A Cyber-Physical System Approach for Energy Flexible Operation of Technical Building Services
The energy transition is one of the most important ventures of the 21st century. Its success is regarded as a necessity to counter the climate crisis while maintaining current living standards. It requires a strict increase in low-carbon renewable energy sources like solar and wind power. Due to the volatile nature of these renewable energy sources, the electric energy supply becomes increasingly fluctuating, resulting in temporal bottlenecks and oversupplies. Industry as an essential energy consumer needs to deal with these developments. By means of effectively adapting their demands, energy flexible factories will be essential enablers of a low carbon industry. In addition, companies can profit by exploiting new business models, such as responding to fluctuating energy prices. In particular, technical building services (TBS) exhibit crucial flexibility potentials due to their significant electricity demands and inherent energy storage capacities. To exploit this potential, strategies and measures for energy flexible TBS must be identified, evaluated and technically implemented. Thereby, other goals of TBS operation like operational reliability, energy and resource efficiency and environmental impacts need to be considered. Digitalization and Industry 4.0 solutions can support in this task, as they allow the creation of digital twins and cyber-physical systems (CPS) that are able to rapidly react to changing boundary conditions. Against this background, a concept for a holistic CPS approach to foster energy flexible TBS operation is presented in this work. It addresses time horizons for TBS operation from operational planning to execution. In accordance with common CPS frameworks, the concept comprises four modules: physical world, data acquisition, cyber world and decision support and control. The physical world refers to the real-world TBS system with its inherent cause and effect relations, also considering influencing factors like energy supply and climate conditions. Data acquisition systems need to be installed in the physical world in order to receive a consistent and comprehensive data basis. Collected data is used in the cyber world to create virtual depictions of physical world elements using complementary black-box and white-box modeling approaches. Black-box models make use of methods like data mining to analyze and visualize the historical system behavior. Based on this, future developments can be predicted. Decision makers can use such data-based forecasts to make better and faster decisions for energy flexible TBS operation. White-box models allow to analyze and simulate alternative system configurations and operational strategies without affecting the currently running TBS. For example, effects resulting from the application of specific energy flexibility measures can be assessed in advance. This allows an identification of favorable scenarios in terms of technical, economic and environmental criteria. Scenarios can then be implemented in the physical world either manually or through an automated control. The application of the presented concept is demonstrated by means of two case studies, referring to the manufacturing of automation components and to an academic learning factory environment. Thereby, significant improvement potentials regarding energy flexibility of TBS operation are demonstrated. Altogether, the approach provides a progress beyond state of research regarding modeling, evaluation and improvement of TBS operation in terms of energy flexibility.
Die Energiewende ist eines der wichtigsten Vorhaben des 21. Jahrhunderts. Ihr Gelingen gilt als alternativlos um der Klimakrise entgegenzuwirken und gleichzeitig den derzeitigen Lebensstandard aufrechtzuerhalten. Sie geht einher mit einem konsequenten Ausbau kohlenstoffarmer erneuerbarer Energiequellen wie Solar- und Windenergie. Aufgrund des volatilen Charakters dieser erneuerbaren Energiequellen schwankt die Versorgung mit elektrischer Energie jedoch zunehmend, was zu zeitlich begrenzten Engpässen und Überangeboten führt. Die Industrie als ein wesentlicher Energieverbraucher muss sich mit diesen Entwicklungen auseinandersetzen. Durch eine effektive Anpassung ihres Bedarfs werden energieflexible Fabriken zu wichtigen Wegbereitern für eine kohlenstoffarme Industrie. Darüber hinaus können Unternehmen von neuen Geschäftsmodellen profitieren, indem sie beispielsweise auf schwankende Energiepreise reagieren. Insbesondere die technische Gebäudeausrüstung (TGA) weist aufgrund ihres hohen Strombedarfs und ihrer inhärenten Energiespeicherkapazitäten entscheidende Flexibilitätspotenziale auf. Um diese Potenziale zu nutzen, müssen Strategien und Maßnahmen für energieflexible TGA identifiziert, bewertet und technisch umgesetzt werden. Dabei müssen auch andere Ziele des TGA-Betriebs wie Betriebssicherheit, Energie- und Ressourceneffizienz und Umweltauswirkungen berücksichtigt werden. Digitalisierung und Industrie 4.0-Lösungen können bei dieser Aufgabe unterstützen, indem sie die Erstellung digitaler Zwillinge und cyber-physischer Systeme (CPS) ermöglichen. Diese sind in der Lage, schnell auf veränderte Randbedingungen zu reagieren. Vor dem skizzierten Hintergrund wird in dieser Arbeit ein Konzept für einen ganzheitlichen CPS-Ansatz zum energieflexiblen Betrieb von TGA präsentiert. Es adressiert für den TGA-Betrieb relevante Zeiträume von der Betriebsplanung bis zur -ausführung. In Anlehnung an etablierte CPS-Rahmenwerke umfasst das Konzept vier Module: physische Welt, Datenerfassung, Cyberwelt sowie Entscheidungsunterstützung und Steuerung. Die physische Welt bezieht sich auf die reale TGA mit ihren inhärenten Ursache-Wirkungs-Beziehungen, wobei auch Einflussfaktoren wie Energieversorgung und Klimabedingungen berücksichtigt werden. In der physischen Welt müssen Datenerfassungssysteme installiert werden, um eine konsistente und umfassende Datengrundlage zu schaffen. Die gesammelten Daten werden in der Cyberwelt verwendet, um virtuelle Abbildungen von Elementen der physischen Welt zu erstellen, wobei sich Black-Box- und White-Box-Modellierungsansätze ergänzen. Black-Box-Modelle nutzen Methoden wie Data Mining, um das historische Systemverhalten zu analysieren und zu visualisieren. Auf dieser Grundlage können zukünftige Entwicklungen vorhergesagt werden. Entscheidungsträger können solche datenbasierten Prognosen nutzen, um bessere und schnellere Entscheidungen für den energieflexiblen TGA-Betrieb zu treffen. White-Box-Modelle ermöglichen es, alternative Systemkonfigurationen und Betriebsstrategien zu analysieren und zu simulieren ohne den laufenden TGA-Betrieb zu beeinträchtigen. So können beispielsweise die Auswirkungen bestimmter Maßnahmen zur Energieflexibilisierung vorab bewertet werden. Dies ermöglicht die Identifizierung günstiger Szenarien in Bezug auf technische, wirtschaftliche und ökologische Kriterien. Die Szenarien können dann entweder manuell oder durch eine automatisierte Steuerung in der physischen Welt umgesetzt werden. Die Anwendung des vorgestellten Konzepts wird anhand von zwei Fallstudien demonstriert, die sich auf die Herstellung von Automatisierungskomponenten und auf eine universitäre Lernfabrik beziehen. Dabei werden signifikante Verbesserungspotentiale hinsichtlich der energetischen Flexibilität des TGA-Betriebs aufgezeigt. Insgesamt stellt der Ansatz in Bezug auf Modellierung, Bewertung und Verbesserung eines energieflexiblen TGA-Betriebs einen Fortschritt über den Stand der Forschung hinaus dar.
Preview
Cite
Access Statistic
Rights
Use and reproduction:
