Robuster Entwurf und Regelung von Power-to-Methanol Prozessen mit Methoden des maschinellen Lernens (SPP 2331)

Im Rahmen der Energiewende spielt die Herstellung von grünem Methanol eine wichtige Rolle. Dazu wird überschüssiger Strom aus erneuerbaren Energien (Wind, Sonne) in Wasserstoff umgewandelt, der dann mit Hilfe von CO und CO_2 aus organischen Abfällen zu Methanol umgesetzt wird. Da die Ver-fügbarkeit dieser Ausgangsstoffe/Energie starken zeitlichen Fluktuationen auf unterschiedlichen Zeitskalen unterliegt, werden neue Konzepte für den robusten Prozessentwurf und die robuste Prozessführug benötigt. Dazu werden im Rahmen des vorliegenden Projektes datengetriebene Ansätze des maschinellen Lernens verwendet. Das Projekt ist im DFG Schwerpunktprogramm SPP 2331 "Machine Learning in Chemical Engineering" angesiedelt.