Combat climate change through technology

Ny omfattende testkampanje igang på TCM

Den nye testkampanjen inneholder en rekke delprosjekter som blant annet fokuserer på CO2-fangst, utslipp til luft og mer automatiserte operasjoner.

Delprosjektet om modellprediktiv kontroll (MPC) (også kjent som moderne eller avansert prosesskontroll) er et CLIMIT Demo-prosjekt med Cybernetica, Sintef og NTNU. Testaktiviteter for dette delprosjektet startet i forrige uke.

 - TCM har lenge jobbet for å redusere kostnadene for karbonfangst. Dette prosjektet vil bidra videre til dette ved å automatisere flere av operasjonene, sier administrerende direktør Roy Vardheim.

Anleggs-automatisering er basert på modellprediktiv kontroll, som ofte brukes i andre næringer som oljeraffinering og petrokjemi. MPC er et overordnet kontrollsystem som kan lese anleggsdata og beregne det optimale settpunkt for basisregulatorene.

MPC-teknologien som skal brukes i dette prosjektet ble utviklet av Cybernetica. NTNU, SINTEF og Cybernetica bistår med den praktiske gjennomføringen på Tiller og TCM. Den dynamiske prosessmodellen som blir en del av verktøyet, er utviklet i doktorgradsavhandlingen til Nina Enaasen Flø som nå jobber for TCM.

- Det er veldig fint at verktøyet blir tatt i bruk, og jeg er spent på å se om vi når målene for redusert energiforbruk og anleggsautomatisering. Testanlegg kjøres mye opp og ned og da er det mye å hente på slik automatisering, sier Flø.

Med dette verktøyet kan man bevege seg raskere fra en testkjøring til en annen, få mer effektive testkampanjer, mer effektiv drift og dermed redusere energiforbruket med 3-5 prosent. Verktøyet sammenligner estimater fra modellen med faktiske prosessmålinger i anlegget og foretar korrigeringer ved behov. Spesielt ved endring av parameterne, er det mye å hente på automatisering.

Prosjektet, med Hanne Kvamsdal fra SINTEF som prosjektleder,  representerer en videreføring av det gode samarbeidet mellom TCM og CCS-miljøet i Trondheim. Før TCM-testen ble verktøyet testet i SINTEFs pilotanlegg ved Tiller i Trondheim.

Noen av de mest innflytelsesrike aktørene i karbonfangstbransen; SINTEF, NTNU, Engie, Road, Uniper, TNO og TCM samarbeider i det andre CLIMIT Demo-underprosjektet: Aerosolve. Prosjektet knyttser  sammen SINTEFs Tiller-anlegg, TCM og fullskala ROAD-prosjektet, og skal bidra til løsninger som er direkte anvendbare i industriell skala.

Et av de viktigste forskningsemnene innen CO2-fangst er å kontrollere utslippene av amin og aminforbindelser til atmosfæren. Aerosol-relaterte utslipp til luft fra aminabsorbere for CO2-fangst er et tema med økende interesse og fokus.

Det er allment kjent at røykgass forbehandling, absorber konfigurasjon, driftsforhold og fangstmiddel-valg er faktorer som kan redusere disse utslippene, men det er foreløpig begrenset teoretisk forståelse av de fysiske/kjemiske mekanismene som er involvert i prosessen, og utilstrekkelig kunnskap til optimal kontroll av aerosol i industriell skala.

Det er også motstridende publiserte resultater om for eksempel effekten av ulike alternativ for for-behandling. Etablering av pålitelige kontinuerlig målingsmetodikk for absorber aerosoler og online prosessovervåking er nødvendig for å øke tilgjengeligheten av data av høy kvalitet, underbygge modellvalidering, vurdere effektiviteten av mitigerende tiltak, som bruk av elektrofilter og brownian diffusion filter teknikker, og til syvende og sist levere pålitelig prosessovervåking og kontroll.

Validerte teoretiske modeller og generisk verktøy for design av røykgass-forbehandling vil være viktige verktøy for videre prosess-optimalisering av design. Derfor er det av betydning å demonstrere egnede tiltak under virkelige og relevante forhold. Dette arbeidet vil føre til innsikt hvordan man skal utvikle og drive CO2-fangstanlegg med utslippsnivå innenfor de gitte utslippstillatelser.

MEA-kampanjen løper fram til desember 2017, og de fleste resultatene vil bli publisert offentlig.

Publisert 19.06.2017

catching our future

All rights reserved TCM DA 2010 - Copyright
Webmaster: Vegar Stokset