Institut für Automatisierungstechnik (IAT)

Parent Organisation

Fachbereich 01: Physik/Elektrotechnik (FB 01)

Country

City

Bremen

Now showing 1 - 8 of 8

Some of the metrics are blocked by your
consent settings
Modellprädiktive Regelung für den optimalen Betrieb von hybriden elektrischen Inselnetzen
(2025-09-19)
Alferink, Marco
;
Michels, Kai
;
Hofmann, Lutz
Abgelegene Inseln weltweit werden zunehmend zu hybriden Elektroenergiesystemen. Aus ökologischen und wirtschaftlichen Gründen werden erneuerbare Energiequellen und Speicher in elektrische Inselnetze integriert, die sich oft noch auf mit fossilen Brennstoffen betriebene Synchrongeneratoren stützen. Die schwankende und schwer vorhersagbare Verfügbarkeit der erneuerbaren Energien sowie die fehlende Anbindung an ein großes Verbundnetz stellen eine Herausforderung für den unterbrechungsfreien und wirtschaftlichen Betrieb elektrischer Inselnetze dar. In dieser Arbeit wird hierzu ein Energiemanagementsystem (EMS) basierend auf einer modellprädiktiven Regelung (MPC) entwickelt. Ziel ist die Reduktion der Betriebskosten des Inselnetzes unter Einhaltung betriebsbedingter und sicherheitsrelevanter Nebenbedingungen. Das MPC-basierte EMS besteht aus einem Unit Commitment für die Optimierung des Langzeitfahrplans und einem Economic Dispatch, das auf einem detaillierten optimalen Lastflussproblem basiert, für die kurzfristigen Sollwerte der dezentralen Erzeugungseinheiten und Speicher. Für den zweistufigen MPC-Ansatz werden Vorhersagemethoden für den elektrischen Lastbedarf sowie die erneuerbare Energieerzeugung eingesetzt. Dadurch, dass Vorhersagesysteme Abweichungen zu den tatsächlich eintretenden Werten enthalten, stellen sie eine Unsicherheitsquelle in dem Betrieb elektrischer Inselnetze dar. Ein robuster MPC-Ansatz in dem EMS soll diese Unsicherheit berücksichtigen und damit die Robustheit gegenüber Vorhersagefehlern sowie unerwarteten Störungen erhöhen. Die Ergebnisse dieser Arbeit werden anhand des realen Inselnetzes auf Suðuroy, Färöer-Inseln, dargestellt. Das elektrische Inselnetz auf Suðuroy setzt sich aus volatilen erneuerbaren Energiequellen, Synchronmaschinen sowie einem Batteriespeicher zusammen. Simulationsstudien mit historischen Messdaten und unter Berücksichtigung von Unsicherheiten in den Vorhersagemethoden zeigen signifikante wirtschaftliche Vorteile für die modellprädiktiven Regelungen gegenüber dem aktuellen manuellen Netzbetrieb auf der Insel Suðuroy. Mithilfe quasistationärer Modelle wird weiterhin gezeigt, dass der stabile Systembetrieb sowohl im Normalbetrieb als auch beim Auftreten größerer Störungen nicht gefährdet ist. Abschließend werden die in dieser Arbeit vorgeschlagene MPC auf Suðuroy implementiert und qualitative Ergebnisse aus Feldtests abgeleitet.
doctoral thesis
49 54
Some of the metrics are blocked by your
consent settings
Verlustleistungsreduktion von modularen Multilevel-Umrichtern für die Hochspannungs-Gleichstromübertragung mittels modellprädiktiver Regelung
(2026-06-05)
Landwehr, Marc
;
Michels, Kai
;
Ebrahimi, Amir
;
Michels, Kai
Die vorliegende Arbeit befasst sich mit der Entwicklung, Implementierung und Erprobung eines zweistufigen modellprädiktiven Regelungskonzeptes (MPC) zur Reduktion der Verlustleistung modularer Multilevel-Umrichter (MMC) für die Hochspannungs-Gleichstromübertragung (HGÜ). Die erste Stufe des Regelungskonzeptes stellt einen klassischen MPC mit weitem Prädiktionshorizont dar. In der umfangreichen mathematischen Modellierung des MMC werden speziell auf den Regelungsansatz ausgelegte Differentialgleichungen hergeleitet, die durch analytische Linearisierung von typischerweise auftretenden Nichtlinearitäten befreit werden. Dies ermöglicht die Formulierung eines streng konvexen quadratischen Optimierungsproblems mit linearen Nebenbedingungen, das effizient gelöst werden kann. Maßnahmen zur Reduktion der Verlustleistung sind bereits auf dieser Abstraktionsebene integriert. Die zweite Stufe beschreibt ein als Optimierung ausgeführtes Modulationsverfahren zur Erzeugung der Schaltbefehle der Submodule. Basierend auf einem linearen Prozessmodell wird zur Reduktion der Schaltverluste ein besonders effizient lösbares Rucksackproblem formuliert. Das Optimierungsproblem verwendet die vorhergesagten Strom- und Spannungsverläufe des MPC der ersten Stufe, um die Spannungsänderungen der sich auf- und entladenden Submodulkondensatoren vorherzusagen und darauf aufbauend die optimalen Schaltbefehle mit den jeweiligen Ein- und Ausschaltzeitpunkten zu bestimmen. Ziel ist es, die Schaltfrequenzen und damit die Schaltverluste zu reduzieren, indem der Ausnutzungsgrad der Hardware erhöht wird. Im Gegensatz zu konventionellen Regelungsverfahren werden die Kondensatorspannungen nicht in einem engen Spannungsband gehalten, sondern können sich innerhalb ihrer Betriebsgrenzen frei bewegen. Das entwickelte Verfahren wird anhand von Simulationen validiert und hinsichtlich verschiedener Betriebspunkte des MMC einschließlich auftretender Netzfehler analysiert und bewertet. Zur Überprüfung der Echtzeitfähigkeit werden die beiden Stufen des modellprädiktiven Regelungsverfahrens auf einem Evaluierungsboard mit digitalem Signalprozessor ausgeführt.
doctoral thesis
24 27
Some of the metrics are blocked by your
consent settings
Selbstlernende Regler auf Basis von Deep Reinforcement Learning Algorithmen
(2026-05-22)
Bosold, Ricardo
;
Michels, Kai
;
Klawonn, Frank
;
Michels, Kai
Die vorliegende Arbeit hat zum Ziel, Deep Reinforcement Learning Algorithmen für die Regelung industrieller Prozesse nutzbar zu machen. Dazu werden zunächst die notwendigen theoretischen Grundlagen erarbeitet und anschließend die Bandbreite der existierenden Algorithmenklassen dargestellt. Für weitere Untersuchungen wird der vielversprechende Soft Actor Critic Algorithmus verwendet und weiterentwickelt, sodass er zur Regelung realer dynamischer Systeme eingesetzt werden kann. Um die Funktionalität des Konzepts zu testen, werden sieben verschiedene Systeme vorgestellt und deren Modelle abgeleitet. Erste Tests werden an linearen Systemen durchgeführt, wobei sowohl das Führungsgrößenverhalten als auch die Störgrößenkompensation untersucht werden. Darüber hinaus wird eine Methode entwickelt, um stationäre Genauigkeit im geschlossenen Regelkreis zu gewährleisten. Anschließend erfolgt eine Validierung des Reinforcement Learning Reglers an nichtlinearen Systemen, wobei der Einfluss der Abtastzeit sowie einer Strategieglättungsregularisierung untersucht wird. Darüber hinaus werden Methoden zur Reduktion der Trainingszeit diskutiert. Im weiteren Verlauf wird eine auf Reinforcement Learning basierende Gain-Scheduling-Struktur entwickelt und ein Training am realen System auf industrieüblicher Hardware durchgeführt. Schließlich wird der entwickelte Deep Reinforcement Learning Regler zur Feuerungsleistungsregelung an einem Modell eines Müllheizkraftwerks eingesetzt. Abschließend wird eine Empfehlung gegeben, in welchen Systemen der Einsatz dieser Methoden sinnvoll erscheint.
doctoral thesis
64 39
Some of the metrics are blocked by your
consent settings
Energieoptimale Regelung der biologischen Reinigungsstufe von Kläranlagen mit einem adaptiven Kennfeldregler
(2026-04-10)
Hogeback, Tim
;
Michels, Kai
;
Rüdiger Kutzner
;
Michels, Kai
Kommunale Kläranlagen werden als eine der größten kommunalen Einzelverbrauchergruppen im Bereich elektrischer Energie identifiziert. Den dominierenden Anteil hat dabei die Belüftung der biologischen Reinigungsstufe, die für den Abbau von Stickstoffverbindungen zwingend erforderlich ist. Die in der Praxis weit verbreiteten, statisch parametrierten Regelungskonzepte sind nur unzureichend dazu geeignet, die komplexen Wechselwirkungen zwischen den einzelnen Prozessgrößen sowie dynamische Belastungssituationen – etwa infolge von Niederschlagsereignissen – abzubilden. Die Konsequenz sind entweder ein überhöhter Energieeinsatz zur Sicherstellung der Ablaufqualität oder Einbußen in der Reinigungsleistung. Die vorliegende Arbeit entwickelt und validiert vor diesem Hintergrund einen adaptiven, selbstlernenden Kennfeldregler zur energieoptimalen Sollwertvorgabe der gelösten Sauerstoffkonzentration in der biologischen Reinigungsstufe. Der Regler verarbeitet eine Reihe von Eingangsgrößen, darunter Ammonium- und Nitratkonzentration, Temperatur sowie der Zulaufvolumenstrom. Auf Basis eines Online-Prozessabbildes passt er kontinuierlich die Sollwertvorgabe an. Die Validierung erfolgt zweistufig: Zunächst wird eine simulative Prüfung auf Basis eines in SIMBA# implementierten Anlagenmodells durchgeführt. Anschließend erfolgt eine mehrmonatige Prüfung in einem Realbetrieb an unterschiedlich dimensionierten kommunalen Kläranlagen. Die Analyse der Daten ergibt, dass eine Reduktion des elektrischen Energiebedarfs der Belüftung um durchschnittlich rund 10 % möglich ist, ohne dabei die Ablaufqualität zu beeinträchtigen. Zudem wird die Prozessstabilität unter dynamischen Lastbedingungen entweder auf dem aktuellen Niveau gehalten oder sogar verbessert. Die vorliegende Arbeit demonstriert, dass die adaptive Kennfeldregelung ein praxistaugliches und skalierbares Instrument zur Steigerung der Effizienz der biologischen Reinigungsstufe darstellt.
doctoral thesis
43 44
Some of the metrics are blocked by your
consent settings
Demand side management of industrial loads in active distribution networks
(2025-06-25)
Mohseni, Nasrat
;
Myrzik, Johanna
;
Wellssow, Wolfram Heinz
;
Myrzik, Johanna
Diese Dissertation präsentiert Algorithmen und Methoden für Anwendungen des Demand Side Management (DSM) mit besonderem Schwerpunkt auf der Rolle aktiver Verteilernetze (ADN) bei der Erleichterung des Stromnetzbetriebs im Zusammenhang mit einem erheblichen Anteil dezentraler erneuerbarer Energiequellen. Die Dissertation nutzt das DSM-Konzept zur Entwicklung von Algorithmen, die darauf abzielen, die Netzbedingungen durch Glättung der Restnachfrage auf Verteilerebene sowie durch Aggregation der Flexibilitätspotenziale im Verteilernetz zu verbessern. Diese Aggregation ermöglicht es den ADN, die Verantwortung für den Ausgleich mit dem übergeordneten Netzbetreiber, dem Übertragungsnetzbetreiber (ÜNB), zu teilen. Darüber hinaus ermöglicht die Aggregation der industriellen Flexibilität zusammen mit anderen verteilten Ressourcen wie Speichern und erneuerbaren Energiequellen die Bildung eines virtuellen Industriekraftwerks. Diese Konfiguration optimiert die Restnachfrage, um die Netzbedingungen zu verbessern oder die Energiekosten zu senken, wobei der Schwerpunkt auf der Reaktion auf Spotmarktsignale liegt. In der vorliegenden Dissertation wird eine Methodik vorgeschlagen, die auf der gemeinsamen Verantwortung für die Bilanzierung zwischen dem Verteilernetzbetreiber und dem Übertragungsnetzbetreiber basiert. Bei diesem Modell fungiert jeder Verteilernetzbetreiber als ausgleichsverantwortliche Einheit gegenüber dem Übertragungsnetzbetreiber, und innerhalb jedes ADN kann jede flexible Ressource als teilausgleichsverantwortliche Einheit fungieren, die als virtuelle Kraftwerke arbeitet. Die Einführung von industriellen virtuellen Kraftwerken nutzt die industrielle Flexibilität zusammen mit anderen verteilten Ressourcen, um die Stromübertragung zu minimieren und das Konzept der lokalen Erzeugung und des lokalen Verbrauchs zu verbessern. Die Arbeit beschreibt außerdem die spezifischen Flexibilitätspotenziale einer Flaschenproduktions- und Getränkeabfüllanlage durch die Bestimmung realisierbarer Betriebspunkte für Produktionseinheiten durch Messung und für Produktionslinien durch Berechnung. Jeder Algorithmus, jedes Rahmenwerk und jede Methodik wird sorgfältig detailliert, simuliert und die Ergebnisse werden präsentiert, um die praktischen Anwendungen und Vorteile der vorgeschlagenen Ansätze in realen Umgebungen zu demonstrieren.
doctoral thesis
37 32
Some of the metrics are blocked by your
consent settings
Optimization-based operation of island hybrid power systems: a case study in Suðuroy, Faroe Islands
(IET, 2023)
Alferink, Marco
;
Reus, Lucas
;
Goudarzi, Farshid
;
Hofmann, Lutz
;
Michels, Kai
An optimization-based energy management system (EMS) for the island hybrid power system of Suðuroy on the Faroe Islands is proposed in this paper. Next to balancing generation and load, the aim lies in reducing the operational costs while dealing with uncertainties from the intermittent nature of renewables. This is achieved by a two-layer model predictive control (MPC) approach solving a mixed-integer linear programming problem for unit commitment, as well as a non-linear programming optimal power flow problem for economic dispatch. The setpoints are transferred to the local controllers of the distributed energy resources. Simulations of the MPC strategy show that the utilization of renewables is preferred and, thus, decreasing operational costs are obtained while satisfying operational and security requirements. The proposed EMS is further investigated in quasi-stationary simulations using a simplified model of the Suðuroy power system. It can be observed that after changes of power setpoints and besides small deviations from the predicted values, no stability boundaries are violated.
conference paper
42 50
Some of the metrics are blocked by your
consent settings
Towards an SSVEP Based BCI With High ITR
Volosyak, Ivan
;
Valbuena, Diana
;
Lüth, Thorsten
;
Gräser, Axel
A brain-computer interface (BCI) provides the possibility to translate brain neural activity patterns into control commands without movement by the user. In recent years, there has been increasing interest in using steady-state visual evoked potential (SSVEP) in BCI systems; the SSVEP approach provides currently the fastest and most reliable communication paradigm for the implementation of a non-invasive BCI system. However, many aspects of current system realizations need improvement, specifically in relation to speed (in terms of information transfer rate as well as time needed to perform a single command), user variability and ease of use. With these improvements in mind, this paper presents the Bremen-BCI, an online multi-channel SSVEP-based BCI system that operates on a conventional computer making use of the minimum energy combination method for extraction of power information associated with the SSVEP responses. An additional advantage of the presented methodology is that it is fully online, i.e., no calibration data for noise estimation, feature extraction, or electrode selection is needed, the system is ready to use once the subject is prepared. The SSVEP-based Bremen-BCI system with five targets, an adaptive time segment length between 0.75s and 4s, and six EEG channel locations on the occipital area, was used for online testing on 27 subjects. ALL participants were able to successfully complete spelling tasks with a mean accuracy of 93.83% and an information transfer rate (ITR) of 49.93 bit/min.
Report
339 168
Some of the metrics are blocked by your
consent settings
Robust Model Predictive Control-Based Energy Management System for the Island Power System of Suðuroy, Faroe Islands
(2024)
Alferink, Marco
;
Reus, Lucas
;
Hofmann, Lutz
;
Michels, Kai
In this paper a robust Model Predictive Control (MPC)-based Energy Management System (EMS) is developed and investigated for the case study of Suðuroy, Faroe Islands, under uncertainties resulting from real data. This island power system comprises volatile renewable energy sources, synchronous machines and a Battery Energy Storage System (BESS). In the presented robust MPC both uncertainties from the wind farm power and load demand forecasts are considered. Simulation results are derived from data of one week focusing on the diesel generators’ operational costs and the BESS usage. A comparison against a deterministic MPC-based EMS as well as historical grid operation data is performed. In the presented case study it is shown that both the deterministic MPC and the robust MPC provide significant economic benefits compared to the current grid operation. It is also found that the robust MPC achieves similar performance to the deterministic MPC regarding operational costs. Increased robustness gained through higher state of charge of the BESS is not traded for higher operational costs, highlighting the advantages of the robust MPC-based EMS.
conference paper
71 92

Institut für Automatisierungstechnik (IAT)

Filters

Settings

Sort By

Results per page