Comprehensive Automation, Digitalisation & Optimization of Renewable & Sustainable SNG-production

01.04.2021 - 30.06.2024
Forschungsförderungsprojekt

Die Erzeugung von einspeisefähigem synthetischen Erdgas (engl. SNG „synthetic natural gas“) aus erneuerbaren Festbrennstoffen wie Rest- und Abfallstoffen ist ein vielversprechender Ansatz zur Reduktion der CO2-Intensität im österreichischen Industrie- und Energiesektor. Die Zweibettwirbelschicht-Gaserzeugungstechnologie mit anschließender SNG-Synthese wurde bereits kommerziell umgesetzt. Dabei wurden im Zuge der Prozessentwicklung einige Punkte vernachlässigt, wodurch die Technologie am Markt bisher nicht konkurrenzfähig ist. Insbesondere wurde die ganzheitliche Prozessoptimierung, die Entwicklung eines holistischen Regelungs- und Automatisierungskonzepts und das Potential der Digitalisierung der Technologie unzureichend erforscht. Ziel dieses Forschungsprojektes ist es nicht nur die einzelnen Forschungslücken zu schließen, sondern durch Fokus auf die Wechselwirkungen und Schnittmengen der einzelnen Forschungsbereiche das volle Potential der Digitalisierung, Automatisierung und Optimierung des Prozesses auszuschöpfen und eine Kostenreduktion bei hoher gleichbleibender Qualität zu ermöglichen. Die erstmalige Erstellung eines dynamischen Modells des Gesamtprozesses ermöglicht die modellbasierte Gesamtoptimierung des SNG-Produktionsprozesses. Die bestmögliche Prozessführung ist bislang stark von Prozesswissen und Erfahrung der Anlagenfahrer abhängig. Auf Grund der fehlenden intuitiven Visualisierung des Gesamtprozesses und entsprechender Schnittstellen kann dieser jedoch nur Teilprozesse optimieren und das Prozesswissen durch die Regelung nicht genutzt werden. Zur Erzeugung dieser Visualisierung und Schnittstellen wird ein Digitalisierungskonzept für den Gesamtprozess erstellt. Es umfasst unter anderem die Erstellung eines Digital Twins der Anlage inklusive Mixed-RealityVisualisierung mittels HoloLens2 welche das Prozesswissen des Anlagenfahrers integriert und den Prozessstatus visualisiert. Durch parallele Entwicklung kann der Digital Twin in die Automatisierungslösung integriert werden und wichtige Parameter der Regelung (z.B. Wahl der Gewichtungen, Änderung von Beschränkungen) in das Human-Machine-Interface (HMI) integriert werden. Weiters wird ein Softsensor zur Bestimmung der Gaszusammensetzung entwickelt und in die digitale Plattform integriert, wodurch der Gesamtprozess besser geführt werden kann. Eine 100 kW-Pilotanlage der TU Wien wird technisch aufgerüstet und durch Implementierung der entwickelten Methoden (Digital Twin, Mixed-Reality-Visualisierung, Automatisierungskonzept, Softsensor) auf ein weltweit führendes Innovationslevel gehoben. Dies ermöglicht das Testen und Validieren der entwickelten Methoden sowie eine technoökonomische Bewertung der Innovationen. Mittels Messdaten einer 1 MW-Gaserzeugungsanlage wird die Transferierbarkeit der F&E Ergebnisse auf großtechnische Anlagen untersucht. Das erwartete Projektergebnis ist ein umfassendes und validiertes Konzept zur Digitalisierung und Automatisierung von Industrieanlagen zur SNG-Erzeugung aus Festbrennstoffen, Rest- und Abfallstoffen, welches die Ressourceneffizienz des Verfahrens erhöht und gleichzeitig die Kosten des Betriebs reduziert. Die Technologieführerschaft Österreichs im Bereich der SNG-Produktion auf erneuerbarer und nachhaltiger Basis wird dadurch gesichert. Durch die Substitution von fossilem Erdgas kommt es zu einer Verringerung der Energie- und CO2-Intensität des österreichischen Energiesystems.

Personen

Projektleiter_in

Institut

Förderungsmittel

  • FFG - Österr. Forschungsförderungs- gesellschaft mbH (National) Programm Energieforschung (e!MISSION) Bereich Thematisches Programm Österreichische Forschungsförderungsgesellschaft mbH (FFG)

Forschungsschwerpunkte

  • Computational Science and Engineering
  • Energy and Environment

Schlagwörter

DeutschEnglisch
synthetisches Erdgassynthetic natural gas
Prozessoptimierungprocess optimisation
Digitaler Zwillingdigital twin

Externe Partner_innen

  • Verto Engineering GmbH
  • Zühlke Engineering (Austria) GmbH
  • BEST - Bioenergy and Sustainable Technologies GmbH