Kaukolämmön menolämpötilojen optimointi asiakaskohtaisen datan perusteella
Nummela, Tuomo (2022)
Diplomityö
Nummela, Tuomo
2022
School of Energy Systems, Energiatekniikka
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe202201144789
https://urn.fi/URN:NBN:fi-fe202201144789
Tiivistelmä
Tässä diplomityössä käsitellään kaukolämmön menolämpötilan optimointia. Työn toteutettiin osana kaukolämmön optimointiprojektia tavoitteena luoda, tarkastella ja kehittää ennakoivan säädön menolämpötilamalli Forssan kaukolämpöjärjestelmään. Työ sisältää teoriaosan, jossa käsitellään kaukolämmön tuotannon optimointia keskittyen erityisesti menolämpötilaan ja sen vaikutuksiin järjestelmän dynamiikkaan. Työn suorittavassa osiossa esitellään kehitetty optimointimalli, sen toimintaan liittyvä viipymätesti sekä tehty säästötarkastelu.
Kehitetty optimointimalli laskee menolämpötilan optimia kulutusennusteen, paluulämpötilaennusteen ja verkon virtausarvion perusteella ottaen huomioon kulutuksen ja tuotannon välisen viipymäajan. Laskennallista menolämpötilaa korjataan automaatioon malliin tehtyjen rajoitusten perusteella. Optimointimalli käyttää jokaisen asiakasmittarin summakulutusdataa tuotannon kulutusennustemallin määrityksessä. Optimointimallin toimintaa arvioitiin alle 20 MW tehoilla käytännön testauksella ja tehoalueella 20–60 MW sitä simulointiin historiadatan perusteella. Työssä suoritettu viipymätesti todettiin toimivaksi tavaksi määrittää menolämpötilamallin vaatiman viipymäajan.
Käytännön testissä malli todettiin toimivaksi. Suoritettujen määritysten perusteella optimointimallilla voidaan ajaa keskimäärin 0,5–1,4 C° vanhaa säätöä kylmempää menolämpöä. Vuositasolla säätöjen arvioitiin olevan Forssan kaukolämpötuotannossa 20 k€ mallin nykyisillä parametreilla. Mallin kehitystä jatketaan saatujen tulosten pohjalta keskittyen erityisesti talven huippukuormatilanteisiin. Tällöin ennakoivalla säädöllä on mahdollista saavuttaa lisäsäästöjä erityisesti aamun kulutushuippujen aikana voimalaitoksen pumppauskapasiteetin loppuessa. In this master’s thesis district heating supply temperature optimization is considered. The thesis is implemented as part of the district heating optimization project aiming to create, ex-amine and develop forecasting optimization model to Forssa’s district heating system. The thesis includes a theorical part which considers optimization of the heat production focused especially on supply temperature and its effects on system dynamics. In the practical part developed model, time delay test and estimation of savings are presented.
The model calculates the optimum supply water temperature by using forecasts of both heating demand and water return temperature. The model also considers determined delay time between production and consumption and evaluated volume flow rate. Calculated value is adjusted via system specific limits which are set up in the automation system. The model uses the sum of customers consumption data in determination of the heat demand forecast. The performance of the model was evaluated bellow 20 MW heat consumption via practical test-ing and in 20–60 MW via simulation using the history data. The time delay test was discovered as a useful way to determine the delay time.
In the practical test the model was discovered to function as designed. The supply temperature of the optimization model was on average 0,5–1,4 C° lower than the old control curve. The annual savings were estimated to be 20 k€ by using presented model paraments. The development of the model will be continued based on the results focusing specially on winter peak loads. In that case extra savings could be possible to reach especially in the morning peak demand as the plant’s pumping capacity reaches its maximum.
Kehitetty optimointimalli laskee menolämpötilan optimia kulutusennusteen, paluulämpötilaennusteen ja verkon virtausarvion perusteella ottaen huomioon kulutuksen ja tuotannon välisen viipymäajan. Laskennallista menolämpötilaa korjataan automaatioon malliin tehtyjen rajoitusten perusteella. Optimointimalli käyttää jokaisen asiakasmittarin summakulutusdataa tuotannon kulutusennustemallin määrityksessä. Optimointimallin toimintaa arvioitiin alle 20 MW tehoilla käytännön testauksella ja tehoalueella 20–60 MW sitä simulointiin historiadatan perusteella. Työssä suoritettu viipymätesti todettiin toimivaksi tavaksi määrittää menolämpötilamallin vaatiman viipymäajan.
Käytännön testissä malli todettiin toimivaksi. Suoritettujen määritysten perusteella optimointimallilla voidaan ajaa keskimäärin 0,5–1,4 C° vanhaa säätöä kylmempää menolämpöä. Vuositasolla säätöjen arvioitiin olevan Forssan kaukolämpötuotannossa 20 k€ mallin nykyisillä parametreilla. Mallin kehitystä jatketaan saatujen tulosten pohjalta keskittyen erityisesti talven huippukuormatilanteisiin. Tällöin ennakoivalla säädöllä on mahdollista saavuttaa lisäsäästöjä erityisesti aamun kulutushuippujen aikana voimalaitoksen pumppauskapasiteetin loppuessa.
The model calculates the optimum supply water temperature by using forecasts of both heating demand and water return temperature. The model also considers determined delay time between production and consumption and evaluated volume flow rate. Calculated value is adjusted via system specific limits which are set up in the automation system. The model uses the sum of customers consumption data in determination of the heat demand forecast. The performance of the model was evaluated bellow 20 MW heat consumption via practical test-ing and in 20–60 MW via simulation using the history data. The time delay test was discovered as a useful way to determine the delay time.
In the practical test the model was discovered to function as designed. The supply temperature of the optimization model was on average 0,5–1,4 C° lower than the old control curve. The annual savings were estimated to be 20 k€ by using presented model paraments. The development of the model will be continued based on the results focusing specially on winter peak loads. In that case extra savings could be possible to reach especially in the morning peak demand as the plant’s pumping capacity reaches its maximum.