Sprungmarken

Servicenavigation

Hauptnavigation

Sie sind hier:

Hauptinhalt

Best Paper Award 2016 der Zeitschrift „Computers and Chemical Engineering“ geht an Gao, Wenzel und Engell

Für ihre Arbeit mit dem Titel „A reliable modifier-adaptation strategy for real-time optimization“ aus dem Bereich der Echtzeitoptimierung unter Unsicherheit wurden Dr. Weihua Gao, Simon Wenzel und Prof. Sebastian Engell vom Lehrstuhl Systemdynamik und Prozessführung mit dem Best Paper Award 2016 der Zeitschrift Computers and Chemical Engineering ausgezeichnet. Herzlichen Glückwunsch! Wie kann man eine Chemieanlage optimal betreiben auch wenn das Modell nicht exakt der Realität entspricht? Dafür gibt es Algorithmen, die in der Theorie sehr gut funktionieren und die beweisbar iterativ zum realen Optimum der Anlage konvergieren. Für eine erfolgreiche Anwendung der Methode sind allerdings sehr genaue Messwerte vonnöten, die jedoch in der Realität durch Messrauschen und andere Störungen verfälscht sind. Diesem Problem sind die Autoren nachgegangen und haben einen neuen Ansatz vorgeschlagen, der quadratische Approximationen verwendet und trotz des Messrauschens das reale Optimum findet.

bestpaper2016n_Meldung

Computers and Chemical Engineering Best Paper 2016 Weihua Gao, Simon Wenzel und Sebastian Engell gewinnen den Best Paper Award 2016 der Zeitschrift Computers and Chemical Engineering mit ihrem Beitrag aus dem Bereich der Echtzeitoptimierung unter Unsicherheit.


Wie kann man eine Chemieanlage optimal betreiben auch wenn das Modell nicht exakt der Realität entspricht? Dafür gibt es Algorithmen, die in der Theorie sehr gut funktionieren und die beweisbar iterativ zum realen Optimum der Anlage konvergieren. Für eine erfolgreiche Anwendung der Methode sind allerdings sehr genaue Messwerte vonnöten, die jedoch in der Realität durch Messrauschen und andere Störungen verfälscht sind. Diesem Problem sind die Autoren nachgegangen und haben einen neuen Ansatz vorgeschlagen, der quadratische Approximationen verwendet und trotz des Messrauschens das reale Optimum findet. Diese Arbeit mit dem Titel „A reliable modifier-adaptation strategy for real-time optimization“ wurde mit dem Best Paper Award 2016 der Zeitschrift Computers and Chemical Engineering ausgezeichnet.
Durch die Optimierung des Betriebspunkts einer Chemieanlage sind Effizienzgewinne möglich. Dies erfordert allerdings ein hinreichend genaues (in der Regel rigoroses und nichtlineares) Anlagenmodell und den Einsatz geeigneter Optimierungsverfahren (NLP Solver). Bei der Optimierung müssen vielfältige Beschränkungen aufgrund apparativer Grenzen, Qualitäts-anforderungen der Produkte und Grenzen für Emissionen berücksichtigt werden. Eine solche mathematische Optimierung steuert die Anlage zum Optimum des Modells, aufgrund der Abweichungen zwischen Modellvorhersage und realem Anlagenverhalten weicht dieses aber im Allgemeinen vom tatsächlichen Optimum der Anlage ab.

Der publizierten Arbeit liegt ein Verfahren zugrunde, das die Fehler des Modells durch Korrekturterme, die aus der Beobachtung des Anlagenverhaltens resultieren, korrigiert. Genauer gesagt wird der Gradient der Kostenfunktion, den das Modell liefert, durch empirische Gradienten, die aus den Werten an den zurückliegenden Arbeitspunkten berechnet werden, korrigiert. Dies wird auch als Modifier-Adaption (MA) bezeichnet.

Die Schwierigkeit bei der Anwendung dieses Verfahrens besteht in der hinreichend genauen Berechnung der Gradienten, die empfindlich ist gegen Störungen. Hierfür wurde von den Autoren ein neuer Ansatz entwickelt, der Elemente aus der ableitungsfreien Optimierung (DFO) mit der iterativen Optimierung durch Modifier-Adaptation kombiniert. An die Messwerte der Anlage wird ein quadratisches Ersatzmodell angepasst, und der Gradient wird aus dieser Approximation bestimmt. Auf der Grundlage der Theorie der ableitungsfreien Optimierung wurden Strategien für die Auswahl der Stützstellen und die Bestimmung eines erlaubten Bereichs der Variation der Betriebsparameter entwickelt, die zu einer schnellen und robusten Optimierung führen. Wie in dem Artikel, der zum Teil auf der Masterarbeit von Simon Wenzel beruht, gezeigt wird, kann die neue Methode auch komplexe Beispiele effizient lösen.

Der Zeitschriftenartikel ist frei zugänglich und kann hier heruntergeladen werden.



Dr.-Ing. Weihua Gao received his Bachelor degree in Mechanical Engineering in 1999 and his Master degree in Mechatronics in 2002 from the Xi'an Jiaotong University in China and his Dr.-Ing. degree in Chemical Engineering in 2005 from TU Dortmund, Germany. He worked with General Electric as a Lead Research Engineer from 2006-2010 and with the Fangyuan Group Co. Ltd. as a Managing Director from 2010-2013. Since 2013 he has been working in the Process Dynamics and Operations Group at TU Dortmund as a PostDoc. His research is focused on real-time optimization of plants under uncertainty.

Simon Wenzel, M.Sc., studied Chemical Engineering in a sandwich course at Krefeld University of Applied Science in corporation with Borgers AG in Bocholt, Germany. In 2012, he completed his B.Eng. with a Thesis in the Process and Engineering department at P&G Crailsheim, Germany. Afterwards, he studied Process Systems Engineering (PSE) at TU Dortmund and received his M.Sc. in November 2014. The topic of the Master Thesis in the Process Dynamics and Operations Group was "Combination of DFO and IGMO in Iterative Optimizing Control". Currently, he is working on market-based distributed optimization in the European Project "Improved energy and resource efficiency by better coordination of production in the process industries" (CoPro).

Prof. Dr.-Ing. Sebastian Engell received a Dipl.-Ing degree in Electrical Engineering from Ruhr-Universität Bochum, Germany in 1978 and the Dr.-Ing. Degree and the venia legendi in Automatic Control from Universität Duisburg in 1981 and 1987. 1984/1985 he spent a year as a PostDoc at McGill University, Montréal, P.Q. 1986-1990 he was the head of an R&D group at the Fraunhofer Institut IITB in Karlsruhe, Germany. 1990 he was appointed to his present position as a Full Professor of Process Dynamics and Operations in the Department of Chemical Engineering at TU Dortmund. 2008 he was a Distinguished Visiting Professor at Carnegie Mellon University, Pittsburgh, USA. He was Department Chairman 1996-1999 and 2012-2014 and Vice-Rector for Research of TU Dortmund 2002-2006.

Prof. Dr.-Ing. Sebastian Engell received an IFAC Journal of Process Control Best Paper Award, a Best Paper Award of the IEEE Congress on Evolutionary Computation 2010 with Thomas Tometzki on risk-conscious planning and the PSE Model-based Innovation Prize with Ala Eldin Bouaswaig. He gave the Bayer Lecture in Process Systems Engineering at Carnegie Mellon University in 2008 and the Roger Sargent Lecture at Imperial College, London, in 2012. He has published about 150 Papers in scientific journals, more than 40 papers in edited volumes and more than 300 conference papers with peer review and full papers in proceedings. In 2012, he was awarded a European Advanced Investigator Grant for the Project MOBOCON - Model-based optimizing control from a vision to industrial reality. He has led a number of EU funded projects and currently is the coordinator of the project CoPro – Improvement of Energy and Resource Efficiency by Better Coordination of Production in the Process Industries that is funded under the EU SPIRE program.