diskreten Entscheidungen. Allerdings sind diese Optimierungsprobleme heute meist nicht in Echtzeit lösbar. Diese Arbeit reformuliert solche simultanen Betriebsoptimierungsprobleme zu echtzeitfähigen gemischt-ganzzahligen linearen Problemen. Dazu werden maßgeschneiderte Optimierungsmodelle entwickelt, welche aus drei Teilen bestehen: (1) Prozessmodell, (2) Energiebedarfsmodell und (3) Energiesystemmodell. Für das Prozessmodell werden zwei Alternativen vorgestellt. Zunächst werden lineare Skalenüberbrückungsmodelle (SBMs) genutzt, die leicht anwendbar sind, aber eine heuristische Parametrierung erfordern. Wir nutzen zunächst zwei gekühlte Rührkesselreaktoren als Fallstudien, um zu zeigen, dass unser Ansatz den Großteil des nichtlinearen Reduktionspotentials in Echtzeit erreicht. Dann zeigen wir für beheizte Destillationskolonne, dass unser Ansatz die Modelldimension substanziell reduzieren kann. Dynamische Rampenbedingungen (DRC) bilden eine rigorose Alternative zu den SBMs, sind allerdings zunächst auf flache Prozesse mit nur einer für die Betriebsoptimierung relevanten Ausgangsgröße beschränkt. DRCs modellieren eine lineare Dynamik mit stückweise affinen Beschränkungen. Wir nutzen aus, dass für flache Prozesse ein nichtlineares Modell durch Koordinatentransformation in ein lineares Modell überführt werden kann. Wieder nutzen wir eine Reaktorfallstudie, um zu zeigen, dass wir den Großteil des nichtlinearen Potenzials erreichen. Für nicht flache Prozesse entwickeln wir heuristisch parametrierte DRCs, die für die beheizte Destillationskolonne ähnliche Laufzeiten und Kosten erreichen wie das SBM. Schließlich zeigen wir anhand eines Elektrolyseurs mit langsamer Temperaturdynamik, dass DRCs auch auf Betriebsoptimierungen mit mehreren relevanten Ausgangsgrößen anwendbar sind. Diese Arbeit stellt somit Reformulierungen vor, die für das betrachtete Problem gute Kompromisse zwischen Optimierungslaufzeit und Lösungsqualität ermöglichen. Während SBMs mit weniger Aufwand und Wissen angewendet werden können, bieten DRCs für flache Prozesse eine höhere dynamische Flexibilität.

Volatile renewable electricity production causes a temporal mismatch of supply and demand, which can be reduced by consumers using optimal production scheduling to shift their demand in time. However, if production processes with nonlinear dynamics must be scheduled simultaneously with multi-energy systems (MESs) introducing discrete on/off decisions, the resulting optimization problems are typically not solvable in real-time today. This thesis reformulates simultaneous dynamic scheduling (SDS) problems of MESs and nonlinear production processes to mixed-integer linear programs (MILPs), which can be solved in real-time. These MILP reformulations rely on tailored scheduling models consisting of three piece-wise affine (PWA) parts: (1) process output models, (2) data-driven process energy demand models, and (3) MILP energy system models. For part 1, we present two alternatives: First, we use a scale-bridging model (SBM), which is easy-to-apply but requires heuristic tuning. We use two cooled continuous stirred tank reactor (CSTR) case studies to show that our approach can capture the major part of the nonlinear potential in real time, and a heated distillation column case study to show that our approach can reduce the number of states substantially. Second, as a rigorous alternative to the heuristically tuned SBM, we derive dynamic ramping constraints (DRCs), which are first restricted to flat processes with only one scheduling relevant variable. These DRCs consider linear dynamics of high order with PWA constraints. We use that, for flat processes, a nonlinear model can be transferred to a linear model by coordinate transformation. Again, we use a CSTR case study to show that our approach can capture the major part of the nonlinear potential. For non-flat processes, we develop heuristic DRCs, based on simulation experiments. For the heated distillation column, these heuristic DRCs perform similarly to SBMs regarding both optimization runtime and operational costs. Lastly, we show that DRCs can also consider multiple scheduling-relevant variables by applying DRCs to an electrolyzer with slow temperature dynamics. We outperform a quasi-steady-state scheduling through optimized temperature dynamics. This thesis thus offers reformulations that strike reasonable compromises between optimization runtime and solution quality for SDS of production processes and MESs. While SBMs can be applied with less effort and knowledge, DRCs offer more dynamic flexibility for flat processes.

OpenAccess:
PDF
(additional files)