Thomas Schmitt M.Sc.

Energy Management Systems

Kontakt

work +49 6151 16-25032
fax +49 6151 16-25058

Work S3|10 423
Landgraf-Georg Straße 4
64283 Darmstadt

Veranstaltung Zeitraum Funktion
Systemdynamik und Regelungstechnik II
SS 2018, SS 2019 Organisation, Übungsleitung
Evaluationen:
SDRT II Übung SS 2018 (wird in neuem Tab geöffnet)
SDRT II Übung SS 2019 (wird in neuem Tab geöffnet)
Praktikum Regelungstechnik II WS 2018/19, WS 2019/20, WS 2020/21 Betreuung der Versuche „Speicherprogrammierbare Steuerung eines Mischprozesses“ (SPS) sowie „Verkoppelte Regelung eines Helikopters“ (VRH)
Projektseminar Automatisierungstechnik WS 2018/19, WS 2019/20 Projektbetreuung
Projektseminar Robotik und Computational Intelligence SS 2019 Projektbetreuung

Energy Management für Micro Grids

Die in Deutschland angestrebte Energiewende ist mit einigen Herausforderungen verbunden. Durch die steigende Anzahl an erneuerbaren Energien als Ersatz für kontrollierbare Atom-, Kohle- oder Gaskraftwerke erhöht sich die Volatilität im Netz. Um dennoch eine stabile Versorgung gewährleisten zu können, müssen physikalische Speicher eingesetzt werden. Dies können z. B. Pumpspeicher, Betontürme oder einfache Batterien sein. Während auf politischer Ebene einige Hindernisse zu umgehen sind, kann lokal in sogenannten Microgrids bereits heute auf erneuerbare Energien gesetzt werden – vollständig oder teilweise mit Netzbetrieb und zusätzlichen (steuerbaren) Generatoren.

Dabei ergibt sich schnell die Frage nach einer möglichst „intelligenten“ Regelung: Wann kaufe ich Strom zusätzlich ein, wann verkaufe ich selbst produzierten Strom, wann speichere ich ihn und wann produziere ich zusätzlichen mit meinem Generator? Das elektrische Netz kann dabei als dynamisches System betrachtet werden, für das ein „optimaler“ Regler entworfen werden soll. „Optimal“ kann auf monetäre Kosten, CO2-Emissionen oder andere Kriterien bezogen werden. Des weiteren ist für die Planung zu jedem Zeitpunkt eine Prognose über Stromerzeugung, -verbrauch und -preise in der Zukunft notwendig. Eine Möglichkeit, um all diese Bedingungen bei der Erzeugung einer Stellgrößentrajektorie zu berücksichtigen, ist MPC.

Modellprädiktive Regelung (MPC)

Das Grundprinzip einer MPC ist einfach erklärt. Betrachtet wird ein Prädiktionshorizont mit N Zeitschritten. Zum Zeitpunkt k1 wird nun ein Optimierungsproblem gelöst: Wie muss die Stellgröße u in den nächsten N Schritten gewählt werden, damit der entstehende Verlauf der Zustandsgröße x die Gütefunktion J minimiert? Die Lösung sind also N Werte (oder Vektoren) für u, jeweils für einen der N nächsten Zeitpunkte. Nun wird nur der erste ermittelte Wert tatsächlich auf die Strecke gegeben. Anschließend wird das Optimierungsproblem erneut gelöst, allerdings um einen Zeitschritt verschoben.

In der Umsetzung ergeben sich je nach Anwendung verschiedene Probleme, die von der Formulierung der Regelungsaufgabe abhängen. Um Kriterien wie monetäre Kosten, Komfort oder CO2-Emissionen direkt berücksichtigen zu können, wir für gewöhnlich eine „ökonomische“ MPC (Economic MPC, EMPC) verwendet. Ein weiterer Vorteil einer (E)MPC ist, Prognosen für z.B. die zukünftige Stromerzeugung der erneuerbaren Energien oder den Stromverbrauch berücksichtigen zu können. Herausforderungen dabei sind z.B. der Umgang mit Unsicherheiten in diesen Prognosen.

Ein weitere große Fragenstellung ist die optimale Berücksichtigung mehrerer (sich widersprechender) Kriterien, auch als Pareto-Optimierung bezeichnet. Die Kombination von Pareto-Optimierung und MPC ist der Hauptfokus der aktuellen Forschungsarbeit.

Dazu haben wir das MATLAB-Framework PARODIS entwickelt, mit dem zeitdiskrete, hierarchische (verteilte) Systeme modelliert und mittels MPC geregelt werden können. Als Alleinstellungsmerkmal unterstützt es die automatisierte Erzeugung der Pareto-Front und Auswahl einer optimalen Lösung.

Thema Typ Status
Prädiktion der Energieerzeugung einer Photovoltaikanlage in einem Smart Grid Masterarbeit Abgeschlossen
Robuste Ökonomische MPC eines linearen Energie-Management-Systems Masterarbeit Abgeschlossen
Didaktische Weiterentwicklung eines Human-Machine-Interface als Teil eines Energiemanagementdemonstrators Bachelorarbeit (extern) Abgeschlossen
Maschinennahe energetische MPC-Optimierung der Reinigungsmaschine MAFAC KEA unter Einsatz von Edge Devices Masterarbeit (extern) Abgeschlossen
Integration of Electrical Vehicles into a Model Predictive Control Building Energy System Masterarbeit Abgeschlossen
Pareto Optimization in Model Predictive Control: Finding Trade-Offs for Microgrids Masterarbeit Abgeschlossen
Gray-Box Modellierung und modellgestützte Zustandsschätzung von Batch-Fermentationsprozessen Masterarbeit (extern) Laufend
Optimierte Modellierung eines Mikrogrids zur Modellprädiktiven Regelung Masterarbeit Laufend
Zurzeit betreue ich keine neuen Abschlussarbeiten, bitte wenden Sie sich bei Bedarf an meine Kollegen.
Springe zu: 2021 | 2020 | 2019
Anzahl der Einträge: 7.

2021

Schmitt, Thomas ; Rodemann, Tobias ; Adamy, Jürgen (2021):
The Cost of Photovoltaic Forecasting Errors in Microgrid Control with Peak Pricing.
In: Energies, 14 (9), MDPI, ISSN 1996-1073,
DOI: 10.3390/en14092569,
[Artikel]

Schmitt, Thomas ; Rodemann, Tobias ; Adamy, Jürgen (2021):
The Cost of Photovoltaic Forecasting Errors in Microgrid Control with Peak Pricing. (Verlagsversion)
In: Energies, 14 (9), MDPI, e-ISSN 1996-1073,
DOI: 10.26083/tuprints-00019312,
[Artikel]

Schmitt, Thomas ; Engel, Jens ; Hoffmann, Matthias ; Rodemann, Tobias (2021):
PARODIS: One MPC framework to control them all. Almost. (Preprint)
Darmstadt, 2021 IEEE Conference on Control Technology and Applications (CCTA), San Diego, Calfiornia, 8.8. - 11.8.2021, DOI: 10.26083/tuprints-00018600,
[Konferenzveröffentlichung]

Schmitt, Thomas ; Rodemann, Tobias ; Adamy, Jürgen (2021):
Multi-objective model predictive control for microgrids. (Verlagsversion)
In: at – Automatisierungstechnik, 68 (8), S. 687-702. De Gruyter, ISSN 0178-2312, e-ISSN 2196-677X,
DOI: 10.26083/tuprints-00013248,
[Artikel]

2020

Schmitt, Thomas ; Ritter, Bastian (2020):
Data-Based Identifiability and Observability Assessment for Nonlinear Control Systems Using the Profile Likelihood Method.
Germany, 21st IFAC World Congress, Berlin, Germany, DOI: 10.25534/tuprints-00011713,
[Konferenzveröffentlichung]

Schmitt, Thomas ; Engel, Jens ; Rodemann, Tobias ; Adamy, Jürgen (2020):
Application of Pareto Optimization in an Economic Model Predictive Controlled Microgrid.
Germany, 28th Mediteranean Conference on Control and Automation, MED'20, Saint-Raphaël, FRANCE, DOI: 10.25534/tuprints-00011706,
[Konferenzveröffentlichung]

2019

Schmitt, Thomas ; Rodemann, Tobias ; Adamy, Jürgen (2019):
Application of Pareto Frontiers in an Economic Model Predictive Controlled Microgrid.
GMA Fachausschuss 1.40 „Systemtheorie und Regelungstechnik“, Anif, Österreich, 22.09.-27.09.2019, [Konferenzveröffentlichung]

Diese Liste wurde am Fri Oct 22 16:21:36 2021 CEST generiert.