TU Darmstadt / ULB / TUprints

Entwicklung und Implementierung eines Verfahrens zur dynamischen Optimierung von Kraftwerksfahrweisen und Anwendung in kommerziellen Simulationsprogrammen

Schiemann, Robert (2014)
Entwicklung und Implementierung eines Verfahrens zur dynamischen Optimierung von Kraftwerksfahrweisen und Anwendung in kommerziellen Simulationsprogrammen.
Technische Universität Darmstadt
Master Thesis, Primary publication

[img]
Preview
Masterthesis Robert Schiemann - Text (PDF)
Masterthesis_Schiemann_2014.pdf - Submitted Version
Copyright Information: CC BY-NC-ND 2.5 Generic - Creative Commons, Attribution, NonCommercial, NoDerivs .

Download (4MB) | Preview
Item Type: Master Thesis
Type of entry: Primary publication
Title: Entwicklung und Implementierung eines Verfahrens zur dynamischen Optimierung von Kraftwerksfahrweisen und Anwendung in kommerziellen Simulationsprogrammen
Language: German
Referees: Epple, Dr.-Ing. Bernd ; Starkloff, Dipl.-Ing. Ralf
Date: September 2014
Place of Publication: Darmstadt
Date of oral examination: September 2014
Abstract:

Nicht zuletzt aufgrund der gegenwärtig steigenden Integration regenerativer Energieträger sehen sich konventionelle Stromerzeugungsanlagen hinsichtlich ihrer Flexibilität und Wirtschaftlichkeit zunehmend höheren Anforderungen gegenübergestellt. Neben vielen technischen Detaillösungen ist vor allem eine optimale Prozessführung von hoher Bedeutung, um diesen Anforderungen nachzukommen. Derartige bestmögliche Prozesssteuerungen können unter verschiedensten Beschränkungen und Bewertungsgesichtspunkten durch die Lösung eines Optimalsteuerungsproblems berechnet werden, wofür jedoch ein explizites Systemmodell vorliegen muss. Dieses ist jedoch in vielen praktischen Fällen - weder bei physischen Anlagen, noch bei den meisten Simulationsumgebungen - nicht gegeben. Gegenstand der vorliegenden Arbeit ist es daher, ein Verfahren zu entwickeln, das diese Lücke schließt und somit eine Anwendung der Theorie der optimalen Steuerungen auf Simulationsumgebungen, aber prinzipiell auch physische Systeme erlaubt.

Zur Lösung dieser Aufgabe wurde eine Vorgehensstrategie entwickelt, die zunächst das Ermitteln eines mathematischen Ersatzmodells beinhaltet. Da dieses möglichst viele unterschiedliche Systeme nachbilden können soll, wurde auf die universale Struktur der neuronalen Netze zurückgegriffen. Mit diesen als Ersatzmodell ist dann eine numerische Berechnung der optimalen Steuerungen möglich. Im Rahmen dieser Arbeit wurden unterschiedliche Methoden zur Erzeugung eines Ersatzmodells und zur Optimierung ausgearbeitet und miteinander verglichen.

Nach der Entwicklung des Gesamtverfahrens wurde dieses anhand dreier Anwendungsbeispiele mit steigender Komplexität getestet. Auf diese Weise konnte beispielsweise für ein reales Gas-und-Dampf-Kraftwerk in Malaysia eine mögliche Beschleunigung eines Warmstarts und die dazugehörige Steuerung identifiziert werden. In einem anderen Testfall wurde das Lastwechselverhalten eines Steinkohleblocks in Deutschland untersucht. Hierbei ergab sich, dass die in der Anlage implementierten Regelungsschaltungen einen nahezu optimalen Lastwechsel ermöglichen. Darüber hinaus wurde der mögliche Zeitvorteil eines Lastwechsels bei höheren zulässigen Änderungen der Frischdampftemperatur diskutiert. Insgesamt lieferte das Gesamtverfahren unter Beachtung einiger wichtiger Bedingungen gute Ergebnisse sowohl im Schritt der Systemidentifikation als auch in dem der Optimierung.

Alternative Abstract:
Alternative AbstractLanguage

Because of the progressive integration of renewable energy, conventional power generation plants are faced with increasing requirements concerning flexibility and economic viability. Along with several detailed approaches in technology, an optimal control of the processes is of special importance in order to meet these requirements. Such optimal controls can, in theory, be computed under many different constraints and objectives. This can be done by solving a so-called optimal control problem, which in turn requires an explicit, i.e. equation-based, system model. In practice, these models are usually partially or fully unknown or at least uncertain. This is true both for physical plants and for most commercial simulators, because they usually act as black boxes. Hence, the subject of the thesis at hand is to close this gap and thus to allow the application of optimal control theory to such unknown systems.

To achieve this task, an approach consisting of two steps was developed. First, a substitute model is generated using neural network structures, from which an explicit formulation can be derived. In a second step, the substitute model is used in the computation of an optimal control. For each step, there exist different possible methods which were elaborated and compared in this thesis.

The developed procedure was implemented and tested in different examples of application. For example, the warm start-up of a real combined cycle power plant in Malaysia was investigated. After the optimization, a possible acceleration of the start-up could be identified. In another test case, the load-changing behaviour of a hard coal fired power plant located in Germany was studied. Comparing the optimized load change behaviour with the real one, it can be stated that the controllers implemented in the real plant realize a load change that is very close to the optimum with respect to load change duration and power generation during load change. Furthermore, a possible acceleration of the load-change allowing higher derivations of the live steam temperature was assessed. All in all, the developed procedure proved to be well applicable and yielded good results.

English
Uncontrolled Keywords: Optimierung, Kraftwerk, Steuerung, Optimalsteuerung, Nebenbedingungen, Neuronale Netzwerke, Ersatzmodell, CTRNN, NARX, jmodelica.org, APROS,
Alternative keywords:
Alternative keywordsLanguage
optimization, power plant, control, optimal control, constraint, neural network, substitute model, CTRNN, NARX, jmodelica.org, APROS,English
URN: urn:nbn:de:tuda-tuprints-41620
Divisions: 16 Department of Mechanical Engineering > Institut für Energiesysteme und Energietechnik (EST)
Date Deposited: 08 Dec 2014 09:08
Last Modified: 09 Jul 2020 00:47
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/4162
PPN: 351223959
Export:
Actions (login required)
View Item View Item