Den Ausstoß klimaschädlicher Treibhausgase in naher Zukunft um ein Vielfaches zu verringern, ist eine der Hauptaufgaben der jetzigen Generation für die nächsten Jahrzehnte. Zum Erreichen dieses Ziels unter Erhaltung eines gewohnten und angemessenen Lebensstandards ist ein enormer Ausbau der erneuerbaren Energien in allen Lebensbereichen vonnöten.

Erneuerbare Energien sind jedoch zeitlich nicht konstant verfügbar. Darunter leidet die Netzstabilität, sodass zeitliche Schwankungen häufig durch konventionelle fossile Energieträger ausgeglichen werden müssen. Damit zukünftig die nachhaltige Integration erneuerbarer Energien in den hochdynamischen Energieversorgungssektor gelingt, wird vermehrt die Bedeutung von Power-to-X-Technologien, also die Umwandlung erneuerbarer Energien in chemische Energieträger, wie Wasserstoff, Methan oder Ammoniak, oder sogar in anderweitig weiterverwendbare Stoffe, wie Kerosin, Methanol oder höhere Kohlenwasserstoffe, hervorgehoben.

Durch die über PtX erreichte Integration erneuerbarer Energien in das Stoffnetz wird eine enorme Speicherkapazität erschlossen, die bspw. durch Batteriespeicher auf elektrochemischem Wege nicht zu erreichen wäre. Dadurch ergibt sich eine hohe Speicherkapazität gepaart mit einer hohen Flexibilität der Einspeicherung und Rückverstromung. Die beispielhafte Rückverstromung von grünem Methan kann hochdynamisch in Gaskraftwerken, die an das nationale Erdgasnetz angeschlossen sind, erfolgen.

Zum effizienten Einsatz der Ressourcen wird die Verstromung von Erdgas bereits seit längerer Zeit an den aktuellen Lastfall angepasst. Diese vorausschauende Regelung auf der Skala der Energienetze wird als Smart-Grid-Konzept bezeichnet und seine Bedeutung wird in Zukunft stark zunehmen, da mit der variablen Verfügbarkeit erneuerbarer Energien auch die dynamische Einspeisung der PtX-Produkte in die Stoffnetze an Bedeutung gewinnt.

Im Rahmen der vorgeschlagenen Arbeit soll ein Modell der dynamischen Methanisierung entwickelt werden, das in Smart-Grid-Simulationen in Echtzeit verwendet werden kann, um die hochdynamische Einspeisung von grünem Methan in die Stoffnetze zu simulieren. Zur Erfassung der komplexen, hochdynamischen Vorgänge in einer Methanisierungsanlage wird ein neuartiges neuronales Modell vorgeschlagen. Getrieben durch die Fortschritte auf dem Gebiet der künstlichen Intelligenz zur Modellierung verfahrenstechnischer Systeme ist die Beschreibung des hochkomplexen Problems mit künstlichen neuronalen Netzen möglich.

Das in dieser Arbeit zu entwickelnde Modell vereint die Stärken neuronaler Modelle mit herkömmlichen physikalischen Modellen und ermöglicht die Integration der Prozesssimulation in Smart-Grids zur lastangepassten Regelung von Methanisierungsanlagen. Damit wäre ein solches Modell ein großer Schritt in Richtung nachhaltiger und effizienter Nutzung und Speicherung erneuerbarer Ressourcen und der digitalen Vernetzung der Sektoren über Smart-Grids.