/src/Controller/ProjectscontentController.php (line 206)
object(App\Model\Entity\Projectscontent) {

	'id' => (int) 523,
	'project_id' => (int) 717,
	'longtitle_de' => 'ADORe-SNG',
	'longtitle_en' => 'ADORe-SNG',
	'content_de' => '<p>Die Erzeugung von einspeisef&auml;higem synthetischem Erdgas (engl. SNG, &bdquo;synthetic natural gas&ldquo;) aus erneuerbaren Festbrennstoffen wie Rest- und Abfallstoffen ist ein vielversprechender Ansatz zur Reduktion der CO2-Intensit&auml;t im &ouml;sterreichischen Industrie- und Energiesektor. Die Zweibettwirbelschicht-Gaserzeugungstechnologie mit anschlie&szlig;ender SNG-Synthese wurde bereits kommerziell umgesetzt. Dabei wurden im Zuge der Prozessentwicklung einige Punkte vernachl&auml;ssigt, wodurch die Technologie am Markt bisher nicht konkurrenzf&auml;hig ist. Insbesondere wurde die ganzheitliche Prozessoptimierung, die Entwicklung eines holistischen Regelungs- und Automatisierungskonzepts und das Potential der Digitalisierung der Technologie unzureichend erforscht.</p>

<div class="ckeditor-html5-video" style="text-align:center">
<video controls="controls" controlslist="nodownload" poster="/webroot/files/image/Video_Thumbnails/Best_HoloLens_V3_Thumbnail.jpg" src="/webroot/files/file/Videos/Best_HoloLens_V3.mp4" width="100%">&nbsp;</video>
</div>

<p>Ziel dieses Forschungsprojektes ist es nicht nur die einzelnen Forschungsl&uuml;cken zu schlie&szlig;en, sondern durch Fokus auf die Wechselwirkungen und Schnittmengen der einzelnen Forschungsbereiche das volle Potential der Digitalisierung, Automatisierung und Optimierung des Prozesses auszusch&ouml;pfen und eine Kostenreduktion bei hoher gleichbleibender Qualit&auml;t zu erm&ouml;glichen.</p>

<p>Der Prozess bestehend aus Zweibettwirbelschicht-Gaserzeugung (engl. DFB &bdquo;dual fluidized bed&ldquo; gasification) und Wirbelschicht-Methanierung wird modelliert, um eine Gesamtoptimierung (Simulationsstudien, Sensitivit&auml;tsanalyse, Skalierbarkeitsanalyse) zu erm&ouml;glichen. Basierend auf diesen Erkenntnissen wird ein Regelungskonzept entworfen, an einer 100 kW Pilotanlage integriert und getestet, sowie die &Uuml;bertragbarkeit der F&amp;E-Ergebnisse auf Industrieanlagen mittels industrieller Messdaten untersucht.</p>

<p>Die Effizienz der Datenauswertung und der Prozess&uuml;berwachung wird durch die Erstellung eines Digital Twins erh&ouml;ht. Dieser erh&auml;lt Live-Daten aus der Versuchsanlage und kann &uuml;ber Simulationsmodelle historische und aktuelle Anlagenzust&auml;nde darstellen, sowie zuk&uuml;nftige vorhersagen. Dazu geh&ouml;rt auch die Implementierung eines Soft-Sensors zur Messung und Prognose der Gaszusammensetzung aus der Produktgaserzeugung sowie der Methanierung.</p>

<p>Weitere Informationen: <a href="https://projekte.ffg.at/projekt/3862075" target="_blank">https://projekte.ffg.at/projekt/3862075</a></p>

<p>Das Projekt wurde auch f&uuml;r den eAward2023 nominiert.</p>

<h3>Ziele</h3>

<p>Die Ziele des Projektes lassen sich wie folgt zusammenfassen:</p>

<ul>
	<li><strong>Prozessoptimierung in der Prozessentwicklung:</strong> Optimierung der SNG Prozesskette unter Beachtung der technischen (Ausbeute, Effizienz), &ouml;konomischen (Produktgestehungskosten) und &ouml;kologischen (CO2-Emissionen) Rahmenbedingungen</li>
	<li><strong>Halb- bzw. Vollautomatisierte Steuerung und Regelung</strong> der SNG-Prozesskette durch den Einsatz von modellpr&auml;diktiven Reglern, gekoppelt mit Softsensoren</li>
	<li><strong>Training und Support von Anlagenfahrern: </strong>Unterst&uuml;tzung beim Anlagenbetrieb, beim Anfahren der Anlage, bei Wartungst&auml;tigkeiten und bei Schulungst&auml;tigkeiten</li>
	<li><strong>Prozessoptimierung im kommerziellen Betrieb:</strong> Jahresbetriebsstundenzahl und Automatisierungsgrad zu erh&ouml;hen durch Beschleunigung des Inbetriebnahmeprozesses, Optimierung des Betriebes, Erkennen von Betriebsst&ouml;rungen und Planung von unterschiedlichen Betriebsmodi, um einen &ouml;konomisch und &ouml;kologisch optimalen Betrieb zu gew&auml;hrleisten (Prinzip des &bdquo;economic dispatching&ldquo;)</li>
	<li><strong>Optimierte Planungsdokumente hinsichtlich Automatisierungs- und Regelungstechnik f&uuml;r Neuanlagen:</strong> Vereinfachung des Basic und Detail Engineering von Neuanlagen</li>
</ul>
',
	'content_en' => '<p>The CO2 intensity in the Austrian industry and energy sector can be reduced by the promising approach of generating synthetic natural gas (SNG) from renewable solid fuels such as residual and waste materials. The dual fluidized bed gas production technology with subsequent SNG synthesis was already implemented commercially. However, process development efforts have not yet addressed crucial issues, and the technology is not yet competitive and successful on the market. In particular the integrated process optimization, the development of a holistic control and automation concept, and the potential of digitalization of the technology have been insufficiently investigated.</p>

<div class="ckeditor-html5-video" style="text-align:center">
<video controls="controls" poster="/webroot/files/image/Video_Thumbnails/Best_HoloLens_V3_Thumbnail.jpg" src="/webroot/files/file/Videos/Best_HoloLens_V3.mp4" width="100%">&nbsp;</video>
</div>

<p>The goal of this research project is not only to close the research gaps but also to focus on the interactions and possible overlapping areas between these research fields. Thereby, the full potential of the digitalization, automation and optimization of the process is exploited and a cost reduction at a high product quality is enabled.</p>

<p>The process consisting of dual fluidised bed (DFB) gasification and fluidised bed methanation is modelled to enable overall optimisation (simulation studies, sensitivity analysis, scalability analysis). Based on these findings, a control concept is designed, integrated and tested on a 100 kW pilot plant, and the transferability of the R&amp;D results to industrial plants is analysed using industrial measurement data.</p>

<p>The efficiency of data evaluation and process monitoring will be increased by creating a digital twin. This receives live data from the test plant and can visualise historical and current plant states and predict future ones using simulation models. This also includes the implementation of a soft sensor for measuring and forecasting the gas composition from product gas production and methanation.</p>

<p>For more information, please visit: <a href="https://projekte.ffg.at/projekt/3862075" target="_blank">https://projekte.ffg.at/projekt/3862075</a></p>

<p>The project was also nominated for the eAward2023</p>

<p>The objectives of the project can be summarised as follows:</p>

<ul>
	<li>Process optimisation in process development: Optimisation of the SNG process chain taking into account the technical (yield, efficiency), economic (product production costs) and ecological (CO2 emissions) framework conditions</li>
	<li>Semi- or fully automated control and regulation of the SNG process chain through the use of model-predictive controllers, coupled with soft sensors</li>
	<li>Training and support for plant operators: support for plant operation, plant start-up, maintenance and training activities</li>
	<li>Process optimisation in commercial operation: increasing the number of annual operating hours and degree of automation by speeding up the commissioning process, optimising operation, detecting malfunctions and planning different operating modes in order to ensure economically and ecologically optimal operation (principle of &quot;economic dispatching&quot;)</li>
	<li>Optimised planning documents with regard to automation and control technology for new plants: simplification of basic and detailed engineering of new plants</li>
</ul>
',
	'image_1' => '/webroot/files/image/Projektseite/ADORe-SNG(1).jpg',
	'image_1_caption_de' => 'ADORe-SNG',
	'image_1_caption_en' => 'ADORe-SNG',
	'image_1_credits_de' => '© BEST',
	'image_1_credits_en' => '© BEST',
	'image_2' => '/webroot/files/image/Projektseite/ADORe-SNG_1.jpg',
	'image_2_caption_de' => 'ADORe-SNG',
	'image_2_caption_en' => 'ADORe-SNG',
	'image_2_credits_de' => '© BEST',
	'image_2_credits_en' => '© BEST',
	'image_3' => '',
	'image_3_caption_de' => '',
	'image_3_caption_en' => '',
	'image_3_credits_de' => '',
	'image_3_credits_en' => '',
	'logos' => '<ul>
	<li>Technische Universit&auml;t Wien, Institut f&uuml;r Mechanik und Mechatronik (ARPA)</li>
	<li>https://www.mec.tuwien.ac.at/mechanik_und_mechatronik_e325/</li>
	<li>Z&uuml;hlke Engineering (Austria) GmbH AG</li>
	<li>https://www.zuehlke.com/de</li>
	<li>BEST &ndash; Bioenergy and Sustainable Technologies GmbH</li>
	<li>https://best-research.eu/de</li>
	<li>Verto Engineering GmbH (VERTO)</li>
	<li>https://www.verto-engineering.com/?page_id=259</li>
</ul>

<p><u>Projektleitung:</u></p>

<p>Ao.Univ.Prof. Dipl.-Ing. Dr.techn. Martin Kozek, <a href="mailto:martin.kozek@tuwien.ac.at">martin.kozek@tuwien.ac.at</a></p>

<p><u>Projektkoordinator:</u></p>

<p>TU Wien, Institut f&uuml;r Mechanik und Mechatronik</p>
',
	'finanzierung' => '<p>This project is funded by the Climate and Energy Fund and is being carried out as part of the &quot;Energy Research (e!MISSION)&quot; programme (<a href="https://energieforschung.at/" target="_blank">https://energieforschung.at/</a>).</p>

<p>Project number: 881135</p>
',
	'active' => true,
	'created' => null,
	'modified' => null,
	'projektvolumen' => '',
	'project' => object(App\Model\Entity\Project) {

		'Nummer' => (int) 717,
		'Projektnummer' => 'N20218',
		'Kurzbezeichnung' => 'ADORe-SNG',
		'Kurzbezeichnung_en' => '',
		'Oeffentlich' => '1',
		'Projektname' => 'Comprehensive Automation, Digitalisation & Optimization of Renewable & Sustainable SNG-production ',
		'Projektname_en' => 'Comprehensive Automation, Digitalisation & Optimization of Renewable & Sustainable SNG-production ',
		'Projektleitung' => (int) 1078,
		'Start' => object(Cake\I18n\FrozenDate) {

			'time' => '2021-04-01 00:00:00.000000+00:00',
			'timezone' => 'UTC',
			'fixedNowTime' => false
		
		},
		'Ende' => object(Cake\I18n\FrozenDate) {

			'time' => '2024-06-30 00:00:00.000000+00:00',
			'timezone' => 'UTC',
			'fixedNowTime' => false
		
		},
		'publications' => [
			(int) 0 => object(App\Model\Entity\Publication) {

				'id' => (int) 1458,
				'titel' => 'Gaussian Process Regression-Based Control of Solids Circulation Rate in Dual Fluidized Bed Gasification',
				'subtitel' => '',
				'autor' => '',
				'herausgeber' => '',
				'jahr' => (int) 2024,
				'datum_publikation' => '23 september 2024',
				'publications_type_id' => (int) 1,
				'publications_category_id' => (int) 9,
				'publications_subcategory_id' => (int) 1,
				'issn' => '',
				'copyright' => '',
				'citation' => 'Stanger L, Bartik A, Binder M, Schirrer A, Jakubek S, Kozek M. Gaussian Process Regression-Based Control of Solids Circulation Rate in Dual Fluidized Bed Gasification. IEEE Access. 2024.23:138535 - 138546.',
				'abstract' => '<p>In dual fluidized bed (DFB) gasification, the solids circulation rate is critical as it determines the amount of char and heat transported between the interconnected reactors. In DFB plants, multiple control inputs are typically available to control the solids circulation rate, resulting in an over-actuated system. We propose a modeling and control method based on Gaussian process regression, a technique that provides a measure of confidence in the model prediction. The availability of redundant control inputs is resolved by explicitly incorporating the prediction confidence information into the control algorithm to drive the process in regions of low model uncertainty. To address plant-model mismatches, a disturbance model is employed, and an extended Kalman filter is used to estimate both system and disturbance states, enabling offset-free tracking of constant references. Modeling and closed-loop simulation results for both a 100 kW and a 1 MW DFB gasification plant demonstrate the applicability of the method to different plants. Experimental results are presented for the 100 kW plant, demonstrating the successful control of the circulation rate by the proposed algorithm.</p>
',
				'pdf_file' => '',
				'hyperlink' => 'https://repositum.tuwien.at/handle/20.500.12708/203859',
				'downloadbar' => false,
				'active' => true,
				'created' => object(Cake\I18n\FrozenTime) {

					'time' => '2024-11-07 14:53:27.000000+00:00',
					'timezone' => 'UTC',
					'fixedNowTime' => false
				
				},
				'modified' => object(Cake\I18n\FrozenTime) {

					'time' => '2024-11-07 14:53:27.000000+00:00',
					'timezone' => 'UTC',
					'fixedNowTime' => false
				
				},
				'_joinData' => object(App\Model\Entity\ProjectsPublication) {

					'id' => (int) 1123,
					'project_id' => (int) 717,
					'publication_id' => (int) 1458,
					'created' => object(Cake\I18n\FrozenTime) {

						'time' => '2024-11-07 14:53:27.000000+00:00',
						'timezone' => 'UTC',
						'fixedNowTime' => false
					
					},
					'modified' => object(Cake\I18n\FrozenTime) {

						'time' => '2024-11-07 14:53:27.000000+00:00',
						'timezone' => 'UTC',
						'fixedNowTime' => false
					
					},
					'[new]' => false,
					'[accessible]' => [
						'*' => true,
						'id' => false
					],
					'[dirty]' => [],
					'[original]' => [],
					'[virtual]' => [],
					'[hasErrors]' => false,
					'[errors]' => [],
					'[invalid]' => [],
					'[repository]' => 'ProjectsPublications'
				
				},
				'[new]' => false,
				'[accessible]' => [
					'*' => true,
					'id' => false
				],
				'[dirty]' => [],
				'[original]' => [],
				'[virtual]' => [],
				'[hasErrors]' => false,
				'[errors]' => [],
				'[invalid]' => [],
				'[repository]' => 'Publications'
			
			}
		],
		'employee' => object(App\Model\Entity\Employee) {

			'Nummer' => (int) 1078,
			'Kurzzeichen' => 'MatBIN',
			'Mitarbeiternummer' => '363',
			'anstellungsdaten_id' => (int) 1875,
			'geschlecht' => 'm',
			'pronomen' => '',
			'Vorname' => 'Matthias',
			'Nachname' => 'BINDER',
			'TelFirma' => '+43 5 02378-9355',
			'TelFirmaMobil' => '+43 664 6191723',
			'TelFirmaMobil_public' => true,
			'email' => 'matthias.binder@best-research.eu',
			'id' => (int) 1875,
			'mitarbeiter_id' => (int) 1078,
			'anstellung' => object(Cake\I18n\FrozenDate) {

				'time' => '2015-12-01 00:00:00.000000+00:00',
				'timezone' => 'UTC',
				'fixedNowTime' => false
			
			},
			'anstellung_ende' => object(Cake\I18n\FrozenDate) {

				'time' => '2043-12-31 00:00:00.000000+00:00',
				'timezone' => 'UTC',
				'fixedNowTime' => false
			
			},
			'anstellung_art' => 'DV',
			'anstellung_ort' => 'WIEN',
			'arbeit_ort' => 'WIEN',
			'area_id' => (int) 23,
			'intern' => '1',
			'gruppe' => (int) 13,
			'anzeige_homepage' => 'Lead Expert',
			'gruppe_pm_tool' => '0',
			'karenzierung_grund' => null,
			'karenzierung_urlaubsanspruch' => false,
			'kostenstelle' => (int) 0,
			'kostenstelle_neu' => (int) 0,
			'auf_homepage_verstecken' => false,
			'Titel' => 'DI',
			'neuanstellung' => false,
			'karenzgrund' => null,
			'Bezeichnung' => null,
			'Bezeichnung_0' => null,
			'stundenumfang' => (float) 38.5,
			'xing' => '',
			'xing_public' => false,
			'linkedin' => '',
			'linkedin_public' => false,
			'scopus' => '',
			'scopus_public' => false,
			'orcid' => '',
			'orcid_public' => false,
			'mendeley' => '',
			'mendeley_public' => false,
			'googlescholar' => '',
			'googlescholar_public' => false,
			'researchgate' => '',
			'researchgate_public' => false,
			'pure' => '',
			'pure_public' => false,
			'full_name' => 'BINDER Matthias',
			'[new]' => false,
			'[accessible]' => [
				'*' => true,
				'Nummer' => false
			],
			'[dirty]' => [],
			'[original]' => [],
			'[virtual]' => [
				(int) 0 => 'full_name'
			],
			'[hasErrors]' => false,
			'[errors]' => [],
			'[invalid]' => [],
			'[repository]' => 'Employees'
		
		},
		'project_area' => null,
		'display_name' => 'N20218 -  ADORe-SNG',
		'[new]' => false,
		'[accessible]' => [
			'*' => true,
			'Nummer' => false
		],
		'[dirty]' => [],
		'[original]' => [],
		'[virtual]' => [
			(int) 0 => 'project_area',
			(int) 1 => 'display_name'
		],
		'[hasErrors]' => false,
		'[errors]' => [],
		'[invalid]' => [],
		'[repository]' => 'Projects'
	
	},
	'[new]' => false,
	'[accessible]' => [
		'*' => true,
		'id' => false
	],
	'[dirty]' => [],
	'[original]' => [],
	'[virtual]' => [],
	'[hasErrors]' => false,
	'[errors]' => [],
	'[invalid]' => [],
	'[repository]' => 'Projectscontent'

}
Seite 47 / 99

ADORe-SNG

Die Erzeugung von einspeisefähigem synthetischem 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.

Der Prozess bestehend aus Zweibettwirbelschicht-Gaserzeugung (engl. DFB „dual fluidized bed“ gasification) und Wirbelschicht-Methanierung wird modelliert, um eine Gesamtoptimierung (Simulationsstudien, Sensitivitätsanalyse, Skalierbarkeitsanalyse) zu ermöglichen. Basierend auf diesen Erkenntnissen wird ein Regelungskonzept entworfen, an einer 100 kW Pilotanlage integriert und getestet, sowie die Übertragbarkeit der F&E-Ergebnisse auf Industrieanlagen mittels industrieller Messdaten untersucht.

Die Effizienz der Datenauswertung und der Prozessüberwachung wird durch die Erstellung eines Digital Twins erhöht. Dieser erhält Live-Daten aus der Versuchsanlage und kann über Simulationsmodelle historische und aktuelle Anlagenzustände darstellen, sowie zukünftige vorhersagen. Dazu gehört auch die Implementierung eines Soft-Sensors zur Messung und Prognose der Gaszusammensetzung aus der Produktgaserzeugung sowie der Methanierung.

Weitere Informationen: https://projekte.ffg.at/projekt/3862075

Das Projekt wurde auch für den eAward2023 nominiert.

Ziele

Die Ziele des Projektes lassen sich wie folgt zusammenfassen:

  • Prozessoptimierung in der Prozessentwicklung: Optimierung der SNG Prozesskette unter Beachtung der technischen (Ausbeute, Effizienz), ökonomischen (Produktgestehungskosten) und ökologischen (CO2-Emissionen) Rahmenbedingungen
  • Halb- bzw. Vollautomatisierte Steuerung und Regelung der SNG-Prozesskette durch den Einsatz von modellprädiktiven Reglern, gekoppelt mit Softsensoren
  • Training und Support von Anlagenfahrern: Unterstützung beim Anlagenbetrieb, beim Anfahren der Anlage, bei Wartungstätigkeiten und bei Schulungstätigkeiten
  • Prozessoptimierung im kommerziellen Betrieb: Jahresbetriebsstundenzahl und Automatisierungsgrad zu erhöhen durch Beschleunigung des Inbetriebnahmeprozesses, Optimierung des Betriebes, Erkennen von Betriebsstörungen und Planung von unterschiedlichen Betriebsmodi, um einen ökonomisch und ökologisch optimalen Betrieb zu gewährleisten (Prinzip des „economic dispatching“)
  • Optimierte Planungsdokumente hinsichtlich Automatisierungs- und Regelungstechnik für Neuanlagen: Vereinfachung des Basic und Detail Engineering von Neuanlagen