AKADEMIN FÖR TEKNIK OCH MILJÖ
Avdelningen för byggnadsteknik, energisystem och miljövetenskap
Optimering av framledningstemperaturen i ett fjärrvärmenät genom lastmodellering och
simulering
Stina Eriksson 2020
Examensarbete, Grundnivå (kandidatexamen), 15 hp Energisystem
Energisystemingenjör, Co-op
Handledare: Mattias Gustafsson
Bitr. handledare: Joel Pettersson, Sandviken Energi
Examinator: Magnus Mattsson
i
ii Sammanfattning
I Sverige är fjärrvärme den vanligaste uppvärmningsformen. Vatten värms upp i en fjärrvärmeanläggning och distribueras genom nedgrävda rör i marken, också kallat fjärrvärmenätet. En tillförlitlig energimodell anses vara ett bra och viktigt
hjälpmedel för analyser av värmeförluster som uppstår i ett fjärrvärmenät vid distribueringen av det heta vattnet.
Sandviken Energis styrning av framledningstemperaturen sker idag utifrån en inställd styrkurva som tar hänsyn till vad det är för utetemperatur. Det var av intresse för studien att jämföra denna styrning med en simulerad framledningstemperatur och identifiera övertemperaturer i Sandviken Energis fjärrvärmenät i Sandviken. Detta gjordes utifrån att undersöka hur olika faktorer påverkade värmebehovet. De påverkande faktorer som studerats i detta examensarbete var följande:
utetemperatur, månad, tid på dygnet och vindhastighet.
Mätdata gällande valda påverkande faktorer hämtades för perioderna 2015 till och med 2019, analyserades och indelades för att se deras påverkan på värmelasten.
Utifrån indelningen av faktorerna utvanns ekvationer från deras effektkurvors
trendlinjer. Ekvationerna användes för att skapa en simuleringsmatris för styrningen.
En egenskapad masterekvation simulerade den ideala styrningen utifrån
simuleringsmatrisen och de krav på påverkande faktorer som ställs av ett exempel- år. Den ideala styrningen beräknades om till en ideal framledningstemperatur och jämfördes därefter med den verkliga framledningstemperaturen. Tillsammans med en värmeförlustsimulering i NetSim, som resulterade i vad sparad energi per grad är värd, kunde besparingspotentialen beräknas.
Resultatet visar på att en besparingspotential på 261 MWh är möjlig att uppnå vid en sänkning av framledningstemperaturen för att utesluta övertemperaturer i
fjärrvärmenätet, vilket är en minskning med ca 1,8 % jämfört med det verkliga året.
Detta skulle motsvara en besparing på ca 70 000 SEK genom en förändring av styrningen.
En minskad framledningstemperatur kommer påverka resten av systemet positivt, bland annat för att returtemperaturen kommer minska, rökgaskondenseringens och pannornas effektivitet öka samt minskade utsläpp i form av bland annat CO
2, för att nämna några exempel.
Nyckelord: fjärrvärmenät, fjärrvärme, framledningstemperatur,
energieffektivisering, lastmodellering, besparingspotential.
iii
iv Abstract
In Sweden district heating is the most common form of heating. Water is heated in a district heating plant and distributed through buried pipelines in the ground, also called the district heating network. A reliable energy model is considered to be a good and important tool for analysis of heat losses that occur in a district heating network when the hot water is distributed.
Sandviken Energi’s control of the supply temperature is based today on a set control curve that takes into account what the outdoor temperature is. It was of interest to this study to compare this control with a simulated supply temperature and identify overtemperatures in Sandviken Energi’s district heating network in Sandviken. This was done on the basis of examining how different factors affected the heat demand.
The influencing factors studied in the thesis were the following: outdoor temperature, month, time of day and wind speed.
Measurement data on selected influencing factors were collected for the periods 2015 through 2019, analyzed and subdivided to see their effect on the heat load.
From the subdivision of the factors, equations were extracted from the trend lines of their effect curves. The equations were used to create a simulations matrix for the control. A custom master equation simulated the ideal control based on the simulation matrix and the demands on influencing factors set by an example year.
The ideal control was recalculated to an ideal supply temperature and then
compared with the actual supply temperature. Together with a heat loss simulation in NetSim, which resulted in what energy saved per degree is worth, the savings potential could be calculated.
The result shows that a saving potential of 261 MWh is possible to achieve by lowering the supply temperature to exclude excess temperatures in the district heating network, which is a decrease of about 1.8 % compared to the real year. This would correspond to a savings of about 70 000 SEK through a change in control.
A reduced supply temperature will have a positive impact on the rest of the system, including reducing the return temperature, increasing the efficiency of flue gas condensation and boilers, and reducing emissions such as CO
2, to name a few examples.
Keywords: district heating network, district heating, supply temperature, energy
efficiency, load modeling, saving potential.
v
vi Förord
Jag vill först och främst tacka min handledare Joel Pettersson på Sandviken Energi för hans engagemang, hjälp och stöttning under detta examensarbete. Jag vill också tacka honom för hans handledning under de fyra arbetsperioderna jag har varit på Sandviken Energi under utbildningens gång.
Ytterligare vill jag tacka min handledare Mattias Gustafsson på Högskolan i Gävle för allt stöd han har bidragit med under detta examensarbete. Under omständigheterna har han tagit sig tid till att ha ett återkommande veckomöte med mig där jag har haft möjligheten att få bra återkoppling och chansen att använda honom som bollplank vid behov.
Jag vill också passa på att tacka alla mina fantastiska medarbetare på Sandviken Energi som jag har haft nöjet att lära känna och arbetat med under samtliga år inom företaget.
Sandviken, maj 2020
Stina Eriksson
vii
viii Begreppsförklaring
Framledningstemperatur Temperaturen på det heta vattnet som produceras i produktionsanläggningen och flödar i framledningen i fjärrvärmenätet till de anslutna kunderna.
Masterekvation Ett eget skapat kommando i Excel som letar utifrån bestämda parametrar upp det bäst lämpade resultatet i en matris för ett simulerat fall.
Returtemperatur Temperaturen på det vatten som flödar i returledningen från de anslutna kunderna till produktionsanläggningen.
Styrkurva Matematisk funktion som styr vilken
temperatur framledningen skall variera
med mot utetemperaturen när den lämnar
produktionsanläggningen.
ix
x Innehållsförteckning
Inledning ... 1
1.1 Bakgrund ... 1
1.1.1 Sandviken Energi AB ... 1
1.1.2 Dagens förutsättningar för styrningen ... 2
1.2 Litteraturstudie... 3
1.2.1 Påverkande faktorer för värmelastsmodellering ... 3
1.2.2 Framledningstemperaturens betydelse ... 4
1.2.3 Energiförluster i fjärrvärmenät ... 5
1.2.4 Energieffektivisering och möjliga besparingar ... 5
1.2.5 Sammanfattning av litteraturstudien ... 7
1.3 Syfte ... 8
1.3.1 Frågeställningar ... 8
1.3.2 Avgränsningar ... 8
Metod ... 9
2.1 Datainsamling ... 9
2.2 Analys av valda faktorer i Excel ... 10
2.3 Värmeförlustsimulering i NetSim ... 12
2.4 Lastmodellering i Excel ... 14
Resultat ... 17
3.1 Excelanalys ... 17
3.2 Värmeförlustsimulering ... 20
3.3 Lastmodellering ... 22
Diskussion ... 25
Slutsatser ... 27
5.1 Resultat av studien ... 27
5.2 Utveckling ... 27
5.3 Perspektiv ... 28
Referenser ... 29
xi
1 Inledning
1.1 Bakgrund
I Sverige är fjärrvärme den vanligaste uppvärmningsformen. Mer än hälften av alla
bostäder och lokaler får sin uppvärmning ifrån fjärrvärmeanläggningar. Hett vatten värms upp i fjärrvärmeanläggningarna och distribueras till de anslutna bostäderna och lokalerna genom nedgrävda rör i marken, också kallat fjärrvärmenätet. (Energiföretagen, 2018) Fjärrvärme bidrar till energi- och resurseffektiva samhällen. Bränslet består i många fall av resurser som inte kan utnyttjas till någonting annat, till exempel träavfall från pappers- eller träindustrin, rester från skogsavverkning samt avfall från både hushåll och industri.
Kan fjärrvärmeanläggningen också producera el i samband med värmeproduktionen, ett så kallat kraftvärmeverk, ökar resurseffektiviteten ytterligare. Energieffektivt är det för att det lokala fjärrvärmenätet kan ta till vara på spillvärme från närliggande industrier och datahallar (Energiföretagen, 2018).
Ur miljöbalken, vars syfte är att främja en hållbar utveckling för nuvarande och kommande generationer i Sverige, betonas att energianvändningen i verksamheter måste hushållas på ett så effektivt sätt som möjligt. Detta för att skapa ett hållbart energisystem och att de egna miljömålen satta i Sverige skall kunna uppnås. Därför är energieffektivisering en viktig åtgärd som många av verksamheterna runt om i Sverige står inför.
Energieffektivisering kan ske genom investeringar i tekniska åtgärder men också genom beteendeförändringar, speciellt inom industrin (Naturvårdsverket, 2019).
Energieffektivisering är ett återkommande moment och behöver därför kontinuerligt ses över för att bibehålla sin nytta.
En tillförlitlig energimodell anses av Lund och Mohammadi (2016) vara ett bra och viktigt hjälpmedel för analys av värmeförluster i ett fjärrvärmenät; olika scenarion minskar värmeförlusterna olika mycket. Hänsyn behöver tas till flera faktorer vid studier av ett fjärrvärmenätsbeteende, både dynamiken av fjärrvärmenätet samt dynamiken av konsumenters beteenden har betydelse för värmeförlusterna som uppstår (Lund och Mohammadi, 2016).
1.1.1 Sandviken Energi AB
Denna studie genomförs på uppdrag av Sandviken Energi AB åt affärsområdet Kraft &
Värme där jag har genomfört mina Co-op-perioder under utbildningens gång. Co-op står
för Cooperative Education och innebär en möjlighet att genomföra studierna varvat med
en arbetsperiod per läsår. Studenten får på så sätt en chans till att skapa en balans av det
teoretiska och praktiska som utbildningen leder till. Studenten är under arbetsperioden
anställd hos ett företag och får då arbetslivserfarenheter inom det framtida yrket. Totala
längden av studietiden förlängs med ett år för att inkludera arbetsperioderna.
2
Sandviken Energi AB äger tre fjärrvärmenät, ett i Sandviken samt ett i vardera av tätorterna Storvik och Järbo. Av dessa är det fjärrvärmenätet i Sandviken som är av intresse för examensarbetet att undersöka. Värmeförluster uppgår till ca 10 % av total värmeproduktion.
Anläggningen i Sandviken är störst och drivs av kraftvärmeverket i Björksätra. Den består av två fastbränsle-, två pellets-, två gasol- och tre oljepannor som sammanlagt har en total effekt på ca 160 MW.
Under eldningssäsongerna (oktober-maj) är det de två stora fastbränslepannorna på kraftvärmeverket som producerar värme till fjärrvärmenätet, deras minimumeffekt ligger på 10 MW vardera. Medan under sommarperioden är det de två pelletspannorna som förser fjärrvärmenätet med varmvatten för att klara av varmvattenbehovet till de anslutna kunderna. Utöver eldningssäsongen produceras ingen el på kraftvärmeverket, då
elproduktionen kräver att fastbränslepannorna är i drift. Bränslemixen under
eldningssäsongen innehåller bränslen som: returträ, spån, rester från skogsavverkning, torv och bönskal från kaffebönor.
1.1.2 Dagens förutsättningar för styrningen
Som det ser ut idag görs styrningen av framledningstemperaturen enbart utifrån vad det är för aktuell utetemperatur. Det finns en inställd styrkurva som anvisar vilken temperatur framledningen skall ha vid olika utetemperaturer. Den lägsta framledningstemperaturen som lämnar kraftvärmeverket är 80C och den högsta är på 115C. Denna undersökning tänker inte förändra dessa förutsättningar, utan undersöker istället hur styrningen kan förbättras genom att optimera den befintliga styrkurvan. Anledning till detta är för att säkerställa att leveransen av värme till den sista kunden i fjärrvärmenätet inte skall påverkas negativt genom till exempel lägre effekt eller längre injusteringstid.
En annan anledning är att detta är ett första steg i att optimera fjärrvärmenätet, vilket gör studiens fokus till att minimera de befintliga övertemperaturerna som uppstår i
fjärrvärmenätet under eldningssäsongen.
Vid låga vattentemperaturer ökar risken för att legionella kan bildas. För att förhindra att
legionella uppstår hos kunderna håller Sandviken Energi en lägsta framledningstemperatur
på 80C. I vattentemperaturer under 50C överlever legionellabakterier och kan då bildas
i kunders egna vattenledningar vid låg omsättning av varmvatten (Folkhälsomyndigheten,
2019).
3
1.2 Litteraturstudie
Till litteraturstudien har söktjänsten Discovery använts. På Discovery finns tillgång till artiklar, böcker, konferensmaterial samt annan information för studenter och andra förtroendevalda från bland annat Högskolan i Gävle. Genom att söka på Discovery utökar antalet träffar i sökningen av material än om sökningen skulle ske på en enskild databas.
Viktigt att komma ihåg är att använd sig av vetenskapligt granskade artiklar.
Sökord som har använts till letandet av material till litteraturstudien är ”district heating network” för att hitta artiklar innehållande fjärrvärmenät samt har olika kombinationer av
”district heating network” tillsammans med bland annat ”heat load”, ”wind speed” ”energy loss” eller ”energy efficiency”. Därefter har artiklar utifrån sökorden och deras intressanta referenser studerats, tolkats och relevant information gällande studien har använts från slutgiltigt utvalda artiklarna till att skapa litteraturstudien nedan.
1.2.1 Påverkande faktorer för värmelastsmodellering
I en studie av Dotzauer (2002) undersöktes om det gick att skapa en enkel modell för att förutse värmelasten i ett fjärrvärmenät. Med hjälp av modellen kan fjärrvärmebolaget skapa en produktionsplan. Två parametrar ansågs vara styrande faktorer för prognosen av värmelasten: utetemperaturen och konsumentbeteende.
Med konsumentbeteende menas hur konsumenters värmeanvändning ser ut i olika intervaller, till exempel årlig, veckovis och dagliga mönster. För att genomföra studien behövdes tillgång till mätdata för utetemperatur samt skapa en modell som tar hänsyn till konsumentbeteendet. Konsumentbeteendet modellerades genom att ta den total energi och subtraherade den temperaturberoende delen. Dotzauer (2002) studie visade på att en enkel modell fungerar lika bra som en avancerad modell och att det är viktigt med mätdata av god kvalité. I slutet av sin rapport jämfördes den enklare modellen med en mjukvara som används i samma syfte. Modellen och mjukvaran visade sig vara kvalitativt likvärdiga (Dotzauer, 2002).
Fang och Lahdelma (2016) gjorde en liknande undersökning som Dotzauer (2002). Till skillnad från Dotzauers (2002) studie ansåg de att även parametern för vindhastighet hade en påverkan på värmelasten, speciellt vid vindhastigheter över 3 m/s och vid kallare utetemperaturer, och inkluderade denna parameter i sin studie. Flera kombinationer och metoder användes, både linjära regressionsmodeller samt beräkningsmodeller, till exempelvis ARIMA som står för autoregressive integrated moving average. Därefter jämfördes modellerna med varandra för att få fram den mest trovärdiga modellen.
Resultatet visade att modellen av linjär regressions beteende med beteckningen T168h ansågs vara den mest lämpliga modellen att använda för värmelastsberäkning. Speciellt för T168h är att den tar hänsyn till om röda dagar förekommer under annars vanliga
arbetsdagar och klassar dom till en helgdag. Detta antas överstämma med
konsumentbeteendet (Fang och Lahdelma, 2016).
4
Konsumenters beteenden varierar beroende på vad det är för typ av byggnad. Detta verifieras i Gadd och Werner (2013) studie som analyserar olika byggnaders värmelaster.
Studien avser att analysera olika typer av byggnader men tar också upp intressanta analyser för konsumenternas beteenden i de olika typer av byggnader. 140 byggnader anslutna till två olika fjärrvärmenät analyserades i studien och ur analysen framkom att byggnader som har installerad ventilation, till exempelvis kontor och skolor använder mer energi under vinterperioden av året när fjärrvärme används till att förvärma tilluften i
ventilationssystemet. Ventilation kan vara i drift under alla dygnets timmar och därför har byggnaden en konstant värmeanvändning även om det inte finns individer som behöver utnyttja värmen i byggnaden.
Gadd och Werners (2013) studie visade också på att under morgontimmarna uppstod ofta en peak i värmebehovet. Detta beror på att bland annat varmvattenanvändningen ökar under dessa timmar. En annan bidragande orsak till denna peak anses vara byggnader som använder sig av nattsänkning. Dessa byggnader brukar vara välisolerade och ha små värmeläckage, byggnaden fungerar som ett batteri i de fallen och använder den lagrade värmen i väggarna när värmesystemet är avstängt under natten. På morgonen när
värmesystemet startades igen ökade värmebehovet till dessa byggnader för att ersätta den värmen som hade utnyttjats från väggarna under natten (Gadd och Werner, 2013).
1.2.2 Framledningstemperaturens betydelse
En simulering av ett system bestående av en kraftvärmeanläggning, fjärrvärmenät och konsumenters värmeanvändning gjord av Li m.fl. (2015) visade att
framledningstemperaturen för hela systemet är av stor betydelse för systemets prestanda.
Varmvattenanvändningen ansågs i studien vara jämnt fördelad över året och uteslöts från simuleringen. Om varmvattenanvändningen skulle ha inkluderats hade varaktighetskurvor för användningen blivit förskjutna uppåt. Värmelasten förändrades i enlighet med
varierande utetemperatur.
Li m.fl. (2015) använde programmet Ebsilon av tillverkaren STEGA under studien för att simulera och optimera hela systemet. Programmet var anpassat för att hantera
kraftanläggningar, därför skapades modeller på egen hand av Li m.fl. (2015) till simulering
och optimering av fjärrvärmenätet. De modellerna byggde på beräkningsmodeller för
rörledningar där värmelast ingick. Rörledningsmodellerna beräknades och jämfördes med
kända värden för befintliga fjärrvärmeledningar för att bekräfta deras trovärdighet inför
simuleringen av hela systemet. Eftersom detta examensarbete inte innefattar simulering
och optimering av värmeproduktionsanläggningen kommer den delen av studien inte att
redovisas. Efter att modellernas trovärdighet bekräftats ritades de in i Ebsilon.
5
Simuleringen av fjärrvärmenätet visade att vid en framledningstemperatur på 70°C, i studien den högsta framledningstemperaturen som undersöktes, resulterade i en total värmeförlust på ca 5000 kW vid en utetemperatur på -30C. Studien av Li m.fl. (2015) indikerar att en framledningstemperatur på 60°C kan vara den ideala styrningen. Vid lägre framledningstemperaturer än 60C ökade flödesbehovet i fjärrvärmenätet som i sin tur leder till ökad värmeöverföring mellan det varma vattnet i fjärrvärmeledningarna och omgivningen. Resultatet menade på att rimliga investeringar i att optimera
fjärrvärmenätets framledningstemperatur skulle öka hela systemets effektivitet (Li m.fl., 2015).
1.2.3 Energiförluster i fjärrvärmenät
Energiförluster uppstår i fjärrvärmenät när det varma vattnet transporteras från
värmekällan till konsumenten (Nowak-Ocłoń och Ocłoń, 2020). Enligt Çomakli, Yüksel och Çomakli (2004) kan mängden värmeförluster i ett fjärrvärmenät uppgå till ca 9 % av den producerade värmen från fjärrvärmeanläggningen. En åtgärd för att minska
värmeförlusterna är att sänka framledningstemperaturen, detta skulle också effektivisera leverans av värme till konsumenter utan att onödigt stora värmeförluster uppstår.
En annan möjlig åtgärd skulle vara att öka isoleringen runt rören för att minska
värmeförluster i fjärrvärmenätet (Çomakli, Yüksel och Çomakli, 2004, Li m.fl., 2015, Nowak-Ocłoń och Ocłoń, 2020). Vid ökad isolering kan värmeförlusterna minska med ca 25 % enligt Çomakli, Yüksel och Çomakli (2004). Åtgärden är dock svårimplementerad i ett redan befintligt fjärrvärmenät. Däremot visar det på att reinvesteringar i
fjärrvärmenätet är av stor betydelse för att påverka värmeförluster. Isoleringen runt rörledningar på fjärrvärmenätet står för ca 70-80 % av värmemotståndet i enkelrör enligt en studie gjord av Nowak-Ocłoń och Ocłoń (2020). Lägst värmeförluster sker i twin-rör, en fjärrvärmeledning som bestå av både framlednings- och returledningsrör i ett. Twin-rör är något dyrare än förisolerade rör, dock är deras återbetalningstid endast ca 6–7 år
beroende på rörets diameter (Nowak-Ocłoń och Ocłoń, 2020).
Värt att komma ihåg är att vid minskad framledningstemperatur ökar flödesbehovet i fjärrvärmenätet, vilket leder till ett ökat elenergibehov för att driva pumparna som transporterar det varma vattnet i fjärrvärmenätet (Çomakli, Yüksel och Çomakli, 2004).
1.2.4 Energieffektivisering och möjliga besparingar
Energieffektivisering är en betydelsefull åtgärd som i många avseenden är enkel att implementera och har låga eller inga kostnader. Investeringar i tekniska åtgärder
förekommer som tillexempelvis för fjärrvärmenät, med nya fjärrvärmeledningar som har
bättre/mer isolering (Nowak-Ocłoń och Ocłoń, 2020). Däremot räcker det många
gånger med att ett beteende förändras, exempelvis att minska framledningstemperaturen i
ett fjärrvärmenät, för att få ett positivt resultat.
6
Genom att minska framledningstemperaturen i fjärrvärmenätet kommer det att resultera i en minskad returtemperatur. Detta kan i sin tur leda till att hela systemets effektivitet ökar i from av mindre värmeförluster, högre effektivitet av rökgaskondenseringen och
elproduktion när det gäller kraftvärmeproduktion (Lund m.fl., 2014).
En studie genomförd av Connolly m.fl. (2014) visade på att värmebehovet i Europa kommer att öka i framtiden. Varmvattenbehovet kommer att öka till följd av en ökad population och ökad konsumentanvändning per individ då trenden i studien visar att många singelboenden kommer existera. Med ett ökat värmebehov uppstår behov av energieffektivisering. Studien benämner även risken för bränslebrist till följd av detta om inte energieffektiviseringar genomförs. Enligt författarna är det viktigt att ha med
energieffektiviseringar vid investeringar och förnyelser då det annars kan komma att dubbla i investeringskostnad om de genomförs vid ett eget tillfälle (Connolly m.fl., 2014).
Ur en miljömässigsynpunkt uppstår mindre utsläpp av bl.a. CO
2, koldioxid, till naturen vid en effektivare värmeproduktion ifrån produktionsanläggningen. I en studie av sitt lokala fjärrvärmenät vid universitetscampuset i Darmstadt i Tyskland av Oltmanns m.fl.
(2018) undersöktes flera scenarion för att optimera fjärrvärmeproduktionen vid införandet av en ny kraftvärmeanläggning. Ett av scenariona var en temperaturreduktion i
fjärrvärmenätet. Scenariot innebar att minskade framledningstemperaturer infördes och en minskad returtemperatur utnyttjades till följd av att den nya kraftvärmeanläggningen.
Detta gav resultatet att den totala primärenergin per år till kunde minska med ca 5,5 % och det motsvarar CO
2-utsläpp på 6 % jämfört med referensåret för den befintliga produktionsanläggningen (Oltmanns m.fl., 2018).
Genom att minska förlusterna i fjärrvärmenätet minskar även kostnaderna, vilket motiverar till att undersöka hur stor besparingspotential som är möjlig att uppnå.
Pettersson (2014) gjorde på uppdrag av Sandviken Energi ett examensarbete som gick ut
på att sänka returtemperaturen i fjärrvärmenätet. Studien visade på att en uppskattad
besparing på 500 000 kr per sänkt grad kan antas vara rimlig för deras anläggning i
Sandviken som har en total effekt på ca 160 MW. Tillsammans med Çomakli, Yüksel och
Çomakli (2004) studie på att uppemot 9 % av producerad värme blir till värmeförluster
kan en slutsats tas att en sänkning av framledningstemperaturen bör leda till rimliga
besparingar och därför vara värda att undersökas ytterligare.
7 1.2.5 Sammanfattning av litteraturstudien
Sammanfattningsvis visade Fang och Lahdelmas (2016) samt Dotzers (2002) studier på att en modell för värmelasten inte behöver vara avancerad men bör innehålla viktiga
parametrar för säsong och beteende av konsumenter. Vindhastighet kan användas men påverkar endast resultatet under vintersäsongen och vid kraftigare vindhastigheter (Dotzers, 2002; Fang och Lahdelma, 2016). Det är av vikt för en fjärrvärmeanläggning som har mest värmeproduktion under eldningssäsongen mellan månaderna oktober och maj.
Värmelaster för olika typer av byggnader granskades av Gadd och Werner (2013). De kom fram till att värmelasten skiljer sig mellan olika byggnadstyper beroende på konsumenters beteenden. Peakar i värmeanvändningen under morgontimmarna antogs vara ökad varmvattenanvändning samt eventuella nattsänkningar medan byggnader med fjärrvärme ansluten till ventilationen har högre värmebehov under vintermånaderna.
Energiförluster i ett fjärrvärmenät är en viktig faktor att tänka på vid värmeproduktionen.
Underhålls inte fjärrvärmenätet kan större förluster än de ca 9 % som Çomakli, Yüksel och Çomakli (2004) beräknade fram i sin studie uppnås. I reinvesteringssyfte är det värt att investera i twin-rör med en återbetalningstid på max 7 år, vilket är något högre än det mindre effektiva alternativet som har större värmeförluster (Nowak-Ocłoń och Ocłoń, 2020). Genom att implementera fjärrvärmenätsmodell innehållande värmelasten och därefter optimera framledningstemperaturen minimerar risken att förlusterna uppnår onödigt stora nivåer (Li m.fl., 2015).
Energieffektiviseringar är viktiga att implementera och kan uppnås genom att ett beteende ses över. Hela systemets effektivitet kan öka genom en minskad framledningstemperatur (Lund m.fl., 2014).
Minskade CO
2-utsläpp är en positiv följd till att effektivisera värmeproduktionen. Studien av Oltmanns m.fl. (2018) visade att en primärenergibesparing är möjlig på ca 5,5 % som motsvara 6 % i CO2-utsläpp på ett år. Detta skedde i studien tillsammans med att en ny kraftvärmeanläggning byggdes men visar på potentialen vid minskade temperaturer i fjärrvärmenätet.
En studie gjorda av (Connolly m.fl., 2014) framförde att värmeanvändningen i framtiden kommer att öka till följd av en ökad population och därför är behovet av
energieffektiviseringar viktiga för att undvika risken av bränslebrist. Investeringskostnader för energieffektiviseringar dubblar i pris om de sker i egna projekt än tillsammans med andra investeringar.
Besparingar i samband med optimering av framledningstemperatur kommer vara av
intresse att undersökas enligt tidigare beräkningar gjorda av Pettersson (2014) på uppdrag
av Sandviken Energi.
8
1.3 Syfte
Syftet med studien är att optimera styrningen av framledningstemperaturen i ett
fjärrvärmenät genom lastmodellering och värmeförlustsimulering. Detta för att identifiera och minimera övertemperaturer i fjärrvärmenätet. Resultatet borde leda till minskade värmeförluster i fjärrvärmenätet genom att styrningen tar hänsyn till både värmelasten och konsumenters beteende.
Studien är av intresse för att se hur olika faktorer påverkar styrningen och hur dessa kan utnyttjas för att minska energiförlusterna i fjärrvärmenätet samt öka verkningsgraden i produktionsanläggningen. Vid en optimerad styrning utnyttjas mer av energin som
produceras. Ytterligare ett intresse för studien är att undersöka vilka besparingspotentialer som finns möjlighet till vid lägre energiförluster i fjärrvärmenätet.
1.3.1 Frågeställningar
Forskningsfrågor som kommer besvaras i rapporten är:
– Vilka faktorer påverkar värmelasten i ett fjärrvärmenät?
– Hur ser deras påverkan ut vid olika tidpunkter under året och på dygnsnivå?
– Hur kan styrkurvan för Sandvikens fjärrvärmenät optimeras och vad är besparingspotentialen vid en förändrad styrkurva?
1.3.2 Avgränsningar
Avgränsningar i examensarbetet är att det gäller endast Sandviken Energis fjärrvärmenät i Sandviken. Historiska värden finns för perioden från 2015 till och med 2019, dessa kommer analyseras, valideras och användas till modellering samt simuleringen av fjärrvärmenätet.
Ytterligare en avgränsning i examensarbetet är att endast identifiera övertemperaturer i fjärrvärmenätet och vad dessa övertemperaturer har för besparingspotential. Detta kommer genomföras utan att påverka den nuvarande min- och maxtemperaturerna för framledningen ifrån den nuvarande styrningen. Min- och maxtemperaturer är i dagsläget 80 respektive 115C för fjärrvärmenätet i Sandviken.
Den sista avgränsningen i examensarbetet är att inga undersökningar kommer genomföras av fastighetspåverkan, med andra ord hur förändringen i styrningen kommer påverka kunderna kommer inte att granskas i examensarbetet. Det antas inte ha en negativ
påverkan då endast övertemperaturer kommer identifieras och minimeras genom den nya
styrningen.
9 Metod
Examensarbetet består av en fallstudie, experimentell forskning av kvantitativ natur innehållande modellering och simulering samt en litteraturstudie där tidigare studier för fjärrvärmenät analyseras, sammanställs och presenteras.
Metoden för examensarbetet kan delas in i tre huvudsakliga indelningar; analys av utvalda faktorer, simulering och lastmodellering. Analyseringen av utvalda faktorer skedde i ett eget skapad Excel-dokument från tillverkaren Microsoft, simuleringen gjordes i
programmet NetSim från tillverkaren Vitec och lastmodelleringen skapades utifrån resultatet av analyseringen och simuleringen även denna i Excel.
2.1 Datainsamling
Till att börja med för analyseringen av valda faktorer behövdes mätdata samlas in från Sandviken Energis databas. För att få bra lastmodeller av faktorerna gjordes valet att samla in mätdata för flera perioder/år, detta för att skapa en så pass ideal lastmodell som
möjligt.
Hämtade mätdata från databasen var på timnivå, med medelvärden över en timme, för åren 2015 till och med 2019 och gällde faktorerna; utetemperatur, utgående effekt och framledningstemperatur.
Mätningen av utetemperaturen vid kraftvärmeverket i Sandviken sker genom att tre temperaturgivare mäter utetemperaturen på den norrgående sidan av kraftvärmeverket i ett skydd från både solstrålar och vinden. Av dessa tre mätningar används sedan ett medelvärde mellan de två temperaturgivarna som ger mest liknande mätningar. Grunden till detta är för att säkerställa att en korrekt utetemperatur används till produktionen.
Skulle en av de tre temperaturgivarna gå sönder eller på något annat sätt fela finns det fortfarande två fungerande temperaturgivare tills det att den trasiga blivit åtgärdad.
Kraftvärmeverket i Sandviken mäter ingen egna data för faktorn vindhastighet i dagsläget.
Mätvärden för denna faktor hämtades från Sveby, vilket är ett branschöverskridande program som tar fram hjälpmedel för överenskommelser om energianvändning (Sveby, u.å.). Där har SMHI en mätpunkt vid ett flerbostadshus i centrala Sandviken som loggar vindhastigheter på timnivå och delar därefter med sig av denna mätdata till Sveby.
Anledningen till att mätdata från två källor, Sandviken Energi och Sveby, användes var att det var av stort intresse för undersökningen att se hur även faktorn vindhastighet
påverkade värmelasten i fjärrvärmenätet.
10 2.2 Analys av valda faktorer i Excel
I detta examensarbete undersöktes om fyra valda faktorer kan utnyttjas till att förbättra styrningen av framledningstemperaturen i Sandviken Energis fjärrvärmenät i Sandviken.
De valda faktorerna för undersökningen var: utetemperatur, månad, tid på dygnet och vindhastighet. Utifrån de valda faktorerna skapades lastmodeller för utetemperaturen mot den utgående effekten. Lastmodellerna beskrivs mer senare i kapitel 2.3.
För att granska hur de valda faktorerna påverkade värmelasten analyserades
korrelationskoefficienten mellan utetemperaturen och den utgående effekten. Detta gjordes med Excels eget kommando KORREL. Till en början analyserades korrelationen som den var utifrån de insamlade mätvärdena. Korrelationens syfte var att påvisa att varje tillagd faktor i analysen hade en positiv påverkan på analysen genom att korrelationen ökade därefter.
Ett punktdiagram skapades för att granska om de insamlade mätvärdena innehåller mätfel eller andra avvikelser som behövdes uteslutas för att inte felaktigt påverka det framtida resultatet. Exempel på avvikelser är om mätaren hade gått åt fel håll/backat, om driftstopp hade inträffat eller nollvärden registrerats. Figur 1 visar ett exempeldiagram innehållande avvikande mätvärden innan de uteslutits från analysen. De avvikande mätvärdena uteslöts manuellt från analysen.
Figur 1. Exempeldiagram för effektkurvan, blå linje, beroende på utetemperatur innehållande avvikande mätvärden som illustreras av de orangea prickar.
Efter att de avvikande mätvärdena hade uteslutits analyserades även punktdiagrammet för att utesluta de mätvärden som inte påverkas av utetemperaturen. Alltså vid vilken
utetemperatur som effekten blir konstant och endast styrs av konsumenters
varmvattenbehov istället för av både värme- och varmvattenbehovet.
11
Därefter analyserades korrelationen för varje tillagd faktor genom indelning i månader, tidsperioder och vindhastigheter utöver den valda maximala utetemperaturen som analyserades i det tidigare steget.
Den första indelningen som genomfördes var månadsvis, alltså januari, februari, mars osv var för sig i analysen. Detta för att påvisa att olika månader har olika förutsättningar.
Styrningen kommer inte att vara detsamma vid samma utetemperatur för olika månader.
Förutsättningarna för december skiljer sig ifrån till exempelvis mars genom att klimatet är annorlunda och därför ansågs det viktigt att analysera dom var för sig.
Även olika tider på dygnet har olika förutsättningar och därför skapades fyra tidsintervaller för analysen av de indelade månaderna. De fyra tidsintervallen var: 00:00-05:00, 06:00- 09:00, 10:00-17:00 och 18:00-23:00.
Indelningen av tidsperioderna gjordes så att hänsyn togs till konsumenters beteenden gällande varmvattenanvändning. Varmvattenanvändningen antas vara större under intervallen 06:00-09:00 på grund av mer aktivitet i hemmet och påverkar värmelasten därefter.
En sista indelning gjordes med hänsyn till vindhastigheten. Denna faktor är bra för analysen att undersöka genom att den kan motivera till att egen mätning av Sandviken Energi, avseende vindhastigheter införs. Enligt litteraturstudien har vindhastigheter över 3 m/s en påverkan på värmelasten. Därför delades vindhastigheterna in i tre intervall; 0-3, 3,1-6 och större än 6 m/s. Principen för indelningarna i analysen visas i ett blockdiagram i Figur 2.
Figur 2. Blockdiagram för indelningen av de påverkande faktorerna och antalet ekvationer som utvinns av
dessa.
12
När samtliga indelningar hade genomförts kunde 144 ekvationer för de olika indelningarna erhållas utifrån effektkurvornas regressionslinjer, hädan efter kallat trendlinjer. Dessa var fördelade på månad, tidsperiod och vindhastighetsintervall. Ekvationerna var unika för varje indelning av de påverkande faktorerna.
De 144 ekvationerna användes senare tillsammans med mätdata för att skapa en masterekvation. Utifrån masterekvationen kunde en lastmodellering göras.
Masterekvationen och lastmodelleringen beskrivs under kapitel 2.4.
2.3 Värmeförlustsimulering i NetSim
För att uppskatta den möjliga besparingen, både energimässigt och ekonomiskt, till följd av sänkningen av framledningstemperaturen användes programmet NetSim.
NetSim är ett beräkningsprogram av tillverkaren Vitec Energy och används till beräkningar och optimeringar av fjärrvärme- och fjärrkylanät. I programmet konstrueras ledningsnätet och de anslutna knutar till denna. Knutar är samlingsnamnet för punkterna som kan delas upp i ytterligare kategorier bl.a. produktionsanläggningar, anslutna kunder (exempelvis industrier, bostäder, skolor, kontor m. m.), ventiler och pumpar. Ledningarna i NetSim innehåller information som längd, innerdiameter, flöde samt värmeöverföringskoefficient.
Detta anges när ledningarna skapas i programmet och skiljer sig i hela fjärrvärmenätet beroende på när ledningen är byggd och hur man byggde fjärrvärmeledningar under den tiden. Knutarna innehåller bl.a. effektbehov och flöde. Beroende på vilken typ av knut det gäller innehåller de ytterligare information (Vitec, 2013).
Inför detta examensarbete fanns all information redan uppbyggd i NetSim. Programmet användes till att få den mest trovärdiga värmeförlustsimuleringen mot verkligheten.
För att göra detta simulerades ett flertal olika simuleringar/scenarion, de jämfördes därefter för att se hur framledningens temperatur påverkar värmeförlusterna vid olika utetemperaturer.
Till en början simulerades den nuvarande styrkurvan för flera olika utetemperaturer. Det
valda intervallet för analysen av utetemperaturerna samt den nuvarande styrkurvan visas i
Tabell 1.
13
Tabell 1. Valt temperaturintervall med nuvarande styrkurva för framledningstemperaturen.
För att kunna utföra simuleringen laddades först modellen för fjärrvärmenätet i Sandviken upp i NetSim. Sedan simulerades värmeförlusterna vid de olika utetemperaturerna genom att styrkurvan uppdaterades mellan varje simuleringssteg i det valda intervallet. NetSims egna analysprogram öppnades efter varje simulering för att hämta värdena för den totala värmeförlusten som programmet beräknade skulle ske vid varje simulering i intervallet.
För studien var det av intresse att granska vad skillnaden i olika framledningstemperaturer gav i besparing. Därför genomfördes tre simuleringar med olika framledningstemperaturer i samma intervall. Förändringen beräknades mellan nuvarande styrkurva och de tre
analyserna var för sig enligt Ekvation 1.
𝐹ö𝑟ä𝑛𝑑𝑟𝑖𝑛𝑔𝑒𝑛 =
ä ö . ä ö.
(1)
Förändringarna för de tre analyserna användes senare till att generalisera ett medelvärde av sänkningarna som kan implementeras för alla sänkningar i framledningstemperaturen, se Ekvation 2.
𝑀𝑒𝑑𝑒𝑙𝑣ä𝑟𝑑𝑒 = (2)
De generaliserade medelvärdena användes till att generera en medelvärdesekvation för vad den sparade energin per sänkt grad i intervallet var värd. För att generera
medelvärdesekvationen ur generaliseringen skapades ett punktdiagram med medelvärdena i temperaturintervallet. Trendlinjen togs fram och dennas ekvation togs ut. Ekvationen användes därefter till en simulering av ett verkligt år för att se besparingspotentialen i sänkningen som lastmodellerna gav.
Utetemperatur [°C]
Framlednings- temperatur
[°C]
10 80
8 80
5 80
3 80
0 83
-3 88
-5 91
-8 96
-10 99
-13 104
-15 107
-18 112
-20 115
-23 115
-25 115
14
2.4 Lastmodellering i Excel
Utifrån resultatet av analysen och värmeförlustsimuleringen skapades de slutgiltiga lastmodellerna för styrningen av fjärrvärmenätet.
I slutet av kapitel 2.1 nämndes att ett flertal ekvationer skapades med hjälp av de valda påverkade faktorerna. Tillvägagångssättet bestod av att punktdiagram för effektkurvorna skapades för varje indelning och ekvationerna för deras trendlinjer togs tillvara på för att senare simuleras mot mätdata för utetemperaturerna av ett verkligt år, också kallat hädanefter för exempelåret. Detta simulerade en matris, vilket beräknar ekvationerna för alla mätdata för exempelårets utetemperatur. Ett exempel på matrisen visas i Tabell 2.
Tabell 2. Exempelmatris för simuleringen av utetemperaturen i exempelåret för tre exempelekvationer innehållande de ställda kraven utifrån de påverkande faktorerna.
Exempelåret användes ytterligare till en simulering av hur en ideal styrning skulle ha sett ut utifrån de valda faktorerna. Detta med hjälp av en masterekvation som styrde efter de valda påverkande faktorerna. Masterekvationen tog då hänsyn till vilken månad, tidsperiod och vindhastighetsintervall som gällde vid den specifika utetemperaturen. Den valde därefter ut och använde den ekvation som uppfyllde dessa krav och beräknade den utgående effekten för det tillfället. Den utgående effekten masterekvationen angav användes i nästa moment för att simulera vilken temperatur som framledningen skall ha i det ideala fallet.
Månad Jan Jan Jan
Tidsperiod 00:00 - 05:00 00:00 - 05:00 00:00 - 05:00
Vindhastighet 0-3 3,1-6 >6
Ekvation y = -1,5881x + 40,216 y = -1,6356x + 40,851 y = -1,7408x + 41,311 Datum Utetemperatur [C] Effekt [MW] Effekt [MW] Effekt [MW]
2019-01-01 00:00 2,2 37 37 37
2019-01-01 01:00 3,2 35 36 36
2019-01-01 02:00 4,2 33 34 34
2019-01-01 03:00 4,4 33 34 34
2019-01-01 04:00 4,1 34 34 34
2019-01-01 05:00 3,8 34 35 35
15
För att simulera den ideala framledningstemperaturen användes mätdata för exempelåret återigen. Referenspunkter valdes i kurvan för hur framledningstemperaturen förhåller sig till effekten, se Figur 3 för exempel.
Krav för referenspunkterna var att de behöver vara temperaturberoende. Därför valdes den första referenspunkten till en låg framledningstemperatur precis innan kurvan stiger.
Den andra referenspunkten valdes till den högsta loggade framledningstemperaturen mot effekten. Utifrån de två referenspunkterna utvanns ekvationen till att simulera den ideala styrningen av framledningstemperaturen. Då simuleringen av framledningstemperaturen skedde behövde kravet ställas till att de lägsta och högsta framledningstemperaturerna följdes, i detta fall var det 80C och 115C.
Figur 3. Exempeldiagram för referenspunkter i framledningstemperaturskurva mot effekten och dess trendlinje samt ekvation.
När den ideala styrningen av framledningstemperaturen hade simulerats kunde denna jämföras med den verkliga styrningen. Med hjälp av medelvärdesekvationen, vad varje grad är värd i sparad energi, från värmeförlustssimuleringen i NetSim beräknades den möjliga totalt sparade energin av den nya styrningen av framledningstemperaturen.
Därefter beräknades vad den möjliga totalt sparade energin var värd ekonomiskt. Detta för att göra resultatet mer överskådligt och underlätta vid jämförelse med tidigare studier.
Ett överskådande blockdiagram över tillvägagångssättet illustreras i Figur 4.
16
Figur 4. Blockdiagram som illustrerar tillvägagångssättet för momentet Lastmodellering i Excel.
17 Resultat
Litteraturstudien styrkte att examensarbetet skulle innehålla faktorn vindhastighet utöver de andra valda faktorerna, såsom månad, tid på dygnet och utetemperatur.
3.1 Excelanalys
Resultatet av effektdiagrammet utifrån de insamlade mätvärdena från databasen redovisas i Figur 5. Där syntes tydliga avvikande mätvärden som behövdes uteslutas för att inte felvärden skall påverka hela analysens resultat.
Den första korrelationskontrollen på de insamlade mätvärdena gav en korrelation på -0,949.
Figur 5. Mätdata gällande effektkurvan mot utetemperatur för perioderna 2015 till och med 2019.
Utifrån punktdiagramsanalysen för effektkurva gav resultatet att effekten blir nästintill
konstant vid utetemperaturer över 10°C. Som resultat av detta uteslöts dessa effekter då
dem inte skall påverka kommande moment i examensarbetet. Detta på grund av att de
förblir nästintill konstanta vid en minimumeffekt på ca 10 MW, vilket är detsamma som
minimieffekten för fastbränslepannorna vardera under eldningssäsongen. Detta kan annars
förändra förutsättningarna i analysen för de effekter under 10C som är beroende av den
förändrade utetemperaturen. Resultatet av den temperaturberoende effektkurvan visas i
Figur 6.
18
Figur 6. Effektkurva mot utetemperatur med uteslutna avvikande mätvärden och mätvärden över 10°C. För perioden 2015 till och med 2019.
Korrelationskontrollen för den temperaturberoende effektkurvan gav en korrelation på -0,919.
När de avvikande mätvärdena och den effekt som inte var beroende av utetemperaturerna hade manuellt uteslutits från analysen kunde indelningen av mätvärdena genomföras utifrån de valda faktorerna. Till en början indelades de månadsvis, därefter indelades varje månad även i tidsperioderna och slutligen indelades de i vindhastighetsintervallen.
Resultatet av att stegvis dela in mätdata var att korrelationen mellan effekt och
utetemperatur förbättrades, vilket även säger att indelningen av mätdata gav trovärdiga resultat. Detta illustreras i Figur 7–9.
Figur 7. Effektkurva mot utetemperatur för novembermånad.
19
Figur 8. Effektkurva mot utetemperatur för novembermånad och tidsperioden 00:00-05:00, gällande alla vindhastigheter.
Figur 9. Effektkurva mot utetemperatur för novembermånad, tidsperioden 00:00-05:00 och vindhastighetsintervallet 3,1-6 m/s.
Korrelationen förbättrades med varje tillagd faktor. Resultatet av korrelationen för de tre figurerna var -0,908, -0,972 och -0,978.
Totalt skapades 144 unika ekvationer från indelningen av de valda faktorerna.
Korrelationen mellan lastmodellerna utan och med faktorn vindhastighet skiljer sig många
gånger i små marginaler och förbättras under eldningssäsongen, medan de inte har någon
påverkan på värmelasten under sommarperioden.
20
3.2 Värmeförlustsimulering
Resultatet av värmeförlustsimuleringen i NetSim för den nuvarande styrkurvan redovisas i Tabell 3. Det visar på att totala värmeförlusterna stiger med en sjunkande utetemperatur.
Tabell 3. Nuvarande styrkurva för framledningstemperaturen och värmeförlusterna som uppstår enligt simuleringen i NetSim.
Simuleringen i NetSim gav en total värmeförlust på ca 56,6 MW för den nuvarande styrkurvan. För att analysera om förbättringar är möjliga och storleksordningen av hur dem skulle se ut genomfördes tre simuleringar med förändringar av
framledningstemperaturerna som inte påverkas av det ställda kravet för min- och maxtemperaturer till framledningen. I detta fall var kraven för temperaturerna på 80C och 115C, som är min- och maxtemperaturer i fjärrvärmenätet idag.
I den första av analyserna sänktes framledningstemperaturen med 1C, den andra analysen med 2C och den tredje analysen med 4C samtliga i intervallet då
framledningstemperaturen överstiger minimumtemperaturen på 80C.
Analyssimuleringarna har sänkningar i det valda intervallet mellan utetemperaturerna 0C till och med -23C.
Resultatet av de tre simuleringarna redovisas i Tabell 4.
Utetemperatur [°C]
Framlednings- temperatur
[°C]
Total värmeförlust
[kW]
10 80 3121
8 80 3117
5 80 3097
3 80 3175
0 83 3359
-3 88 3525
-5 91 3636
-8 96 3801
-10 99 3912
-13 104 4044
-15 107 4132
-18 112 4294
-20 115 4413
-23 115 4477
-25 115 4520
56623
21
Tabell 4. Resultatet för de tre analyssimuleringarna i NetSim, motsvarande tre olika temperatursänkningar.
De totala värmeförlusterna i analyssimuleringarna sjunker i enlighet med att
framledningstemperaturen blir lägre. Mellan den nuvarande styrningen och den tredje analysen skiljer det 920 kW i värmeförluster, detta är resultatet av att förändra styrkurvan med fyra grader lägre framledningstemperatur mellan utetemperaturerna 0C och -23C.
Med hjälp av analyserna togs en förändring för sänkningen av framledningstemperaturen ut för varje analyssimulering. Resultatet för förändringen av sänkningen visade på en linjär trend som verifierar NetSims beräkningar av värmeförlusterna.
Utifrån förändringarna generaliserades medelvärdena för de olika utetemperaturerna i intervallet. Dessa redovisas i Figur 10 nedan innehållande den ekvation som användes under lastmodelleringen till att beräkna vad den sparade energin är värd per sänkt grad.
Figur 10. Medelvärdessänkningen i intervallet 0 till -23 C innehållande trendlinjens ekvation.
Utetemperatur [°C]
Framlednings- temperatur
[°C]
Total värmeförlust
[kW]
Utetemperatur [°C]
Framlednings- temperatur
[°C]
Total värmeförlust
[kW]
Utetemperatur [°C]
Framlednings- temperatur
[°C]
Total värmeförlust
[kW]
10 80 3121 10 80 3121 10 80 3121
8 80 3117 8 80 3117 8 80 3117
5 80 3097 5 80 3097 5 80 3097
3 80 3175 3 80 3175 3 80 3175
0 82 3336 0 81 3313 0 80 3286
-3 87 3502 -3 86 3479 -3 84 3432
-5 90 3613 -5 89 3589 -5 87 3543
-8 95 3778 -8 94 3755 -8 92 3708
-10 98 3888 -10 97 3865 -10 95 3818
-13 103 4020 -13 102 3997 -13 100 3949
-15 106 4108 -15 105 4084 -15 103 4037
-18 111 4271 -18 110 4247 -18 108 4200
-20 114 4389 -20 113 4366 -20 111 4318
-23 114 4447 -23 113 4430 -23 111 4382
-25 115 4520 -25 115 4520 -25 115 4520
56381 56153 55703
Analys 1 (1°C) Analys 2 (2°C) Analys 3 (4°C)
22
3.3 Lastmodellering
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 medelproduktionskostnad
1som gav att den totalt sparade energin motsvara en kostnad på ungefär 70 000 SEK.
1
