Refine
Document Type
- conference proceeding (article) (4)
- Article (1)
- Book (1)
- Part of a Book (1)
- conference proceeding (presentation) (1)
- Doctoral Thesis (1)
- Handout (1)
Publication reviewed
- begutachtet (8)
- nicht begutachtet (2)
Keywords
- KWK-Flex (10) (remove)
Institute
Die Integration fluktuierender erneuerbarer Energien erfordert hoch flexible Kraftwerke, Energiespeicher und Power-to-X-Anlagen zur Netzstabilisierung und bedarfsgerechten Abdeckung der verbleibenden Netzlasten.
Im Projekt KWK-Flex untersucht die Hochschule Kempten mit den Partnern Fernwärme Ulm GmbH (FUG) aus Baden-Württemberg und der ZAK Energie GmbH (ZAK) aus Bayern die Entwicklung innovativer Methoden und Anlagenbetriebsstrategien zur flexiblen, stromgeführten Fahrweise von Kraft-Wärme-Kopplungs-(KWK)-Anlagen mit hohen Anteilen erneuerbarer Energien.
Die Analysen wurden unterstützt von der AGFW | Der Energieeffizienzverband für Wärme, Kälte und KWK e.V.
Im Projekt KWK-Flex untersuchte die Hochschule Kempten innovative Methoden und Anlagenbetriebsstrategien zur flexiblen, stromgeführten Fahrweise von Kraft-Wärme-Kopplungs-(KWK)-Anlagen in Fernwärmeverbundnetzen im Kontext steigender Anteile erneuerbarer Energien. Solche KWK-Anlagenverbunde im Leistungsbereich ab einigen MW werden in Deutschland aufgrund ihrer hohen Brennstoffnutzungsgrade und der daraus folgenden Ressourcen- und Klimafreundlichkeit von mehreren hundert Stadtwerken bzw. Fernwärmeversorgern betrieben.
Bei der Methodenentwicklung und den daraus resultierenden optimierten Anlagenbe-triebsstrategien standen neben den Zielgrößen Dynamik und Flexibilität der Strombe-reitstellung insbesondere die Ressourceneffizienz, d.h. hohe Wirkungsgrade, geringe Emissionen und hohe Wirtschaftlichkeit, sowie eine hohe Versorgungssicherheit im Fokus. Als Schwerpunkte des Forschungsvorhabens wurde Untersuchungen zur in-stationären Prozesssimulation von KWK-Kraftwerken mit dem Ziel der Erhöhung der stromseitigen Anlagendynamik mit dem Einsatz numerischer Methoden zur optimierten Anlageneinsatzplanung der Kraftwerke in KWK-Verbunden kombiniert.
Das Projekt wurde am Institut für Energie- und Antriebstechnik (IEAT) der Hochschule Kempten mit Unterstützung der beiden assoziierten gewerblichen Partner Fernwärme Ulm GmbH (FUG) und ZAK Energie GmbH (ZAK) sowie dem Fernwärmeversorgerdachverband AGFW | Der Energieeffizienzverband für Wärme, Kälte u. KWK e.V. durchgeführt.
Decarbonisation of district heating networks requires a heat generation and storage portfolio that allows for maximised integration of renewable energies. However, it is also essential to have a precise forecast of the thermal loads to be expected in the network and – based on this forecast – an optimised dispatch strategy in order to best match the available generation and storage portfolio with the actual heat demands in the grid. This paper presents a holistic approach that combines modelling and optimisation activities related to these three aspects: first, detailed process modelling and optimisation of power plants and thermal storages; second, a numerical model for dispatch optimisation; and third, machine-learning-based load forecasting. This work, which was performed as part of the publicly funded research projects “KWKflex” and “deepDHC”, was based on operating data from the district heating network of the city of Ulm in Germany. The paper presents the modelling, validation and simulation results of a stationary and instationary process simulation for a 58 MW thermal biomass-fired combined heat and power plant. The analysis identifies a potential to integrate additional renewable power of up to 17 MW thermal power by “power-to-heat” technologies into different parts of the process. The economic benefit is quantified with a mixed-integer linear programming dispatch optimisation model of the district heating network. In order to allow for real-time optimisation of the power plant and thermal energy storage dispatch, a machine-learning-based thermal load forecasting method was developed. The performance of different machine learning algorithms, including decision trees and deep learning techniques, is compared based on a 72-hour forecast horizon. In addition, the economic impact of uncertainties in thermal load prediction is analysed with the numerical dispatch optimisation tool.
Load Forecasting in District Heating Systems Using Stacked Ensembles of Machine Learning Algorithms
(2021)
For district heating, heat demand forecasting is playing a key role for an optimised power plant dispatch. Machine Learning can help to significantly improve forecasts of thermal loads. The prediction quality of neural networks is higher than that of decision trees in most cases. However, compared to decision trees neural networks have weaknesses when extrapolating outside known ranges. This work presents a novel method called “Deep DHC” (Deep Learning for District Heating and Cooling), which combines these two approaches in order to benefit from strengths of both methods. On the one hand, the novel approach uses conventional decision tree based regression algorithms such as the AdaBoost and Random Forest, as well as artificial neural networks. In addition to common feed forward neural networks (FNN), a deep learning network structure, which consists of long short-term memory (LSTM) cells, is used for the first time. The LSTM method has already proven to be very powerful in modern speech recognition. In order to achieve best possible heat demand forecasts, the aforementioned methods for load forecasting are combined and weighted by an additional machine learning method. Results show that it is possible to achieve a further improvement in forecasting quality for district heating loads by purposefully combining individual forecasting methods. Hence, mean and absolute deviations are significantly reduced in comparison to the individual methods.
Ökonomische Aspekte von CCS
(2015)
Die verstärkte Einbindung fluktuierender erneuerbarer Energien erfordert hochflexible thermische Kraftwerke zur Netzstabilisierung und bedarfsgerechten Abdeckung der verbleibenden Netzlasten. Für einen effizienten Anlageneinsatz spielt dabei die möglichst genaue Kenntnis der zu erwartenden Fernwärmelast eine zentrale Rolle. Für die Fernwärmelastprognose können innovative Verfahren unter Verwendung moderner maschineller Lernverfahren zum Einsatz kommen, die im Folgenden vorgestellt werden.
Hintergrund: Fluktuierende erneuerbare Energien erfordern flexible Kraftwerke zum Lastausgleich
Projektziele: Erhöhung der Flexibilität kommunaler Kraft-Wärme-Kopplungsanlagen (KWK) durch:
- Optimierte Anlagendynamik
- Wärmespeicherung
- Nutzung von Power-to-Heat
- Einbindung von Strommärkten
Vorgehensweise:
- Instationäre Prozesssimulation der Anlagen
- Nicht-lineare Optimierung der Anlageneinsatzplanung
- Demonstration durch Einbindung in die Leitstandstechnik
- Erstellung eines Betreiberleitfadens
This paper describes the process of developing a technology roadmap for deploying bioenergy technologies at a country level. A method for energy technology roadmapping adapted to the conditions of developing countries is proposed. This method combines an acknowledged roadmapping framework from prior art, a new strategy to build consensus based on the Delphi method and a strong focus on analytical modeling for supporting expert judgment. This method aims to be simple, transparent and affordable. The proposed method is applied to Colombia for creating a plan to deploy sustainable bioenergy technologies in Colombia until 2030. This plan consists of a set of long-term goals, milestones, barriers and action items identified by over 30 experts for key bioenergy technology areas (viz. bioethanol, biodiesel, renewable diesel, biomethane, biogas, waste-to-energy and power generation and combined heat and power). Finally, the relevance of the process of developing a technology roadmap for bioenergy exploitation in Colombia in other developing countries is discussed.
City busses and coaches are typically ventilated with high fresh air rates without monitoring of air quality according to recommendations and requirements of associations of public transport companies. The air quality of cabin air regarding humidity and CO2-concentration depends however on the number of passengers. Hence the air quality of the ambient air could be monitored and air conditioning units could be switched on re-circulation air, which is called here “monitored fresh air rate”. Average occupancy of city busses is 30 %. This means the cabin will be ventilated with a surplus of about 70 % of the required fresh air. This causes a high energy consumption which could be saved. The aim of this work is the monitoring of the cabin air quality with the help of sensors and development of appropriate control algorithms that could reduce energy consumption without any impairment of safety, comfort, stress and health.
Brennstoffzellensysteme mit oxidkeramischer Brennstoffzelle (SOFC) eignen sich besonders für eine hocheffiziente und emissionsarme Energiebereitstellung. Aufgrund der für diesen Brennstoffzellentyp nur sehr begrenzt vorhandenen Betriebserfahrungen ist das Ziel der vorliegenden Arbeit, eine möglichst verallgemeinerbare dynamische Systemsimulation für SOFC-Kraftwerke zu entwickeln. Auf diese Weise können bereits im Vorfeld des Anlagenbetriebes Wechselwirkungen zwischen Teilsystemen analysiert sowie Strategien für einen ressourcensparenden Betrieb entworfen werden.
Die in dieser Arbeit vorgestellte Systemsimulation basiert auf einem gemeinsamen generischen Modellansatz für sämtliche Prozesseinheiten. Die Modelldetails der einzelnen Anlagenkomponenten orientieren sich an realen Bauteilen eines am Forschungszentrum Jülich im Aufbau befindlichen 20 kW Brennstoffzellensystems. Vor diesem Hintergrund stehen umfangreiche Messdaten zur Verfügung, mit denen alle entwickelten Komponentenmodelle validiert werden.
Dynamische Systemrechnungen für sämtliche Betriebszustände wie Aufheizen, Anfahren, Nenn- und Teillast sowie eine Außerbetriebnahme bilden den Schwerpunkt der Arbeit. Für den Aufheizvorgang werden in Bezug auf den Energie- sowie Zeitbedarf optimierte Betriebsstrategien ermittelt. Die simulierte Aufheizzeit von Raumtemperatur auf 600°C liegt für das betrachtete SOFC-System unter den gegebenen Randbedingungen bei mindestens fünf Stunden. Das anschließende elektrochemische Anfahren bis in den Nennlastzustand dauert rund eine Stunde. Wie die Untersuchungen zeigen, lassen sich in der Regel sowohl Lastreduzierungen als auch -erhöhungen unverzüglich durchführen, sofern sich das System nahe seiner Betriebstemperatur befindet. Ein stabiler Betrieb der SOFC-Anlage bei Teillast ist zudem selbst bei geringen Stromdichten möglich. Lediglich für einen mehrstündigen reinen Stand-by-Betrieb muss das System durch Wärmezufuhr auf Temperatur gehalten werden. Mit einem hohen Kühlluftzusatz lässt sich ein Abkühlvorgang im Rahmen einer Außerbetriebnahme derart forcieren, dass alle Systemkomponenten innerhalb eines Tages wieder Umgebungstemperatur erreichen.
Die Berechnungen erfolgen für ein SOFC-System mit separater Bereitstellung von Wasserdampf für die Vorreformierung. Die Simulation einer zusätzlichen Anlagenkonfiguration, in der mittels eines Ejektors Anodenabgas rezykliert wird, zeigt zudem Möglichkeiten einer weiteren Steigerung des Gesamtwirkungsgrades auf.