2024-04-01  –  2027-03-31

304.277,63 EUR

Rheinisch-Westfälische Technische Hochschule Aachen - Fakultät 4 - Maschinenwesen - Lehrstuhl für Technische Thermodynamik, Aachen, Nordrhein-Westfalen

03EI1084B

Querschnittsaufgaben - Systemanalyse [EA3310]

01260172/1  –  SuMo4EnSy

Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB4)

Forschungszentrum Jülich GmbH (PT-J.ESI1)

Energie

Die Herausforderungen der Energiewende und stetig wechselnde Randbedingungen stellen Betreiber industrieller und gewerblicher Energiesysteme vor die Herausforderung, ihre bestehenden Energiesysteme kontinuierlich zu hinterfragen und mögliche Dekarbonisierungsstrategien zu bewerten. Dabei rücken neben den gängigen Bewertungskriterien wie Kosten und CO2-Emissionen weitere Kriterien, wie beispielsweise Resilienz und Flexibilität, in den Fokus der Unternehmen. Die Bewertung von Dekarbonisierungsstrategien stellt insbesondere für KMU eine Handlungsbarriere dar, da die Energiesystemanalyse in der Regel viel Zeit, eine aufwendige Datenbeschaffung und teure externe Berater erfordert. Ziel des Gesamtvorhabens ist es, eine allgemeingültige Methode bereitzustellen, die Unternehmen unterstützt, eine möglichst gute langfristige Dekarbonisierungsstrategie zu entwickeln. Um den Zeit- und Kostenaufwand im Vergleich zu klassischen Optimierungsmethoden zu reduzieren, soll die Ausarbeitung möglicher Versorgungskonzepte auf wenigen wirtschaftlichen und technischen Eingabeparametern des Unternehmens beruhen. Im Projekt werden daher ersatzmodellbasierte Methoden entwickelt, die einfache funktionale Zusammenhänge zwischen den relevanten Ein- und Ausgabedaten ermittelt. Die Methoden befähigen KMU, in sehr kurzer Zeit Dekarbonisierungsstrategien zu entwickeln und zu bewerten. Im Teilvorhaben fokussiert sich der RWTH-LTT auf die Entwicklung von Optimierungsmethoden zur Generierung von nahoptimalen Energiesystemalternativen. Bei gleichzeitiger wirtschaftlicher Attraktivität, bieten die nahoptimalen Alternativen Vorteile hinsichtlich von Bewertungskriterien wie CO2-Emissionen, Resilienz oder Flexibilität im Vergleich zur reinen Kostenoptimierung. Um mit wenigen Eingangsparametern valide Energiesystemalternativen generieren zu können, entwickelt der RWTH-LTT Verfahren des maschinellen Lernens zur Erstellung von Ersatzmodellen. .