Programmierung der Steuerung eines Festbettregenerators und Erstellung eines datengetriebenen Modells zur Beschreibung des Speicherverhaltens

Die vorliegende Arbeit besch aftigt sich mit der Versuchsanlage des Festbettregenerators am Institut f ur Energietechnik und Thermodynamik der Technischen Universit at Wien. Der Regenerator ist ein sensibler W armespeicher, wobei Kies als Speichermedium verwendet wird. Dabei wird W arme mittels dem W arme ubertragungsmedium Luft zu- oder abgef uhrt. Die ersten Kapitel beschreiben den allgemeinen Aufbau des W armespeichers, insbesondere des Messsystems. Die bisherige Steuerung f ur den Festbettregenerator wurde mit dem Automatisierungsprogramm XAMControl erweitert. Bei der Versuchsanlage werden der Massenstrom, die Temperaturverl aufe der ein- und austretenden Luft, sowie die Temperaturverl aufe in vier Ebenen im Speicherbeh alter aufgezeichnet. F ur verschiedene Ladetemperaturen und Massenstr ome wurden jeweils mehrere Messreihen gefahren, die Aufschl usse uber das Speicherverhalten des W armespeichers wiedergeben. Die Messreihen wurden analysiert und charakteristische Kennzahlen, wie zum Beispiel die gespeicherte Energie sowie der Nutzungsgrad, wurden ermittelt. Die experimentellen Daten wurden zus atzlich zur Erstellung eines datengetriebenen Modells genutzt. Dabei wird der Speicher als black-box angesehen und eine mathematische Beziehung der gemessenen Ein- und Ausgangsgr o en ermittelt. Es wurde die Methode der linearen polynomiellen Modelle gew ahlt, wobei drei verschiedene Ans atze zur Beschreibung des Speicherverhaltens miteinander verglichen wurden. Die ersten zwei unterscheiden sich in ihrer Anzahl an Ein- und Ausgangsgr o en. Das allgemeinste Modell A hat als Eingangsgr o- en sowohl die Eintrittstemperatur der Luft, als auch den Massenstrom. Modell B besteht aus drei Untermodellen die jeweils f ur einen Massenstrom von 150, 200 und 250 kg/h g ultig sind und die als Eingangsparameter nur die Eintrittstemperatur der Luft haben. Der G ultigkeitsbereich des Modells B ist dadurch eingeschr ankt, kann aber f ur die Ausgangsgr o en der Temperaturebenen im Speicherbeh alter und der Austrittstemperatur genauere Ergebnisse liefern. Modell C ist mit einem iterativen grey-box Ansatz entwickelt worden, bei dem innere Zustandsgr o en mit abgebildet werden. Der Nachteil dieses Modells liegt allerdings in der aufw andigeren Programmierung und der h oheren Komplexit at. This thesis deals with the experimental plant of the packed-bed regenerator from the Institute for Energy Systems and Thermodynamics at the Technical University of Vienna. The regenerator is a thermal energy storage that uses gravel as storage medium and air as the heat transfer uid (HTF). The rst chapters describe the general structure of the heat storage and focuses on the measurement system. The former control system is expanded or rather replaced by the automation program XAMControl. At the experimental plant the following data is collected: The mass ow and temperature of the in owing air, the temperatures of the storage container on four levels and the temperature of the out owing air. Measurements for di erent charging temperatures were conducted, giving insight into the behaviour of the storage system. The collected data was analysed and characteristic parameters, such as the stored energy and the capacity factor, were calculated. The experimental data was further used to create a data-driven model. The heat storage is seen as a black-box, where a mathematical equations describe the relationship between the measured inputs and the outputs of the system. For modelling, linear polynomial models were used, whereby di erent approaches were compared in order to describe the properties of the storage. They di er in the number of input and output parameters. The most general Model A has the two input parameters: Mass ow and the temperature of the in owing air. Model B on the other hand consists of three models, one for each mass ow of 150, 200 and 250 kg/h. Each model takes the temperature of the in owing air as the only input parameter. Though the validity of Model B is constrained, it can represent the output parameters of the di erent temperature layers more precisely. Model C was created with an iterative grey-box approach, where correlation between inner variables are taken into account. The disadvantage of Model C lies in the labour intensive programming and a more complex model.