Exempelåret valdes till mätdata för år 2019, exempelårets effektkurva redovisas i Figur 11. Detta resulterade i en matris innehållande ideala effektstyrningar mot den historiskt loggade utetemperaturen i exempelåret. Detta skapade flera olika scenarion för hur styrningen kan variera med en varierad utetemperatur utifrån de påverkande
faktorerna. Korrelationen för exempelåret mätdata är -0,92.
Figur 11.Effektkurvan mot utetemperatur för exempelåret.
En masterekvation skapades för att välja ut en lastmodellsekvation ifrån simuleringen av exempelåret. Masterekvationen utsåg den lastmodellsekvation som uppfyllde kraven för indelningen av månad, tidsperiod och vindhastighetsintervall bäst och multiplicerar lastmodellensekvation med den angivna utetemperaturen. Masterekvationens påverkan på styrningen illustreras i effektkurvan i Figur 12. Den visar att effektkurvan nu är mer kompakt och tydligt linjär i sin form. Detta är ett positivt resultat för den simulerade styrningen. Korrelationen för den simulerade styrningen är -0,939, vilket bevisar att styrningen förbättras.
23
Figur 12. Effektkurva mot utetemperatur för den optimerade styrningen med hjälp av masterekvationen.
Mätdata för exempelåret användes också till simuleringen av den optimala framledningstemperaturen. I Figur 13 redovisas exempelårets
framledningstemperaturskurva mot effekten. De två referenspunkterna som användes för den minimala och den högsta framledningstemperaturen var vid 80C en effekt på 45 MW och vid 110C en effekt på 75 MW. De är markerade i figuren som två orangea prickar.
De valdes ut för att de i den temperatursberoendekurvan motsvarar min- och maxtemperatur i framledningen.
Figur 13. Framledningstemperaturskurva mot effekten. De orangea prickarna visar den minimala och högsta framledningstemperaturen som användes för trendlinjen.
Resultatet för trendlinjen för de temperaturberoende punkterna och dennas ekvation visas i Figur 14.
24
Figur 14. Trendlinjen och dess ekvation utifrån de två valda referenspunkterna i Figur 13.
Ekvationen ifrån Figur 14 användes till att simulera den ideala framledningstemperaturen som resultat av den optimerade effekten som masterekvationen hade angett.
Den simulerade framledningstemperaturen jämfördes med den verkliga. Efter jämförelsen beräknades förändringen av framledningstemperaturen med hjälp av den sparade energin per grad, utifrån NetSim-simulationsekvationen, för att få ut den totala energin som övertemperaturer står för i fjärrvärmenätet. Detta resulterade i en totalt sparad energi på 261 MWh, vilket är en förbättring av styrningen med ca 1,8 % jämfört med det verkliga året.
För att enklare förstå innebörden av besparingspotentialen användes en uppskattad medelproduktionskostnad1 som gav att den totalt sparade energin motsvara en kostnad på ungefär 70 000 SEK.
1 Joel Pettersson, handledare från Sandviken Energi, teamssamtal den 20 maj 2020.
25 Diskussion
Resultatet av lastmodelleringen visade på att effekten för den simulerade
framledningstemperaturen är mer konstant i sin styrning och minimerar övertemperaturer i fjärrvärmenätet. Detta då simuleringarna efter den uppgraderade styrkurvan tar hänsyn till de valda påverkande faktorerna. Vilket betyder att denna metod är fullt godtycklig att använda för denna typ av optimering. Även litteraturstudien indikerar på att enkla
lastmodeller är ett bra verktyg till att beräkna värmelasten. Enkla modeller är användbara för de fall då det inte finns tillgång till beräkningsprogram i mer avancerad form.
Granskningen av korrelationskoefficienten visade i allmänhet på att varje tillagd faktor förbättrade korrelationen. Undantagsfall kunde anmärkas i början av granskningen när korrelationen gjordes utan indelningarna. Detta antas beror på att vid granskningen innehöll den insamlade mätdata den del av effektkurvan som inte är temperaturberoende.
Dessa mätvärden var nästintill konstanta vid temperaturer över 10C. Vilket gjorde att de punkterna var mer kompakta i effektkurvan och ger därför en förvriden
korrelationsanalys. Vid senare indelning ger korrelationen ett mer trovärdigt resultat när den ökar vid varje tillagd påverkande faktor i den temperaturberoende kurvan. Speciellt för de månader som infaller under eldningssäsongen.
Simuleringen i NetSim visade på att det finns potential i att minska
framledningstemperaturer i den nuvarande styrkurvan. Utifrån de krav som sattes på min- och maxtemperaturer i framledningen antas den simulerade framledningen inte ha en negativ påverkan för de kunder som är anslutna till fjärrvärmenätet då den identifierar övertemperaturer som är rena kostnader i värmeproduktionen.
Besparingspotentialen som redovisades i resultatet kan erhållas genom en enkel åtgärd och innebär ingen investering eller andra kostnader för Sandviken Energi. Förändringen görs endast genom en justering av styrkurvan. Att en enkel justering innefattar besparingar i storleksordningen upp emot 261 MWh, motsvarande ungefär 70 000 SEK eller 1,8 % av nuvarande styrning, är intressant utifrån den kedjereaktion som kan falla på plats efter justeringen.
Genom att minimera övertemperaturer på fjärrvärmenätet kan andra positiva effekter av justeringen infalla. Exempelvis ökar effektiviteten av produktionsanläggningen,
returtemperaturen för hela kollektivet minskar, mindre bränslebehov vilket leder till att biobränslen kan utnyttjas i större mängd till annan produktion i samhället, ökad
elproduktion vilket kan konkurrera med den fossila elproduktionen/importen, mindre utsläpp av CO2 från produktionsanläggningen till följd av bättre produktionsplanering etcetera.
26
De ovannämnda exemplen skulle vara nyttiga för miljön och samhället i Sandviken.
Närmiljön skulle gynnas av att mindre utsläpp uppstår vid en effektivare produktion och lägre bränsleanvändning. Medan både miljö och samhället skulle tjäna på en lägre returtemperatur för hela kollektivet genom bättre prisbild för konsumenter och en effektivare rökgaskondensering som ökar produktionsanläggningens effektivitet.
Skulle optimeringen av framledningstemperaturen leda till en minskad kollektiv returtemperatur i fjärrvärmenätet utökar den totala besparingspotentialen ytterligare i denna studie. Då ett tidigare examensarbete gjort åt Sandviken Energi visar på att en minskning av kollektivets returtemperatur leder till besparingar på ca 500 000 SEK per grad.
Utifrån resultatet i litteraturstudien skulle det vara intressant att se kraven för att sänka den lägsta framledningstemperaturen och hur/om en sådan åtgärd är möjlig utifrån hur fjärrvärmenätet är byggt idag. Det kan komma att kräva åtgärder, exempelvis att en pumpstation installeras för att säkerställa leveransen till den sista kunden i fjärrvärmenätet.
Ett annat möjligt krav på åtgärd är att utöka reinvesteringarna i fjärrvärmeledningarna och därigenom göra fjärrvärmenätet mer effektivt. Detta kan leda till att fjärrvärmenätet optimeras till att komma närmare ett låg-tempererat fjärrvärmenät i framtiden. Detta är bra att ha i åtanke vid genomföranden av reinvesteringar. Speciellt eftersom investeringar i effektiviseringsåtgärder enligt litteraturstudien annars kan dubbla i investeringskostnad om de i ett senare skede utförs som egna projekt.
Analysen för mätdata har i examensarbetet genomförts noggrant för att stärka resultatet för rapporten men trotts det finns det en svaghet i arbetet. Svagheten i arbetet är att all mätdata inte har kunnat samlats in ifrån en källa. Då Sandviken Energi inte mäter vindhastigheter vid sin egen anläggning är den mätdata uppmätt på en annan plats i Sandviken och det finns möjlighet att det har påverkat resultatet. Däremot har
utetemperaturerna från båda källorna jämförts och det är minimala avvikelser mellan de två källorna. Med detta i avseende är resultatet fortfarande trovärdigt trots de olika källorna. Det kan även motivera till att egen mätning av vindhastigheten införs på kraftvärmeverket i Sandviken.
27 Slutsatser