TU Darmstadt / ULB / TUprints

Algorithmisch gestützte Planung dezentraler Fluidsysteme

Müller, Tim Moritz (2022):
Algorithmisch gestützte Planung dezentraler Fluidsysteme. (Publisher's Version)
Darmstadt, DOI: 10.26083/tuprints-00021608,
[Book]

[img] Text
Dissertation_220621_Algorithmisch gestuetzte Planung dezentraler Fluidsysteme_Tim_Mueller.pdf
Copyright Information: CC-BY-NC 4.0 International - Creative Commons, Attribution NonCommercial.

Download (3MB)
Item Type: Book
Origin: Secondary publication service
Status: Publisher's Version
Title: Algorithmisch gestützte Planung dezentraler Fluidsysteme
Language: German
Abstract:

Fluidsysteme, wie Kühlkreisläufe oder die Wasserversorgung, sind essenziell für Industrie und Gesellschaft. Aufgrund ihres hohen Energieverbrauchs, ca. 1/3 des weltweiten Strombedarfs, sind jedoch Maßnahmen zur Reduktion der benötigten Eingangsleistung notwendig. Anhand der in dieser Arbeit betrachteten Pumpensysteme zeigen sich zwei Wege, dies zu realisieren: Zum einen kann die benötigte hydraulische Leistung durch dezentrale, verteilte Pumpen gesenkt werden. Zum anderen kann der Systemwirkungsgrad erhöht werden, wofür die Komponenten bestmöglich aufeinander abgestimmt werden müssen. Aus der sich hieraus ergebenden Komplexität folgen bei konventioneller Planung häufig subjektive, intransparente und vor allem suboptimale Entscheidungen.

In der Arbeit wird sowohl das Potenzial für Kosten- und Energieeinsparungen durch Dezentralisierung, also auch die algorithmisch gestützte Planung zu Beherrschung der Komplexität behandelt. Dazu wird das Planungsproblem als gemischt-ganzzahliges, nichtlineares Optimierungsproblem formuliert und mittels problemspezifischer, algorithmisch gestützter Methoden gelöst. Als Anwendungsfälle werden Druckerhöhungsanlagen für die Wasserversorgung in Gebäuden sowie ein industrieller Kühlkreislauf betrachtet. Die Ergebnisse werden aus techno-ökonomischer Sicht diskutiert und experimentell validiert.

In den Anwendungen können hohe Energie- und Kosteneinsparungen durch Dezentralisierung aufgezeigt werden. Aufgrund der erhöhten Komplexität ist hierzu jedoch eine algorithmisch gestützte Planung notwendig. Es wird zudem gezeigt, dass der Entscheidungsfindungsprozess transparenter gestaltet werden kann, indem Zielkonflikte mittels Pareto-Fronten klar dargelegt werden und energetische Schranken zum Aufzeigen des Potenzials genutzt werden.

Alternative Abstract:
Alternative AbstractLanguage

Fluid systems, like cooling cycles or water supply systems, are crucial for industry and society. However, due to the high energy consumption – currently about 1/3 of the worldwide electricity demand – measures to reduce the required energy input are necessary. There are two ways to realise this in the considered pump systems: On the one hand, the required hydraulic power can be reduced by decentralised pumps which are distributed in the system. On the other hand, the system efficiency can be increased, which requires the best possible combination of components. To realise this, different pump types, topological options as well as operating settings have to be compared, resulting in a combinatorial explosion. This complexity often cannot be mastered when using conventional planning methods, which leads to subjective, non-transparent and, above all, suboptimal decisions. The goal of this work is the development, experimental validation and evaluation of algorithm-based design methods for decentral fluid systems to support decision-making and master the addressed complexity. For this purpose, the planning task is formulated as a mixed-integer, non-linear optimisation problem and solved using problem-specific algorithms: Firstly, in an exact method, the solution quality of certain pump combinations are estimated using physics-based bounds so that many combinations can be rejected at an early stage. Secondly, in a heuristic method, the topological degrees of freedom are reduced step by step and in turn the level of model detail is increased. In this work, pressure booster stations for drinking water supply in buildings and an industrial cooling cycle are investigated. It is shown that practically important planning requirements – e.g., an overload reserve – can be incorporated into the optimisation. An experimental validation proves that the used degree of model detail is appropriate. The algorithm-based design is superior to conventional methods, which is reflected in significantly lower life-cycle costs, especially for decentral topologies. Decentralisation reduces a large part of the required hydraulic power – in the case of the cooling cycle up to 38%. This, in addition to energy costs, can also reduce capital costs. Formulating the planning problem as a mathematical program and solving it with algorithms increases objectivity. It is also shown that the decision-making process can be made more transparent by clearly stating the conflicting goals by means of Pareto fronts and using the identified bounds to show the hidden potential. Overall, it becomes apparent that the approach of decentralisation in combination with algorithm-based design has high potential to increase the sustainability of future fluid systems.

English
Place of Publication: Darmstadt
Collation: XXIII, 155 Seiten
Uncontrolled Keywords: Energieeffizienz; Dezentralisierung; Mathematische Optimierung; Technical Operations Research; Kühlkreislauf; Pumpensysteme; Wasserversorgung
Classification DDC: 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Divisions: 16 Department of Mechanical Engineering > Institute for Fluid Systems (FST)
16 Department of Mechanical Engineering > Institute for Fluid Systems (FST) > Sustainable System Design
Date Deposited: 09 Sep 2022 12:05
Last Modified: 12 Dec 2022 13:05
DOI: 10.26083/tuprints-00021608
URN: urn:nbn:de:tuda-tuprints-216081
Additional Information:

Auch beim Shaker-Verlag als Teil der Reihe "Forschungsberichte zur Fluidsystemtechnik" unter ISBN 978-3-8440-8731-4 erhältlich.

Referees: Pelz, Prof. Dr. Peter F. ; Lorenz, Prof. Dr. Ulf
Date of oral examination: 21 June 2022
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/21608
PPN:
Export:
Actions (login required)
View Item View Item