TU Darmstadt / ULB / tuprints

Modellprädiktive Abflusssteuerung mit hydrodynamischen Kanalnetzmodellen

Heusch, Steffen :
Modellprädiktive Abflusssteuerung mit hydrodynamischen Kanalnetzmodellen.
TU Darmstadt
[Ph.D. Thesis], (2011)

[img]
Preview
PDF
ModellpraediktiveAbflusssteuerung.pdf
Available under Creative Commons Attribution Non-commercial No Derivatives.

Download (2773Kb) | Preview
Item Type: Ph.D. Thesis
Title: Modellprädiktive Abflusssteuerung mit hydrodynamischen Kanalnetzmodellen
Language: German
Abstract:

Im Rahmen der Arbeit werden die Einsatzmöglichkeiten der modellprädiktiven Steuerung in der Entwässerungsplanung untersucht, wobei insbesondere die Verwendung von hydrodynamischen Kanalnetzmodellen für die Prozessmodellierung sowie die Leistungsfähigkeit von lokalen und globalen Optimierungsverfahren im Mittelpunkt stehen. Für die Untersuchungen wurden zwei Berechnungsansätze verwendet. Zunächst wurde ein iterativer Ansatz entwickelt, der die modellprädiktive Abflusssteuerung auf der Basis direkter Optimierung ermöglicht. Hierbei wird das Prozessmodell ausschließlich als Black-Box zur Zielfunktionsauswertung verwendet. Bei dieser iterativen Vorgehensweise wird das Prozess- bzw. Simulationsmodell „direkt“ ohne Umformung der zu Grunde liegenden mathematischen Modellformulierung eingesetzt. Der entwickelte Berechnungsansatz zeichnet sich durch eine hohe Flexibilität aus: Das Modul für die Prozesssteuerung unterscheidet zwischen Evaluierungs-, Vorhersage- und Kontrollhorizont. Die Länge der Zeithorizonte ist ebenso wie die Länge des Steuerungszeitschrittes frei wählbar. Das Optimierungsmodul ermöglicht den Einsatz von lokalen und globalen Optimierungsverfahren und das Modul für die Prozessmodellierung erlaubt sowohl abfluss- als auch schmutzfrachtbasierte Steuerungen. Der zweite Berechnungsansatz stellt einen analytischen Ansatz dar, bei dem für die Optimierung erstmals ein ableitungsbasiertes Verfahren zur modellprädiktiven Steuerung mit einem hydrodynamischen Kanalnetzmodell eingesetzt wird. Der Berechnungsansatz wurde an der Universität Erlangen-Nürnberg im Rahmen eines Forschungsprojektes entwickelt, bei dem aktuelle mathematische Methoden in siedlungswasserwirtschaftliche Werkzeuge implementiert wurden. Da die optimalen Steuerungsentscheidungen durch die Bildung von Differentialquotienten des mathematischen Prozessmodells berechnet werden, wird der Ansatz auch als „indirekter“ Berechnungsansatz bezeichnet. Durch die indirekte (ableitungsbasierte) Optimierung können allerdings ausschließlich lokale Optimierungsverfahren eingesetzt werden. Das für die Prozessmodellierung eingesetzte hydrodynamische Kanalnetzmodell wurde eigens auf der Basis eines Finite-Volumen-Verfahrens entwickelt. Der Vergleich beider Berechnungsansätze erfolgte an Hand eines einfachen, fiktiven Fallbeispiels. Die Berechnungsergebnisse für die in diesem Fall angesetzten abflussbasier-ten Steuerungsziele sind hinsichtlich der Steuerungsqualität gleichwertig, d.h. die Verminderung der Entlastungsvolumina ist mit beiden Berechnungsansätzen gleich groß. Aus den Berechnungen lassen sich die folgenden zwei Resultate ableiten: Erstens zeigte sich, dass die modellprädiktive Steuerung mit hydrodynamischer Kanalnetzmodellierung sowohl mit direkten (iterativ) als auch mit indirekten Optimierungsmethoden (analytisch) durchgeführt werden kann. Zweitens zeigte sich, dass die Rechenzeiten des analytischen Berechnungsansatzes deutlich kürzer sind als die des iterativen Berechnungsansatzes. Die kürzeren Rechenzeiten werden durch die ableitungsbasierte Optimierung hervorgerufen. Die Rechenzeiten des für den analytischen Berechnungsansatz neu entwickelten hydrodynamischen Kanalnetzmodells liegen jedoch in der gleichen Größenordnung wie die des Kanalnetzmodells, das für die iterative Steuerung eingesetzt wurde. Mit dem iterativen Berechnungsansatz wurden weitere Berechnungen durchgeführt. Für das erste Fallbeispiel wurden zusätzlich schmutzfrachtbasierte Steuerungsziele berechnet, darüber hinaus wurden für zwei weitere, komplexere Fallbeispiele wiederum abflussbasierte Steuerungen durchgeführt. Neben den Rechenzeiten, die bei modellprädiktiven Steuerungen mit komplexen Prozessmodellen immer eine große Herausforderung darstellen, stand bei diesen Berechnungen der Vergleich zwischen lokalen und globalen Optimierungsverfahren im Mittelpunkt. Überprüft wurde die Frage, ob durch die Verwendung eines globalen Verfahrens bessere Steuerungsergebnisse berechnet werden können. Hierfür wurden in allen untersuchten Szenarien der drei Fallbeispiele sowohl globale Evolutionsstrategien als auch das lokale Verfahren von Hooke & Jeeves eingesetzt. In einem Szenario des zweiten Fallbeispiels konnte dabei mit den globalen Evolutionsstrategien ein deutlich besseres Steuerungsergebnis gegenüber dem lokalen Verfahren von Hooke & Jeeves ermittelt werden. In allen anderen Szenarien berechnete das Verfahren von Hooke & Jeeves mindestens gleich gute, in zwei Fällen sogar bessere Ergebnisse. Generell zeigen die Berechnungen, dass Entwässerungssysteme, die aufgrund ihrer Größe und Komplexität ein ausreichendes Steuerungspotenzial besitzen, unter Verwendung herkömmlicher Computer nicht mit der in der Kanalnetzberechnung üblichen detaillierten Modellgenauigkeit für die modellprädiktive Steuerung mit hydrodynamischen Modellen abgebildet werden können. Die Rechenzeiten sind zu lange, um innerhalb des Steuerungszeitschrittes Steuerungsentscheidungen berechnen zu können. Darüber hinaus konnte gezeigt werden, dass die globalen Evolutionsstrategien tatsächlich bessere Ergebnisse als das lokale Verfahren von Hooke & Jeeves ermitteln können, diese aber nicht garantieren können. Der Erfolg der Evolutionsstrategien hängt maßgeblich von der zur Verfügung stehenden Anzahl an Zielfunktionsauswertungen, d.h. Simulationsläufen mit dem hydrodynamischen Prozessmodell, ab. Die untersuchten Fallbeispiele zeigten jedoch, dass auch unter Ansatz von vereinfachten Grobnetzen die Anzahl der möglichen Zielfunktionsauswertungen innerhalb des zur Verfügung stehenden Steuerungszeitschrittes beschränkt ist. Obwohl die Rechenleistungen herkömmlicher Computer auch zukünftig steigen werden, besteht weiterer Forschungsbedarf bezüglich schnellerer Berechnungsprozesse. Erfolgversprechend erscheinen Parallelisierungsansätze. Diese sind sowohl bei der Prozessmodellierung als auch bei der Optimierung einsetzbar. Entsprechende Möglichkeiten wurden in der Arbeit aufgezeigt, in den Fallbeispielen aber noch nicht berücksichtigt.

Alternative Abstract:
Alternative AbstractLanguage
In this thesis the application of model predictive control of urban drainage systems is analyzed. The focus is set on the application of dynamic simulation approaches for process modeling and the performance of local and global optimization algorithms. The analysis is based on two computational methods: First, an iterative method was developed, in which the process model is strictly used as a black-box to evaluate the objective function without any manipulation of the mathematical formulation of the process model. This method is flexible in regard to the three modules of which the developed simulation tool consists: The module for process control distinguishes between evaluation horizon, prediction horizon and control horizon. The length of these horizons as well as length of the control time step can be set by the user. The optimization tool enables the usage of different optimization methods and the process model allows for the implementation of volume based and pollution based control objectives. The second method applied in this work was developed at the University of Erlangen-Nürnberg. It is an analytical approach which uses for the first time a derivative based optimization algorithm for model predictive control of sewer networks with a dynamic process model. For process modeling a simulation approach was specially developed which is based on a finite volume method. Both calculation methods are compared by means of a simple case study. For the volume based control objectives both approaches calculated similar results, i.e. the minimization of the overflow volumes are almost identical. Two outcomes can be derived from the case study: First, it has been shown that model predictive control with dynamic process models is possible with iterative and analytical methods. Secondly, it was shown that the computation times of the analytical method are much shorter. This is due to the derivative based optimization method. Computation times of the newly developed dynamic process model for the analytical approach are approximately the same compared to the process model of the iterative approach. More calculations were carried out with the iterative approach. In addition to the volume based calculations, pollution based objectives were analyzed for the first case study. Furthermore, two additional more complex case studies were investigated with volume based control objectives. In addition to the calculation times, which is always a critical issue with model predictive control and complex process models, the main focus with these calculations were the performance of local and global optimization methods and the verification of the hypothesis that global optimization methods are required for the control of urban drainage systems because they ascertain better results than local optimization methods. In order to check the hypothesis two different optimization methods were applied in all scenarios: Global evolutionary strategies and the local pattern search algorithm of Hooke & Jeeves. In one scenario of the second case study the evolutionary strategies yielded essentially better results than the Hooke & Jeeves algorithm. In all other scenarios the Hooke & Jeeves algorithms calculated at least equally good results. The case studies showed that the usually applied detailed models of such sewer networks, which are big enough to sustain a certain degree of control potential, cannot be used for model predictive control with dynamic process simulation since it is not possible to calculate control decision within the available control time step. Furthermore, it has been shown that the global evolutionary optimization methods are able to deliver better results than local methods but they cannot guarantee it. The success of the evolutionary strategies depends on the number of objective function evaluations, i.e. the number of simulation runs with the dynamic process model. But even with simplified networks the numbers of objective function evaluations were limited within the control time steps. Even though computing power will increase in future, faster calculation methods are required. A promising feature is the parallelization of algorithms which can be applied for process models as well as for the global optimization methods. Respective approaches were identified but were not implemented in the case studies.English
Uncontrolled Keywords: Modellprädiktive Abflusssteuerung, Kanalnetzsteuerung
Alternative keywords:
Alternative keywordsLanguage
Modellprädiktive Abflusssteuerung, KanalnetzsteuerungGerman
real time control, model predictive control, online controlEnglish
Classification DDC: 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Divisions: Fachbereich Bauingenieurwesen und Geodäsie > Institut Wasserbau und Wasserwirtschaft > FG Ingenieurhydrologie und Wasserbewirtschaftung
Fachbereich Bauingenieurwesen und Geodäsie > Institut Wasserbau und Wasserwirtschaft
Fachbereich Bauingenieurwesen und Geodäsie
Date Deposited: 10 May 2011 09:12
Last Modified: 07 Dec 2012 12:00
Related URLs:
URN: urn:nbn:de:tuda-tuprints-25593
License: Creative Commons: Attribution-Noncommercial-No Derivative Works 3.0
Identification Number: urn:nbn:de:tuda-tuprints-25593
Referees: Ostrowski, Prof. Dr.- Manfred and Schmitt, Prof. Dr.- Theo G.
Refereed: 1 March 2011
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/2559
Export:

Actions (login required)

View Item View Item