Nonlinear mixed-integer model predictive control of renewable energy systems : : methods, software, and experiments

Abstract: The ongoing transition from energy supply systems mainly based on fossil fuels towards supply systems based on renewable sources yields great potential for reduction of green house gas emissions. This transition can be supported by advanced control strategies such as Model Predictive Control (MPC), which can directly incorporate forecasts for fluctuating energy resources, such as solar power and wind, as well as predictions for thermal and electric demands, within predictive control decisions for an energy system. These characteristics allow for efficient system operation, systematic use of storage technologies, and automatic shifting of demands.

Since such systems often incorporate switched components, MPC applications in this context often result in mixed-integer optimization problems. To achieve solutions of these problems in real-time, MPC for such applications oftentimes relies on linear system modeling. However, as the underlying processes are often characterized by nonlinear correlations, nonlinear modeling can yield potential for improved system descriptions, and with this, improved control decisions. Therefore, this thesis presents methods and software that can facilitate an application of nonlinear mixed-integer MPC for renewable energy systems. The focus lies on systems that can be classified as switched systems with input-dependent discontinuities (e. g. through discrete operation modes of machinery).

To achieve real-time suitable solution of the arising Mixed-Integer Optimal Control Problems (MIOCPs), an existing approach for fast and approximate solution of such problems is applied and extended, and a new open-source tool for automatic formulation and efficient solution of arising optimization problems is presented. The applicability and suitability of the developed methods and software is examined first within a simulation study for a thermal energy supply system, for which a whole-year of MPC operation was successfully simulated. Afterwards, methods and software are applied for the experimental operation of a solar thermal plant installed at Karlsruhe University of Applied Sciences, which was operated successfully for several days. To the best of the author's knowledge, a real-life experimental application of mixed-integer nonlinear MPC for a renewable energy system has not been presented before.

Despite the strong focus of this work on the control of renewable energy systems and especially on thermal energy supply systems, a utilization of the presented methods and software is not limited to this particular field of application. The algorithms, examples, and software presented in this thesis therefore have the potential to advance the field of mixed-integer nonlinear MPC methods in control engineering practice in general
Abstract: Die anhaltende Überführung von Energieversorgungssystemen, die maßgeblich auf fossilen Energieträgern beruhen, hin zu Systemen, die auf erneuerbaren Energiequellen basieren, bietet große Potenziale zur Einsparung von Treibhausgasemissionen. Diese Überführung kann durch den Einsatz fortschrittlicher Regelungsverfahren wie der Modellprädiktiven Regelung (MPC) unterstützt werden, welche Vorhersagen für fluktuierende Energiequellen, wie z. B. Solarenergie und Wind, sowie Prognosen für thermische und elektrische Bedarfe direkt innerhalb vorausschauender Regelentscheidungen für ein Energiesystem berücksichtigten können. Diese Charakteristiken ermöglichen einen effizienten Systembetrieb, einen systematischen Einsatz von Speichertechnologien sowie die automatisierte Verschiebung von Bedarfen.

Da solche Systeme oftmals geschaltete Komponenten enthalten, resultiert die Anwendung von MPC in diesem Zusammenhang häufig in gemischt-ganzzahligen Optimierungsproblemen. Um eine Lösung dieser Probleme in Echtzeit zu ermöglichen basiert MPC für solche Anwendungen oft auf linearer Systemmodellierung. Die zu Grunde liegenden Prozesse sind jedoch häufig durch nichtlineare Zusammenhänge gekennzeichnet, so dass nichtlineare Modellierung an dieser Stelle eine detailliertere Beschreibung von Systemen und dementsprechend verbesserte Regelentscheidungen ermöglichen kann. Aus diesem Grund werden in dieser Thesis Methoden und Software vorgestellt, die eine Anwendung nichtlinearer, gemischt-ganzzahliger MPC für erneuerbare Energiesysteme ermöglichen können. Der Fokus liegt dabei auf Systemen, die als geschaltete Systeme beschrieben werden können die von steuerungsbedingten Unstetigkeiten (z. B. durch diskrete Betriebsmodi von Maschinen) abhängig sind.

Um eine echtzeitfähige Lösung der sich hierbei ergebenden, gemischt-ganzzahligen Optimalsteuerungsprobleme zu ermöglichen wird ein bestehender Ansatz zur schnellen und näherungsweisen Lösung solcher Probleme angewandt und erweitert und ein neues quell-offenes Software-Tool zur automatischen Formulierung und effizienten Lösung entstehender Optimierungsprobleme präsentiert. Die Anwendbarkeit und Eignung der entwickelten Methoden und Software wird zunächst innerhalb einer Simulationsstudie für ein thermisches Energieversorgungssystem untersucht, für welches ein komplettes Jahr im MPC-Betrieb erfolgreich simuliert wurde. Anschließend kommen Software und Methoden für den experimentellen Betrieb einer solarthermischen Anlage zum Einsatz, welche an der Hochschule Karlsruhe - Technik und Wirtschaft installiert ist und für mehrere Tage erfolgreich betrieben wurde. Nach dem besten Wissen des Autors wurde eine praktische experimentelle Anwendung gemischt-ganzzahliger nichtlinearer MPC für ein erneuerbares Energiesystem vorher noch nicht gezeigt.

Obwohl der Fokus dieser Arbeit stark auf der Regelung erneuerbarer Energiesysteme und insbesondere auf thermischen Energieversorgungssystemen liegt, ist ein Einsatz der vorgestellten Methoden und Software nicht auf dieses bestimmte Anwendungsgebiet beschränkt. Die Algorithmen, Beispiele und Software, die in dieser Arbeit präsentiert werden, haben daher das Potenzial die regelungstechnische Praxis im Gebiet der gemischt-ganzzahligen MPC generell zu erweitern

Object Details

• Location: Deutsche Nationalbibliothek Frankfurt am Main
• Extent: Online-Ressource
• Language: Englisch
• Notes: Universität Freiburg, Dissertation, 2020

Classification and Topics

• Keyword: Predictive control ; Optimale Kontrolle ; Regelungstechnik ; Karlsruhe

Contributors, Places and Time

• Event: Veröffentlichung
• (where): Freiburg
• (who): Universität
• (when): 2021
• Creator: Bürger, Adrian
• Contributor: Diehl, Moritz ; Albert-Ludwigs-Universität Freiburg. Fakultät für Angewandte Wissenschaften

Further information

• DOI: 10.6094/UNIFR/175441
• URN: urn:nbn:de:bsz:25-freidok-1754412
• Rights: Der Zugriff auf das Objekt ist unbeschränkt möglich.
• Last update: 13.12.2024, 12:56 AM CET