This paper proposes a real-time distributed operational architecture to coordinate integrated transmission and distribution systems (ITD). At the distribution system level, the distribution system operator (DSO) calculates the aggregated flexibility of all controllable devices by power-energy envelopes and provides them to the transmission system operator (TSO). At the transmission system level, a distributed nonlinear model predictive control (nmpc) approach is proposed to coordinate the economic dispatch of multiple TSOs, considering the aggregated flexibility of all distribution systems. The subproblems of the proposed approach are associated with different TSOs and individual time periods. In addition, the aggregated flexibility of controllable devices in distribution networks is encapsulated, re-calculated, and communicated through the power-energy envelopes, facilitating a reduction in computational complexity and eliminating redundant information exchanges between TSOs and DSOs, thereby enhancing privacy and security. The framework's effectiveness and applicability in real-world scenarios are validated through simulated operational scenarios on a summer day in Germany, highlighting its robustness in the face of significant prediction mismatches due to severe weather conditions.

During the energy transition, the significance of collaborative management among institutions is rising, confronting challenges posed by data privacy concerns. Prevailing research on distributed approaches, as an alternative to centralized management, often lacks numerical convergence guarantees or is limited to single-machine numerical simulation. To address this, we present a distributed approach for solving AC Optimal Power Flow (OPF) problems within a geographically distributed environment. This involves integrating the energy system Co-Simulation (eCoSim) module in the eASiMOV framework with the convergence-guaranteed distributed optimization algorithm, i.e., the Augmented Lagrangian based Alternating Direction Inexact Newton method (aladin). Comprehensive evaluations across multiple system scenarios reveal a marginal performance slowdown compared to the centralized approach and the distributed approach executed on single machines—a justified trade-off for enhanced data privacy. This investigation serves as empirical validation of the successful execution of distributed AC OPF within a geographically distributed environment, highlighting potential directions for future research.

Material Jetting (MJ) is distinguished in the additive manufacturing field for its ability to create accurate multi-material functional objects with features in the range of few micrometers. Analyzing the impact of each step in MJ from virtual design to 3D printed object on the process response is essential for optimizing the technology's capabilities. The current state-of-the-art reveals a gap in MJ regarding the fundamental understanding of the correlation between the pre-processing workflow and the geometrical and dimensional accuracy. This study aims to bridge this gap by examining factors such as utilization of different CAD software with diverse working principles, part-based versus assembly-based design, alternative 3D model formats (STL, OBJ, 3MF, AMF, STP), and slicing approaches (using open-source slicers). Two test specimens, each containing ten elements (either cylinders or hemispheres) with diameters ranging from 254 µm to 12.7 mm are examined. The results demonstrate the significant influence of the aforementioned factors on geometrical and dimensional accuracy, except for 3D model formats. Specifically, for large elements, the achievable accuracy depends on the tessellation approach of the CAD system, while for very small elements, the rasterization process is defining, and designing in assembly mode can further enhance accuracy. The handling of the 3D model by the slicer particularly affects geometrical accuracy. Experimental validation confirms the impact of the pre-processing workflow, though the data-related dimensional deviation for the base layer is masked by the wetting behavior of the dispensed droplets on the substrate.

Abstract Gossen’s First Law describes the law of diminishing marginal utility. This paper aims to further verify the proposed hypothesis that Gossen’s First Law also holds in the modeling for Demand Side Management (DSM) with a thorough heat pump case study. The proposed hypothesis states that in general the complexity-utility relationship in the field of DSM modeling could be represented by a diminishing marginal utility curve. On the other hand, in data based modeling, when utilizing a large dataset for validation, the data integrity is critical to the reliability of the results. However, the absence of partial time series data may occur during the measurement due to missing sensors or IT related issues. In this work, an extensive real-world open dataset of a ground source heat pump is utilized for the case study. In the raw data, one key variable namely the flow rate is missing. Thus, three different algorithms based on machine learning and deep learning architectures namely Random Forest (RF), Long Short-Term Memory (LSTM) and Transformer are applied to predict the flow rate by utilizing an open loop forecasting. The raw data are first pre-processed with a time interval of one hour and then used for training, validation and forecast. Furthermore, a modified persistence model as the baseline is also defined. The predicted flow rate using LSTM yields the lowest error of 7.47 $$\%$$ % nMAE and 10.56 $$\%$$ % nRMSE respectively. The forecast results are then utilized in the following step of modeling of a heat pump use case. With the introduced quantification method for complexity and a modified version for utility, we further verify the proposed hypothesis with a longer time horizon of 7 days.

The contribution presents a new control-oriented model for direct-heat co-current rotary dryers with a focus on demand-side flexibility considering the variation of material throughput and heat source. The dryer model is based on partial differential–algebraic equations covering time- and location-dependent gas and particle velocities taking phase interactions into account. In addition, a steady-state model of a heat supply unit covering electricity-based and chemical heat sources is presented. The model is qualitatively compared with measured data and models from literature showing good overall agreement. Furthermore, simulations of the flexibility mechanisms are performed and their effect on temperature and humidity profiles as well as input and output streams of the dryer are analyzed. On this basis, requirements to process control are discussed. The simulations show that the variation of the throughput is associated with significant changes to the gas input stream, while only small changes are observed for the variation of the energy carrier.