Modelling and optimization of electro-thermal systems

The optimization of contactless electrothermal heating systems is a key challenge in industrial applications, where precise thermal control and energy efficiency are crucial. This dissertation focuses on advanced optimization strategies for heat source power distribution and layout configuration in direct heating systems, aiming to enhance performance and reduce energy consumption. Two main optimization problems are addressed: heat source power distribution optimization, which focuses on adjusting power inputs to achieve target temperature profiles with minimal energy usage, and heat source layout optimization, which determines the optimal spatial arrangement of heaters to maximize efficiency and heat uniformity. Both problems are tackled using a combination of classical optimization techniques, predictive control strategies, and machine learning-based approaches. In the context of heat source power distribution optimization, different methods are applied to thermoforming processes, demonstrating significant improvements in enstablishing accurate methodologies for the power regulation of each heat source. For heat source layout optimization, innovative coil layout optimization techniques, including a global data driven algorithm and reinforcement learning, are explored to enhance heating precision and design adaptability in induction heating system. Experimental and simulation validation confirm the effectiveness of the proposed strategies in improving industrial heating system performance. Furthermore, the results of these strategies can be integrated and tested in a hardware-in-the-loop environment, facilitating rapid control prototyping and system design. This work provides a comprehensive framework for the optimization and simulation-based testing of direct electrothermal systems.

Ottimizzare sistemi di riscaldamento elettrotermici senza contatto rappresenta una sfida fondamentale nelle applicazioni industriali, dove il controllo preciso della temperatura e l’efficienza energetica sono cruciali. Questa tesi si concentra su strategie avanzate di ottimizzazione per la distribuzione della potenza termica e la configurazione spaziale delle sorgenti di calore nei sistemi di riscaldamento diretti, con l’obiettivo di migliorarne le prestazioni attraverso controlli ottimi e layout ottimizzati. Vengono affrontati due principali problemi di ottimizzazione: l’ottimizzazione della distribuzione della potenza delle sorgenti di calore, che regola l’erogazione di energia per ottenere profili di temperatura desiderati, e l’ottimizzazione del layout delle sorgenti di calore, che determina la disposizione spaziale ottimale delle sorgenti di calore per massimizzare l’efficienza e l’omogeneitá del riscaldamento. Entrambi i problemi sono risolti attraverso una combinazione di tecniche di ottimizzazione classiche, strategie di controllo predittivo e algoritmi basati sul machine learning. Nel contesto di ottimizzazione della distributione di potenza nelle sorgenti di calore, le metodologie di ottimizzazione sono applicate ai processi di termoformatura, dimostrando un miglioramento nelle metodologie per la definizione dei parametri di controllo per ogni sorgente di calore. Per l’ottimizzazione del layout di sorgenti di calore, vengono esplorate tecniche innovative di ottimizzazione, quali metodi di ottimizzazione globale data driven e reinforcement learning, per determinare la disposizione delle bobine in sistemi di riscaldamento ad induzione al fine di incrementare la precisione del riscaldamento e l’adattabilitá di design del sistema. La validazione sperimentale e simulativa conferma l’efficacia delle strategie proposte nel migliorare le prestazioni dei sistemi di riscaldamento industriale. Inoltre, queste strategie sono state integrate e testate in un ambiente hardware-in-the-loop, facilitando la prototipazione rapida dei controlli e la progettazione del sistema. Questo lavoro vuole fornire un quadro completo per l’ottimizzazione e il testing simulativo dei sistemi elettrotermici diretti.