[Back]

F. Fuhrmann, A. Schirrer, M. Kozek:
"Model-predictive energy management system for thermal batch production processes using online load prediction";
Computers & Chemical Engineering, 163 (2022).

Predictive energy management systems (EMS) enable industrial plants to participate in the modern power market and reduce energy cost. In this paper, a novel modular model predictive EMS specifically designed for industrial thermal batch processes is presented. The EMS consists of a two-layer mixed-integer model predictive controller and an online load predictor, and thus solves the main challenges of EMS in industry - high implementation costs and the possible reduction of production reliability. The modular formulation of the optimization problem enables system integrators to implement the EMS without time-consuming modelling tasks and elaborate parameter tuning. The online load predictor estimates the typical pulse-like heat loads of batch processes ensuring both - reliable production and maximal flexibility of the power demand. The utilization of real-time data provides additional robustness against uncertainties caused by human operators. The performance of the EMS is evaluated in a case study of an existing food plant.

Prädiktive Energiemanagementsysteme (EMS) ermöglichen es Industrieanlagen, am modernen Energiemarkt teilzunehmen und die Energiekosten zu senken. In dieser Publikation wird ein neuartiges modulares, modellprädiktives EMS vorgestellt, das speziell für industrielle thermische Batchprozesse entwickelt wurde. Das EMS besteht aus einem zweischichtigen gemischt-ganzzahligen modellprädiktiven Regler und einem Online-Lastprädiktor und löst damit die wichtigsten Herausforderungen von EMS in der Industrie - hohe Implementierungskosten und die mögliche Verringerung der Produktionssicherheit. Die modulare Formulierung des Optimierungsproblems ermöglicht es Systemintegratoren, das EMS ohne zeitaufwändige Modellierungsaufgaben und aufwendige Parameterabstimmung zu implementieren. Der Online-Lastprädiktor schätzt die typischen impulsartigen Wärmelasten von Batch-Prozessen und gewährleistet damit sowohl eine zuverlässige Produktion als auch eine maximale Flexibilität des Energiebedarfs. Die Verwendung von Echtzeitdaten sorgt für zusätzliche Robustheit gegenüber Unsicherheiten, die von menschlichen Bedienern verursacht werden. Die Leistung des EMS wird in einer Fallstudie in einem bestehenden Industriebetrieb bewertet.

Energy management system; Model predictive control; Online load prediction; Mixed-integer linear programming; Thermal batch processes;

http://dx.doi.org/10.1016/j.compchemeng.2022.107830

https://publik.tuwien.ac.at/files/publik_303999.pdf