Forschungsschwerpunkte
Themen
Energieeffizienzmaßnahmen und Umstellen auf erneuerbare Energieträger
Die Energiewende stellt die Industrie vor große Herausforderungen. Wir entwickeln Konzepte für eine zukunftsfähige Energieversorgung von Industriebetrieben mit dem Ziel zeitnah auf 100 % erneuerbar umzustellen. Dafür entwickeln wir Transitionspfade, unter Berücksichtigung modernster Technologien, Kosten und anderer betrieblicher Rahmenbedingungen.
Projekte: Leopold, 5DIndustrialTwin, IFE
Sektorkopplung und Kreislaufwirtschaft
In Zukunft müssen Energiesysteme effizienter und resilienter werden. Dazu ist es unerlässlich, Energieströme aus unterschiedlichen Quellen und mit unterschiedlichen Energieträgern optimal miteinander zu koppeln und zu verschränken. Gekoppelte Energiesysteme erlauben es außerdem erneuerbare Energieträger in größerem Maß einzubinden, Energieverluste zu reduzieren und gleichzeitig die Versorgungssicherheit durch Redundanzen zu erhöhen.
Ein wichtiges Konzept in diesem Zusammenhang ist der Instustrial Energy Hub. Hier steht die gemeinsame Betrachtung von Energieversorgung und Produktion am Standort im Vordergrund. In Zukunft wird hier auch das Konzept von Kreislaufwirtschaft an Bedeutung gewinnen. Wir arbeiten an einer ganzheitlichen Betrachtung des gesamten Industrie-Prozesses samt Energieversorgung, denn nur so ist es möglich, unsere Nachhaltigkeitsziele zu erreichen.
Projekte: EDCS, Sinfonies, I4RD
Publikationen:
Assessing the potential of combined production and energy management in Industrial Energy Hubs – Analysis of a chipboard production plant, öffnet eine externe URL in einem neuen Fenster,
Combined optimization for retrofitting of heat recovery and thermal energy supply in industrial systems, öffnet eine externe URL in einem neuen Fenster
Energie 4.0 und Prozessverbesserung
Internet- und Kommunikationstechnologien haben unser gesamtes Leben durchdrungen und revolutioniert. Auch für industrielle Anwendungen eröffnen diese Technologien viele neue Möglichkeiten. Wir arbeiten daran, das Potential dieser Technologien in industriellen Energiesystemen und Prozessen voll auszuschöpfen. Für Energiesysteme wurde in diesem Zusammenhang das Schlagwort Energie 4.0 geprägt. Unsere Forschung fokussiert sich dabei auf die Entwicklung von Konzepten für vernetzte, flexible und intelligente Energiesysteme der neuesten Generation.
Projekte: 5DIndustrialTwin, DigiWind, DigiTEx, DigiKurztakt
Publikationen:
Toward a Practical Digital Twin Platform Tailored to the Requirements of Industrial Energy Systems, öffnet eine externe URL in einem neuen Fenster,
Improving Control of Energy Systems With Reinforcement Learning: Application to a Reversible Pump Turbine, öffnet eine externe URL in einem neuen Fenster,
Increasing the Flexibility of Hydropower with Reinforcement Learning on a Digital Twin Platform, öffnet eine externe URL in einem neuen Fenster,
Enabling Reinforcement Learning for Flexible Energy Systems Through Transfer Learning on a Digital Twin Platform, öffnet eine externe URL in einem neuen Fenster
Methoden
Modellieren mit analytischen und datengetriebenen Ansätzen
Grundlage für die meisten digitalen Methoden ist ein genaues, schnelles Modell des zugrundeliegenden Prozesses. Wir kombinieren unser Expertenwissen mit klassischen und neuartigen Modellierungsmethoden, wie Machine Learning und datengetriebene Ansätze, um für jeden Anwendungsfall das optimale Modell zu entwickeln.
Publikationen:
Comparison of a physical and a data-driven model of a Packed Bed Regenerator for industrial applications, öffnet eine externe URL in einem neuen Fenster,
Grey Box Modeling of a Packed-Bed Regenerator Using Recurrent Neural Networks, öffnet eine externe URL in einem neuen Fenster,
Mechanistic Grey-Box Modeling of a Packed-Bed Regenerator for Industrial Applications, öffnet eine externe URL in einem neuen Fenster,
MILP model for a packed bed sensible thermal energy storage, öffnet eine externe URL in einem neuen Fenster
Optimieren mit mathematischen Methoden
Die optimale Konfiguration für das Energiesystem eines bestimmten Industriebetriebes zu ermitteln oder die optimale Betriebstrajektorie unter den gegebenen Umständen zu berechnen ist eine große Herausforderung, da die Komplexität dieser Probleme rasant ansteigt. Wir entwickeln spezialisierte Formulierungen und Lösungsansätze für die Design- und Betriebsoptimierung von industriellen Prozessen basierend auf mathematischer Programmierung.
Publikationen:
Combined optimization for retrofitting of heat recovery and thermal energy supply in industrial systems, öffnet eine externe URL in einem neuen Fenster,
Optimizing the utilization of excess heat for district heating in a chipboard production plant, öffnet eine externe URL in einem neuen Fenster,
Assessing the potential of combined production and energy management in Industrial Energy Hubs – Analysis of a chipboard production plant, öffnet eine externe URL in einem neuen Fenster
Innovative Automatisierungs-Ansätze
Optimale Steuerung von Anlagen sowie Echtzeit-Monitoring mit integrierter Fehlererkennung und Diagnose haben das Potential Industrieprozesse signifikant effizienter zu machen. Der digitale Zwillings-Ansatz eröffnet hier völlig neue Möglichkeiten. Wir entwickeln beispielsweise in Zusammenarbeit mit der Fakultät für Informatik eine spezialisierte digitale Zwillings Plattform. Für diese Plattform erarbeiten wir innovative Services, die den eigentlichen Mehrwert dieser Technologie schaffen.
Publikationen:
Toward a Practical Digital Twin Platform Tailored to the Requirements of Industrial Energy Systems, öffnet eine externe URL in einem neuen Fenster,
Framework for Automated Data-Driven Model Adaption for the Application in Industrial Energy Systems, öffnet eine externe URL in einem neuen Fenster,
Improving Control of Energy Systems With Reinforcement Learning: Application to a Reversible Pump Turbine, öffnet eine externe URL in einem neuen Fenster,
Increasing the Flexibility of Hydropower with Reinforcement Learning on a Digital Twin Platform, öffnet eine externe URL in einem neuen Fenster,
Enabling Reinforcement Learning for Flexible Energy Systems Through Transfer Learning on a Digital Twin Platform, öffnet eine externe URL in einem neuen Fenster