Elektrisitetsproduksjon med ORC-teknologi ved fjernvarmedrift
Abstract
Denne bacheloroppgaven undersøker bruk av ORC-teknologi som et bærekraftig og økonomisk bidrag for energiproduksjon, i lys av økte strømpriser og energiknapphet. Arbeidet er motivert av Eidsiva Bioenergi AS sitt vellykkede bruk av ORC-teknologi i Elverum og deres interesse for å utforske en lignende løsning i Gjøvik. Problemstillingen fokuserer på å identifisere, dokumentere og optimalisere prosessbetingelser for ORC-systemet. Gjennom dette vil prosjektet bidra til utvikling av bærekraftige praksiser innen ingeniørfaget, i tråd med FNs bærekraftsmål. Datainnsamlingen er basert på informasjon levert av Eidsiva Bioenergi AS, og inkluderer temperatur, trykk, massestrøm og kjeleeffekt. Disse dataene ble levert i Excel-tabeller som ble bearbeidet med Matlab og til slutt benyttet i Aspentech HYSYS for simulering. I prosessen ble dataene delt inn i syv forskjellige scenarier for å reflektere årlige variasjoner i driftssituasjoner. Denne datainnsamlingsmetoden ga grunnlaget for simuleringer i HYSYS, og reflekterer anleggets ytelse under forskjellige årstidsavhengige driftsbetingelser. Det er utviklet tre ulike caser som ble simulert for å evaluere og forbedre effektiviteten av ORC-systemet. Case 0 ble etablert som referansecase og brukes som grunnlag for sammenligning. Case 1 og Case 2 tar for seg henholdsvis en økning i kjeletemperatur og redusert returtemperatur. Hver av disse casene ble utformet for å teste og analysere effekten av spesifikke parameterendringer på ytelsen til det simulerte systemet. Basert på simuleringsresultatene ble det gjort en økonomisk analyse for hver case. Det ble også undersøkt en alternativ investering i en større turbin. Resultatene viste at Case 1 hadde kortest tilbakebetalingstid, men sett over hele prosjektets livsløp hadde den alternative investeringen i en større turbin den høyeste nåverdien. Dette tyder på at til tross for høyere investeringskostnader, kan investering i en større 455 kW ORC-turbin være mer lønnsom på lang sikt. This bachelor’s thesis investigates the use of ORC-technology as a sustainable and economic contribution for energy production, in light of increased electricity prices and energy scarcity. The work is motivated by Eidsiva Bioenergi AS’s successful use of ORC-technology in Elverum and their interest in exploring a similar solution in Gjøvik. The issue focuses on identifying, documenting and optimizing process conditions for the ORC system. Through this, the project will contribute to the development of sustainable practices within the engineering profession, in line with the UN’s sustainability goals. The data collection is based on information provided by Eidsiva Bioenergi AS, and includes temperature, pressure, mass flow and the boiler’s power. This data was delivered in Excel tables which were processed with Matlab and finally used in Aspentech HYSYS for simulation. The data was divided into seven different scenarios to reflect annual variations in operating situations. This data collection method provided the basis for simulations in HYSYS, and reflects the plant’s performance under different seasonal operating conditions. Three different cases have been developed which were simulated to evaluate and improve the efficiency of the ORC system. Case 0 was established as a reference case and is used as a basis for comparison. Case 1 and case 2 respectively deal with an increase in boiler temperature and a reduced return temperature. Each of these cases were designed to test and analyze the effect of specific parameter changes on the performance of the simulated system. Based on the simulation results, an economic analysis was made for each case. An alternative investment in a larger turbine was also investigated. The results showed that Case 1 had the shortest payback period. But viewed over the entire project’s life cycle, the alternative investment in a larger turbine had the highest NPV. This suggests that despite higher investment costs, investing in a larger 455 kW ORC turbine may be more profitable in the long term.