[Zurück]

R. Hofstädter:
"Energy optimal control of thermal comfort in trams";
Betreuer/in(nen), Begutachter/in(nen): M. Kozek, S. Jakubek, J. Amaya; Institut für Mechanik und Mechatronik, 2018; Rigorosum: 12.11.2018.

In dieser Dissertation wird eine Regelung des thermischen Komforts für Straßenbahnen entwickelt,
welche die Leistungsaufnahme der Heizungs-, Klima- und Lüftungsanlage (HKL) minimiert. Das
Ziel dieser Arbeit ist es, ein befriedigendes Innenraumklima in einer Straßenbahn mit der kleinstmöglichen
elektrischen Energie zu erreichen, in dem Methoden der Regelungstechnik und eng
verwandten Wissenschaften angewendet werden.
In der Arbeit werden mathematische Modelle - die auf den Grundgesetzen und Bilanzgleichungen
der Thermodynamik beruhen - aller thermisch relevanten Komponenten aufgestellt. Als einzelne
Komponenten werden modelliert: der Innenraum der Straßenbahn, die HKL und der Regler,
um die Temperatur, relative Luftfeuchtigkeit und die Kohlenstoffdioxidkonzentration im Inneren
berechnen zu können. Für das Modell des Innenraums wird ein makroskopischer Modellansatz
gewählt. Für die HKL werden zwei verschiedene Ansätze vorgestellt: Beim ersten Ansatz wird
durch analytische Modellierung der Subsysteme (Mischkammer, Kältekreislauf und Ventilatoren
etc.) das Gesamtsystem dargestellt. Das Modell des Gesamtsystems ist nicht-linear. Für den zweiten
Ansatz werden mehrere Vereinfachungen bei der Modellierung verwendet um ein linearisiertes
Modell zu erhalten. Der Regler wird als endlicher Zustandsautomat abgebildet.
Im nächsten Schritt werden für die erstellten Modelle die Zahlenwerte der Parameter bestimmt.
Für das Innenraummodell der Straßenbahn werden die Parameter durch einen Least-Squares Ansatz
aus Messdaten bestimmt, welche aus im Klima-Wind-Kanal (KWK) durchgeführten Versuchen
gewonnen werden. Ist Expertenwissen über die Parameter vorhanden, so wird es als Basis für
weitere Anpassungen verwendet. Bei der HKL werden die Parameter aus Konstruktionsskizzen
oder ähnlichen Unterlagen abgeleitet. Gibt es keine oder zu wenige Informationen, so werden
die Parameter durch Grey-Box Ansätze geschätzt. Für das Reglermodell werden die Zustände
und Übergangsbedingungen des endlichen Zustandsautomaten durch den Hersteller zugänglich
gemacht. Die bestimmten Parameter werden anhand von Daten validiert, welche im KWK und auf
der Strecke aufgezeichnet werden. Aus der Literatur wird ein gängiges Modell des thermischen
Komforts entnommen und numerisch linearisiert.
Mit den linearisierten Modellen der Strecke (des Innenraums der Straßenbahn und der HKL
Anlage) werden ineinandergeschachtelte Regelkreise eingesetzt. Der Führungsregelkreis, dessen
Regler als modelprädiktiver Regler ausgeführt ist, regelt den thermischen Komfort der Straßenbahn.
Der Regler des Folgeregelkreis wird durch eine gemischt ganzzahlige Optimierung realisiert, welche
den Sollwert der Hilfsregelgröße energie-optimal umsetzt. Für das gemischt ganzzahlige Problem
wird eine Lösungsheuristik verwendet.
Für die Validierung des Lösungsansatzes wurden die Algorithmen auf einer Rapid Controller
Prototyping Platform implementiert. Das Regelungskonzept wurde zuerst in mehreren Versuchen
im KWK getestet. Der Jahresenergieverbrauch wurden anhand der KWK Messungen hochgerechnet.

In this thesis, a thermal comfort control for trams is developed, which minimises the power
consumption of the heating, air conditioning and ventilation system. The objective of this thesis is
to achieve a satisfying indoor climate in a tram with the smallest electrical effort possible, by using
methods of control engineering and closely related sciences.
In this work, mathematical models - based on the fundamental laws and balance laws of
thermodynamics - of all thermally relevant parts are stated. Individual parts modelled are, the
interior of the tram, the heating, ventilation and air conditioning system (HVAC), and the controller
to calculate the temperature, relative humidity, and carbon dioxide concentration in the interior
of the tram. For the model of the interior, a macroscopic modelling approach is chosen. For the
HVAC two different approaches will be presented: The first approach is an analytical modelling of
the subsystems (mixing chamber, cooling cycle and ventilators etc.) to depict the entire system.
The model of the entire system is non-linear. For the second approach, various simplifications are
used during the modelling to gain a linearised model. The controller will be set up as a finite state
machine.
In the next step, the numerical values of the parameters for the created models will be estimated.
For the interior model of the tram, parameters are determined by a least squares approach from
measurement data. Necessary data are gained from experiments carried out in the climatic wind
tunnel (CWT). If expert knowledge about the parameters is available, it will be used as a basis
for further adaptation. In the Heating, Ventilation and Air-Condition Unit, the parameters will
be derived from design sketches and similar documents. If there is no or too little information,
parameters will be estimated by grey-box approaches. For the controller model, the states and
transition conditions of the finite state machine will be made available by the manufacturer. The
estimated parameters will be validated by data, which will be collected during CWT and on-site
experiments. From literature, a common model of thermal comfort is taken and numerically
linearised.
With the linearised models of the plant (interior of the tram and HVAC unit) cascaded control
loops are established. The master control loop, whose controller is a model-predictive controller,
regulates the thermal comfort of the tram. The controller of the slave control loop will be realised
with a mixed-integer optimisation, which converts the set point of the auxiliary control variable in
an energy-optimal way. For the mixed-integer problem, a heuristic solution is used.
For confirming the solution approach, the algorithms were implemented on a rapid controller
prototyping platform. First, the control concept was tested during several CWT tests. The annual
energy consumption was extrapolated using CWT measurements.