Zusammenfassung
Simulationsmodelle in Form nichtlinearer Prozessmodelle können in vielfältiger Weise für die modellgestützte Betriebsführung eingesetzt werden. In diesem Beitrag werden ein Entwicklungssystem und ein Laufzeitsystem für Beobachter- und Prognosemodelle, modellbasierte prädiktive Regelungen und eine virtuelle Inbetriebnahme vorgestellt und die Anwendung anhand von zwei Beispielen aus dem Kläranlagenbereich demonstriert.
Abstract
Simulation models in the form of non-linear process models can be used in many different ways for model-based operational management. In this paper, a development system and a runtime system for observer and prognosis models, model-based predictive control and virtual commissioning are presented and the application is demonstrated with two examples from the field of wastewater treatment plants.
Über die Autoren
Leonie Förster ist wissenschaftliche Mitarbeiterin im Geschäftsfeld Wasser und Energie im ifak – Institut für Automation und Kommunikation e.V. Magdeburg. Hauptarbeitsgebiete sind Modellierung und Simulation abwassertechnischer Systeme, insbesondere von SBR-Kläranlagen und die Modellentwicklung von Abwasserprozessen in Industriekläranlagen.
Dr.-Ing. Jens Alex ist Leiter des Geschäftsfeldes Wasser und Energie im ifak – Institut für Automation und Kommunikation e.V. Magdeburg. Hauptarbeitsgebiete sind Modellentwicklung (Abwasserprozesse), Entwicklung von Simulationssystemen, Simulationsstudien mit gemeinsamer Betrachtung von Verfahren und Automatisierung und die Entwicklung von Verfahrensreglern im Bereich Abwasser (Kläranlage/Kanalnetz).
Literatur
1. IWA BSM: Benchmarking of Control Strategies for Wastewater Treatment Plants. IWA Scientific and Technical Report Series No. 23, Editors: K. V. Gernaey, U. Jeppsson, P. A. Vanrolleghem and J. B. Copp, IWA publishing, London, 2014.Search in Google Scholar
2. Jeppsson, U., Pons, M.-N., Nopens, I., Alex, J., Copp, J., Gernaey, K. V., Rosen, C., Steyer, J.-P. and Vanrolleghem, P. A. (2007). Benchmark Simulation Model No. 2 – General protocol and exploratory case studies. Wat. Sci. Tech., 56(8), 67–78.10.2166/wst.2007.604Search in Google Scholar PubMed
3. Nopens, I., Benedetti, L., Jeppsson, U., Pons, M.-N., Alex, J., Copp, J. B., Gernaey, K. V., Rosen, C., Steyer, J.-P. and Vanrolleghem, P. A. (2010). Benchmark Simulation Model No. 2 – Finalisation of plant layout and default control strategy. Wat. Sci. Tech., 62(9), 1967–1974.10.2166/wst.2010.044Search in Google Scholar PubMed
4. Alex, J. (2015). Simulationsplattform zum integrierten Prozess- und Automatisierungsentwurf von Abwassersystemen. at – Automatisierungstechnik, 63(7), 553–563, ISBN 0178-2312.10.1515/auto-2014-1163Search in Google Scholar
5. IEC 61131-3: “IEC 61131-3, Ed. 2: Programmable controllers – Part 3: Programming languages”, 19.07.2001.Search in Google Scholar
6. Förster, L., Suchold, N., Ogurek, M. und Alex, J.: Entwicklung eines Planungswerkzeugs für das Design von SBR-Anlagen. DWA-GMA-Gemeinschaftstagung „Mess- und Regelungstechnik in abwassertechnischen Anlagen – Konzepte, Erfahrungen, Trends“, 26.-27.06.2019, Bad Soden – DWA – 2019.Search in Google Scholar
7. Belebungsanlagen mit Aufstaubetrieb (SBR). In DWA Deutsche Vereinigung für Wasserwirtschaft: DWA-M 210. S. 7–8, Hennef, 2009.Search in Google Scholar
8. Hübner, C. und Alex, J.: Digitaler Zwilling im Wassermanagement 4.0. gwf Wasser|Abwasser – 2018.Search in Google Scholar
9. García, L., Barreiro-Gomez, J., Escobar, E., Téllez, D., Quijano, N. and Ocampo-Martinez, C. (2015). Modeling and Real-Time Control of Urban Drainage Systems: A Review. Advances in Water Resources, 85(2015), 120–132, November 2015.10.1016/j.advwatres.2015.08.007Search in Google Scholar
10. Alex, J., Rönner-Holm, S. G. E., Hunze, M. and Holm, N. C. (2011). A combined hydraulic and biological SBR model. Water Science and Technology, 64(5), 1025–1031.10.2166/wst.2011.472Search in Google Scholar PubMed
11. Alex, J. (2015). Simulationsplattform zum integrierten Prozess- und Automatisierungsentwurf von Abwassersystemen. at – Automatisierungstechnik, 63(7), 553–563, ISBN 0178-2312.10.1515/auto-2014-1163Search in Google Scholar
12. Förster, L., Ogurek, M. und Alex, J. (2020). Prognosewerkzeug zur Unterstützung des Betriebs einer SBR-Kläranlage. EKA – Entwurf komplexer Automatisierungssysteme, 16. Fachtagung, S. 15–26.Search in Google Scholar
13. Alex, J., Hübner, C. and Förster, L.: Planning, testing and commissioning of automation solutions for waste water treatment plants using simulation. IFAC, Berlin, 2020.10.1016/j.ifacol.2020.12.1084Search in Google Scholar
14. Guerrero, L. V., López, V. V. and Mejía, J. E. (2014). Virtual Commissioning with Process Simulation (Tecnomatix). Computer-Aided Design and Applications, 11(supp1), 11–19, DOI: 10.1080/16864360.2014.914400.Search in Google Scholar
15. Hübner, C., Thron, M., Alex, J. und Bangemann, T.: Aktor-basierte Middleware-Plattform für fehlertolerante, verteilte SCADA-Systeme. AUTOMATION 2013, 25.-26.06.2013, Baden-Baden, VDI Wissensforum GmbH, 2013, ISBN 978-3-18-092209-6.Search in Google Scholar
16. Drath, R., Weber, P. and Mauser, N.: An evolutionary approach for the industrial introduction of virtual commissioning. IEEE Symposium on Emerging Technologies and Factory Automation, Hamburg, Germany, 2008.10.1109/ETFA.2008.4638359Search in Google Scholar
17. Hoffmann, P., Schumann, R., Maksoud, T. M. A. and Premier, G. C.: Virtual commissioning of manufacturing systems a review and new approaches for simplification. 24th European Conference on Modelling and Simulation, Kuala Lumpur, 2010.10.7148/2010-0175-0181Search in Google Scholar
18. Wolf, G. und Pfeffer, A. (2015). Integrierte virtuelle Inbetriebnahme. Atp Magazin, 57(01-02), 68–79.10.17560/atp.v57i01-02.2033Search in Google Scholar
© 2021 Walter de Gruyter GmbH, Berlin/Boston
