Modelling Dust Generation and Dust Distribution in Aluminium Production

Abstract

Denne oppgaven undersøker metoder for utslippsmodellering med mål om å øke forståelsen av fluor- og støvutslipp i aluminiumproduksjon og legge til rette for sanntidsovervåking. Arbeidet er knyttet til SU4-anlegget ved Hydro Sunndal og starter med å gi en innføring i aluminiumproduksjonsprosessen, med fokus på hvordan operasjonelle aktiviteter og utslipp fra elektrolyseceller påvirker miljø og driftseffektivitet.

Det teoretiske rammeverket som presenteres, danner grunnlaget for utvikling, validering og implementering av utslippsmodeller. To sentrale modeller er utviklet: en fluormodell og en modell for totale støvutslipp. Modellene kombinerer data som operasjonslogger og fluoridmålinger. Resultatet fra disse modellene benyttes i spredningsverktøy som AERMOD for å modellere hvordan utslipp sprer seg i områdene rundt.

Fluormodellen er validert mot målinger, og potensielle forbedringsfaktorer er undersøkt. I tillegg er en forenklet utslippsmodell utviklet for bruk i Nonlinear Model Predictive Control (NMPC), med fokus på utslipp knyttet til anodeskift, en av de største bidragsyterne til fluor- og støvutslipp. Denne NMPC-modellen er implementert for å optimalisere operasjonene og viser potensial for både utslippsreduksjon og økt driftseffektivitet.

Resultatkapittelet presenterer eksempler på støvutslipp fra operasjonshallen, sammen med resultater fra spredningsmodellen. Resultatene fra NMPC-modellen viser hvordan optimalisering av tidsallokering mellom to operatører kan bidra til å redusere utslipp. Oppgaven gir dermed et bidrag til en mer bærekraftig aluminiumsindustri ved å levere verktøy for sanntidsovervåking og kontroll, som støtter både miljøkrav og optimal drift.

This thesis investigates methods for emission modeling to improve real-time monitoring of fluoride and dust emissions in aluminum production. Focusing on the SU4 facility at Hydro Sunndal, it provides background on the aluminum production process, with particular attention to operational activities and emissions from electrolysis cells, which are critical for environmental sustainability.

The study introduces a theoretical framework for developing, validating, and implementing emission models. Two key models are presented: a fluoride emission model and a total dust emission model. Both integrate data sources, such as operational logs and fluoride measurements, and their outputs are utilized in dispersion modeling with AERMOD to predict how emissions spread to the surrounding environment.

The fluoride emission model is validated against measurements, and additional factors are analyzed for their potential to improve the model. A simplified emission model is developed for nonlinear model predictive control (NMPC), focusing on emissions from anode changes, one of the main contributors to fluoride and dust emissions. This NMPC model is implemented to optimize these operations, demonstrating potential for emission reduction.

The result chapter presents examples of dust emissions released from the operation halls, along with outputs from the dispersion model. The results from the NMPC model demonstrate how optimizing time allocation between two operators can help reduce emissions. This thesis makes a contribution to advancing sustainability in the aluminum industry by offering tools for real-time monitoring and control, supporting both environmental compliance and operational effectiveness.