Anwendung eines modifizierten Multi‑Verse‑Optimierers zur Temperaturregelung in Kondensatoren von Wärmekraftwerken

Den reibungslosen Betrieb von Kraftwerken sichern

Moderne Wärmekraftwerke sind stillschweigend auf unscheinbare Bauteile angewiesen, damit der Stromfluss stabil bleibt. Eines davon ist der Oberflächenkondensator, der Dampf wieder in Wasser kühlt, damit es erneut verwendet werden kann. Schwankt die Temperatur im Kondensator zu stark nach oben oder unten, kann das ganze Werk Brennstoff verschwenden, an Effizienz verlieren oder instabil werden. Diese Arbeit untersucht eine intelligentere Methode, diese Temperatur stabil zu halten, indem ein bewährter industrieller Regler mit einer neuen, computerbasierten Suchmethode kombiniert wird, die vom Konzept mehrerer Universen inspiriert ist.

Warum die Kondensatortemperatur schwer zu regeln ist

In einem typischen Kraftwerk strömt heißer Dampf aus der Turbine in einen Rohrbündelwärmetauscher, wo kühleres Wasser Wärme entzieht und den Dampf wieder verflüssigt. Dieser Prozess klingt einfach, doch das System verhält sich komplex. Die Temperatur reagiert langsam, mit Verzögerungen und nichtlinearen Effekten: eine Änderung des Dampfstroms kann sich erst viele Sekunden später voll zeigen, und die Reaktion ist nicht proportional. Standardregelung muss gegen diese Eigenheiten anarbeiten, um die Austrittstemperatur der Prozessflüssigkeit trotz wechselnder Lasten und Betriebsbedingungen nahe am Sollwert zu halten.

Alte Werkzeuge und ihre Schwächen

Die meisten Industrieanlagen verwenden einen Arbeitstier-Regler, den PID‑Regler, der die Dampfventilstellung anhand der Abweichung der Temperatur vom Sollwert und der Änderung dieses Fehlers über die Zeit anpasst. Traditionell stimmen Ingenieure die drei PID‑Parameter mit Faustregeln wie der Ziegler–Nichols‑Methode oder mit evolutionären Suchverfahren wie genetischen Algorithmen ab. Diese Ansätze können das System in den Griff bekommen, neigen jedoch zu großen Temperaturüberschwingern, langen Einschwingzeiten oder inkonsistenten Ergebnissen bei verschiedenen Abstimmläufen. Die zugrundeliegende Schwierigkeit ist, dass die mathematische Landschaft möglicher Einstellungen zerklüftet ist und viele „gut genug“ Täler enthält, die konventionelle Suchverfahren in lokale Fallen locken können.

Eine Multi‑Verse‑Suche nach besseren Einstellungen

Die Autoren bauen auf einem neueren Algorithmus namens Multi‑Verse‑Optimizer auf, der Bildsprache aus der Kosmologie nutzt: Viele Testlösungen werden als separate Universen behandelt, die Informationen über Analoga von Schwarzen Löchern, Weißen Löchern und Wurmlöchern austauschen. Sie führen einen modifizierten Multi‑Verse‑Optimizer (MMVO) ein, der verändert, wie stark sich diese Universen im Verlauf der Suche in vielversprechende Regionen bewegen. In der ursprünglichen Methode verkleinert sich die Schrittweite mit der Zeit, was feines Polieren begünstigt, aber das Feststecken erleichtert. Die modifizierte Version erhöht stattdessen schrittweise einen wichtigen Bewegungsfaktor, fördert fortgesetzte Erkundung um vielversprechende Bereiche und hilft so, lokalen Fallen zu entkommen, während gleichzeitig auf bessere Lösungen hingearbeitet wird.

Test der neuen Methode in Silizium

Um zu prüfen, ob MMVO die Abstimmung wirklich verbessert, wendeten die Forscher ihn zunächst auf 23 standardisierte mathematische Testfunktionen an, die häufig genutzt werden, um Optimierungsalgorithmen herauszufordern. Über eine Bandbreite von Problemtypen – von glatten Ein-Tal‑Landschaften bis hin zu zerklüfteten, mehrgipfligen Terrainen – erzielte MMVO im Allgemeinen bessere beste Werte, kleinere durchschnittliche Fehler und geringere Streuung zwischen den Läufen als der ursprüngliche Multi‑Verse‑Optimizer und eine bekannte Moth‑Flame‑Optimization‑Methode. Anschließend nutzten sie MMVO zur Abstimmung der drei Regelverstärkungen des PID‑Reglers für ein detailliertes Modell eines Oberflächenkondensators und verglichen die Ergebnisse mit Ziegler–Nichols‑Abstimmung, einem genetischen Algorithmus für PID sowie dem unveränderten MVO. Der mit MMVO abgestimmte Regler reduzierte den Temperaturüberschwinger auf etwa 1 % und verkürzte die Einschwingzeit auf etwa 53 Sekunden, womit er die Konkurrenzmethoden übertraf, die entweder stärker überschlugen oder deutlich länger zur Stabilisierung brauchten.

Was die Ergebnisse für reale Anlagen bedeuten

Praktisch betrachtet legt diese Arbeit nahe, dass Anlagenbetreiber die Kondensatortemperaturen näher am Sollwert halten könnten, mit weniger Ausschlägen und schnellerer Erholung nach Störungen, wenn ein MMVO‑gesteuertes Programm die PID‑Parameter auswählt statt auf manuellen Versuch‑und‑Irrtum‑Methoden oder älteren automatischen Regeln zu beruhen. Die Studie basiert auf Simulationen und nicht auf Feldversuchen in vollem Maßstab und vereinfacht einige reale Komplikationen wie Verschmutzung, rauscherfüllte Messungen und sich schnell ändernde Lasten. Trotzdem weisen die Ergebnisse in Richtung einer Zukunft, in der Kraftwerksregelungen unauffällig fortgeschrittene Optimierung nutzen, um aus bewährter Hardware mehr Effizienz und Stabilität herauszuholen, ohne die zugrunde liegenden Geräte ersetzen zu müssen.

Zitation: Panda, S., Das, S.R., Sahoo, A.K. et al. Application of modified multi-verse optimization for temperature control in thermal power plant condensers. Sci Rep 16, 12409 (2026). https://doi.org/10.1038/s41598-026-40559-7

Schlüsselwörter: Oberflächenkondensatorregelung, PID‑Abstimmung, metaheuristische Optimierung, Wärmekraftwerk, Multi‑Verse‑Optimizer