MasCOR: KI-gestützte Co-Optimierung für E‑Fuel reduziert Kosten

MasCOR ist ein neues, maschinelles Lern‑Framework, das die gleichzeitige Optimierung von Design und Betrieb von E‑Fuel‑Systemen ermöglicht. Durch die Analyse globaler Betriebs­trajektorien lernt ein einzelner Agent, wie sich unterschiedliche Systemkonfigurationen und erneuerbare Stromtrends verhalten, und kann so dynamische Betriebs­strategien für viele Varianten generieren.

Im Vergleich zu herkömmlichen mathematischen Programmieransätzen liefert MasCOR nahezu optimale Ergebnisse, während die Rechenzeit deutlich geringer ist. Das erlaubt eine schnelle, parallele Bewertung von Designoptionen im Co‑Optimierungs­schleifenprozess und beschleunigt die Suche nach praktikablen Betriebs­richtlinien.

Bei der Anwendung auf vier potenzielle europäische Standorte für die Produktion von E‑Methanol zeigte MasCOR, dass die meisten Anlagen von einer Reduktion der Systemlast auf unter 50 MW profitieren, um CO₂‑neutrales Methanol zu einem Preis von 1,0–1,2 USD pro Kilogramm herzustellen. Dunkirk in Frankreich, wo die erneuerbare Verfügbarkeit begrenzt und die Netzpreise hoch sind, empfiehlt hingegen Systemlasten über 200 MW und erweiterte Speicher, um dynamische Netz­wechsel und den Verkauf von Wasserstoff zu optimieren.

Die Ergebnisse unterstreichen, wie MasCOR die Standortwahl und das Design von E‑Fuel‑Systemen beschleunigt und gleichzeitig Kosten senkt, was einen wichtigen Beitrag zur Net‑Zero‑Transition leistet.