Dieses Forschungsprojekt befasst sich mit der effizienten Nutzung von Abwärme, welches einer der zentralen Herausforderungen der stahlproduzierenden Industrie im Kontext der Energiewende und des Klimawandels darstellt. Aufbauend auf bereits abgeschlossene Forschungsprojekte zur Abwärmenutzung mit der Georgsmarienhütte GmbH als Stahlproduzent und den Stadtwerken Georgsmarienhütte als Wärmeabnehmer und Versorger, werden in diesem Projekt weitere Analysen & Ausarbeitungen durchgeführt. Ziel ist es, die bestehenden Systeme und Prozesse in ausgewählten Bereichen besser zu verstehen und die Abwärmenutzung zu optimieren.
Der Hauptteil der Arbeit lässt sich in die Abschnitte Datenanalyse und Konzeption eines Steuerprogramms zur optimierten Regelung der Abwärmemengen zur internen Nutzung und zur Wärmeübergabe an das Wärmenetz der Stadtwerke aufteilen.
Im Abschnitt zur Datenanalyse werden die Daten von ausgewählten Aggregaten, deren assoziierte Prozesse und Wechselwirkungen untereinander analysiert. Diese Untersuchungen werden auch im Hinblick auf die mögliche Integration einzelner Prozessinformation als Einflussgröße in ein Prognosemodell durchgeführt. Im Detail werden Prozesse von dem Elektrolichtbogenofen (ELO), dem Abhitzekessel (AHK) und der Vakuumanalage quantifiziert. Um die Verteilung und das Zentralmaß der Parameter für einzelnen Prozesse, wie z. B. die Prozessphasendauer oder Energiebedarfsmengen, zu bestimmen, werden die Boxplot- und Histogramm-Darstellung angewendet. Dieser Abschnitt schließt mit einer Auswertung der Auswirkungen einer erweiterten Regelungslogik auf die Wärmeübergabe an die Stadtwerke. Um Wechselwirkungen zwischen einzelnen Prozessen auszuwerten kommen erweiternd Punktwolkendarstellungen, Korrelations- und Regressionsanalysen zum Einsatz.
Im zweiten Hauptteil wird ein geeignetes Prognosemodell bestimmt und in das Konzept zur Optimierung der Regelung zur Wärmeübergabe an die Stadtwerke integriert. Zur Bestimmung des Vorhersagemodelles werden Methoden aus der Regressionsanalyse genutzt. Dabei werden 2 unterschiedliche Prognosemodelle (polynomiale Regression & Decision Tree) in verschiedenen Varianten, d.h. mit unterschiedlichen Kombinationen von Einflussparameter, auf ihre Vorhersagegüte, zur prognostizierten Abwärmeleistung der nächsten 60 Minuten ausgewertet. Nach der Bestimmung eines passenden Prognosemodells wird dieses in das Konzept integriert. Beginnend mit einem initialen Konzeptversion wird anhand von historischen Daten eine Optimierung über mehrere Iterationsschritte durchgeführt, um ein möglichst schaltarmes, stabiles und auf erwartbar hohe Abwärmemengen abgestimmtes Reaktionsverhalten zu erzielen, welches schlussendlich als finales Konzept präsentiert wird. Hierbei werden für die Optimierungsaufgabe angepasste Metriken zur quantitative Auswertung entwickelt und genutzt. Zusätzlich findet eine qualitative Auswertung statt, indem relevanten Parameter und das Schaltverhalten des Konzeptes in Übersichtsdiagrammen zusammenhängend analysiert werden.
Im ersten Teil der Datenanalyse werden ausgewählten Prozesse analysiert. Grundlegend findet durch die gewonnenen statistischen Auswertungen eine Erweiterung des Verständnisses der Komponenten des Systems statt. Diese Erkenntnisse unterstützten zudem bei der Konzeption eines optimierten Steuerprogramms, da hier die ausgewerteten Parameter als Einflussgrößen im Vorhersagemodell verwendet werden. Aus der Analyse der Betriebsdauern der Vakuumbehandlungen kann geschlussfolgert werden, dass der Start der Anlage synchron zum Beginn von ELO Zustand 8, bzw. frühestens ab Zustand 4, stattfinden sollte. Im Rahmen dieses Arbeitsteils wird auch eine erweiterte Regelungslogik zur Wärmeübertragung an die Stadtwerke ausgewertet. Diese Logik erlaubt die Freigabe zur Wärmeübertragung bereits bei 3 bar (Druckwert der Dampftrommel) vor Einsatz der Kondensatoren, während der Betriebsart „Überhitzen“ (ELO Zustand 8). Die Auswertungen hierzu zeigen, dass sich durch die erweiterte Regelung der Druckbereich, in dem eine Wärmeübergabe an die Stadtwerke stattfindet, zu niedrigeren Drücken verschiebt. Damit findet die Übergabe frühzeitiger statt und ermöglicht mehr Abwärme an die Stadtwerke zu übergeben bevor die Kondensation einsetzt.
In den Auswertungen des zweiten Hauptteils hat sich der Decision Tree Algorithmus als das passendste Vorhersagemodell herausgestellt. Das höchste Bestimmtheitsmaß zur Prognose zukünftiger Abwärmeleistungswerte konnte mit einer Kombination aus bereits aus dem Messsystem bekannten Parametern und die vergangenen Werte der Abwärmeleistung und weiteren konstruierten Parameter erzielt werden. Durch die Implementierung der letzten 3 Abwärmeleistungswerte lässt sich insbesondere in den ersten 5 Minuten der Vorhersage eine deutliche erhöhte Vorhersagegenauigkeit erzielen. Die Anzahl an Wechsel der Freigabezustände pro Charge wurde möglichst minimiert, um ein schaltarmes Reaktionsverhalten zu erreichen. Zusätzlich wurde im finalen Konzept erreicht, dass die Freigabephasen bei ELO Zuständen mit hohen Abwärmemengen stattfindet.
Die Ergebnisse des Projektes werden innerhalb der GMH Gruppe allen Unternehmen in entsprechenden Workshops vorgestellt. Darüber hinaus werden die Ergebnisse in verschiedenen Energie-Effizienz-Netzwerken vorgestellt und diskutiert. Im Rahmen verschiedener Abwärmenutzungen werden die Ergebnisse ebenfalls weiteren Firmen zugängig gemacht.
Mit der Datenanalyse konnte zunächst gezeigt werden, dass die Ansätze zur Optimierung der Regelung aus dem Projekt Abwärme 2.0 erfolgreich umgesetzt werden konnten. Die Auswertungen dieser erweiterten Regelungslogik zeigen, dass sich eine frühzeitigere Wärmeübergabe einstellt und damit eine größere Wärmemenge übertragen werden kann.
Die Entwicklung eines erweiterten Konzeptes zur Wärmeübergabe, welches sich nicht nur auf den ELO Zustand 8 beschränkt, wurde dadurch zusätzlich motiviert. Im zweiten Hauptteil wird durch umfangreiche Auswertung ein geeignetes Prognosemodell entwickelt, welches Teil des Konzeptes zur Optimierung der Regelung zur Wärmeübergabe an die Stadtwerke ist. Die Logik lässt sich auch auf weitere zusätzliche Wärmesenken anwenden.
Eine Auswertung dieses erweiterten zweiten Ansatzes wird für zukünftige Arbeiten als sinnvoll erachtet, um die Vorhersagegenauigkeit zu erhöhen. Eine Implementierung des finalen Konzeptes zur Regelungsoptimierung ist bei GMH in Planung und eine anschließende Auswertung zu deren Auswirkungen auf das Wärmeübergabeverhalten ist empfehlenswert.