Framework for distributed optimization and coordination of flexible energy resources with application to modular electrolysis plants
Publication date
2026-08-26
Document type
Dissertation
Cumulative Thesis
✅
Author
Advisor
Referee
Granting institution
Helmut-Schmidt-Universität/Universität der Bundeswehr Hamburg
Exam date
2026-08-21
Organisational unit
Project
eModule (03HY116)
Publisher
Universitätsbibliothek der HSU/UniBw H
Part of the university bibliography
✅
File(s)
Language
English
DDC Class
620 Ingenieurwissenschaften
Keyword
Multi-Agent systems
Modular Electrolysis Plants
Hierarchical Optimization
Distributed Optimization
Decentralized Coordination
Module Type Package
Agentensysteme
Modulare Elektrolyseanlagen
Hierarchische Optimierung
Verteilte Optimierung
Dezentrale Koordination
Module Type Package
Abstract
EN:
The transition towards a climate-neutral energy system is one of the central societal and industrial challenges of our time. As the share of fluctuating renewable energies increases, the need for flexible generation and consumption structures grows in order to reliably align electricity supply and demand.
Flexible energy resources exhibit operational flexibility that enables targeted load adjustments to cope with the volatility induced by renewable energies. These resources are increasingly integrated as functionally encapsulated, independently operable units into decentralized and reconfigurable infrastructures. Such infrastructures allow adaptation to changing market and operational conditions. The transformation towards sustainable and flexible energy systems therefore requires optimization and coordination approaches that are compatible with such decentralized and reconfigurable structures. Against this background, modular electrolysis plants are exemplary for this development: They enable scalable hydrogen production in which modules can flexibly respond to fluctuating availability and price of electricity. Their decentralization results from the fact that the modules are physically and logically decoupled as well as independently operable, and each module encapsulates dedicated functionality, which enables operational decisions at the module level and reconfigurability by adding or removing modules. Under volatile renewable energy feed-in and varying electricity prices, operational optimization is thus required that consistently links economic objectives (e.g., energy costs) with technical constraints (e.g., start-up and shutdown times, operating limits) and coordinates load distributions both temporally and system-wide. Conventional, centralized optimization approaches reach their limits here: As the number of modules grows, computational complexity, integration effort, and the risk of central points of failure increase, which hampers scalable and robust operation of modular electrolysis plants.
This cumulative dissertation developed an optimization and coordination framework for scalable, resilient, and cost-optimal operation of modular electrolysis plants. The research followed the design science research methodology and is based on five peer-reviewed publications. The work focuses on (i) the development of a decentralized multi-agent architecture for resilient and cost-optimal coordination of numerous operating modules, (ii) the conceptual integration of long-term operational optimization with short-term responsiveness by means of hierarchical optimization across different temporal resolutions, (iii) a semi-automated method to transform centralized optimization models into distributed optimization formulations (e.g., using the Alternating Direction Method of Multipliers), and (iv) a standardized integration framework that enables automated integration of external optimization applications into orchestration systems of modular plants.
The proposed concepts were independently evaluated in simulation-based case studies to assess their applicability and functionality. In addition, the optimization and coordination framework was implemented in a modular electrolysis demonstrator plant using industrial control technology in order to validate its applicability under real operating conditions. The results show that the developed framework enables robust, economically and technically consistent optimization as well as distributed execution on multiple computing units, while simultaneously reducing engineering effort through automated agent instantiation and parameterization. Overall, the interplay of the proposed approaches supports stable plant operation under uncertain conditions and meets the requirements of scalability, modularity, interoperability, and reusability.
The transition towards a climate-neutral energy system is one of the central societal and industrial challenges of our time. As the share of fluctuating renewable energies increases, the need for flexible generation and consumption structures grows in order to reliably align electricity supply and demand.
Flexible energy resources exhibit operational flexibility that enables targeted load adjustments to cope with the volatility induced by renewable energies. These resources are increasingly integrated as functionally encapsulated, independently operable units into decentralized and reconfigurable infrastructures. Such infrastructures allow adaptation to changing market and operational conditions. The transformation towards sustainable and flexible energy systems therefore requires optimization and coordination approaches that are compatible with such decentralized and reconfigurable structures. Against this background, modular electrolysis plants are exemplary for this development: They enable scalable hydrogen production in which modules can flexibly respond to fluctuating availability and price of electricity. Their decentralization results from the fact that the modules are physically and logically decoupled as well as independently operable, and each module encapsulates dedicated functionality, which enables operational decisions at the module level and reconfigurability by adding or removing modules. Under volatile renewable energy feed-in and varying electricity prices, operational optimization is thus required that consistently links economic objectives (e.g., energy costs) with technical constraints (e.g., start-up and shutdown times, operating limits) and coordinates load distributions both temporally and system-wide. Conventional, centralized optimization approaches reach their limits here: As the number of modules grows, computational complexity, integration effort, and the risk of central points of failure increase, which hampers scalable and robust operation of modular electrolysis plants.
This cumulative dissertation developed an optimization and coordination framework for scalable, resilient, and cost-optimal operation of modular electrolysis plants. The research followed the design science research methodology and is based on five peer-reviewed publications. The work focuses on (i) the development of a decentralized multi-agent architecture for resilient and cost-optimal coordination of numerous operating modules, (ii) the conceptual integration of long-term operational optimization with short-term responsiveness by means of hierarchical optimization across different temporal resolutions, (iii) a semi-automated method to transform centralized optimization models into distributed optimization formulations (e.g., using the Alternating Direction Method of Multipliers), and (iv) a standardized integration framework that enables automated integration of external optimization applications into orchestration systems of modular plants.
The proposed concepts were independently evaluated in simulation-based case studies to assess their applicability and functionality. In addition, the optimization and coordination framework was implemented in a modular electrolysis demonstrator plant using industrial control technology in order to validate its applicability under real operating conditions. The results show that the developed framework enables robust, economically and technically consistent optimization as well as distributed execution on multiple computing units, while simultaneously reducing engineering effort through automated agent instantiation and parameterization. Overall, the interplay of the proposed approaches supports stable plant operation under uncertain conditions and meets the requirements of scalability, modularity, interoperability, and reusability.
DE:
Die Umstellung auf ein klimaneutrales Energiesystem zählt zu den zentralen gesellschaftlichen und industriellen Herausforderungen unserer Zeit. Mit dem wachsenden Anteil fluktuierender erneuerbarer Energien steigt der Bedarf an flexiblen Erzeugungs- und Verbrauchsstrukturen, um Angebot und Nachfrage von elektrischer Energie zuverlässig in Einklang zu bringen.
Flexible Energieressourcen verfügen über operative Freiheitsgrade, die gezielte Lastanpassungen ermöglichen, um die durch erneuerbare Energien verursachte Volatilität zu bewältigen. Diese Ressourcen werden zunehmend als funktional gekapselte, eigenständig betreibbare Einheiten in dezentrale und rekonfigurierbare Infrastrukturen eingebunden. Solche Infrastrukturen ermöglichen eine Anpassung an veränderte marktbezogene und betriebliche Rahmenbedingungen. Die Transformation zu nachhaltigen und flexiblen Energiesystemen erfordert daher Optimierungs- und Koordinationsansätze, die mit solchen dezentralen und rekonfigurierbaren Strukturen kompatibel sind. Vor diesem Hintergrund stehen modulare Elektrolyseanlagen exemplarisch für diese Entwicklung: Sie ermöglichen skalierbare Wasserstoffproduktion, in der Module flexibel auf fluktuierende Ausbeute und Preise von erneuerbaren Energien reagieren. Ihre Dezentralität resultiert daraus, dass die Module physisch und logisch entkoppelt sowie eigenständig betreibbar sind und jeweils eigene Funktionen kapseln, was Betriebsentscheidungen auf Modulebene und Rekonfigurierbarkeit durch das Hinzufügen oder Entfernen von Modulen ermöglicht. Unter volatilen Einspeiseleistungen erneuerbarer Energien und schwankenden Energiepreisen ist daher eine Betriebsoptimierung notwendig, die wirtschaftliche Zielgrößen (z. B. Energiekosten) mit technischen Restriktionen (z. B. Start-/Stoppzeiten, betrieblichen Grenzwerten) konsistent verknüpft und Lastverteilungen sowohl zeitlich als auch systemweit koordiniert. Konventionelle, zentrale Optimierungsansätze stoßen hier an Grenzen: Mit wachsender Modulanzahl steigen rechnerische Komplexität, Integrationsaufwand und die Gefahr zentraler Ausfallpunkte, was die skalierbare und robuste Betriebsführung modularer Elektrolyseanlagen erschwert.
Diese kumulative Dissertation entwickelte ein Optimierungs- und Koordinationsframework zur skalierbaren, resilienten und kostenoptimierten Betriebsführung modularer Elektrolyseanlagen. Die Forschung folgte der „Design Science Research“-Methodik und basierte auf fünf begutachteten Fachpublikationen. Im Mittelpunkt standen (i) die Entwicklung einer dezentralen Multi-Agenten-Architektur zur resilienten und kostenoptimierten Koordination zahlreicher operierender Module, (ii) die konzeptionelle Verbindung langfristiger Betriebsoptimierung mit kurzfristiger Reaktionsfähigkeit durch eine hierarchische Optimierung über verschiedene zeitliche Auflösungen, (iii) eine semi-automatisierte Methode zur Transformation zentraler Optimierungsmodelle in verteilte Optimierungsformulierungen (z. B. mittels Alternating Direction Method of Multipliers) sowie (iv) ein standardisiertes Integrationsframework, das die automatisierte Einbindung externer Optimierungsanwendungen in Orchestrierungssysteme modularer Anlagen ermöglichte.
Die entwickelten Konzepte wurden unabhängig voneinander in simulationsbasierten Fallstudien evaluiert, um ihre Anwendbarkeit und Funktionsfähigkeit zu überprüfen. Ergänzend hierzu wurde das Optimierungs- und Koordinationsframework in einer modularen Elektrolyse-Demonstratoranlage mit industrieller Leittechnik implementiert, um seine Anwendbarkeit unter realen Betriebsbedingungen zu validieren. Die Ergebnisse zeigen, dass das entwickelte Framework eine robuste, wirtschaftlich und technisch konsistente Optimierung sowie eine verteilte Ausführung auf mehreren Recheneinheiten ermöglicht und zugleich den Engineering-Aufwand durch automatisierte Agenteninstanziierung und -parametrierung reduziert. Insgesamt unterstützt das Zusammenspiel der Ansätze einen stabilen Anlagenbetrieb unter unsicheren Bedingungen und erfüllt die Anforderungen der Skalierbarkeit, Modularität, Interoperabilität und Wiederverwendbarkeit.
Die Umstellung auf ein klimaneutrales Energiesystem zählt zu den zentralen gesellschaftlichen und industriellen Herausforderungen unserer Zeit. Mit dem wachsenden Anteil fluktuierender erneuerbarer Energien steigt der Bedarf an flexiblen Erzeugungs- und Verbrauchsstrukturen, um Angebot und Nachfrage von elektrischer Energie zuverlässig in Einklang zu bringen.
Flexible Energieressourcen verfügen über operative Freiheitsgrade, die gezielte Lastanpassungen ermöglichen, um die durch erneuerbare Energien verursachte Volatilität zu bewältigen. Diese Ressourcen werden zunehmend als funktional gekapselte, eigenständig betreibbare Einheiten in dezentrale und rekonfigurierbare Infrastrukturen eingebunden. Solche Infrastrukturen ermöglichen eine Anpassung an veränderte marktbezogene und betriebliche Rahmenbedingungen. Die Transformation zu nachhaltigen und flexiblen Energiesystemen erfordert daher Optimierungs- und Koordinationsansätze, die mit solchen dezentralen und rekonfigurierbaren Strukturen kompatibel sind. Vor diesem Hintergrund stehen modulare Elektrolyseanlagen exemplarisch für diese Entwicklung: Sie ermöglichen skalierbare Wasserstoffproduktion, in der Module flexibel auf fluktuierende Ausbeute und Preise von erneuerbaren Energien reagieren. Ihre Dezentralität resultiert daraus, dass die Module physisch und logisch entkoppelt sowie eigenständig betreibbar sind und jeweils eigene Funktionen kapseln, was Betriebsentscheidungen auf Modulebene und Rekonfigurierbarkeit durch das Hinzufügen oder Entfernen von Modulen ermöglicht. Unter volatilen Einspeiseleistungen erneuerbarer Energien und schwankenden Energiepreisen ist daher eine Betriebsoptimierung notwendig, die wirtschaftliche Zielgrößen (z. B. Energiekosten) mit technischen Restriktionen (z. B. Start-/Stoppzeiten, betrieblichen Grenzwerten) konsistent verknüpft und Lastverteilungen sowohl zeitlich als auch systemweit koordiniert. Konventionelle, zentrale Optimierungsansätze stoßen hier an Grenzen: Mit wachsender Modulanzahl steigen rechnerische Komplexität, Integrationsaufwand und die Gefahr zentraler Ausfallpunkte, was die skalierbare und robuste Betriebsführung modularer Elektrolyseanlagen erschwert.
Diese kumulative Dissertation entwickelte ein Optimierungs- und Koordinationsframework zur skalierbaren, resilienten und kostenoptimierten Betriebsführung modularer Elektrolyseanlagen. Die Forschung folgte der „Design Science Research“-Methodik und basierte auf fünf begutachteten Fachpublikationen. Im Mittelpunkt standen (i) die Entwicklung einer dezentralen Multi-Agenten-Architektur zur resilienten und kostenoptimierten Koordination zahlreicher operierender Module, (ii) die konzeptionelle Verbindung langfristiger Betriebsoptimierung mit kurzfristiger Reaktionsfähigkeit durch eine hierarchische Optimierung über verschiedene zeitliche Auflösungen, (iii) eine semi-automatisierte Methode zur Transformation zentraler Optimierungsmodelle in verteilte Optimierungsformulierungen (z. B. mittels Alternating Direction Method of Multipliers) sowie (iv) ein standardisiertes Integrationsframework, das die automatisierte Einbindung externer Optimierungsanwendungen in Orchestrierungssysteme modularer Anlagen ermöglichte.
Die entwickelten Konzepte wurden unabhängig voneinander in simulationsbasierten Fallstudien evaluiert, um ihre Anwendbarkeit und Funktionsfähigkeit zu überprüfen. Ergänzend hierzu wurde das Optimierungs- und Koordinationsframework in einer modularen Elektrolyse-Demonstratoranlage mit industrieller Leittechnik implementiert, um seine Anwendbarkeit unter realen Betriebsbedingungen zu validieren. Die Ergebnisse zeigen, dass das entwickelte Framework eine robuste, wirtschaftlich und technisch konsistente Optimierung sowie eine verteilte Ausführung auf mehreren Recheneinheiten ermöglicht und zugleich den Engineering-Aufwand durch automatisierte Agenteninstanziierung und -parametrierung reduziert. Insgesamt unterstützt das Zusammenspiel der Ansätze einen stabilen Anlagenbetrieb unter unsicheren Bedingungen und erfüllt die Anforderungen der Skalierbarkeit, Modularität, Interoperabilität und Wiederverwendbarkeit.
Description
In reference to IEEE copyrighted material which is used with permission in this thesis, the IEEE does not endorse any of Helmut Schmidt University’s products or services. Internal or personal use of this material is permitted. If interested in reprinting/republishing IEEE copyrighted material for advertising or promotional purposes or for creating new collective works for resale or redistribution, please go to http://www.ieee.org/publications_standards/publications/rights/rights_link.html to learn how to obtain a License from RightsLink. If applicable, University Microfilms and/or ProQuest Library, or the Archives of Canada may supply single copies of the dissertation.
Version
Published version
Access right on openHSU
Open access