Hochschule Karlsruhe Hochschule Karlsruhe - University of Applied Sciences
Navigation öffnen Navigation schließen
Hochschule Karlsruhe Hochschule Karlsruhe - University of Applied Sciences

Reallabor im Gebäude K

Um die Energieversorgung der Zukunft hin zu einer nachhaltigen Energieversorgung zu wandeln, ist eine Einbindung von regenerativen Energiequellen, wie z.B. Solarenergie oder Windkraft, unerlässlich. Zur Modellierung, Simulation und Optimierung von Energiesystemen in Forschung und Lehre kommt an der Fakultät für Wirtschaftswissenschaften das Reallabor Solare Klimatisierung zum Einsatz.

Die Kernkomponente des Systems bildet eine Adsorptionskältemaschine, die zur Kälteerzeugung mit solarthermisch gewonnener Wärme (Flachkollektoren und Vakuumröhrenkollektoren) versorgt wird. Die produzierte Kälteleistung wird zur Kühlung des Atriums des Fakultätsgebäudes eingesetzt, welches ganzjährig von Studierenden als Lern- und Arbeitsraum, sowie als Veranstaltungsraum genutzt wird, um einer zu starken Erwärmung des Gebäudes über den Sommer entgegenzuwirken. Im Winter nutzt die Fakultät die solare Wärme direkt zur Heizungsunterstützung.

Kontakt

Reallabor Solare Klimatisierung
Prof. Dr. rer. nat. Angelika Altmann-Dieses
Prof. Dr.-Ing. Marco Braun


Gebäude K
Moltkestraße 30
76133 Karlsruhe

Einsatz in der Forschung

Eine große Herausforderung erneuerbarer Energiesysteme stellt die oftmals schwankende Verfügbarkeit der jeweiligen Energiequellen dar, die im Falle von Sonne und Wind z. B. stark von aktuellen Wetterbedingungen, Tageszeiten etc. abhängig ist. Der Zeitpunkt der Nutzung von Energie muss daher an den Zeitpunkt der (prognostizierten) Verfügbarkeit dieser Energie angepasst werden, indem entweder ein Bedarf entsprechend geplant, oder vorab erbracht und dann bevorratet wird. Großes Potenzial hierfür bietet der Einsatz von prädiktiven, optimierungsbasierten Regelungskonzepten.

Als maßgeblich regenerativ betriebenes Energiesystem bietet das Reallabor Solare Klimatisierung die Möglichkeit der praxisnahen Gestaltung und Ausarbeitung von Modellen und Algorithmen, um innovative und effiziente, modellprädiktive Regelungen für regenerative Energiesysteme zu erforschen und deren Praxistauglichkeit zu untersuchen. Seit ihrer Inbetriebnahme waren die Anlage, die in Verbindung stehenden Arbeiten, und die entwickelten Algorithmen und Softwarepakete Gegenstand mehrerer Präsentationen auf internationalen Tagungen [1, 2, 3], von Publikationen in internationalen Fachzeitschriften [4, 5, 6] sowie einer kooperativen Promotion an der Universität Freiburg [7].

Die Forschungsarbeiten am System wurden durch eine Vielzahl von Bachelor- und Masterarbeiten von Studierenden der Fakultät für Wirtschaftswissenschaften in den Bereichen Modellbildung, Simulation, Regelungs- und Automatisierungstechnik sowie maschinellem Lernen unterstützt. Die Studierenden hatten hierbei die Möglichkeit, sowohl an aktueller Forschung teilzuhaben als auch Erfahrungen im Umgang mit realen Anlagen und Systemen zu sammeln.

Erweiterung des Systems durch eine reversible Wärmepumpe

Im Frühjahr 2022 wurde das System durch eine reversible Wärmepumpe erweitert. Die Installation dieses flexiblen elektrischen Verbrauchers im bestehenden Reallabor bietet die Möglichkeit, die Forschung am System um Aspekte der elektrischen Lastflexibilisierung und Netzdienlichkeit zu erweitern. So können flexible elektrische Verbraucher z. B. bevorzugt immer dann eingesetzt werden, wenn gerade sehr viel Energie durch regenerative Quellen wie z. B. Photovoltaikanlagen oder Windkraft zur Verfügung steht, wodurch sowohl Erzeugungsspitzen und Erzeugungsengpässe im Stromnetz kompensiert und finanzielle Vorteile eines aktuell am Markt angebotenen Strompreises ausgenutzt werden können.

Einsatz in der Lehre

In der Lehre kommt das System als Demonstrationsobjekt in Vorlesungen zum Einsatz, so z. B. in der Vorlesung „Modellbildung technischer Systeme“. Hier können Studierende Simulationsergebnisse der von ihnen implementierten Modelle mit Messdaten der realen Anlage vergleichen und die Performance der entwickelten Modelle damit direkt evaluieren.

Die im Rahmen der Forschungsarbeiten am System entwickelten Modelle und Methoden finden darüber hinaus Eingang in Workshops zur Modellierung, Simulation und Optimierung von Energiesystemen. An diesen Workshops haben, neben Studierenden der HKA, im Rahmen internationaler Kooperationsprojekte bereits Mitglieder z. B. der Universität von Brusque, Brasilien sowie der Jomo-Kenyatta Universität für Landwirtschaft und Technologie, Nairobi, Kenia, teilgenommen.

Arbeitsgruppe Energiesystemanalyse

Die Forschungsgruppe Energiesystemanalyse am Institut für Kälte-, Klima- und Umwelttechnik (IKKU) erarbeitet im Kontext der Energiewende Lösungen zur nachhaltigen Energieversorgung an der Schnittstelle von Forschung und Praxis. Dies umfasst die energetische, ökologische und ökonomische Optimierung des Betriebs und Designs dezentraler Energieversorgungssysteme für die Sektoren Industrie, Gewerbe, Handel, Dienstleistungen (GHD) und privater Wohnbau.

In diesem Zusammenhang setzt die Arbeitsgruppe insbesondere Methoden der mathematischen Modellierung, Simulation und Optimierung sowohl zur Strukturoptimierung, d. h. der optimierten Zusammensetzung von Energiesystemen, als auch zur Betriebsoptimierung von energietechnischen Anlagen ein.

Literaturverweise

[1]           A. Bürger, C. Zeile, A. Altmann-Dieses, S. Sager, and M. Diehl. An algorithm for mixed-integer optimal control of solar thermal climate
              systems with MPC-capable runtime. In 2018 European Control Conference (ECC), pages 1379–1385, 2018.

[2]           A. Bürger, C. Zeile, A. Altmann-Dieses, S. Sager, and M. Diehl. An algorithm for model-predictive control of switched nonlinear dynamic
               systems. Presented at the 23rd International Symposium on Mathematical Programming (ISMP), 2018.

[3]           S. Müller, P. Wiener, A. Bürger, and J. Nimis. IoT for All: Architectural design of an extensible and lightweight iot analytics platform. In
               Proceesdings of the International Conference on Industrial Engineering and Systems Management (IESM), 2017.

[4]           A. Bürger, C. Zeile, A. Altmann-Dieses, S. Sager, and M. Diehl. Design, implementation and simulation of an MPC algorithm for switched
              nonlinear systems under combinatorial constraints. Journal of Process Control, 81:15-30, 2019.

              doi.org/10.1016/j.jprocont.2019.05.016

[5]           A. Bürger, M. Bohlayer, S. Hoffmann, A. Altmann-Dieses, M. Braun, and M. Diehl. A whole-year simulation study on nonlinear mixed-integer
               model predictive control for a thermal energy supply system with multi-use components. Applied Energy 258, 114064, 2020.

               doi.org/10.1016/j.apenergy.2019.114064

[6]           A. Bürger, D. Bull, P. Sawant, M. Bohlayer, A. Klotz, D. Beschütz, A. Altmann-Dieses, M. Braun, M. Diehl: Experimental operation of a solar‐
               driven climate system with thermal energy storages using mixed‐integer nonlinear model predictive control. Optimal Control Applications
               and Methods 42, 1293-1319, 2021.

               doi.org/10.1002/oca.2728

[7]           A. Bürger: Nonlinear mixed-integer model predictive control of renewable energy systems : methods, software, and experiments.
               Doktorarbeit, Albert-Ludwigs-Universität Freiburg, 2020.

               doi.org/10.6094/UNIFR/175441