EXC 2075, PN 5-2A: Daten-getriebene Optimierungsalgorithmen für lokale, dynamische Modelladaptivität

Numerische Modelle unterirdischer Gasspeicher müssen häufig mit langen Zeiträumen und großen Gebieten zurecht kommen. Daher werden Rechenmodelle benötigt, die robust und schnell sind und zugleich eine genaue Vorhersage des Systems liefern, um z. B. potenzielle Gasspeicherorte zu identifizieren, optimale Betriebsparameter zu bestimmen und die Betriebssicherheit zu gewährleisten. Das effizienteste Modell zu einem bestimmten Zeitpunkt während der Simulation kann durch Kopplung von Modellen unterschiedlicher Komplexität im Simulationsgebiet (Multiphysik- oder Hybridmodell) erreicht werden. Es wird erwartet, dass diese Multiphysikmodelle für Gebiete mit variierender Komplexität robust und rechnerisch effizient sind, da sie die Modellkomplexität zu verschiedenen Zeitpunkten während der Simulation und in verschiedenen Teilen des Gebiets an die Gebiets- bzw. Prozesskomplexität anpassen können.

Ziel dieses Projektes ist es, ein datengetriebenes, optimierungsbasiertes adaptives Modell für unterirdische Gasspeicherung zu entwickeln. Das Modell identifiziert während des Simulationslaufs, welcher Typ von physikalischem Modell lokal verwendet werden soll. Die Auswahl der lokalen Modelle basiert auf einer Modellhierarchie, die die Anforderungen von Gasspeicherszenarien widerspiegelt. Die hierzu benötigten modell- und datenbasierte Modellauswahlkriterien werden im Projekt entwickelt, letztere in enger Zusammenarbeit mit Partnern der TU Delft, welche Labor- und Feldversuche durchführen. Der Modellauswahlprozess soll als optimales Steuerungsproblem formuliert werden, das aus einer Zielfunktion mit lokalen Kriterien besteht, während die Erfüllung der Modellgleichung als Nebenbedingung auftrittt. Das resultierende Optimierungsproblem wird analytisch untersucht und konvergente Lösungsmethoden hergeleitet. Im Partnerprojekt PN 5-2b wird das resultierende Optimierungsproblem analytisch untersucht und konvergente Lösungsmethoden hergeleitet.

 apl. Prof. Dr. rer. nat. Bernd Flemisch

Beatrix Becker (M.Sc.) 
Ivan Buntic (M.Sc.)

Dr. techn. Andreas Langer
Arthur Günthner (M.Sc.)

10/2019 - 09/2023