Studien-/Abschlussarbeit: Thermischer Energiespeicher in der mathematischen Optimierung und thermodynamischen Simulation - Stuttgart

Studien-/Abschlussarbeit: Vergleich von Modellierungsansätzen thermischer Energiespeicher in der mathematischen Optimierung und thermodynamischen Simulation – Anwendungsfall industrielles Wärmenetz

Das Institut für Energieeffizienz in der Produktion (EEP) der Universität Stuttgart forscht an innovativen Lösungen zur Steigerung der Energieeffizienz in industriellen Prozessen. Unser interdisziplinäres Team untersucht praxisnahe Ansätze und Technologien, die Unternehmen unterstützen, ihren Energieverbrauch nachhaltig zu reduzieren. Dabei arbeiten wir eng mit Partnern aus der Industrie zusammen und legen einen besonderen Fokus auf die Anwendung moderner Datenanalyse und intelligenter Produktionsstrategien. Thermische Energiespeicher spielen eine Schlüsselrolle bei der Flexibilisierung und Optimierung industrieller Energieversorgungssysteme. Ihre mathematische Modellierung in Optimierungsproblemen erfordert jedoch stets einen Kompromiss zwischen Modellgenauigkeit und Rechenaufwand. Während lineare Modelle eine effiziente Lösbarkeit ermöglichen, können nichtlineare Formulierungen oder stückweise lineare Approximationen (PWL) das physikalische Verhalten thermischer Speicher genauer abbilden. Wie groß die Abweichungen zwischen diesen Modellierungsansätzen und einer detaillierten thermodynamischen Simulation tatsächlich sind, ist eine offene Fragestellung mit hoher praktischer Relevanz für die Energiesystemmodellierung.

Aufgabenstellung

Im Rahmen der Arbeit sollen verschiedene Modellierungsansätze für thermische Energiespeicher in der mathematischen Optimierung untersucht und mit einer thermodynamischen Simulation verglichen werden.

Die Arbeit umfasst folgende Schritte:

• Einarbeitung und Literaturrecherche in die mathematische Optimierung von Energiesystemen mit thermischen Energiespeichern sowie in die thermodynamische Simulation sensibler Wärmespeicher (insbesondere Schichtungsverhalten und relevante physikalische Einflussfaktoren)

• Definition eines Referenzszenarios auf Basis realer Lastdaten eines industriellen Wärmenetzes (Standort Memmingen). Da am Standort aktuell kein Großpufferspeicher vorhanden ist, sind realistische parametrische Annahmen zur Speichergröße und Systemeinbindung zu treffen und zu begründen

• Implementierung verschiedener Speichermodelle in einem Python-basierten Optimierungsframework:

  • Lineares Speichermodell (LP/MILP)

  • Lineares Modell mit stückweise linearer Approximation (PWL) nichtlinearer Zusammenhänge

  • Nichtlineares Speichermodell (NLP/MINLP)

• Aufbau oder Anbindung einer thermodynamischen Simulation als Referenzmodell zur Validierung der Optimierungsergebnisse (z. B. Modelica, MATLAB, TRNSYS); das Simulationsmodell soll die thermische Schichtung im Speicher abbilden (z. B. über einen Multi-Node-Ansatz)

• Systematischer Vergleich der Modellierungsansätze hinsichtlich relevanter Kriterien:

  • Ergebnisgenauigkeit (Abweichung gegenüber Simulationsergebnissen)

  • Einfluss der Modellierungstiefe auf die optimale Speicherfahrweise

  • Auswirkungen auf die Dimensionierung des Speichers

  • Rechenzeit, Lösbarkeit und Praxistauglichkeit

• Analyse und Bewertung der Ergebnisse, einschließlich der Ableitung von Empfehlungen, unter welchen Randbedingungen welcher Modellierungsansatz zielführend ist

Ziel der Arbeit

Ziel der Arbeit ist ein fundierter, quantitativer Vergleich unterschiedlicher Modellierungsansätze für sensible Wärmespeicher im Megawatt-Bereich in der mathematischen Optimierung (linear, linear mit PWL, nichtlinear) gegenüber einer thermodynamischen Simulation als Referenz. Es soll herausgearbeitet werden, welchen Einfluss die Modellierungstiefe auf die Optimierungsergebnisse – insbesondere auf die Dimensionierung und den Betrieb thermischer Speicher – hat und welche Kompromisse zwischen Modellgenauigkeit und Rechenaufwand in der Praxis sinnvoll sind. Die Ergebnisse sollen als Entscheidungsgrundlage für die Wahl geeigneter Modellierungsansätze in zukünftigen Optimierungsprojekten dienen.

Was bringen Sie mit

• Programmierkenntnisse (Python)

• Grundkenntnisse im Bereich der mathematischen Optimierung (LP, MILP, NLP) sind von Vorteil

• Grundlagenwissen in Thermodynamik und/oder Energietechnik

• Interesse an der Modellierung und Simulation energietechnischer Systeme

• Bereitschaft zur selbstständigen Einarbeitung in neue Themengebiete

• Strukturierte, selbstständige Arbeitsweise und analytisches Denkvermögen

• Sehr gute Deutsch- und Englischkenntnisse

Was können Sie erwarten

• Möglichkeit, eigene Ideen in der konzeptionellen Phase einzubringen

• Einblick in die Projektarbeit mit industriellem Praxisbezug innerhalb des Forschungsprojekts eProNet des 8. Energieforschungsprogramms der Bundesregierung

• Gemeinsame Veröffentlichung der Ergebnisse in einem einschlägigen Journal bei sehr guten Ergebnissen

• Übertragung von theoretischem Wissen aus dem Studium in die Praxis