PresentationPDF Available

Optimierung industrieller Energiesysteme zur CO2 und Kostenreduzierung

Authors:
Christopher Lange at Fraunhofer Institute for Integrated Systems and Device Technology
Christopher Lange
Richard Oechsner at Fraunhofer Institute for Integrated Systems and Device Technology
Richard Oechsner
Andreas Eirenschmalz
Andreas Eirenschmalz
Andreas Eirenschmalz
  • This person is not on ResearchGate, or hasn't claimed this research yet.
Markus Eirenschmalz
Markus Eirenschmalz
Markus Eirenschmalz
  • This person is not on ResearchGate, or hasn't claimed this research yet.
Download file PDF
Read file
Download citation

Abstract

The presentation covered the project ProEnergie - Bayern and the energy system at Eirenschmalz. In ProEnergie, strategies and software tools were developed that support companies in increasing the efficiency and flexibility of their energetic building infrastructure. Industrial companies from various branches (automotive engineering, metal, lightweight construction, technical textiles, plastics, ceramics) as well as the two Fraunhofer institutes IISB and IPA worked on the project. Subsequently, the company Eirenschmalz presented their energy concept and the expanded energy system at the Schwabsoien site, which showed a real example of applications of the software tools from ProEnergie.
Content uploaded by Christopher Lange
Author content
All content in this area was uploaded by Christopher Lange on May 30, 2023
Content may be subject to copyright.
Dr. Christopher Lange, Dr. Richard Öchsner,
Andreas Eirenschmalz, Markus Eirenschmalz
—
Optimierung industrieller Energiesysteme
zur CO2- und Kostenreduzierung
Berliner Energietage 2023, Fraunhofer-Allianz Energie
Energiewende jetzt! Neue Herausforderungen – lokale Lösungen, 23.05.2023 ab 16:30 Uhr
Public
23.05.2023Seite 2
Inhalte des Vortrags
1.
Motivation für Optimierungen im Energiesystem
Wo liegen die Schwierigkeiten des intelligenten Energiemanagements?
2.
Forschungsprojekt ProEnergie
–Bayern
Effizienz- und Flexibilitätsgewinn durch Optimierung von Betriebsstrategien der
energetischen Gebäudeinfrastruktur basierend auf prognostizierten Energiebedarfen der
Produktion
3.
Kurzvorstellung von Eirenschmalz
Ein mittelständischer Betrieb aus dem Bereich des Laserschneidens und
-schweißens aus Schwabsoien
4.
Umbau des Energiesystems von Eirenschmalz
Der Weg zur CO2-netralen Energieversorgung durch PV-Anlagen, Holzvergaser-BHKW
und intelligentem Materialfluss
© Fraunhofer IISB
Public
Motivation
23.05.2023 © Fraunhofer IISBSeite 3
Typische Infrastrukturen in der Industrie bestehen aus verschiedenen Energiesektoren
▪Strom (AC und DC)
▪Wärme und Kälte
▪Gas (z. B. Erdgas, Wasserstoff)
▪Weitere (z. B. Druckluft, Vakuum, Medien)
Die Sektoren sind über verschiedene Anlagen gekoppelt!
▪Optimierungen einer Komponente oder eines Teilsystems verbessert nicht unbedingt das Gesamtsystem
▪Daher ist die Betrachtung des Gesamtsystems essentiell
▪Beispiel: Blockheizkraftwerk (BHKW) koppelt Gas-, Strom- und Wärmenetz
Intelligentes Energiemanagement: Berücksichtigung aller relevanten Zusammenhänge zwischen den Komponenten sowie Anwendung
intelligenter Betriebsstrategien für
▪Lastspitzenreduktion
▪Effizienzerhöhung
▪Eigenversorgungsoptimierung
Übergeordnete Ziele: CO2-Reduktion, Kosteneinsparungen
Quellen: [1][2]
Public
ProEnergie –Bayern
Schwerpunkte und Ergebnisse
ProEnergie –Bayern
23.05.2023 © Fraunhofer IISBSeite 4
Gefördert durch die
Public
ProEnergie –Bayern
23.05.2023 © Fraunhofer IISBSeite 5
Forschungsprojekt zur Optimierung der EGI (energetische Gebäudeinfrastruktur) von Unternehmen
Projektinfos
▪Ziel: Entwicklung von Strategien und Software-Werkzeugen zur
Unterstützung von Unternehmen bei der Erhöhung der
Effizienz und Flexibilität ihrer energetischen Gebäudeinfrastruktur (EGI)
▪Anwendungsbeispiele, welche im Rahmen von Fallstudien untersucht wurden
▪Erweiterung der lokalen Stromversorgung mit PV und Batterie
▪Prognose kritischer Zeiträume mit hohen Energiebedarfen
▪Optimierung der Wärme-und Kälteversorgung
▪Lastspitzenreduktion mit elektrischen und thermischen Anlagen und Speichern
▪Gefördert durch die Bayerische Forschungsstiftung BFS
Weitere Informationen und Download der Software-Werkzeuge
https://www.proenergie-bayern.de © C. Hoffmann / Fraunhofer IPA
Quellen: [3][4]
Nachvernetzung einer Anlage durch einen
Fraunhofer-Wissenschaftler
Public
23.05.2023 © Fraunhofer IISBSeite 6
ProEnergie –Bayern
Projektkonsortium
Projektpartner in ProEnergie
▪Industrieunternehmen aus verschiedenen Branchen
(Automobiltechnik, Metall, Leichtbau, Technische Textilien,
Kunststoff, Keramik):
▪Bosch
▪Brose
▪Eirenschmalz
▪GKN Aerospace
▪IAtech
▪Iprotex
▪Rauschert
▪Forschungseinrichtungen
▪Fraunhofer-Institut für Integrierte Systeme und
Bauelementetechnologie IISB
▪Fraunhofer-Institut für Produktionstechnik und
Automatisierung IPA
Karte (Bayern) mit den Standorten der beteiligten ProEnergie-Projektpartnern
Public
ProEnergie –Bayern
23.05.2023 © Fraunhofer IISBSeite 7
Arbeitspakete
Struktur des Projekts ProEnergie –Bayern
Aufteilung der Arbeitsschritte in fünf Arbeitspakete
Datenakquise und –analyse
▪Aufbereitung und Auswertung von Produktions-
und Energiedaten der Projektpartner
▪Definition von branchenunabhängigen EGI-
Einflussgrößen und Messkonzepten
▪Entwicklung des Lastprofil-Analyse-Tools
Optimierte Betriebsstrategien für EGI-
Komponenten basierend auf Modellen
▪Erstellung einer Modellbibliothek für
Komponenten der EGI
▪Betriebsstrategien und Auslegungsfunktionen
▪Entwicklung des EGI-Optimierungs-Tools
Auswertungsalgorithmus und Lastprofil-
Modellbildung für die Produktion
▪Entwicklung von Algorithmen für die Prognose
von Lastprofile
▪Entwicklung des Produktions-Lastgang-Tools
Exemplarische Anwendung und Validierung
in Unternehmen
▪Anwendung der Software-Werkzeuge bei den
Projektpartnern
▪Definition umsetzbarer Maßnahmen
Projektmanagement
▪Koordination und Planung von
Meetings und Projekttreffen
▪Überwachung der Zeit-und
Kostenpläne
▪Erstellung der Berichte
▪Bereitstellung einer Plattform
für den Datenaustausch
▪Öffentlichkeitsarbeit (z. B.
Website, Veröffentlichungen)
Public
ProEnergie –Bayern
23.05.2023 © Fraunhofer IISBSeite 8
Projektergebnisse
Entwickelte Softwarewerkzeuge
Nutzung aufeinander aufbauend sowie auch unabhängig möglich
Produktionsdaten
Produktions-Lastgang-Tool
Lastprognose auf Basis von ML-
Modell inkl. Training des Modells
EGI-Optimierungs-Tool
Simulation und Optimierung mit
der frei konfigurierbaren EGI
Lastprofil-Analyse-Tool
Lastganganalyse inkl. diversen
Darstellungen und Auswertungen
Energiedaten
Ergebnis:
Bedarfsprognose für
Strom, Wärme und Kälte
Ergebnis:
Betriebsverhalten und
Parameter der EGI
nachträgliche Auswertung
historische Daten
Quellen: [4]
Public
ProEnergie –Bayern
23.05.2023 © Fraunhofer IISBSeite 9
Projektergebnisse
Entwickelte Softwarewerkzeuge
Quellen: [4]
Screenshots von den in ProEnergie entwickelten Software-Werkzeugen
Public
ProEnergie –Bayern
23.05.2023 © Fraunhofer IISBSeite 10
Projektergebnisse
Realisierte Komponenten im EGI-Optimierungs-Tool
G
K
W
S
Betr.
EVO
LR
Beschreibung
Komponente
x
Externer Strombezug, z. B. von Energieversorger
Ext. Stromversorgung
x
xxx
Batteriespeicher
Batterie
x
x
PV
-Anlage, Basis: eingelesenes PV-Profil
Photovoltaik
-Anlage
x
x
Basis: eingelesenes WKA
-Profil
Windkraftanlage
x
xx
Notstrom
-Aggregat (Lastspitzenreduktion)
Fossile Stromerzeugung
x
Externe Wärmebezug, z. B. von Energieversorger
Fernwärme
x
x
Wärmespeicher (Netzstützung)
Wärmespeicher
x
x
x
xxx
Blockheizkraftwerk mit Wärmespeicher
BHKW
x
x
xxx
Wärmepumpe mit Leistungsstufen und
Wärmespeicher
Wärmepumpe (stufig)
x
x
xxx
Wärmepumpe mit Leistungsanpassung und Wärmespeicher
Wärmepumpe (
kontin.)
x
x
xx
Heizkessel mit Wärmespeicher
Heizkessel
x
x
Abwärmenutzung
, Basis: eingelesenes Profil
Abwärmenutzung
x
Externer
Gasbezug, z. B. von Energieversorger
Ext. Gasversorgung
x
x
Gasspeicher (Netzstützung)
Gasspeicher
x
Externer Kältebezug, z. B. von Energieversorger
Fernkälte
x
(x)
x
xxx
Kältemaschine mit Kältespeicher
Kältemaschine
x
x
Kältespeicher (Netzstützung)
Kältespeicher
LR: Lastspitzenreduktion, EVO: Eigenversorgungsoptimierung, Betr: Integrierte Betriebsstrategie
S: Strom, W: Wärme, K: Kälte, G: Gas
Betriebsstrategie Energieform
Z12
10->20
Z13
10 ->30
Z21
20 ->10
Z23
20 ->30
Z61
60 ->10 Z62
60 ->20
a131
a132
a612
a611
a560 a450
a540
a340
a350
a231
a232
a121 a122
a212 a211
a621
a622
a010
a460
Z10
Standby
Z00
Fehler
Z20
Exkl. Entladung
Z30
BHKW Anlauf
Z60
BHKW Nachlauf Z40
Normalbetrieb
Z50
Lastspitzenbetrieb
ax00
Quellen: [1][4-7]
Zustandsautomat für die Steuerung und
Flexibilisierung eines BHKW
Einteilung eines Wärmespeichers in virtuelle
Ladezustandszonen
Public
Eirenschmalz
Kurzvorstellung und Energiesystem
Eirenschmalz
23.05.2023 © Fraunhofer IISBSeite 11
Public
Eirenschmalz
23.05.2023 © EirenschmalzSeite 12
Standorte
Zwei starke Partner
Standort: Schwabsoien
Spezialgebiet:
· 3D-Laserschneiden
und –schweißen
· Rohrlasern
Mitarbeiter/innen: 200
35 to Material / Tag
Standort: Augsburg
Spezialgebiete:
· Pulverbeschichten
· Edelstahlschweißen
· Laserstanzen
Mitarbeiter/innen: 180
15 to Material / Tag
Firmenrundgang Firmenrundgang
Public
Eirenschmalz
23.05.2023 © EirenschmalzSeite 13
Historie
Unser Lebenslauf
Erste 3D-
Laserschweißanlage
Erster
Rohrlaser
Übernahme
blechTECH
Gründung durch
Anton Eirenschmalz
Erste
Laserschneidanlage
Auszeichnung
zu „Bayerns
Best 50“
1990 1993 2000 2001 2012 2015 2018
Erneute Auszeichnung
zu „Bayerns Best 50“
und beim „Großen Preis des
Mittelstandes „
Auszeichnung als Finalist
Unsere Vision
Start des
Bauprojekts Schwabsoien
2019
Auszeichnung zum
Preisträger beim „Großen
Preis des Mittelstandes“ und
Verleihung der Ehrenplakette
2021
20-Jahre
blechTECH
2020
30-Jahre
Eirenschmalz
2022
Umsetzung
Energiekonzept
Public
Eirenschmalz
23.05.2023 © EirenschmalzSeite 14
Mission
Individuelle & flexible Lösungen
2D Laserschneiden 3D Laserschneiden
Laserschweißen Rohrbearbeitung Laserstanzen
Abkanten Schweißen Zerspanen Pulverbeschichten
Montage Konstruieren Qualitätsmanagement Logistik
Oberflächenfinish Lasergravur IMS
Integriertes Managementsystem
Public
Eirenschmalz
23.05.2023 © EirenschmalzSeite 15
Leitbild
Public
Eirenschmalz
23.05.2023 © EirenschmalzSeite 16
Energiekonzept Schwabsoien
Unsere Vision
Mit unserem Energieprojekt widmen wir uns dem Thema
einer klimafreundlichen Energieversorgung für den Standort
Schwabsoien.
Einsparpotenziale:
Stromzukauf von ca. 3.652 MWh auf 702 MWh reduzieren
Überschüssige Wärme – die in erster Linie zur
Adsorptionskühlung der Laseranlagen verwendet wird –
über die Dorfheizung weitergeben
Public
Eirenschmalz
23.05.2023 © EirenschmalzSeite 17
Übersicht
Public
Eirenschmalz
23.05.2023 © EirenschmalzSeite 18
Projekt BHKW
Public
Eirenschmalz
23.05.2023 © EirenschmalzSeite 19
Stromeinkauf
Reduzierung
Stromeinkauf
Public
Eirenschmalz
23.05.2023 © EirenschmalzSeite 20
Energiemonitoring
BHKW
Public
Eirenschmalz
23.05.2023 © EirenschmalzSeite 21
Energiemonitoring
PV
Public
Eirenschmalz
23.05.2023 © EirenschmalzSeite 22
Energiemonitoring
Gesamtsystem
(Video)
Public
Quellen
23.05.2023 © Fraunhofer IISBSeite 23
[1]
C. Lange, R. Öchsner, J. Geiling, A. Rueß. „Intelligent Energy Management“. Presentation (2022). Fraunhofer IISB.
DOI:
10.13140/RG.2.2.33911.29602.
[2]
R. Öchsner, A. Nuß, C. Lange, A. Rueß.
„Research Platform: Decentralized Energy System for Sector Coupling“.
Chemical Engineering & Technology
42.9 (2019), S. 1886–1894. DOI: 10.1002/ceat.201800714.
[3]
A. Trenz, C. Hoffmann, C. Lange, R. Öchsner. „
Increasing energy efficiency and flexibility by forecasting produc-tion energy demand based
on
machine learning”. Manufacturing Driving Circular Economy. Hrsg. von Kohl, H., Seliger, G., Dietrich, F. GCSM 2022. Lecture Notes in
Mechanical
Engineering. Cham: Springer. DOI: 10.1007/978-3-031-28839-5_50.
[4]
IISB. „Intelligentes Energiemanagement für Unternehmen: Projekt ProEnergie
-Bayern stellt Software-Toolbox vor“. Press release (2022).
Available
online: https://www.iisb.fraunhofer.de/en/press_media/press_releases/pressearchiv/archiv_2022/ProEnergie-Bayern.html
(
access: 27.02.2023).
[5]
C. Lange.
„Energiesektoren-übergreifende Lastspitzenreduktion mit elektrischen und thermischen Energiespeichern“.
PhD
-Thesis, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) (2021). URN: urn:nbn:de:bvb:29-opus4-169778.
[6]
C. Lange. „
BHKW des Jahres 2020. BHKW mit Wärmespeicher und Batterie zur Strom-/Wärmeversorgung sowie Lastspitzenreduktion“.
Presentation.
BHKW 2021 –Innovative Technologien und neue Rahmenbedingungen, 09.11.2021 –10.11.2021, Magdeburg (2021).
DOI:
10.13140/RG.2.2.26423.80803.
[7]
C. Lange, A. Rueß, A. Nuß, R. Öchsner, M. März.
„Dimensioning battery energy storage systems for peak shaving based on a real-time
control algorithm“.
Applied Energy 280 (2020), 115993. ISSN: 306-2619. DOI: 10.1016/j.apenergy.2020.115993.
Kontakt
—
Dr.-Ing Christopher Lange Andreas Eirenschmalz
Senior Scientist Intelligente Energiesysteme Energiemanagement
Tel. +49 09131 761-107 Tel. +49 8868 1800-728
christopher.lange@iisb.fraunhofer.de andreas.eirenschmalz@eirenschmalz.de
Dr.-Ing Richard Öchsner Markus Eirenschmalz
Gruppenleiter Energietechnik Geschäftsführer
Tel. +49 09131 761-116 Tel. +49 8868 1800-0
richard.oechsner@iisb.fraunhofer.de markus.eirenschmalz@eirenschmalz.de
Fraunhofer Institute for Integrated Systems and Device Technology IISB Eirenschmalz Maschinenbaumechanik und Metallbau GmbH
Schottkystraße 10 Altenstadter Strasse 4
91058 Erlangen 86987 Schwabsoien
www.iisb.fraunhofer.de www.eirenschmalz.de
Vielen Dank für Ihre
Aufmerksamkeit
—
ResearchGate has not been able to resolve any citations for this publication.
Intelligent Energy Management
Presentation
Full-text available
  • Jun 2022
Intelligent energy management is the basis for economical and low-emission operation of decentral energy systems. This presentation gives a brief overview on the basics of an intelligent energy management system (iEMS) and explains some of its aspects (e.g., operational strategies, modeling and simulation) using concrete examples. An industrial-scale real-world laboratory was set up at Fraunhofer IISB, where, among other things, many aspects of an iEMS were implemented and demonstrated. In the framework ToSyCo an approach for the control of energy systems was developed. Two levels have been defined, which divide the operational strategy into a global level (storage schedules, load forecasts, etc.) and a local level (for real-time control, security, etc.).
View
BHKW des Jahres 2020
Presentation
Full-text available
  • Nov 2021
View
Energiesektoren-übergreifende Lastspitzenreduktion mit elektrischen und thermischen Energiespeichern
Thesis
Full-text available
  • Aug 2021
Peak loads cause high and unpredictable loads on the power grids and increased transmission losses in the distribution networks. The compensation of short-term high electrical energy demand also requires inefficient and expensive peak load power plants as well as oversized grid components. In order to achieve an electrical energy demand by larger consumers that is as even as possible, the grid operators set financial incentives. These include a demand rate, which depends on the maximum power value during the billing period. A reduction of the peak loads thus opens up high savings potentials for industrial and commercial companies. The methodology and application of peak shaving across different energy sectors as well as the influence on the energy system are investigated in the present thesis. In addition to electrical energy storage systems, thermal plants are also used for peak shaving to increase the reduction potential, which is different from existing literature. This includes heat and cold water supply systems, which are often part of industrial energy systems. The thesis focuses on a combined heat and power plant with heat energy storage and a cooling plant with cold thermal energy storage. However, the approach can be transferred to similar components. The energy storages provide the flexibility, which is needed for the additional usage of the plants for peak shaving. Data-based models are used to represent the behavior of the components (plants, energy storages and peripherals) in simulations, which enable a non-invasive investigation of the cross-sectorial peak shaving. Peak shaving with the plants and storages requires algorithms and operational strategies for the detection of relevant peak loads, calculation of setpoints as well as for the operation in normal and peak modes. In comparison to the state of the art, relevant characteristics of the components (e.g. startup procedures) are fully taken into account. The methods can be transferred to fields, which were not considered in the thesis, e.g., compressed air and air reservoir. The overall objective is to comply with a power limit, which can be varied over time to apply for individual network fees like atypical network usage. The models and operational strategies are merged in an expandable and flexible simulation environment. This is used to present and investigate various scenarios as well as to optimize components and parameters. The components are linked dynamically within the program via a netlist, which greatly simplifies extensions and thus enables extensive investigations. The simulations show that a battery is necessary to observe a predefined load limit, as it can be operated very dynamically and provides a continuously variable output power. In the first scenario, a battery system is considered. A peak shaving potential of about 10 % is determined for the parameters of a reference system, which shows load peaks in the range of one Megawatt. This leads to a payback time of less than five years. With the additional consideration of a combined heat and power plant with thermal energy storage this value increases to approx. 18 %. A combination with a cold thermal energy storage shows a potential of 21 %. This leads to an annual saving of 21 thousand euros assuming a demand rate of 100 euros per kilowatt. A second annual data set from the reference system confirms a similar impact of the measures on total savings. If the normal operation of the CHP is also taken into account, the savings are in the range of 139 thousand euros per year, which results in a payback period of less than three years. As the absolute results are strongly dependent on the plant dimensions, a method for the calculation of the reduction potential with variation of nominal power and capacity of the plants and storages is shown and applied for numerous parameter sets. The algorithms and operational strategies were implemented into a reference system. It provides measurements, which are used for validation of the simulations. Compared to the measurements, only minor differences with a mean absolute error of four kilowatts occur for the resulting transformer power. The present thesis thus provides an approach for planning and realization of the successful cross-sectorial peak shaving. The thesis also illustrates the exemplary application of component dimensioning, optimization of algorithm parameters and implementation of operation strategies in a real system.
View
Dimensioning battery energy storage systems for peak shaving based on a real-time control algorithm
Article
  • Dec 2020
  • APPL ENERG
In order to reduce power peaks in the electrical grid, battery systems are used for peak shaving applications. Under economical constraints, appropriate dimensioning of the batteries is essential. A dimensioning process is introduced consisting of a simulation environment to determine the behavior of the energy system, a real-time peak shaving control algorithm and an optimization process for detection of battery and algorithm parameters. The dimensioning process is investigated on the basis of four exemplary load profiles and in comparison to a conventional approach. Deviations between -7% and 75% for capacity and up to 43% for discharging power indicate undersized batteries using the conventional approach. The proposed approach relies on 1-min measurement data and does not require prediction data, leading to accurate dimensioning results for a given load profile, as verified in simulation. The practical use and effectiveness of the control algorithm is proven in a real-world laboratory. A battery system of 60 kWh capacity and 65 kW maximum power achieved successful peak load reduction by 50 kW (8%) for an a priori defined limit of 570 kW. The comparison with simulation shows only small deviations below 17 kW (4.1%) for the resulting load profile proving the realistic representation of an energy system in simulation.
View
Research Platform: Decentralized Energy System for Sector Coupling
Article
  • May 2019
Industrial facilities usually need multiple energy subsystems, e.g. for heat, cold and electric power supply. Normally those energy subsystems are controlled locally and independent of each other. Coupling of the different subsystems can open up additional potentials. Fraunhofer IISB developed a demonstration and research platform for investigation of the benefits of such sector coupling. A major precondition is to understand the energy flows in the system as well as establishing an overall and flexible system control to realize the required algorithms for setting up an intelligent decentralized energy system. Major components of the overall system are various storages, which extend the degree of freedom for sector coupling as well as increase the effectiveness of the different subsystems.
View