Dynamische Prozesssimulation mit Modelica -
PtX-Prozesse dynamisch simulieren

Ihre jetzige Software zur Prozesssimulation ist zu unflexibel? Unsere Modelica-Bibliothek für verfahrenstechnische Prozesse ermöglicht es Ihnen, neue Power-to-X-Prozesse auszulegen und optimal zu betreiben.

Unsere Simulationsexperten unterstützen mit dem Know-how aus 250+ Kundenprojekten.

Termin vereinbaren

Ausgewählte Kunden

"Die Verfahrenstechnik der Zukunft ist dynamisch! Die Mega-Trends Dekarbonisierung, Elektrifizierung und erneuerbare Energien erfordern neue Prozesse, oft in dynamischer Betriebsweise. Um deren Potenzial zu heben, sind Prozesssimulationen auf Basis flexibler offener Softwarelösungen wie die Modelica-Bibliothek PSL ein entscheidender Vorteil."

Prof. Dr.-Ing. André Bardow

Energie-​ und Prozesssystemtechnik, ETH Zürich

Unser Angebot

Dynamische Simulation von PtX-Prozessen – Software und Beratung aus einer Hand.

Unternehmen

Know-how aus 250+ erfolgreichen Kundenprojekten

Ein Team von 20 Simulationsexperten mit etlichen Jahren Erfahrung steht Ihnen mit dem Know-how aus vielen erfolgreichen Kundenprojekten zur Seite.

the team of tlk energy working in the office
Simulationssoftware

Modelica-Bibliothek optimiert für PtX-Prozesse

Unsere PSL (Process Systems Library) ist eine Modelica-Bibliothek für verfahrenstechnische Prozesse.

  • Selbst entwickelter Kern für dynamische Zweiphasen-Strömungen (verschlüsselt)
  • Alle anderen Gleichungen sind offen
  • Beliebig anpass- und erweiterbar
  • Basis-PSL open source verfügbar (coming soon)
Unser Ansatz

Keine Abhängigkeit von einem Software-Anbieter

Wir sind nicht ASPEN. Als kleiner, spezialisierter Anbieter wollen und können wir keine allumfassende Softwarelösung anbieten. Stattdessen glauben wir an das Zusammenspiel spezialisierter Lösungen. Daher setzen wir auf:

  • Offene Standards (Modelica, FMI)
  • Gut dokumentierte APIs
  • Partnerschaften mit Universitäten und anderen Firmen
Vorteile

Ihre neuen Möglichkeiten bei der dynamischen Simulation von PtX-Prozessen

Offener Code

Der Code ist offen, sodass Sie Gleichungen einsehen und nachvollziehen können.

Modularer Aufbau

Dank des modularen, objektorientierten Aufbaus können Sie Modelle flexibel wiederverwenden.

Offene Schnittstellen

Kombinieren Sie unsere Modelle mit Modellen aus anderen Bibliotheken, zum Beispiel unserer TIL Bibliothek.

Export möglich

Exportieren Sie Modelle als FMU, um Sie ohne Zusatzkosten überall rechnen zu lassen

Prozess

So starten wir die Zusammenarbeit mit unseren Kunden

Termin vereinbaren
Jetzt entdecken

Anwendungsbeispiele

System

In einer Destillationskolonne wird häufig an zwei Stellen Wärme zu- oder abgeführt:

  • Im Verdampfer wird Wärme bei hoher Temperatur zugeführt
  • Im Kondensator wird Wärme bei niedrigerer Temperatur abgeführt

Eine Möglichkeit, den Energiebedarf der Kolonne zu reduzieren, besteht darin, die Temperatur der im Kondensator entstehenden Abwärme anzuheben und im Verdampfer zu nutzen. Hierfür gibt es verschiedene technische Lösungen, wie z.B. die Verwendung einer Wärmepumpe. In diesem Projekt haben wir diese Lösung mit einer Brüdenkompression verglichen und verschiedene Prozessauslegungen simuliert. Die Ergebnisse wurden von TNO auf der DA 2022 in Toulouse veröffentlicht: Comparison of VCHP and MVR assisted distillation of MEG-water mixture via dynamic simulations; I. Tyraskis, M. Saric, A. Marina, Y. Pellny, P. Padberg, M.Gräber

System

Bei der Co-Elektrolyse handelt es sich um ein elektrochemisches Verfahren zur Herstellung von Synthesegas – einem Gemisch aus Wasserstoff und Kohlenmonoxid, welches zur Produktion von Methan oder Methanol verwendet werden kann. Als Ausgangstoffe werden Wasserdampf und CO2 eingesetzt, die unter Einsatz von elektrischem Strom zu H2, CO und O2 aufgespalten werden.

Für eine Weiterverarbeitung des Synthesegases ist häufig ein optimales Verhältnis von H2 zu CO gewünscht. Beispielsweise liegt das optimale H2/CO-Verhältnis für die Methanisierung bei einem Wert von 3.

Der H2/CO-Wert wird in der Co-Elektrolyse durch Prozessparameter wie Temperatur, Stromdichte oder  Eduktgaszusammensetzung bestimmt. Letztere soll in diesem Beispiel näher untersucht werden.

Simulation

In diesem Beispiel wird ein Festoxidelektrolyseur zur Herstellung von Synthesegas simuliert. Zu Beginn der Simulation wird ein Gasgemisch aus Wasserdampf und CO2 in einem Verhältnis von 1:1 eingeleitet. Im späteren Verlauf der Simulation wird der Anteil des Wasserdampfes im Eduktgemisch langsam erhöht.

Ergebnis

Im Falle einer äquimolaren Eduktzusammensetzung ergibt sich bei den vorliegenden Prozessparametern ein H2/CO-Verhältnis von 1,2. Bei Erhöhung des Wasseranteils vergrößert sich auch der Anteil des Wasserstoffes im Synthesegas. Das für die Methanisierung optimale Verhältnis von 3 wird in dieser Simulation bei einem Wasseranteil von rund 72% erreicht.

System

Die Geschwindigkeit der Methanisierungsreaktion wird von verschiedenen Faktoren beeinflusst, wie z.B. Temperatur, Druck und Zusammensetzung des im Reaktor eintretenden Massenstroms.  Im Betrieb verändern sich diese Größen aus verschiedenen Gründen dynamisch und beeinflussen so die Performance der Methanisierung.

Um die Energiekosten zu senken, ist es oft sinnvoll den Reaktor in ein komplexes Energiesystem einzubinden und z.B. die Wärme der exothermen Reaktion in anderen Teilprozessen zu nutzen. Hierfür ist es wichtig zu verstehen, wie sich der Reaktor bei veränderter Temperatur verhält, um das System korrekt auslegen zu können.

Simulation

In diesem Beispiel werden der Druck im Reaktor und die Feed-Zusammensetzung konstant gehalten. Die Reaktor- und die Feed-Temperaturen werden gleichzeitig kontinuierlich von 280 auf 350°C gesteigert. So kann der Einfluss der Reaktortemperatur auf die Methanisierung ohne Störeffekte analysiert werden.

Ergebnis

Mit steigender Reaktortemperatur steigt der durch die Reaktion entstehende Wärmestrom. Dies lässt sich vor allem auf die gesteigerte Reaktionsrate zurückführen. Bei der Auslegung eines Wärmerückgewinnungssystem muss also berücksichtigt werden, dass bei erhöhter Reaktortemperatur mehr Wärme gekühlt werden muss!

System

Der Energiebedarf bei der alkalischen Elektrolyse wird maßgeblich durch die elektrische Spannung in den Zellen beeinflusst. Je kleiner die Zellspannung bei einer angelegten Stromdichte ist, umso effizienter ist der Elektrolyseprozess.

Im Betrieb sorgen jedoch ohmsche Widerstände - ausgelöst durch den Stromfluss durch die Zellkomponenten - für eine Erhöhung der Zellspannung. Die Folge daraus sind Verlustleistungen.

Eine Maßnahme zur Reduktion der ohmschen Verluste stellt die Zero-Gap-Anordnung dar. Bei dieser Zellbauweise liegen die beiden porösen Elektroden direkt auf dem Separator an, sodass der elektrische Strom nicht mehr durch die beiden Elektrolytkanäle fließen muss:

Simulation

Um die Effizienzsteigerung durch die Zero-Gap-Anordnung zu verdeutlichen, wird in diesem Beispiel ein Elektrolysestack mit konventionellen und anschließend mit Zero-Gap-Zellen simuliert. Die angelegte Stromdichte wird im Laufe der Simulation erhöht und die sich daran anpassende Zellspannung aufgenommen. Das Resultat daraus ist die Polarisationskurve - ein Zusammenhang zwischen der Stromdichte und der Zellspannung.

Ergebnis

Mit steigender Stromdichte erhöht sich auch die Spannung in den Zellen. Im Gegensatz zur konventionellen Zelle steigt die Kurve bei der Zero-Gap-Alternative jedoch deutlich flacher an. Für den Elektrolysebetrieb bedeutet das, dass nach Einstellen der gewünschten Stromdichte eine geringere Spannung in den Zellen vorliegt. Schlussendlich führt die geringere Spannung in den Zero-Gap-Zellen zu einem verringerten Energiebedarf.

System

Bei der Wasser-Elektrolyse entsteht im PEM-Stack Abwärme. Diese muss im Elektrolyseurabgeführt werden, um eine effiziente Betriebsweise des Elektrolyseurs zu ermöglichen. Für viele Stacks wird außerdem ein maximaler Temperaturanstieg ∆Tmax zwischen ein- und austretendem Eduktstrom vom Hersteller vorgegeben. Beim Überschreiten von ∆Tmax wird die Lebensdauer des Stacks verringert und somit auch die Wirtschaftlichkeit der Anlage.

Eine Möglichkeit diesen Temperaturanstieg zu beeinflussen, besteht darin den eintretenden Massenstrom so einzustellen, dass ∆Tmax nicht überschritten wird. Um die Pumpenleistung gering zu halten, ist es aber sinnvoll diesen Massenstrom möglichst klein zu halten. So liegt der optimale Temperaturanstieg bei ∆Tmax . Eine geeignete Regelungsstrategie hilft, diesen Wert auch dynamisch einzuhalten.

Simulation

Es wird ein 2 MW Elektrolyseur betrachtet, an dem eine gleichgroße Windenergie-Anlage gekoppelt ist. Je nach Windstärke wird der Elektrolyseur mehr oder weniger stark ausgelastet.Der Temperaturanstieg wird, wie oben beschrieben, auf ∆Tmax geregelt. Es werden zwei verschiedene Regelungsstrategien simuliert und verglichen:

  • Variante 1: Messung der Temperaturen am Ein- und Austritt des Stacks, anschließende PI-Regelung des Massenstroms
  • Variante 2: Modellprädiktive Regelung des Massenstroms anhand des eintretenden elektrischen Stroms

Ergebnis

In der Grafik wird sichtbar, dass eine starke Verbesserung der Regelgüte durch eine modellprädiktive Regelung ermöglicht werden kann. So fällt das Überschwingen der Temperatur deutlich geringer als bei der 1. Variante aus und es stellt sich schneller ein stabiler Zustand ein. Dieses Beispiel wurde von TLK Energy und Neuman und Esser bei der Internationalen Modelica Konferenz 2023 vorgestellt.

yann pellny presenting at a modelica conference stage
Yann Pellny auf der internationalen Modelica-Konferenz
Kontakt

Lassen Sie uns Ihren Use Case für dynamische PtX-Prozesssimulation besprechen

Direkt Termin buchen
Danke! Ihre Anfrage wurde verschickt!
Oh nein! Etwas ist schiefgelaufen beim Abschicken des Formulars. Sind alle Felder ausgefüllt?
yann pellny

Ihr Ansprechpartner

Yann Pellny (Product Owner PSL bei TLK Energy) freut sich auf Gespräche in deutscher, englischer oder französischer Sprache.