Performance analysis and control optimization of a solar-driven seasonal sorption thermal energy storage system

Abstract

La calor és el tipus denergia final més consumida del món. En particular, el sector de l'edificació és responsable del voltant del 40% de la calor consumida. Les energies renovables són una bona solució per mitigar el canvi climàtic. Tot i això, la discontinuïtat de les energies renovable requereix emmagatzematge d'energia. Els col·lectors solars tèrmics acoblats a l'emmagatzematge d'energia tèrmica estacional (STES) són una bona solució per reduir el consum de combustibles fòssils en climes amb alta irradiació solar a l'estiu i una alta demanda de calefacció a l'hivern. L'emmagatzematge de calor (TES) per sorció és la tecnologia més adequada per a STES a causa de les pèrdues tèrmiques gairebé nul·les durant el període d'emmagatzematge i la seva alta densitat energètica a nivell de material. Tot i això, el funcionament d'un TES estacional per sorció integrat en una instal·lació de calefacció d'un edifici no és senzill i s'ha d'estudiar detalladament. Un funcionament no òptim del sistema segons les condicions climàtiques i les demandes tèrmiques de ledifici pot conduir a una baixa eficiència del sistema. Aquesta tesi doctoral té com a objectiu analitzar i millorar el funcionament d‟un sistema d‟emmagatzematge per sorció estacional impulsat per energia solar (SDSSTES) integrat en un edifici mitjançant diferents estratègies de control i dissenys de sistemes. El sistema estava compost per col·lectors solars, un dipòsit d'aigua estratificada, una caldera, un SoTES estacional i la font de calor de baixa temperatura (LTHS). Operar el sistema amb una estratègia RBC optimitzada va permetre minimitzar els costos d'operació usant un menor volum d'emmagatzematge de sorció. A més, la densitat energètica del SDSSTES es va veure molt afectada per les condicions climàtiques i pel tipus i disponibilitat de LTHS. Els resultats van demostrar la viabilitat tècnica del sistema al centre i al nord d'Europa, malgrat les baixes temperatures a l'hivern, l'ús de la calor solar hivernal va ser suficient per descarregar el STES. No obstant això, es van obtenir densitats energètiques 23% més grans suposant una font de calor constant (p.ex., energia geotèrmica). A més, es van aconseguir menors costos operacionals en controlar el sistema amb deep reinforcement learning (DRL), en comparació de l'estratègia RBC optimitzada. L'ús de DRL va permetre operar el sistema durant l'hivern prop de l'òptim global. No obstant això, el desenvolupament i la implementació d'un algorisme de DRL requereix altes habilitats de programació i llargs temps d'entrenament computacional.

El calor es el tipo de energía final más consumida del mundo. En particular, el sector de la edificación es responsable de alrededor del 40 % del calor consumido. Las energías renovables son una buena solución para mitigar el cambio climático, sin embargo, la discontinuidad de las energías renovable requiere de sistemas de almacenamiento de energía. Los colectores solares térmicos acoplados a almacenamiento de energía térmica estacional (STES) son una buena solución para reducir el consumo de combustibles fósiles en climas con alta irradiación solar en verano y alta demanda de calefacción en invierno. El almacenamiento de energía térmica (TES) por sorción es la tecnología más adecuada para STES debido a sus pérdidas térmicas casi nulas durante el período de almacenamiento y su alta densidad energética a nivel de material. Sin embargo, el funcionamiento de un STES por sorción integrado en una instalación de calefacción de un edificio no es sencillo y debe estudiarse en detalle. Un funcionamiento no óptimo del sistema en función de las condiciones climáticas y las demandas térmicas del edificio puede conducir a una baja eficiencia del sistema. Esta tesis doctoral tiene como objetivo analizar y mejorar el funcionamiento de un sistema de almacenamiento por sorción estacional impulsado por energía solar (SDSSTES) integrado a un edificio mediante diferentes estrategias de control y diseños de sistemas. El sistema estaba compuesto por colectores solares, un depósito de agua estratificada, una caldera, un sistema STES por sorción y su fuente de calor de baja temperatura (LTHS). Operar el sistema con una estrategia RBC optimizada permitió minimizar los costes de operación usando un menor volumen de almacenamiento por sorción. Además, la densidad energética del SDSSTES se vio muy afectada por las condiciones climáticas y por el tipo y la disponibilidad de LTHS. Los resultados demostraron la viabilidad técnica del sistema en el centro y norte de Europa. A pesar de las bajas temperaturas en invierno, el uso del calor solar durante el invierno fue suficiente para descargar el sistema STES. Sin embargo, se obtuvieron densidades energéticas 23 % mayores suponiendo una fuente de calor constante (p.ej., energía geotérmica). Además, se consiguieron menores costes operacionales controlando el sistema con deep reinforcement learning (DRL), en lugar de con una estrategia RBC optimizada. El uso de DRL permitió operar el sistema durante el invierno cerca del óptimo global. Sin embargo, el desarrollo e implementación de un algoritmo de DRL requiere altas habilidades de programación y largos tiempos de entrenamiento computacional.

Heat is the world´s largest energy end-use. In particular, the building sector is responsible of around 40 % for the consumed heat. Renewable sources are a good solution to mitigate climate change. Nevertheless, the intermittence of renewable sources calls for the need of energy storage systems. Solar thermal collectors coupled with seasonal thermal energy storage (STES) are a good solution to reduce the fossil fuels consumption in climates with high solar irradiation in summer and high space heating demand in winter. Sorption thermal energy storage (TES) is the more suitable technology for STES due to its nearly zero thermal losses during the storage period and its high energy density at material level. Nevertheless, the operation of a sorption STES integrated into a building heating system is not straightforward and must be studied in detail. A non-optimal operation of the system based on transient weather conditions and thermal building demands may lead to low system efficiency. This PhD thesis aims to analyse and enhance the performance of a solar-driven seasonal sorption TES (SDSSTES) system integrated into a building through different control strategies and system designs. The system was composed of solar collectors, a stratified water tank, a boiler, a sorption STES, and its low-temperature heat source (LTHS). Operating the system with an optimized rule based control (RBC) strategy allowed to minimize the operational costs using a lower volume of sorption TES. Moreover, the energy density of the sorption TES was highly impacted by the weather conditions, and by the type and availability of LTHS. The results proved the technical feasibility of the SDSSTES in Central and North Europe. In spite of the low temperatures in winter, the use of winter solar heat was enough to assist the discharge of the sorption TES. However, energy densities increased by 23 % assuming a constant heat source (e.g. geothermal energy). Better results in terms of operational costs were obtained by operating the system with deep reinforcement learning (DRL), in comparison to the optimized RBC strategy. Indeed, the use of DRL allowed operating the system during winter in a near-global optimum. Nevertheless, the implementation of a DRL algorithm require high programming skills and long computational training times.