Energy-Optimal Control of Refrigeration Processes

Mit dem Ziel, die möglichst energieeffizienteste (energieoptimale) Betriebsweise zu erreichen, werden für zwei unterschiedliche Kälteprozesse neue Regelungsmethoden entworfen und untersucht. Grundlage der Untersuchungen sind zwei prototypisch aufgebaute Anlagen: eine Kompressionskältemaschine mit dem Kältemittel R134a sowie eine Zwei-Bett-Adsorptionskältemaschine mit der Stoffpaarung Silikagel/Wasser. Für beide Anlagen wird der komplette Prozess von der Modellerstellung, über den theoretischen Regelungsentwurf mittels Simulation und dynamischer Optimierung, bis hin zum Einsatz der entworfenen Regelungen an den realen Anlagen vollständig und detailliert beschrieben. Es wird eine Nichtlineare Modellbasierte Prädiktive Regelung für Kompressionskältemaschinen entworfen und an einer realen Anlage umgesetzt. Dabei wird das anhand von Messdaten parametrisierte Systemmodell zusammen mit einem spezialisierten Optimierungsalgorithmus aus dem Softwarepaket MUSCOD-II verwendet. Dem Echtzeit-Iterations-Schema folgend werden durch wiederholte online Optimierungsrechnungen Stellgrößen bestimmt und an die Anlage gesendet. Für Adsorptionskältemaschinen wird eine selbstoptimierende Regelung zur automatischen Bestimmung der Zyklusdauer mit maximaler durchschnittlicher Kälteleistung entwickelt und an einer realen Anlage angewendet. Die Optimalität der zyklisch stationären Betriebspunkte, die sich mit dieser Regelungsmethode einstellen, wird bewiesen. Gegenüber vergleichbaren bekannten Regelungskonzepten zeigen Simulationsstudien eine Steigerung der mittleren Kälteleistung von 13 % bei dynamischen Randbedingungen.Aiming at the most energy-efficient (energy-optimal) operation, new control methods for two different refrigeration processes are developed and analyzed. Subjects of research are two prototype refrigeration plants: a vapor compression cycle using the refrigerant R134a and an adsorption chiller with the working pair silicagel/water. For both systems the complete process of model based control design is described in detail: deriving the system model equations, designing and testing controllers with simulation and dynamic optimization, and finally testing the developed control algorithms on the real plants. A nonlinear model predictive control algorithm for vapor compression chillers is developed and tested on a real plant. In this control method the system model, parameterized according to measurement data, is used in a tailored optimization algorithm within the software package MUSCOD-II. Following the real-time iteration scheme, optimal control feedback is computed repeatedly and sent to the plant. A self-optimizing control law for adsorption chillers is designed and implemented at a real plant. The cycle time is adjusted automatically in order to maximize average cooling power. A proof of optimality is provided for cyclic steady state conditions reached with this control method. Compared to existing control concepts, simulation studies show an improvement in cooling power of 13 % for dynamic boundary conditions