Mit Hilfe eines variabel einsetzbaren Reaktornetzwerkmodells (RNM) wird in der vorliegenden Dissertation der Prozess der Vergasung von Brennstoffmischungen in der Fließbildsimulation beschrieben. Neben der Untersuchung von gestuften Prozessketten zur Veredelung von kohlenstoffhaltigen Energieträgern ist damit auch die differenzierte Analyse von Effekten während der Vergasung von binären und ternären Brennstoffmischungen möglich. Die Erstellung sowie Validierung des RNM wird anhand des PEFR-Vergasers, des SFGT-Vergasers und des Hybridwandvergaser vorgenommen. Die anschließende Analyse der Vergasung von Brennstoffmischungen zeigt, dass in ihren Eigenschaften sehr heterogene Brenn¬stoffmischungen Synergieeffekte bei der Vergasung hervorrufen. Diese sind in der Literatur schon oft beschrieben worden, eine systematische Analyse wird jedoch erst in der vorliegenden Dissertation durchgeführt.:Nomenklatur XIV 1 Einleitung 1 2 Grundlagen 3 2.1 VERGASUNG 3 2.1.1 Vergasungsreaktionen 3 2.1.2 Vergasungskennzahlen 4 2.1.3 Modellierung der Vergasung 6 2.2 CO-VERGASUNG 8 2.2.1 Brennstoffe 8 2.2.2 Großtechnische Anwendung 8 2.2.3 Experimentelle Arbeiten 10 2.2.4 Modellierung und Simulation 13 2.2.5 Synergieeffekte 13 2.3 STOFFGEFÜHRTE PROZESSKETTE 15 2.4 BRENNSTOFFAUSWAHL UND BRENNSTOFFEIGENSCHAFTEN 16 2.5 ABLEITUNG DER AUFGABENSTELLUNG UND METHODIK 19 3 Entwicklung des Reaktornetzwerkmodells 22 3.1 MODELLIERUNGSUMGEBUNG 23 3.2 THERMODYNAMISCHE ZUSTANDSGLEICHUNG 23 3.3 STOFFDATENBANK 24 3.4 STRÖMUNGSBEDINGUNGEN IM FLUGSTROMREAKTOR 25 3.4.1 Zonenmodell 25 3.4.2 Verweilzeitverhalten 29 3.5 PARTIKELMODELL 31 3.6 MODELLIERUNG DER REAKTORZONEN 35 3.6.1 Nahbrennerzone (Zone I) 35 3.6.2 Jetzone (Zone II) 36 3.6.3 Rezirkulationszone (Zone III) 41 3.6.4 Auslaufzone (Zone IV) 41 3.6.5 Wasserquench (Zone V) 41 3.7 REGELMECHANISMEN 42 3.7.1 Regelung der Aschefließtemperatur 42 3.7.2 Regelung des Kohlenstoffumsatzgrades 46 3.7.3 Regelung der maximalen Reaktoraustrittstemperatur 47 3.7.4 Kombinierte Regelung 47 3.8 LÖSUNGSALGORITHMEN UND KONVERGENZVERHALTEN 48 4 Validierung des Reaktornetzwerkmodells 51 4.1 REAKTORNETZWERKMODELL PEFR-VERGASER 51 4.1.1 Aufbau des PEFR-RNM 51 4.1.2 Validierung des PEFR-RNM 54 4.2 REAKTORNETZWERKMODELL SFGT-VERGASER 61 4.2.1 Aufbau des SFGT-RNM 61 4.2.2 Validierung des SFGT-RNM 62 4.3 REAKTORNETZWERKMODELL HYBRIDWANDVERGASER 74 4.3.1 Beschreibung der Technologie Hybridwandvergaser 74 4.3.2 Aufbau des Hybridwandvergaser-RNM 75 4.3.3 Validierung des Hybridwandvergaser-RNM 78 5 RNM-Analyse der Vergasung von Brennstoffmischungen 85 5.1 VORÜBERLEGUNGEN 85 5.1.1 Festlegung der Randbedingungen 85 5.1.2 Thermische Vergaserleistung 86 5.1.3 Simulationsdauer und Automatisierung 87 5.2 AUSWERTUNG DER RNM-ANALYSE VON BRENNSTOFFMISCHUNGEN 89 5.2.1 RNM-Analyse BSM-BRP (binär) im SFGT-Vergaser 89 5.2.2 RNM-Analyse BSM-BRP (ternär) im SFGT-Vergaser 95 5.2.3 RNM-Analyse BSM-ibi (binär) im SFGT-Vergaser 100 5.2.4 RNM-Analyse BSM-ibi (ternär) im SFGT-Vergaser 102 5.3 DISKUSSION DER ERGEBNISSE AUS RNM-ANALYSE 106 5.4 BSM-DIAGRAMME FÜR VERGASERBETRIEB 109 5.4.1 BSM-Diagramme für SFGT-Vergaser 109 5.4.2 BSM-Diagramme für Hybridwandvergaser 112 6 Zusammenfassung und Ausblick 117 Literatur 121 Abbildungsverzeichnis 133 Tabellenverzeichnis 141 Anhang 145 / Within this document the modeling and simulation of fuel blend gasification is investigated based on a variably applicable Reduced Order Model (ROM) developed for the flowsheet simulation of entrained-flow gasification reactors and processes. On one hand this enables the investigation of cascaded solid fuel conversion technologies and on the other hand effects during gasification of binary and ternary fuel blends are describable. The development as well as the validation of the ROM has been carried out for the SFGT gasifier, the PEFR gasifier and the hybrid-wall gasifier. The subsequent analysis of binary and ternary fuel blend gasification shows that fuel blends with very heterogeneous component properties induce synergy effects which have been reported in various peer review publications.:Nomenklatur XIV 1 Einleitung 1 2 Grundlagen 3 2.1 VERGASUNG 3 2.1.1 Vergasungsreaktionen 3 2.1.2 Vergasungskennzahlen 4 2.1.3 Modellierung der Vergasung 6 2.2 CO-VERGASUNG 8 2.2.1 Brennstoffe 8 2.2.2 Großtechnische Anwendung 8 2.2.3 Experimentelle Arbeiten 10 2.2.4 Modellierung und Simulation 13 2.2.5 Synergieeffekte 13 2.3 STOFFGEFÜHRTE PROZESSKETTE 15 2.4 BRENNSTOFFAUSWAHL UND BRENNSTOFFEIGENSCHAFTEN 16 2.5 ABLEITUNG DER AUFGABENSTELLUNG UND METHODIK 19 3 Entwicklung des Reaktornetzwerkmodells 22 3.1 MODELLIERUNGSUMGEBUNG 23 3.2 THERMODYNAMISCHE ZUSTANDSGLEICHUNG 23 3.3 STOFFDATENBANK 24 3.4 STRÖMUNGSBEDINGUNGEN IM FLUGSTROMREAKTOR 25 3.4.1 Zonenmodell 25 3.4.2 Verweilzeitverhalten 29 3.5 PARTIKELMODELL 31 3.6 MODELLIERUNG DER REAKTORZONEN 35 3.6.1 Nahbrennerzone (Zone I) 35 3.6.2 Jetzone (Zone II) 36 3.6.3 Rezirkulationszone (Zone III) 41 3.6.4 Auslaufzone (Zone IV) 41 3.6.5 Wasserquench (Zone V) 41 3.7 REGELMECHANISMEN 42 3.7.1 Regelung der Aschefließtemperatur 42 3.7.2 Regelung des Kohlenstoffumsatzgrades 46 3.7.3 Regelung der maximalen Reaktoraustrittstemperatur 47 3.7.4 Kombinierte Regelung 47 3.8 LÖSUNGSALGORITHMEN UND KONVERGENZVERHALTEN 48 4 Validierung des Reaktornetzwerkmodells 51 4.1 REAKTORNETZWERKMODELL PEFR-VERGASER 51 4.1.1 Aufbau des PEFR-RNM 51 4.1.2 Validierung des PEFR-RNM 54 4.2 REAKTORNETZWERKMODELL SFGT-VERGASER 61 4.2.1 Aufbau des SFGT-RNM 61 4.2.2 Validierung des SFGT-RNM 62 4.3 REAKTORNETZWERKMODELL HYBRIDWANDVERGASER 74 4.3.1 Beschreibung der Technologie Hybridwandvergaser 74 4.3.2 Aufbau des Hybridwandvergaser-RNM 75 4.3.3 Validierung des Hybridwandvergaser-RNM 78 5 RNM-Analyse der Vergasung von Brennstoffmischungen 85 5.1 VORÜBERLEGUNGEN 85 5.1.1 Festlegung der Randbedingungen 85 5.1.2 Thermische Vergaserleistung 86 5.1.3 Simulationsdauer und Automatisierung 87 5.2 AUSWERTUNG DER RNM-ANALYSE VON BRENNSTOFFMISCHUNGEN 89 5.2.1 RNM-Analyse BSM-BRP (binär) im SFGT-Vergaser 89 5.2.2 RNM-Analyse BSM-BRP (ternär) im SFGT-Vergaser 95 5.2.3 RNM-Analyse BSM-ibi (binär) im SFGT-Vergaser 100 5.2.4 RNM-Analyse BSM-ibi (ternär) im SFGT-Vergaser 102 5.3 DISKUSSION DER ERGEBNISSE AUS RNM-ANALYSE 106 5.4 BSM-DIAGRAMME FÜR VERGASERBETRIEB 109 5.4.1 BSM-Diagramme für SFGT-Vergaser 109 5.4.2 BSM-Diagramme für Hybridwandvergaser 112 6 Zusammenfassung und Ausblick 117 Literatur 121 Abbildungsverzeichnis 133 Tabellenverzeichnis 141 Anhang 145

In the application as conductor materials, metals such as copper or aluminum represent the state of the art. This applies for example to high-voltage lines, motor windings or the infrastructure in cities. However, metals, and especially copper, are expensive and heavy. Graphene-based conductor materials (GCMs) represent a cost-competitive and highly conductive alternative to metallic conductors. GCMs are mechanically flexible, lightweight and corrosion-resistant. But in order to fully exploit the potential of their electrical conductivity, a systematic material optimization is required. In this thesis, the electrical conductivity of GCMs is investigated in simulations and experiments. Using a simplified model of a GCM, the theoretical maximum value of the conductivity is derived mathematically. Furthermore, the dependence of the conductivity on microscopic material parameters is quantified. For a deeper insight, finite element simulations are used to study more realistic as well as defective geometries. The meaningful modeling of physical parameters as statistical distributions requires structures with tens of thousands of graphene flakes. To this end, an efficient network model is designed and implemented. The network model is further used to compare results with the literature, to consider surface contacts and to perform an exemplary material evaluation. From the simulation results, specific guidelines for the production of highly conductive GCMs are derived. In order to validate the simulations and to evaluate the potential of GCMs experimentally, a process chain for the preparation of graphene films is set up. Liquid graphene or graphene oxide dispersions are chosen as the starting materials, since large amounts of graphene can be processed in this way. The sizes of the graphene flakes are varied via centrifugation. Hydriodic acid is employed and evaluated as a reducing agent, as is thermal treatment. Scanning electron microscopy, Raman microscopy and an eddy current measurement of the conductivity are used for material characterization. Two studies on the dependence of the electrical conductivity on microscopic parameters are experimentally realized. The results show good agreement with the prediction by the network model and thus support the previously established theoretical description. / In der Anwendung als Leitermaterialien werden nach dem Stand der Technik Metalle wie Kupfer oder Aluminium eingesetzt. Dies betrifft beispielsweise Hochspannungsleitungen, Motorwicklungen oder die Infrastruktur in Städten. Insbesondere im Fall von Kupfer handelt es sich um ein teures und schweres Material. Graphen-basierte Leitermaterialien (GCMs, engl. graphene-based conductor materials) stellen eine potentiell günstige und hoch leitfähige Alternative dar, die metallische Leiter ersetzen kann. GCMs sind mechanisch flexibel, wesentlich leichter als Metalle und korrosionsbeständig. Um das Potential ihrer elektrischen Leitfähigkeit voll auszuschöpfen bedarf es jedoch einer gezielten Materialoptimierung. In der vorliegenden Arbeit wird die elektrische Leitfähigkeit von GCMs systematisch in Simulationen und Experimenten untersucht. Mit einem vereinfachten Modell eines GCMs wird der theoretische Maximalwert der Leitfähigkeit mathematisch hergeleitet. Weiterhin wird die Abhängigkeit der Leitfähigkeit von mikroskopischen Materialparametern quantifiziert. In Finite Elemente Simulationen werden realistischere sowie defektbehaftete Geometrien betrachtet und die Erkenntnisse aus dem analytischen Modell erweitert. Die sinnvolle Modellierung von physikalischen Eingangsgrößen als statistische Verteilungen erfordert Strukturen mit mehreren Zehntausend Graphenplättchen. Zu diesem Zweck wird ein effizientes Netzwerkmodell konzeptioniert und implementiert. Mit dem Modell werden darüberhinaus Ergebnisse mit der Literatur verglichen, Oberflächenkontakte betrachtet und eine beispielhafte Materialbewertung durchgeführt. Weiterhin werden konkrete Richtlinien zur Herstellung von hochleitfähigen GCMs abgeleitet. Um die Simulationen zu validieren und das Potential von GCMs experimentell zu bewerten, wird eine Prozesskette zur Herstellung von Graphenfilmen aufgebaut. Dabei werden flüssige Graphen- oder Graphenoxiddispersionen als Ausgangsmaterial gewählt, da in dieser Art große Mengen Graphen verarbeitet werden können. Mittels Zentrifugierung werden die Größen der Graphenplättchen variiert. Iodwasserstoffsäure wird als Reduktionsmittel eingesetzt und bewertet, ebenso wie eine thermische Materialbehandlung. Zur Materialcharakterisierung werden Rasterelektronenmikroskopie, Raman-Mikroskopie und eine Wirbelstrommessung der Leitfähigkeit eingesetzt. Zwei Studien zur Abhängigkeit der Leitfähigkeit von mikroskopischen Parametern werden experimentell realisiert. Die Ergebnisse zeigen gute Übereinstimmung zur Vorhersage durch das Netzwerkmodell und untermauern so die zuvor beschriebenen Wirkzusammenhänge.

Hippocampal place-cell sequences observed during awake immobility often represent previous experience, suggesting a role in memory processes. However, recent reports of goals being overrepresented in sequential activity suggest a role in short-term planning, although a detailed understanding of the origins of hippocampal sequential activity and of its functional role is still lacking. In particular, it is unknown which mechanism could support efficient planning by generating place-cell sequences biased toward known goal locations, in an adaptive and constructive fashion. To address these questions, we propose a model of spatial learning and sequence generation as interdependent processes, integrating cortical contextual coding, synaptic plasticity and neuromodulatory mechanisms into a map-based approach. Following goal learning, sequential activity emerges from continuous attractor network dynamics biased by goal memory inputs. We apply Bayesian decoding on the resulting spike trains, allowing a direct comparison with experimental data. Simulations show that this model (1) explains the generation of never-experienced sequence trajectories in familiar environments, without requiring virtual self-motion signals, (2) accounts for the bias in place-cell sequences toward goal locations, (3) highlights their utility in flexible route planning, and (4) provides specific testable predictions.