Regelbasierte Energiekostenoptimierung industrieller Kälteversorgungssysteme durch Reaktion auf volatile Strompreise am Beispiel des Brauprozesses
Regelbasierte Energiekostenoptimierung industrieller Kälteversorgungssysteme durch Reaktion auf volatile Strompreise am Beispiel des Brauprozesses
Der steigende Anteil erneuerbarer Energien in der deutschen Stromproduktion führt zu zunehmenden Schwankungen in der Stromerzeugung und -preisbildung. Diese Entwicklung bietet Potenzial zur Energiekostenoptimierung durch Flexibilisierung der Energienachfrage. Insbesondere industrielle Kälteversorgungssysteme bieten hohe Potenziale, da sie nicht nur einen hohen Strombedarf aufweisen, sondern häufig auch über thermische Energiespeicher verfügen, die zur Lastverschiebung genutzt werden können. Dennoch erschweren die hohe Komplexität sowie der Mangel an fachlicher Expertise in den Unternehmen die Umsetzung von Energieflexibilität und den Einsatz fortgeschrittener Optimierungsansätze. Regelbasierte Ansätze bieten hier eine nachvollziehbare und praxistaugliche Alternative. Allerdings beschränken sich bisherige regelbasierte Ansätze häufig auf einfache Schwellenwerte oder zeitbasierte Tarifmodelle, die keine Energiebedarfsprognose bieten und somit keine bedarfsgerechte Optimierung industrieller Kälteversorgungssysteme ermöglichen.
Vor diesem Hintergrund wird in dieser Arbeit eine Methodik zur regelbasierten modellprädiktiven Energiekostenoptimierung industrieller Kälteversorgungssysteme (RBMPC-Methodik) entwickelt, die durch energieflexible Betriebsstrategien den Energiebedarf an volatile Strompreise anpasst. Die Methodik kombiniert einfache physikalische Modelle zur Prognose zukünftiger Systemzustände und Energiebedarfe mit einer regelbasierten Optimierungsmethode (RB) und einer rollierenden modellprädiktiven Regelung (MPC). Dabei werden täglich aktuelle Strompreise des Day-Ahead-Markts sowie anfallende Umlagen, Abgaben und Steuern einbezogen, um Verlaufsprognosen elektrischer Energiekosten zu erstellen. Diese bilden die Grundlage für die Entwicklung energieflexibler Betriebsstrategien, die neben volatilen Strompreisen auch äußere Einflüsse wie Umgebungstemperaturen und die Energieeffizienz des berücksichtigen. Die Entwicklung dieser Strategien umfasst die Identifikation kostengünstiger Zeitfenster, die Planung von Lade- und Entladevorgängen sowie die Berücksichtigung anwendungsspezifischer Anforderungen, wie Zieltemperaturen, Fristen oder Temperaturbänder.
Die Methodik wurde in einem Python-basierten Optimierungs-Framework implementiert, das eine Echtzeitoptimierung sowohl von Simulationsmodellen als auch von realen Anlagen ermöglicht. Zur Validierung werden zwei Anwendungsfälle untersucht: die Bierkühlung im Brauprozess der Brauerei Veltins und ein Demonstrator an der Technischen Universität Darmstadt. Der Brauprozess steht aufgrund der Anwendungsnähe im Fokus dieser Arbeit und wird detailliert analysiert. Simulative Analysen zeigen für die Gärtankkühlung eine Energiekosteneinsparung von 14,5 % und für die Lagertankkühlung bis zu 35,5 %. In realen Versuchen mit dem Demonstrator wurden Einsparungen von bis zu 20,7 % erzielt.
Die Ergebnisse belegen die Praxistauglichkeit und Effektivität der entwickelten RBMPC-Methodik. Damit leistet die Arbeit einen wichtigen Beitrag zur Reduzierung von Umset-zungshemmnissen und zur Steigerung der Energieflexibilität in der Produktion.
The increasing share of renewable energies in German electricity production is leading to greater fluctuations in electricity generation and pricing. This development offers potential for energy cost optimization by making energy demand more flexible. Industrial cooling systems in particular offer great potential, as they not only have high electricity requirements, but also often have thermal energy storage systems that can be used for load shifting. Nevertheless, the high complexity and lack of technical expertise in companies make it difficult to implement energy flexibility and use advanced optimization approaches. Rule-based approaches offer a comprehensible and practical alternative here. However, previous rule-based approaches have often been limited to simple threshold values or time-based tariff models that do not provide energy demand forecasts and therefore do not enable the needs-based optimization of industrial refrigeration systems.
In this context, this thesis develops a methodology for rule-based model predictive energy cost optimization of industrial refrigeration systems (RBMPC methodology), which adapts energy demand to volatile electricity prices through energy-flexible operating strategies. The methodology combines simple physical models for forecasting future system states and energy requirements with a rule-based optimization method (RB) and rolling model predictive control (MPC). Current electricity prices from the day-ahead market as well as applicable levies, duties, and taxes are included on a daily basis to generate forecasts of electrical energy costs. These form the basis for the development of energy-flexible operating strategies that take into account not only volatile electricity prices but also external influences such as ambient temperatures and energy efficiency. The development of these strategies includes the identification of cost-effective time windows, the planning of charging and discharging processes, and the consideration of application-specific requirements such as target temperatures, deadlines, or temperature bands.
The methodology was implemented in a Python-based optimization framework that enables real-time optimization of both simulation models and real plants. Two use cases are being investigated for validation: beer cooling in the brewing process at the Veltins brewery and a demonstrator at the Technical University of Darmstadt. Due to its practical relevance, the brewing process is the focus of this work and is analyzed in detail. Simulative analyses show energy cost savings of 14.5% for fermentation tank cooling and up to 35.5% for storage tank cooling. In real-world tests with the demonstrator, savings of up to 20.7% were achieved.
The results prove the practicality and effectiveness of the developed RBMPC methodology. The work thus makes an important contribution to reducing implementation barriers and increasing energy flexibility in production.