Hintergrund:

Die Synthese von e-Fuels ist entscheidend, um die Emissionen im Verkehrssektor zu senken, insbesondere in Bereichen, in denen eine direkte Elektrifizierung nicht möglich ist. Um die Treibhausgasemissionen während der Produktion minimal zu halten, werden idealerweise erneuerbare Energiequellen wie Solar- und Windstrom genutzt. Dies führt jedoch dazu, dass ein kontinuierlich-stationärer Betrieb nicht möglich ist und stattdessen eine hochdynamische Betriebsweise erforderlich wird.

Da die für e-Fuel Anlagen benötigten Komponenten sehr kapitalintensiv sind, muss das Anlagenlayout an die lokalen Wind- und Sonneneinstrahlungsverhältnisse angepasst werden. Diese Dimensionierung erfolgt mithilfe von Optimierungs-Algorithmen, die die lokalen Wind- und Solarbedingungen über längere Zeiträume, meist ein Jahr, als Input verwenden und basierend auf den technischen Randbedingungen das ideale Anlagenlayout ermitteln. Ein Problem dabei ist, dass der Optimierer sogenannte „perfect foresight“ besitzt, während eine reale Anlage den Betrieb nur auf Basis von Wettervorhersagen für die nächsten Stunden planen kann bzw. auf saisonale Vorhersagen beschränkt ist.

Ziel der Masterarbeit:

Ziel dieser Masterarbeit ist es, auf Basis der von der Optimierung bereitgestellten Ergebnisse, eine Regelstrategie für die Fahrweise von e-Fuel Anlagen zu entwickeln. Diese Strategie soll die realen Bedingungen und die Unvorhersehbarkeit von Wetterbedingungen berücksichtigen und somit einen möglichst effizienten und stabilen Betrieb der Anlage gewährleisten.

Aufgabenstellung:

Abbildung der e-Fuel Anlage in der Prozesssimulationssoftware „AVEVA“

Programmierung eines Python-basierten Tools zur Prozesssteuerung über die API

Entwicklung einer Regelstrategie, die sich an den realen Wettervorhersagen orientiert.

Vergleich der entwickelten Strategie mit der idealisierten „perfect foresight“-Strategie.

Dokumentation und Bewertung der Ergebnisse.

Voraussetzungen:

- Studium im Bereich Ingenieurwesen, Verfahrenstechnik oder vergleichbar.

- Kenntnisse in Optimierungsverfahren und Modellierung.

- Programmierkenntnisse, insbesondere in Python

- Interesse an erneuerbaren Energien und nachhaltigen Technologien.