RESUME - Multikriterielle Optimierung: Auswirkungen von Recyclingpotentialen, kritischen Rohstoffen und Lieferkettenrisiken auf die Energiewende; Teilvorhaben: Bestimmung pareto-optimaler Lösungen für multikriterielle Optimierungsprobleme

Abstract

Derzeitiger Stand von Wissenschaft und Technik Energiesystemmodelle wurden bisher meist nur eindimensional (kostenoptimiert) gelöst. Multikriterielle Optimierung erforderte aufwendige, modellspezifische Eigenimplementierungen. Zudem scheiterten multikriterielle Ansätze bei großskaligen Modellen oft am massiven Rechenaufwand zur Berechnung von Pareto-Fronten. Begründung/Zielsetzung der Untersuchung Ziel war die Erweiterung des Energiesystemmodells REMix von einer reinen Kostenoptimierung zu einer Mehrzieloptimierung zur gleichzeitigen Bewertung von Kosteneffizienz und Rohstoffkritikalität. Dafür musste eine performante Methode zur Erforschung von Kompromisslösungen (Pareto-Fronten) für GAMS entwickelt werden. Methode Entwicklung und Implementierung eines generischen Tools zur Mehrzieloptimierung (MOO) in GAMS. Dies umfasste die Bereitstellung etablierter Algorithmen (z. B. Augmented Epsilon-Constraint, Sandwiching) für komplexe Problemstellungen. Zur Effizienzsteigerung wurde die Modellgenerierung auf Basis des GamsModelInstance-Konzepts optimiert und eine Parallelisierung auf Shared und Distributed Memory (HPC-Cluster) umgesetzt. Ergebnis Das MOO-Tool wurde erfolgreich entwickelt und über eine einfache Schnittstelle direkt in das REMix-Modell eingebunden. Die neuen Funktionalitäten zur Mehrzieloptimierung wurden vollständig in die reguläre GAMS-Distribution (ab Version 46) integriert und stehen mitsamt Dokumentation und Beispielmodellen öffentlich zur Verfügung. Schlussfolgerung/Anwendungsmöglichkeiten Die Projektergebnisse senken die Hürde für Mehrzieloptimierungen drastisch. Energiesystemmodelle lassen sich nun standardisiert und ohne großen Programmieraufwand um neue Dimensionen erweitern. Durch die generische Natur des Tools sind die Algorithmen problemlos auch für Modelle jenseits der Energiesystemanalyse nutzbar.

Current state of science and technology Previously, energy system models have primarily been solved using a single objective, typically cost optimization. Incorporating multiple objectives required complex, model-specific custom code. Furthermore, applying multi-objective approaches to large-scale models often proved computationally challenging. Justification/objective of the study The goal was to upgrade the REMix energy system model from single-objective cost optimization to a multi-objective framework, allowing for the simultaneous evaluation of cost efficiency and raw material criticality. This required developing a highly performant method within the GAMS environment to explore trade-off solutions (Pareto fronts). Method A generic Multi-Objective Optimization (MOO) tool was developed and implemented in GAMS. This involved adapting established algorithms, such as Augmented Epsilon-Constraint and Sandwiching, for complex problem formulations. To drastically reduce solution times, model generation was optimized using the GamsModelInstance concept, and parallel execution for both Shared and Distributed Memory (HPC clusters) was implemented. Result The MOO tool was successfully developed and seamlessly integrated into the REMix model via a simple, user-friendly interface. These new multi-objective capabilities have been fully incorporated into the standard GAMS distribution (starting with version 46) and are now publicly available, complete with comprehensive documentation and sample models. Conclusion/possible applications This project significantly lowers the barrier to entry for multi-objective optimization. Energy system models can now be expanded to include new dimensions in a standardized manner, requiring minimal programming effort. Because the tool is generic, its highly performant algorithms can easily be applied to modeling problems far beyond energy system analysis.