Det här verket har digitaliserats vid Göteborgs universitetsbibliotek och är fritt att använda. Alla tryckta texter är OCR-tolkade till maskinläsbar text. Det betyder att du kan söka och kopiera texten från dokumentet. Vissa äldre dokument med dåligt tryck kan vara svåra att OCR-tolka korrekt vilket medför att den OCR-tolkade texten kan innehålla fel och därför bör man visuellt jämföra med verkets bilder för att avgöra vad som är riktigt. Th is work has been digitized at Gothenburg University Library and is free to use. All printed texts have been OCR-processed and converted to machine readable text. Th is means that you can search and copy text from the document. Some early printed books are hard to OCR-process correctly and the text may contain errors, so one should always visually compare it with the ima- ges to determine what is correct. 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 C M Rapport R90:1986 Signalanalys för dimensionering av värmelager Bengt Simonsson Björn Svedinger INSTITUTET FÖR byggdokumentation Accnr R90:1986 SIGNALANALYS FÖR DIMENSIONERING AV VÄRMELAGER Bengt Simonsson Björn Svedinger Denna rapport hänför sig till forskningsanslag 831411-9 från Statens råd för byggnadsforskning till VIAK AB, Vällingby. REFERAT Rätt dimensionerade och utnyttjade värmelager ger stora möjligheter till effektivisering av energisystem för upp­ värmning av bebyggelse. Således kan värmelager minska be­ hovet av installerad toppeffekt i ett produktionssystem och utnyttjas för optimering av använda energislag, energi- pri svariationer etc. I denna rapport presenteras en nyutvecklad metod att med hjälp av signalanalys på uppmätt verklig energiförbruk­ ning beräkna bl a . reduktion av installerad toppeffekt lagerstorlek (krav) vid olika strategi lagereffekt (krav) besparing vid varierande energipriser Metoden kan också användas för att simulera och åskådlig­ göra värmelagers funktion vid dimensionerande temperatur­ variationer, antagna energipriser och valda driftstrategier. Den utvecklade metodens användbarhet har dokumenterats med hjälp av uppmätta data från ett experimentbyggnadsprojekt vid Mätcentralen, KTH. Dess ingenjörsmässiga användning illustreras i ett exempel från ett mindre fjärrvärmenät. I rapporten ges också förslag till ett antal utvecklings­ projekt i syfte att testa och vidareutveckla metoden även för tillämpningar inom elenergi och vattenförsörjnings­ system samt industriella processer. I Byggforskningsrådets rapportserie redovisar forskaren sitt anslagsprojekt. Publiceringen innebär inte att rådet tagit ställning till åsikter, slutsatser och resultat. R90:1986 ISBN 91-540-4642-4 Statens råd för byggnadsforskning, Stockholm Liber Tryck AB Stockholm 1986 FÖRORD Föreliggande rapport avser en undersökning över möjligheterna att använda signalanalys för att bestämma dimensionerande krav på värmelager i befintliga uppvärmningssystem. Den ursprungliga idén är presenterad som en licentiatavhandling på KTH "Värme i mark och vatten - analysmetodik vid dimensionering av anlägg­ ningar för värmeutvinning och värmelagring", Björn Svedinger, Stockholm, 1984. Byggforskningsrådet har därefter anslagit medel till en för­ studie i syfte att avgränsa ett fortsatt utvecklingsarbete och sedan ytterligare medel för att verifiera metodikens praktiska möjligheter. Syftet med denna rapport är att genom belysande exempel visa att signalanalys är ett utmärkt hjälpmedel vid dimensionering och beslut om värmelager i befintliga uppvärmningssystem lik­ som även andra system med lagringsbehov. Analyserna har utförts vid VIAKs signalanalyslaboratorium. Mätdata har erhållits från Mätcentralen för Energiforskning på KTH. Till samtliga medverkande riktas ett varmt tack. Vällingby i mars 1986 Björn Svedinger Projektledare Bengt Simonsson SAMMANFATTNING Rätt dimensionerade och utnyttjade värmelager ger stora möjligheter till effektivisering av energisy­ stem för uppvärmning av bebyggelse. Således kan vär­ melager minska behovet av installerad toppeffekt i ett produktionssystem och utnyttjas för optimering av använda energislag, energiprisvariationer etc. Behovet av ingenjörsmässiga metoder att bestämma stor­ lek och andra dimensionerande egenskaper vid tillämp­ ning av värmelager i befintliga energisystem har upp­ märksammats i det statliga energiforskningsprogrammet. I denna rapport presenteras en nyutvecklad metod att med hjälp av signalanalys på uppmätt verklig energi­ förbrukning beräkna bland annat reduktion av installerad toppeffekt lagerstorlek (krav) vid olika strategi lagereffekt (krav) besparing vid varierande energipriser Metoden kan också användas för att simulera och åskåd­ liggöra värmelagers funktion vid dimensionerande tem­ peraturvariationer, antagna energipriser och valda driftstrategier. Den utvecklade metodens användbarhet har dokumenterats med hjälp av uppmätta data från ett experimentbyggnads­ projekt vid Mätcentralen, KTH. Dess ingenjörsmässiga användning illustreras i ett exempel från ett mindre fjärrvärmenät. I rapporten ges också förslag till ett antal utvecklingsprojekt i syfte att videareut- veckla och testa den föreslagna metoden. Signalanalys har utvecklats inom bland annat akustik och vibrationsområdet och utnyttjas för bland annat läcksökning och tillståndskontroll inom flera tillämp­ ningsområden. Den här föreslagna metoden att bestämma dimensionerande lageregenskaper i energisystem har på motsvarande sätt ett flertal tillämpningar såsom elenergisystem reduktion av effekttoppar kraftvärmeproduktion vattenförsörjning (VA-system) utjämningsmagasin industriella processer effektstyrning flödesutjämning Ett fortsatt utvecklingsarbete inkluderar test av metoden även för dessa tillämpningar. INNEHÅLLS FÖRTE CKNING Sid FÖRORD SAMMANFATTNING 1 INLEDNING 1 1 Bakgrund 1 2 Problemställning 3 3 Signalanalys 7 2 GENOMFÖRANDE 10 1 Mätdatainsamling - beskrivning av mätprojekt 10 2 Analysarbete 11 3 Praktikfall 13 4 Samråd 14 3 RESULTAT 15 1 Erforderliga mätdata 15 2 Rimlighetstest av mätdata - linjäritet 18 3 Filter som simulering av lager 19 4 Överföringsfunktion 20 5 Beräkning av lager, storlek - effekt 24 6 Kostnader 27 7 Exempel 28 4 SLUTSATSER 32 1 Praktiska tillämpningar 32 2 Rutin för analys av uppmätt tidsserie 34 3 Rutin för extrapolation 38 4 Fortsatt arbete 40 5 LITTERATUR Appendix : 1 Energy storage (artikel) 2 Mätteknik (information) 3 Signalanalys (information) 11 INLEDNING En stor del av Sveriges energianvändning åtgår för uppvärmning av bostäder och andra lokaler. För att minska vårt oljeberoende är bland annat energihus­ hållning och ett effektivt utnyttjande av elenergi, fasta bränslen och pa sikt även olika tillämpningar av solvärme nödvändiga. Mark och vatten erbjuder här­ vid stora möjligheter. Energilagring far allt större betydelse för optimering av energisystem och utjämning av effekttoppar. Lagring av värme i trycksatta vattentankar för utjämning av dygnsvariationer är en aktuell tillämpning. Värmelag- 1 större skala har länge studerats för säsongs- lagring av solvärme inom det statliga energiforsknings- programmet. Olika tillämpningar av energilager presen­ teras vidare i Appendix I. 1.1 Bakgrund Behovet att utveckla en metod för att bestämma stor­ lek och andra dimensionerande egenskaper hos lager i befintliga energisystem har uppmärksammats inom Bygg- forsknrngsrådets utvecklingsarbete rörande lokala energikällor. De olika system och systemkombinationer som idag till­ lampas för värmelagring i mark och vatten illustreras ^ ^ • ^e kan anpassas till olika lokala natur- forutsättningar. De har också olika tillämpning med avseende pa energi- och effektbehov och är därmed lämpade för olika typer av bebyggelse och uppvärm- ningssystem. . Figur 1.1 System för lagring av värme 2Värmelagring i isolerade ståltankar används idag som utjämningsmagasin i olika typer av uppvärmningssystem För att begränsa kostnader och värmeförluster vid säsongslagring är intresset stort för möjligheten att på olika sätt lagra värme under markytan. För värmelagring i jord, berg och vatten pågår utveckling på följande system: gropmagasin bergrum borrhålslager i berg akvifer (grundvattenmagasin) slangsystem i finsediment och organiska jordarter Ett flertal olika utformningar av lager för olika ändamål provas idag i full skala. Lagret kan vara en del av uppvärmningssystemet eller vara anslutet via värmeväxlare. Värmeväxling kan ske direkt med vatten som värmebärare eller via slutna rörsystem med cirku­ lerande vätska. De sistnämnda blir "trögare" och har en lägre energitäthet. Det är viktigt att olika system kombineras på ett optimalt sätt, utifrån aktuella förutsättningar och driftekonomiska aspekter. Tillämpningen bestäms där­ för av egenskaperna hos bebyggelse, uppvärmningssys­ tem och den aktuella naturresursen inklusive dygns- och årstidsvariationer vilket illustreras i figur 1.2 X^tillgänglig energimängd Figur 1.2 Samband mellan naturresurs, bebyggelse och uppvärmningssytem vid tillämpning av värme i mark och vatten Erfarenheterna hittills avser främst värmepumpar som baslast och tekniskt inriktade fullskaleförsök med värmelager. Systemfrågor får allt större betydelse. I befintliga system är kunskapen om verkliga förhål­ landen begränsad. När anläggningen väl är dokumente­ rad är en annan svårighet att finna lämpliga analys­ metoder . 3Antalet inverkande parametrar är stort och simule- ringsmodeller tenderar att bli komplicerade. Situationen påminner om när modern elektronik och mikrokretsar gjorde det möjligt att på ett helt nytt sätt mäta och utvärdera mekaniska vibrationer i bör­ jan av 1970-talet. Ett helt nytt tänkande introduce­ rades genom signalanalys av uppmätta tidsserier och ett stort antal metoder och tillämpningar inom aku­ stikområdet har utvecklats. Det är nu möjligt att tillämpa dessa beprövade metoder på energisystem och för de storheter som är avgörande i uppvärmnigssystem. I denna rapport beskrivs olika möjligheter att utnytt­ ja signalanalytiska metoder. En bakgrund och ett antal hypoteser har tidigare presenterats som en lieavhand­ ling vid KTH. Dessa hypoteser har därefter legat till grund för en värdering genom anslag från Byggforsk- ningsrådet till VIAK varvid det konstaterades att även på andra håll, bland annat för statistisk bear­ betning av klimatdata, utnyttjas frekvensanalys för att reducera antalet parametrar. I ansökan till rådet om genomförande av ett fortsatt projektarbete presenterades ett förslag till relativt omfattande analysarbete och praktisk test på några anläggningar. I rådets beslut gjordes emellertid vis­ sa begränsningar eftersom remissinstanserna var frå­ gande till tillämpningsområden och användbarhet för den presenterade metodiken. Denna rapport syftar således främst till att verifiera metodens praktiska användning i ingenjörsmässig verk­ samhet. Genomförda analyser har därför begränsats till ett minimum och istället för att inskaffa mät­ data från olika objekt har allt arbete baserats på tillgängliga mätdata från ett enda experimentsbygg­ nadsprojekt. Eftersom resultatet är mycket positivt föreslås att som nästa steg genomföra ett fortsatt utvecklingsarbete i huvudsak enligt tidigare rikt­ linjer. I rapportens inledning ges en kort presentation av problemställning och signalanalytisk teori. Under kapitel 2, "Genomförande", redovisas utfört arbete med erhållna resultat i kapitel 3. I kapitel 4, "Slutsatser", diskuteras olika tillämpningsområden med förslag till fortsatt utvecklingsarbete. 1.2 Problemställning Bebyggelsens omfattning och energiförsörjning i Sverige såg för något år sedan ut som nedanstående samman­ ställning visar. Det omfattande hushållnings- och oljeersättningsprogram som genomförts har dels mins­ kat det totala behovet och dels minskat oljebehovet till stor del genom övergång till el. Ett fortsatt 4utvecklingsarbete syftar till att även på sikt minska behovet av el. Antal lägenheter Energi­ förbrukning El­ värme Olje­ panna Fj ärr­ värme Enbostadshus (1,6 miljoner) 50 TWh 31% 62% 7% Flerbostadshus (2,1 miljoner) 45 TWh 3% 62% 35% Lokaler 50 TWh » • 2 (160 miljoner m ) Värmebehovet varierar mellan olika delar av Sverige beroende på klimat och bebyggelse. Glesbygd och olika tätorter har härvid helt olika förutsättningar för sin uppvärmning. Uppvärmningssystemets utformning beror bl a av bebyggelsestruktur/värmetäthet temperaturkrav/variationer värmemedia (luft/vatten) storlek (individuellt/gruppcentral/fjärrvärme) samt distributionssystemets temperaturnivå och valda energislag för produktion av värme. Temperaturnivån är en avgörande faktor vid introduk­ tion av nya energislag i befintliga uppvärmningssystem. Konventionella fjärrvärmenät är t ex dimensionerade för en maximal framledningstemperatur av ca 120°C. Uppvärmningssystem i befintliga bostäder är som regel dimensionerade för en framledningstemperatur av 80-90°C. Dessa temperaturnivåer behövs emellertid endast under extremt kalla perioder och returtemperaturen är all­ tid lägre. Dimensionering av ett värmesystem med värmepumpar och värmelager innebär en ekonomisk optimering med hänsyn till aktuella energi-, effekt-, och tempera­ turbehov samt geologiska förutsättningar. Sambanden mellan olika inverkande faktorer kan schematiskt illu­ streras enligt figur 1.3 . Den traditionella dimensioneringsmetodiken utgår från ett varaktighetsdiagram med för orten givna villkor beträffande dimensionerande utetemperatur (DUT). Ur varaktighetsdiagrammet erhålls uppgifter om energiför­ brukning och erforderlig effekt. Detta är tillfyllest vid en produktionsanläggning som är oberoende av tem­ peratur. För optimal dimensionering av värmesystem med värmepumpar och värmelager är det emellertid nöd­ vändigt att studera det verkliga tidsförloppet. 5Figur 1.3 Inverkande faktorer vid dimensionering av energisystem med värmelagring. Det är emellertid svårt att ingenjörsmässigt arbeta med en tidsserie. Dimensioneringsarbetet försvåras av att samtliga ingående storheter är tidsberoende. Beräkningsprogram blir lätt komplicerade och svåran­ vändbara. Det är också svårt att ange dimensionerande parameter och definiera befintliga uppvärmningssystem Bland svårigheterna märks: Värmelasten bestäms av en mängd lokala förhållan­ den såsom utetemperatur, sol, vind, och lokalklimat samt brukarbeteenden Bebyggelsen varierar lokalt med avseende på tröghet (tunga och lätta byggnader), värmebehov och dygns­ variationer (sjukhus,kontor och bostadshus har olika karakteristika) Uppvärmningssystemet har varierande utformning med lokalt olika möjligheter till reglering av temperaturer och flödeshastighet samt fasförskjut­ ning mellan fram- och returledning vid väderomslag. Värmepumpars prestanda bestäms av såväl värmekäl­ lans som värmemottagarens temperaturnivå och dess lönsamhet av aktuella energipriser. 6Värmelagers lönsamhet bestäms av hur många gånger per säsong det kan utnyttjas med hänsyn till då aktuella temperaturnivåer (tekniskt villkor) och aktuella energipriser (ekonomiskt villkor) Detta är bara några exempel som också visar att varje system är unikt. Vid användning av värmelager kompli­ ceras bilden av valda strategier för lagrets roll. Värme kan erhållas från ett flertal lokalt tillgäng­ liga värmekällor såsom indirekt solvärme (naturvärme) spillvärme fastbränsleförbränning kraftvärmeproduktion solfångare med under dygnet och året varierande tillgänglighet. Ett värmelager har olika karakteristika avseende bl a värmekapacitet effekttröghet temperaturnivå värme- och temperaturförluster (termodynamisk verkningsgrad (%)) vilket gör respektive värmelager mer eller mindre lämpat för utjämningslager (timmar) korttidslager (dygn-veckor) säsongslager (månader) En förutsättning för meningsfulla ekonomiska jämförel­ ser mellan olika värmelager är därför att samtliga inverkande faktorer beaktas. Den energi som kan sparas genom lagring måste värderas mot aktuella energipriser i varje enskilt fall. Den principiella systemuppbyggnaden illustreras i figur 1.4. Bebyggelsens värmebehov utjämnas med hjälp av korttidslager vilket dels minskar behovet av in­ stallerad effekt och dels möjliggör utnyttjande av intermittent tillgänglig överskottsenergi. En värme­ pump vars värmekälla "förbättras" med hjälp av ett billigt säsongsvärmelager utnyttjas som baslast. En fullständig analys av ett uppvärmningssystem måste också inkludera effekter av energihushållning och ett kombinerat utnyttjande av värmepump och värme­ lager liksom differentierade energitaxor. För befint­ liga system tillkommer också svårigheter att dokumen­ tera systemets egenskaper under en dimensionerande period. 7Bebyggelsens värmebehov Figur 1.4 Uppvärmningssystem med värmepump och värmelager 1.3 Signalanalys Signalanalys kan vara mer eller mindre avancerad. Den förste att matematiskt analysera förloppet av periodiska funktioner var den franske matematikern Jean-Baptiste Joseph Fourier (1768-1830). Fourier hade för avsikt att analysera värmeförlopp men hans metoder har dock mest tillämpats i andra sammanhang. Frekvensanalys (eller Fourier-analys) utförs för att bestämma vilka frekvenser som förekommer i en signal. I princip utförs en transformation från ett tidplan till ett frekvensplan. Resultatet blir att en tidserie avbildas som funktion av frekvens och fas enligt fi­ gur 1.5. Figur 1.5 Illustration av frekvensanalys 8Fourieranalys utförs med hjälp av dator. Denna utför normalt s k FFT /Fast Fourier Transform) med flera matematiska finesser för att kunna "manipulera" funk­ tionerna i både tid och frekvens. Detsamma kan göras med hjälp av speciell signalanalysator som innehåller även andra program och rutiner för att analysera och jämföra tidserier med varandra. Jämförelse av två signaler kan utföras i tid- och/ eller frekvensplan med hjälp av olika analysrutiner enligt illustration i figur 1.6. Signal 1, Signal 2 Korrelations - Î Frekvensanalys l Fre kvens - plan Figur 1.6 Illustration av olika analysmetoder för bestämning av dynamiska parametrar Korrelationsanalys utförs i tidplan för att söka be­ stämma likheter mellan två signaler samt tidsdifferen- sen mellan dessa likheter. Resultatet redovisas i ett diagram som visar en relativ överensstämmelse vid olika tidsförskjutning. Konjugatmultiplikation utförs i frekvensplan för att t ex studera gemensamma frekvenser och fasrelationer mellan två signaler. Med polära koordinater erhålles ett beloppmaximum vid en gemensam frekvens. Motsvaran­ de fasläge anger skillnaden i fas mellan de två sig­ nalerna . Överförings- och koherensfunktion är speciella ruti­ ner för beskrivning av vad som händer med en signal vid passage genom ett system. I rutinerna ingår både frekvensanalys och konjugatmultiplikation. Exempel : Frekvensanalys Konjugat - multiplikation Frekvens - plan TIDPLAN FREKVENSPLAN Insignal x(t) X(f) System h(t) H(f) Utsignal y(t) Y(f) 9Överföringsfunktioner är en matematisk beskrivning av ett system och kan användas för att definiera för­ hållanden mellan två signaler. Överföringsfunktionen anger förändringen hos olika frekvenser och erhålles i exemplet som ovan. H(f) Y(f)X(f) Med polära koordinater erhålles som belopp systemets förstärkning och som fas systemets fasvridning vid respektive frekvens. Koherensfunktioner anger hur mycket av utsignalen som verkligen beror av insignalen och kan användas för att bedöma överföringsfunktionens tillförlitlig­ het. Är koherensen <1 är systemet antingen olinjärt eller också finns mer än en signal i systemet. Kohe- rensfunktionen är således statistisk och saknar inne­ börd vid enstaka signaler. Signalanalytiska metoder är utvecklade främst för analys av vibrationer och är därför mycket snabba. Fördelarna är många. Långa tidserier av data kan t ex reduceras till ett betydligt färre antal parametrar med hjälp av frekvensanalys. Det har t ex visat sig möjligt att representera meteorologiska data från en 20-årsperiod (175 000 timvärden) med hjälp av 75 Fourier-koefficienter utan att förlora väsentlig in­ formation. En viktig tillämpning av signalanalytiska metoder är relaterat till mätförfarandet. Inom t ex vibrations- området har rutiner utvecklats där man mäter under en kort tidsperiod och definierar systemets dynamiska egenskaper. Dessa kan sedan användas för att bestämma systemets respons vid valfri dynamisk belastning under antagande av linjära förhållanden. 10 2 GENOMFÖRANDE För att kunna genomföra projektet krävdes mätdata från en värmeanläggning. Önskemålet var att hitta en anläggning som innehöll både fjärrvärmeinformation och lokala uppvärmningssystem i aktuellt fjärrsystem. Vid studie av lagerstorlekar för säsongslager krävs samtidigt kontinuerliga mätdata för minst 2-3 år. Vi har varit i kontakt med Mätcentralen för Energi­ forskning på KTH och undersökt vad de har för data insamlade. Efter genomgång av deras projekt fann vi ett projekt i Märsta som uppfyllde våra krav. Över­ förda mätdata har därefter analyserats på VIAKs sig­ nalanalyslaboratorium. 2.1 Mätdatainsamling - beskrivning av mätprojekt Mätcentralen för Energiforskning (MCE) på KTH arbetar i huvudsak med mätdatainsamling för olika typer av energiprojekt som finansieras av Byggforskningsrådet. MCE har haft hand om mätdatainsamlingen för ett pro­ jekt inom Stockholms läns landsting där man arbetar med energibesparande åtgärder. Projektet genomförs vid ett sjukhem i Märsta strax norr om Stockholm. Märsta sjukhem är ett pilotprojekt för energisparande, där anläggningen utifrån en fast­ lagd layout projekteras med skilda bygg- och instal- lationstekniska lösningar. De olika tekniska lösningarna utvärderas med avseende på funktion, energibesparing och ekonomi. Mätdata insamlas kontinuerligt under ordinarie verksamhet för uppställande av energibalanser över husdelar och enskilda komponenter. Projektet i sin helhet har inne­ hållit omkring 300 mätkanaler med timmedelvärden under drygt 3 år. Av dessa har vi fört över och utnyttjat cirka 25 mätkanaler inklusive utetemperatur. Vi har valt fjärrvärmesidan, dvs inkommande energi till sjukhemmet innehållande både uppvärmning och tappvarmvatten. Sedan har vi valt ett mindre uppvärm- ningsnät innehållande radiatorer i en huskropp A där viss uppvärmning också sker med luftburen värme. Vi har också valt det lokala nät som försörjer hela det luftburna värmesystemet. Dessutom har vi valt tre lokala nät i det luftburna systemet som har mest tra­ ditionell styrning. Samtliga data finns lagrade på magnetband i ett HP1000- system. Den utrustning vi själva använder är ett HP bordsdatorsystem i 200-serien. Trots att det är samma leverantör av de olika systemen fanns det inga färdiga rutiner för dataöverföring. I början lyckades vi över­ föra en mätkanal innehållande ett års data på 3 timmar. 11 Då lagrade vi data på disketter på MCE som med konver­ tering gick att läsa med det system som finns på VIAK. Detta insåg vi snart skulle ta alltför lång tid att genomföra. Senare valde vi att ta med HP 200-systemet till KTH och koppla ihop system via en dataöverfö- ringssnitt. Efter diverse tester lyckades vi komma ner i överföringshastigheter på cirka 3 minuter för lika mycket data som tog tre timmar tidigare. Innan dataöverföringar gjordes utnyttjades MCE pro­ gramsystem MUMS, som är ett speciellt program för behandling av tidseriedata. Programmet utnyttjades för val av aktuella mätkanaler ur den stora databan­ ken. Valda kanaler "städades" från diverse "skräp" som fanns i datamängden. Därefter konverterades data till ASCII-kod för att kunna läsas av andra datasys­ tem. Denna del av arbetet har gett oss erfarenheter om hur framtida datainsamling och dataöverföring bör genomföras. En generell erfarenhet är att datainsam­ ling om möjligt bör planeras tillsammans med den som senare ska utföra analysen. 2.2 Analysarbete Vid analysarbete har huvudkomponenten bestått av en "Dynamic signal analyzer Hewlett Packard 3562A" till­ sammans med en bordsdator typ Hewlett Packard 9816. Signalanalysatorn är främst anpassad för direkt ana­ lys av analoga signaler inom frekvensområdet 0-100 kHz, som i huvudsak är aktuell inom akustik, vibrationstek- nik och reglerteknik. Det är emellertid också möjligt att utföra analyser på lagrade digitala tidsdata. Mer detaljer framgår av datablad med specifikationer i Appendix. Under arbetets gång har ett programpaket tagits fram för att klara nödvändiga analyser. Programpaketet består i princip av ett program med ett antal under­ program för olika analyser och databehandling. Nedan beskrivs innehållet i programmet samt kortfattad in­ formation om syftet med delprogrammen. * Datakonvertering - Mätdata som lagrades vid MCE gick ej att läsa direkt utan konverterades till en fil för varje mätkanal och treårsperiod. Modu­ len inkluderar en rutin för "städning av data" * Aritmetiska beräkningar - Konverterade mätdata bestod av filer med endast uppmätta data. Det kräv­ des möjligheter att addera, subtrahera, multipli­ cera och dividera kanaler med varandra samt även använda konstanter i beräkningen. 12 * Kompression av data - Varje kanal bestod av 3 års timmedelvärden, dvs drygt 26 000 värden. Denna programmodul skapar medelvärdsbildade data, exem­ pelvis dygnsmedelvärden. * Expansion av data - Denna rutin interpolerar fram t ex halvtimmesvärden ur ursprungsmaterialet. Observera att denna rutin ej tillför mer informa­ tion utan endast omformar data för att kortare tidsperioder ska passa analysatorns tidsfönster. * Tvåkanalanalys - Ovanstående moduler skapar hela tiden filer som är direkt läsbara av analysatorn för att göra enkanaliga analyser. I vissa fall har vi varit intresserade av tvåkanalsanalyser. Denna modul lägger upp en fil med information om två separata kanaler som senare kan analyseras tvåkanaligt med analysatorn. * Frekvensbehandling - Denna rutin används för att behandla frekvensanalyserade data. Här finns möj­ lighet att nollställa vissa frekvenser. Används för att t ex simulera idealt lågpass-filter. I denna modul finns även möjlighet att expandera respektive komprimera data i frekvensdomän. Detta kan jämföras med motsvarande moduler ovan för ex­ pansion respektive kompression av timmedelvärden, men skillnaden är att denna modul arbetar med data för olika frekvenser. * Relationsplott - Rutin för punktvis plottning av två olika kanaler i förhållande till varandra. Till exempel plottas effekt längs Y-axeln och ute­ temperatur längs X-axel. Dessa plottar genomförs för att avgöra spridningen under en mätperiod. Exempel på relationsplottFigur 2.1 13 * Regressionsanalys - Relationsplottningen var ej tillräcklig för att avgöra om materialet kunde uppfattas som linjärt. För detta utvecklades en modul som kan utföra minsta kvadratanpassning av olika funktioner till en datamängd samt beräkna en regressionskoefficient. * Volym- och effektberäkning - Denna modul beräknar en mängd uppgifter för ett simulerat lager med en bestämd skärfrekvens. Resultatet redovisas i ta­ bellform. * Lageroptimering - Detta program simulerar olika storlekar av lager med utgångspunkt från effekt­ data. Som resultat erhålls ett diagram med lager­ volym i kWh som funktion av skärfrekvens. * Kostnadsanalys - Modul för beräkning av kostnads­ besparingar med hänsyn till antingen olika energi­ priser för olika tider på dygn respektive säsong eller effektberoende energipriser. Figur 2.2 Frekvensspektra för effektvariationen för olika 3-månaders perioder under 3 år 2.3 Praktikfall Under arbetets gång blev det mer och mer intressant att göra praktiska tester av modellen samt studera hur verkliga lager beter sig ur filtersynpunkt. Diskussioner pågår med Hässelbyverket i västra Stock­ holm. Vid Hässelbyverket finns tre trycksatta vatten­ tankar om vardera 2200 rn som används för lagring i 14 fjärrvärmenätet. Man är där intresserad av om denna analysmetod kan ge information om hur stora besparingar lagret ger. Man har även planer att utnyttja ett berg­ rum som tidigare använts för oljelagring. Intresse finns att beräkna kostnadsbesparing med bergrummet som värmelager. I Ånge finns ett fjärrvärmeverk med ett mindre lager. Man förbereder för närvarande (våren 1986) mätningar som skall användas för att beräkna besparingskostna- derna för lagret för att eventuellt utöka lagret. Det har ej varit möjligt att inom projektets ram stu­ dera dessa aktuella praktikfall. Det är emellertid önskvärt att göra detta i ett fortsatt projekt för att tillsammans med energitekniker verifiera metodens tillförlitlighet. 2.4 Samråd Under arbetets gång har samråd med energitekniker och andra förekommit för att underlätta arbetets gång. I januari 1985 presenterades metoden på ett endagars seminarium, anordnat av BFR. I september 1985 besöktes en konferens i Kanada som i huvudsak handlade om värmelagerproblematiken. På konferensen hölls ett anförande där dimensionerings- metoden beskrevs. Dessutom beskrevs metoden med en uppsatt "poster". Konferensen gav värdefull informa­ tion om lager av olika slag. Samtidigt testades våra idéer på en del delegater. De flesta synpunkterna var positiva men det förekom även negativ kritik. Genom vidare diskussioner med kritikerna framkom bland annat att kritiken främst berodde på oförståelse for metoden. I projektets slutskede har metoden också presenterats för energitekniker inom VIAK och Rejlers, varvid fle­ ra tillämpningsmöjligheter konstaterats. Stort intres­ se har också visats från tekniker vid Vattenfall och Stockholms Energi, ett intresse som ökat sedan behovet av utjämningar även i elenergisystem har ökat. Meto­ den har också presenterats för BFRs utvärderingsgrupp. Det finns alltså en intresserad "marknad" för metoden, men den ingenjörsmässiga tillämpningen måste verifie­ ras ytterligare med praktikstudier. 15 3 RESULTAT Signalanalys kan vara mer eller mindre avancerad. I huvudsak avses behandling och beräkning etc för att åstadkomma en datareduktion för att lättare kunna göra bedömningar av materialet. Ett typiskt exempel i energisammanhang är att ställa upp varaktighetsdia- gram över t ex temperatur, effekt under en tidsperiod av ett år. FRAM- 0. RETURLEDNINGSTEMPERATUR Figur 3.1 Illustration av möjligheter att presen­ tera mätdata och simulera funktionen hos en värmepump i ett befintligt vär­ mesystem 3.1 Erforderliga mätdata I vårt fall arbetar vi med en signalanalysator som i huvudsak används för analoga signaler men mycket väl klarar data från andra mätsystem. Signalanalysatorer vare sig de är i form av flexibla datorprogram eller i form av färdiga mätsystem arbetar med fasta tids- fönster med typiska periodlängder av 256, 512, 1024 datapunkter o s v... Detta medför att man helst vill jobba med en bestämd mängd data för att det skall passa aktuellt analyssystem. I vårt fall arbetar systemet med 2048 punkter. Med^ timmedelvärden innebär detta en mättid på knappt 3 må­ nader. Vill man arbeta med kortare perioder övergår man t ex till halvtimmesmedelvärdet vid mätning. Då hamnar man på ungefär 6 veckor, vilket vi också anser är den kortaste period man bör analysera över i nor­ mala fall. 16 Vid bestämning av hur ofta avläsning av givare skall ske är man beroende av den högsta intressanta frekven­ sen. Om den rena dygnsvariationen är av intresse måste man göra avläsning minst 2 ggr/dygn för att kunna detektera dygnsfrekvensen. Väljer man att göra avläs­ ning 2 ggr/dygn och det trots allt finns snabbare variationer i systemet orsakar detta fel för andra frekvenser, s k "vikningsdistorsion". För att lösa detta väljer man att göra avläsning dubbelt så ofta som den snabbaste variation som finns eller också medelvärdesbildar man signalen under perioden mellan avläsningarna. t = 1/(2 f) t = tid mellan avläsningarna f = högsta intressanta frekvens hos signalen OBS! Om det finns högre frekvenser än f i signalen måste medelvärdesbildning ske mellan avläsningarna. Mätperiodens längd kan bestämmas genom att utnyttja statistiska teorier om sannolikhet att erhålla rätta mätvärden. I samband med randomsignaler, till vilket dessa typer av temperadata hör, använder man uttrycket BT-produkt. B är bandbredd i frekvens och T är mättid. En vanlig storlek på BT-produkter är 10. Detta medför att ett enstaka urval har 68,3% chans att ligga inom + 16%av ett riktigt värde. Med en BT-produkt av 10 erhålls att man måste mäta i minst 10 dygn, Av resonemanget ovan framgår att det trots allt kvarstår en osäkerhet, man kan mycket väl ligga utanför ovanstående 68%, Det händer t ex om man mäter under en period med konstant temperatur. Om årslagring skall studeras bör man alltså ha mätti- der upp till 10 år. Ovanstående resonemang är rent statistiskt och är oberoende av om man är intresserad av frekvenser eller ej. Det gäller i princip all data­ insamling. 17 Mätt id Lage rpe ri od Figur 3.2 Illustration av mätperiodens längd som funktion av olika lagerstrategier I sammanhang med dimensionering av värmelager är effekt­ behovet viktigast. Med effekinformation är det möjligt att bestämma sparad maxeffekt hos produktionsanlägg- ningen och krav på lagrets maxeffekt samt bestämma storlek på lagret i form av energivolym. Men även temperatur i anläggningen är av intresse för att ska­ pa bättre underlag för dimensionering av värmeväx­ lare, regleringsfilosofi och liknande. För att göra rimlighetsbedömningar av materialet är utetemperaturen viktig informationskälla. Vill man utnyttja överföringsfunktionen för att expandera ana­ lysen för längre perioder än mätperioden, är utetempe­ raturen ett krav. Innetemperaturen har i det studerade projektet varit konstant. Nattsänkning av innetemperatur kan liksom andra olinjäriteter marginellt påverka dimensione- ringsprocessen. Vid all mätning där det handlar om mer än en mätkanal är det nödvändigt att samtliga mätkanaler avläses simultant, dvs arbetar man med timmedelvärden skall dessa avläsas samtidigt i samtliga mätkanaler. För att en mätserie skall vara användbar får bort­ fall i datamängden inte vara för stor. Problem upp­ står främst när bortfall sker under längre perioder (10%, dvs 4-5 dgr) vilket medför att mätningarna ej ger helt tillförlitliga resultat. 18 3.2 Rimlighetstest av mätdata - linjäritet De flesta typer av dimensioneringar som genomförs kräver att systemen skall vara linjära för att prog­ noser för framtiden skall vara möjliga. Utnyttjande av den här föreslagna metoden kräver också att syste­ men är linjära eller att olinjäriteten kan definieras. Linjäritet innebär att effektförbrukningen följer en rät linje när utetemperaturen ändras. Om utetempera­ turen sänks med säg 5 grader ökar effektbehovet med 10 kW. Ändras temperaturen ytterligare 5 grader skall effekten ändras 10 kW igen för att systemet skall uppföra sig linjärt. Sommarperioder är typiska tider då ett värmesystem ej uppför sig linjärt. Vi har inom projektet gjort linjäritetstest med hjälp av minsta kvadratmetoden. Studium av linjäritet har gjorts på effektförbrukning som funktion av utetempe­ ratur. För att lättare tyda resultatet har vi gjort en extra minsta kvadratanpassning där man anpassar en andragradskurva till materialet. Blir anpassningen inte bättre för andragradsekvation kan man säga att materialet uppför sig linjärt. 150-- 135-- 125-- 120-- 1 15- - 1 10-- 105- - 100-- Figur 3.3 Illustration av linjäritet hos analy­ serat material Resultatet av anpassningarna har gett att vårperioden samt i viss mån även vinterperioden uppför sig det testade systemet linjärt. Sommarperioden däremot av­ viker ordentligt från den räta linjen. Förklaringen till olinjäritet under sommarperioden beror på att då kan värmesystemet i princip vara avstängt då ingen uppvärmning krävs. 19 3.3 Filter som simulering av lager Beskrivning av ett lager med hjälp av filter är en av grundstenarna i detta projekt. Filter används i många sammanhang för att plocka bort, sortera bort (filtrera) delar av ett material som icke är önskvärt. Inom elektronik används filter för att "plocka" bort frekvenser i en signal som man ej är intresserad av. Det finns filter som tar bort låga frekvenser eller höga frekvenser och där man kombinerar dessa för att ta bort både höga och låga frekvenser. Om man tar ett värmelager som lagrar extra energi på natten för att använda under dagtid och energiprodu­ centen kan gå med jämnare belastning dag och natt har man ett typiskt "lågpassfilter". Detta "filter" har då filtrerat bort dygnsfrekvensen. Filtrets karak­ tär är avgörande. Ett lågpass-filter kan bland annat ha olika gränsfrekvens och branthet. Brantheten be­ stämmer hur kraftigt frekvenser över gränsfrekvensen kapas bort. Brantheten hos ett filter påverkas av "poltalet" vilket bestämmer hur mycket filtreringen ökar med ökad frekvens. 7. 5 /Div -50. O ' IM 1 I II I 1 lOOLog HzFxd V lOO Figur 3.4 Filterkaraktäristik för filter med oli­ ka poltal och konstant gränsfrekvens Vi har studerat effekten av att variera gränsfrekvens och poltal hos filter och funnit att båda påverkar resultatet. En hypotes är att olika typer av lager också har olika filteregenskaper. För att klara ut denna variation måste man samla mätdata från ett an­ tal olika typer och storlekar av lager för att ta reda på hur dessa uppför sig ur filtersynpunkt. 20 För ögonblicket har vi ej ägnat tid åt direkt studium av hur befintliga lager beter sig. Vi har istället valt att använda ett idealt filter som över gräns­ frekvensen klipper bort alla variationer (skärfrek­ vens). Nackdelen med detta förfarande är att effekten av filtret överdrivs. Studium av ett lagers verkliga beteende lämnas att utredas framöver genom att studera mätningar från byggda och testade lager. Vid test av de ovan beskrivna filtren med olika pol­ tal fann vi en "fasförskjutning", dvs att den filtre­ rade effektkurvan kom lite "efter" den ofiltrerade ursprungskurvan. Frågan är om detta är något som före­ kommer hos verkliga lager. Detta kan möjligen höra ihop med "effekttröghet" som förekommer i vissa stora system. Vi har möjligen här metoder att utreda och förklara samt precisera vad effekttröghet är. 3.4 Överföringsfunktion Överföringsfunktion (transferfunktion) är ett signal- analytiskt begrepp som används inom främst reglertek- nik, akustik och vibrationsteknik. Överföringsfunktio­ nen är en funktion i frekvens som beskriver ett sys­ tem dynamiskt (se kap 1.3). Ett exempel: Vi har en "svart box" i ett system med en signal in och en signal ut. Vad som finns i boxen vet vi ej . Man kan bestämma överföringsfunktionen mellan signalen på ingången och utgången genom mät­ ning. Resultatet av detta är en beskrivning av vad som händer vid olika frekvenser. Överföringsfunktionen beskriver "boxen" för olika frekvenser. Uppgiften kan nu vara att svara på vad som händer på utgången från "boxen" med en ny signal. Med hjälp av överföringsfunktionen kan man bestämma utsignalen för denna nya signal. 21 Utetamperatur undap 1 månad Utatamparatur undap 2.5 àr Effekt undap 1 månad Effekt under 2.5 àr Figur 3.5 Illustration av överföringsfunktion I energisammanhang tänker vi oss att värmeanläggningen med förbrukare är den svarta boxen. Vi mäter då ute­ temperaturen och säger att det är insignalen. Som utsignal väljer vi t ex effektåtgången för att hålla konstant innetemperatur. Vi skapar oss alltså en över­ föringsfunktion över systemet för en viss insignal. Vi kan nu med en annan utetemperatur beräkna effektåt­ gången för detta system. Användningsområdet för överföringsfunktionen inom energisammanhang borde vara stora. Man kan göra mät­ ningar under kortare perioder och skapa beräkningsun­ derlag för hela år eller längre perioder. För dimen­ sioner i samband med ombyggnader vore detta möjligen ett bra verktyg. Speciellt då vid dimensionering av t ex värmelager. Vid användning av överföringsfunktion är det ett krav att systemet uppför sig linjärt för att finesserna skall kunna utnyttjas. Som tidigare diskuterats är det testade systemet linjärt under höst, vinter och vår men ej under sommarmånaderna. I princip är syste­ met linjärt under all tid som effekt tas ur anlägg­ ningen. Så fort anläggningen ej ger värmeeffekt upp­ hör linjäriteten. Detta visar sig i princip inte vara något problem då en effektkurva skapad med överförings­ funktion ger negativ effektåtgång för höga utetempera­ turer, vilket ej är rimligt. Det går därför att bortse från dessa perioder. 22 Tänkbart arbetssätt med överföringsfunktion är att värmesystemet uppmäts under t ex 12 veckor med utetem­ peratur som insignal och effektåtgång som utsignal vid konstant innetemperatur. Därefter hämtar man från SMHI eller liknande utetemperaturer från tidigare år samt prognoser för framtiden för aktuell plats i lan­ det. Ur detta material har man möjlighet att skapa effektåtgång för en motsvarande mängd år. Metoden att med hjälp av överföringsfunktionen skapa effektåtgången kan göras med två metoder. I metod 1 utgår man ifrån t ex 12 veckors överföringsfunktion och expanderar denna till aktuell period 1-3 år. I denna manöver erhålls automatiskt en filtrering som vi ännu inte hunnit studera effekten av. Expanderar man ända upp till 2-3 år medför detta att man främst är intresserad av säsongslager och möjligtvis är den­ na filtrering ej av betydelse. Metod 2 stegar med aktuell mätperiod t ex 12 veckor igenom ett år. Denna metod ger ingen extra filtrering men det kvarstår en del utredningar rent signalanalytiskt för att erhålla rätt absolut nivå på resultatet. Manuellt är det möj­ ligt att skapa t ex en treårsperiod med utgångspunkt från 12 veckors mätdata. Effekt under 9 kr 3 års beräknad effektförbrukning jäm- fört med aktuell effektförbrukning (facit) skapat med metod 1 Expandering av tids- fönster Figur 3.6 23 Effnkt undar 1 4r (UppmVtta data) KF fakt vindar 1 \r (BorHknada data) Figur 3.7 1 års beräknad effektförbrukning jäm­ fört med aktuell effektförbrukning (fa­ cit) skapad med metod 2 Stegning i 12- veckorsperioder Effekt kW % fr Figur 3.8 6 veckors beräknad effektförbrukning jämfört med uppmätt effektförbrukning. Underlaget för beräkning var uppmätt ett år tidigare 24 3.5 Beräkning av lager, storlek - effekt Hittills har resultatet av projektet beskrivits i delar. Syftet med projektet är att skapa underlag för dimensionering av ett värmelager. Diskussioner har förts med energitekniker för att ta reda på vad man vill ha för underlag. Vissa uppgifter såsom effekt är viktiga. Vad gäller temperaturer i nätet så är åsikterna mer delade. Detta beror väldigt mycket på vilken typ av lager som väljs samt hur regleringen skall gå till. Då förmodligen olika uppgifter kommer att krävas från fall till fall har vi valt en tabell som innehåller vad vi anser nödvändigt. Vid beräkningarna används medeleffektåtgången per timme samt fram- och returledningstemperaturer. Dessa är också medeltemperaturer per timme. Effektfunktio­ nen är den signal som har filtrerats med ett filter som skall simulera lagret. Uppgifter som beräknats är uppdelade i tre block. 10 Apr 1936 13:13:56 FJÄRRUÄRME NÄT EFFEKT DATA FIL : TSENEFJ UIA029 FRAMLEDNIN6STEMPERATUR FIL : TSTFRFJS UIA029 RETUR1EDNIN6STEMPERATUR FIL : TSTREFJS UIA029 FREKUENS FÖR FILTE R 3 dB-e RÄNS - 80.00 STE b N i I G AU RECORD 5 = 5.00 Max last Lagereffekt j Lagervo lyraer i T fr T fr T re pra. Pd Tf Tr P^! P d T f Tr i Q max min raax ra3 ra3 k W kW 'C ’C kW kW ’C U; i kWh ’C ’ c ’C fsrs f5fra 1 Jan 1 981 1 53 8 108 44 1 26 34 11 ! 41 ! 87 115 105 47 8 ! 25 Feb 1 981 134 1 1 1 10 4G 120 20 1 12 40 i G3 115 105 48 5 1 24 Mar 1 981 37 4 ! 1 3 40 78 39 98 39 ! 43 114 81 49 1 1 20 Apr 1 981 92 7 99 37 82 29 99 36 ! 48 111 80 54 1 1 16 May 1 981 53 20 84 3G 53 20 84 36 ! 26 107 69 55 ! 12 Jun 1 981 58 9 78 35 35 18 79 50 ! 36 90 rr 9 Jul 1 981 39 1 7 70 47 39 18 78 A 4 Aug 1 981 52 13 88 y n 31 Auo 1 QS \Figur 3 9 Exempel på tabellutskrift Block 1 innehåller information om den produktions- effekt (peak) som kan sparas in med lagret. Tabellen innehåller den topplast som förekommit under någon timme under perioden. Till denna topplast beräknas en effektdifferens som motsvarar den topplastsänkning som skulle erhållas för samma timme om det funnits ett lager i värmesystemet. För "topplasttimmen" redo­ visas också fram- och returledningstemperatur. 25 Block 2 ger information om den effekt som måste kunna produceras av lagret. Denna information kan t ex an­ vändas som underlag för bestämning av storlek på vär­ meväxlare. Redovisning sker av den maximala differens som erhållits mellan normal effektåtgång och effektåt­ gång med lager. Dessutom redovisas den aktuella effekt- atgången när differensen är maximal under perioden. Vid maximal differens redovisas också fram- respektive returledningstemperatur. Slutligen beräknas ett antal volymer inom block 3. Den första volymen som beräknas uttrycks i kWh. Det beräknas enligt följande. Först bestäms skillnaden mellan normal effektåtgång och effektåtgång med lager. Denna skillnad blir positiv när lagret utnyttjas och negativ när lagret laddas. Skillnaden summeras sedan under en tidsperiod och får då sorten kWh. Denna summa växer när lagret utnyttjas och avtar vid laddning. Under beräkningsperioden bestäms sedan skillnaden mellan max- respektive miniminivå i lagret, dvs den energimängd som lagret måste kunna rymma för att ge de effektvinster som beskrivs i block 1 ovan. Som komplement till ovanstående energivolym redovisas den maximala fram- respektive returledningstemperatur samt minsta framledningstemperatur under perioden. Vi har valt att redovisa lagrets storlek i m vatten för att få en mer gripbar volymstorlek. Volymen m - fsrs för vatten har beräknats med hjälp av energivo­ lymen Q i kWh och skillnaden mellan maximal framled- ningstemperatur~och maximal returledningstemperatur. Vattenvolymen rrt -fsfm har beräknats med energivolymen som ovan samt skillnaden mellan maximal och minimal framledningstemperatur. Pdlff Figur 3.10 Illustration av beräknade storheterna Pmax och Pdiff i block 1 26 te Figur 3.11 Illustration av beräknade storheterna Pmax och Pdiff i block 2 Resultatet i beräkningstabellerna som beskrivs gäller för en viss analyserad period och en viss skärfrekvens. För att kunna göra en bedömning av underlaget måste ovanstående tabellinnehåll beräknas för olika skärfre­ kvenser. Genom att beräkna energivolym Q i kWh (be­ skrivs i block 3 ovan) för olika frekvenser kan under­ lag beräknas för ett diagram med lagergivolym i kWh som funktion av frekvens. Energi volym kWh 10000 1000 Frokven# s dygn Figur 3.12 Lagervolym som funktion av skärfrek­ vens för lagret 27 Detta diagram är det grundläggande resultatet av ana­ lysen. Vi har bedömt att nästa steg i dimensioneringen bör göras manuellt. Anledningen är att en algoritm som skall kunna bedöma detta steg i processen skulle bli alltför komplicerad för att innehålla alla tänk­ bara strategier. I diagramexemplet ovan framgår att volym varierar i trappstegsplatåer med frekvensen. Avtagande frekvens innebär att lagret klarar att ackumulera under längre perioder. Ett optimalt lager bör väljas genom att storleken bestäms av en platåhöjd, Genom att följa platån neråt i frekvens tills volymerna ökar markant får man en uppfattning om vilken periodtid lagret har. En motsvarande funktion kan beräknas för t ex minskat effektbehov i produktionsanläggningen vid olika skärfrekvens. 3.6 Kostnader Analyserna har hittills endast handlat om fysiska storlekar som har beräknats i form av effektbesparing och volymer. Intressanta uppgifter är också kostnader Idag förekommer olika energipriser för dag och natt samt även för sommar- och vinterhalvår. Det förekom­ mer även kostnader som är direkt knutna till effekten. Kostnaderna per kWh beror i detta fall på hur stor effekt som förbrukas. I beräkningsmodellen för energivolym går det att istället för kWh räkna om värdet till kr/h beroende på tid på dygnet respektive årstid osv. Dessa kr/h summeras sedan periodvis. Summan över ett år innebär då sparade kr med den analyserade lagerstorleken. Har man istället en effektberoende kostnad räknas kWh om till kr/h beroende på uttagen effekt för aktuell timme. Även här erhalls kr/h periodvis som sedan kan summeras årsvis för att erhålla insparade kronor för aktuellt lager. Kr/Wii nnnmnnwinnnnrï Kr/kWh «sesfiaaassa K »v aaxsffak* Exempel på energiprisvariationer som funktion av tid och effekt Figur 3.13 28 Ovanstående sätt att beräkna uppnådda kostnadsvinster är endast exempel på att det är möjligt att lägga in en mängd olika kostnadsfunktioner. Det mesta beräk­ ningsarbetet görs i signalanalysator och styrs av datorn. Även andra typer av kostnadsfunktioner är enkla att lägga in. Vid dimensioneringsförfarandet är det lämpligt att göra kostnadsanalys för frekvens som ligger på undre respektive över delen av en platå i diagrammet med energivolym som funktion av frekvens. Som resultat erhålls den maximala respektive minimala vinst som kan uppnås av ett lager som ligger på en platå. Hittills har kostnaderna endast hänförts till bespa­ ringar som beror på aktuell kostnad för energin vid laddning respektive uttag ur lagret. I block 1 av beräkningsunderlaget ovan bestämdes även hur mycket topplasten minskar när lagret används. Kostnadsvins- ten i detta fall beror till största delen på bespa­ ring i anläggningskostnader. Beräkningarna ovan berör vilka kostnader som sparas med hjälp av lagret. För att göra kostnadsanalysen fullständig måste även lagret och dess eventuella värmeväxlare kostnadsberäknas. I block 2 finns under­ lag för dimensionering av värmeväxlare. Block 3 ger underlag för lagrets volym samt olika dimensionerande temperaturer. Här beräknas sedan årskostnaden för lagret som kan jämföras med de besparingar som beräk­ nats tidigare. 3.7 Exempel För att åskådliggöra metoden har följande exempel genomräknats med mätdata från fjärrvärmekretsen i tidigare beskrivna Märsta-projekt. Effekt, framled- ningstemperatur och returledningstemperatur som tim- medelvärden under 3 år har utnyttjats. Analysen är uppdelad i steg som beskrivs under punkt 4.2 "Rutin för analys av uppmätt tidserie". Steg A-D finns i detta exempel redan utfört under metodutvecklingen. Nästa steg i analysrutinen är E där lagerstorleken beräknas som funktion av skärfrek­ vens . Av figur 3.14 framgår två platåer där lagerstor­ leken är mindre beroende av skärfrekvens. Mellan frek­ vensen 0,4/dygn och strax under l/dygn handlar det om energivolymer omkring 250 kWh och i nästa område över l/dygn till 2/dygn är volymen strax under 100 kWh. Den topplastbesparing som strategi ett (250 kWh) ger upphov till är 19 kW och strategi två (100 kWh) sparar 16 kW. Framledningstemperaturen vid topplast är vid båda tillfällena 111°C och returledningstemperaturen 43 C. För båda strategierna krävs att lagret skall kunna lämna 40 kW momentant. 29 Utnyttjas volymen i kWh samt maximal fram- respektive returledningstemperatur motsvarar energivolymer^ ett vattenmagasin på 15 rir för strategi ett och 8 m för strategi två. Jämförs volymen med maximal respektive minimal framledtiingstemperatur motsvarar energivoly­ men cirka 2-4 rn i båda fallen. Kostnadskonsekvenserna för lagerstrategierna framgår av nedanstående tabell. ' Strategi 1 2 Energikostnad som funktion av tid på dygn och årstid (se Tidstariff Figur 4.1 i 570 ) kr/år 360 kr/år Energikostnad som funktion av uttagen effekt 2800 kr/år 1600 kr/år Till ovanstående driftkostnadskonsekvenser sparad topplast och kapitalkostnader för skall be­ byggandet av lager m m läggas. Energi volym kWh 10000 1000 Frakvarus f dygn Figur 3.14 Lagerstorlek som funktion av skärfrek­ vens för genomräknat exempel 30 Figur 3.15 Illustration av topplastbesparing med lagerstrategi ett Figur 3.16 Illustration av topplastbesparing med lagerstrategi två 31 FJÄRRVÄRMENÄT EFFEKT DATA FIL : TSENEFJ VIA029 FRAMLEDNIN6STEMPERATUR FIL ; TSTFRFJS VIA029 RETUR1EDNINGSTEMPERATUR FIL ; TSTREFJS VIA029 FREKVENS FÖR FILTER 3 dB-GRÄNS = 35.00 Max last Pm Pd kW kW Tf ’C Tr 'C I Lagereffekt 1 Pm Pd Tf ! kW kW 1C Tr ’C Lage Q kWh rvolymer Tf r Tfr max Min ’C ’C Tre max 'C m3 f ST5 1 Jan 1 981 153 1 S 10G 43 ! 136 39 10G 38 ro07 1 15 105 47 17 25 Feb 1 981 134 16 109 42 1 110 32 1 12 37 141 1 15 105 48 12 24 Mar 1 981 97 i 3 113 40 ! 78 35 98 39 164 1 14 81 49 4 20 Apr 1 981 92 11 99 38 ! 85 38 100 38 157 1 1 ! 80 54 4 IB May 1 981 53 27 75 39 1 53 34 81 39 103 107 69 55 2 12 Jan 1 981 58 20 75 35 ! 41 25 74 37 98 90 67 57 4 9 Jul 1 98! 39 22 83 41 ! 39 23 77 45 5G 83 70 57 4 4 Aug 1 981 52 21 85 40 ! 52 22 88 39 71 91 70 59 3 31 Aug 1981 GG 23 87 37 1 63 30 87 38 133 9! 80 56 11 27 Sep 1981 96 22 95 40 ! 96 30 103 35 110 104 82 54 4 23 Oct 1 981 1 12 27 105 39 ! 112 32 107 39 125 116 88 43 4 19 No Y 1 981 147 19 105 45 i 92 33 100 39 121 1 1 G 87 46 4 IG Dec 1 981 158 19 1 15 48 ! 158 35 1 1 1 43 109 121 1 1 Jan 1982 142 23 1 14 44 ! 116 33 1 10 39 * ' 7 Feb 1 982 1 25 26 1 1 1 4! !■ 115 32 1 G Mar 1 982 99 15 107 37 ' Figur 3.17 Resultattabell för beräkning av stra­ tegi ett-alternativet. Topplastbespa- ring respektive krav på lagereffekt under perioden har markerats i tabellen FREKVENS FÖR FILTER 3 dB-GRÄNS = 40.00 Max Pm kW last Pd kW Tf ’C Tr 'C Lagereffekt Pm Pd Tf kW kW 'C Tr ’C Lagervolymer Tfr Tfr Q max min kWh ’C 'C Tre Max ’C m3 f srs m3 f 5 f M 1 1 981 153 14 108 44 136 36 106 38 142 1 15 105 47 12 2 25 Feb 1981 1 34 16 112 46 1 10 29 112 37 1 18 1 15 105 48 1 0 2 24 1981 97 7 1 13 40 78 41 98 39 85 1 14 81 49 2 1 20 Apr 1 981 92 10 100 40 85 3f 100 38 81 1 1 1 80 54 2 16 May 1 981 53 22 9! 43 53 30 84 36 58 1 07 69 bb 1 12 1 98! 58 15 81 34 53 21 73 41 67 90 67 57 2 c 9 Jul 1 981 39 19 83 41 39 21 77 45 39 83 70 57 Ù 1 4 Aug 1 981 52 18 88 38 52 19 8G 41 53 91 70 59 1 31 Aug 1981 66 17 87 37 63 23 87 38 77 9! 80 56 6 4 27 Sep 1981 96 15 95 39 96 23 103 35 78 104 82 54 3 } 23 Oct 1 981 1 12 nni. 102 39 97 31 97 38 109 1 16 88 4b 3 1 19 1981 147 15 1 10 45 92 28 100 39 82 1 16 87 46 2 1 16 1981 158 16 1 15 47 158 29 1 1 1 43 81 121 1 03 48 4 1 11 Jan 1982 142 ! 9 1 13 44 1 16 29 1 10 39 ! 91 1 17 1 04 47 6 1 Resultattabell för beräkning av stra­ tegi två-alternativet. Topplastbespa- ringrespektive krav på lagereffekt under perioden har markerats i tabellen Figur 3.18 ro t >i r o ro 32 4 SLUTSATSER Det genomförda projektet har främst syftat till att påvisa möjligheten att utnyttja signalanalys som ett hjälpmedel vid dimensionering av värmelager i befint­ liga uppvärmningssystem. Syftet har också varit att påvisa praktiska tillämpningar där den föreslagna metodiken skulle kunna få en ingenjörsmässig använd­ ning. En generell slutsats är att båda dessa syften är uppfyllda över förväntan. Vissa rutiner är redan användbara idag medan andra kräver ytterligare ut­ vecklingsarbete . 4.1 Praktiska tillämpningar Metodiken har utvecklats utifrån tillgängliga mätdata i ett uppvärmningssystem. Resultaten visar att värme­ lager kan simuleras och storlek m m beräknas för så­ väl korttidslager som säsongslager. Den potentiella användbarheten måste därför bedömas som mycket stor eftersom metodiken inte ställer några begränsande krav på uppvärmningssystemets storlek. Både enskilda småhus, flerfamiljshus, gruppcentraler, små och stora fjärrvärmesystem kan beräknas. Något som hittills studerats i mycket begränsad omfattning är analys med hänsyn till lagrets placering men detta förefal­ ler vara möjligt med mer avancerade signalanalytiska metoder såsom modalanalys. Kostnaden för mätningar och analys är en begränsande faktor som gör metoden olämplig för speciellt enskilda småhus som inte kan bära erforderliga undersökningar. Här bör emellertid metoden vara ett utmärkt hjälpmedel för typhusstudier och generella potentialbedömningar i ett mer överordnat utredningsarbete. För gruppcen­ traler och fjärrvärmesystem är den marginella ana­ lyskostnaden obetydlig, speciellt som användbara mät­ data, registrerade för andra ändamål, börjar finnas tillgängliga i många system. I det kommande statliga forskningsprogrammet läggs stor vikt vid utjämning av effekttoppar i elkraftsys­ temet. Behovet av tekniska insatser på detta område kan redan nu utläsas av den differentierade taxesätt- ning som införts. I t ex Stockholm erbjuds en s k "tidstariff" med olika energiavgift natt/dag - sommar/ vinter och därtill en särskild effektavgift. 33 Tidstariff Normal och dubbeltarlff Fast avgift kr/&r 300 El taxa Abonnemangsavgift Efföktavgift kp/kW och år 240 #) Energi avgift öre/kWh Normaltarlff 126 kr/år låganhet Vinter (nov-mar) 34.2 ära/kWh 186 kr/år vl Ila Högiasttid 44 Låg 1 astt i d 42 LångttdstarIff 207 kr/år låganhet Sommar (apr-okt) 32.4 öra/kWh 279 kr/år villa Hög 1asttid 24 Låglasttid 20 Dubbal tar Iff Höalasttid-màn-fre 07.00-21.00 36,0 öre/kWh Làg1astti d-övrig tid på dagan 270 kr/år #) Vid levarans som i huvudsak 23.4 Öre/kWh på anvånds für uppvärmning av småhus aller enstaka bostads­ lägenheter Sir effektavgiften 111 kr/kW/ir. Figur 4.1 Nya taxor för elektricitet från 1 januari 1986 i Stockholm Metodiken har hittills inte testats på elektriska energisystem men eftersom analysen avser en effekt­ variation bör den vara direkt applicerbar även på dessa system. En utvärdering bör tom vara betydligt enklare eftersom man inte behöver ta hänsyn till reg- lerfunktioner av temperatur och flöde. En verifikation av metodikens användbarhet på elekt­ riska system vore därför mycket önskvärd. Det skulle t ex kunna vara möjligt att beräkna inverkan av hus­ hållning, värmepumpar och värmelagring i eluppvärmda system, ändrade brukarvanor i bebyggelse och ändrade processrutiner inom industrin liksom direkt nyttan av att lagra elektrisk energi i t ex svänghjul (kort­ tid) och pumpkraftverk (dygn/säsong) samt inte minst lagring i samband med mottryckproduktion. Ett annat område med varierande flöden och effektbehov är industriella processer där lagring av olika slag har en stor potential. Det kan gälla kyla där det finns exempel på att lagring av is ersatt kompressor­ enheter för kylning av mjölk. Det kan gälla utjämning av material- och vätskeflöden och därvid, beroende på tidsstegen, tangera frågor som idag behandlas inom s k materialadministration. Tillämpningsområdena är i det närmaste obegränsade - signalanalytiska metoder kan användas så snart den sökta variationen går att registrera som en kontinuerlig tidserie. Inom VA (vatten och avlopp) bör metodiken ha stor tillämpning för bl a beräkning av utjämningsmagasin (dagvatten) och modifieringar i befintliga VA-nät alltifrån dimensionering av vattentorn till doserings- 34 utrustning. Även inom VA-området skulle det vara vär­ defullt med ett antal testfall för att verifiera me­ todens tillämpbarhet. (Andra områden inom VA där sig­ nalanalytiska och akustiska metoder tillämpas med framgång är läcksökning och undersökning av rörkorro­ sion. ) Användning av signalanalytiska metoder erbjuder en mängd olika analysmöjligheter utöver här studerad inverkan av lager. Således kan tidsserier studeras till storlek och fas, sorteras som t ex varaktighets- diagram eller beräknas med vedertagna statistiska metoder. Den enda förutsättningen är att mätdata finns i tillräcklig omfattning och uppfyller vissa minimi­ krav på kvalitet och representativitet. För informa­ tion om mätteknik och krav på mätdata hänvisas dels till avsnitt om mätdata i kapitel 3 ovan och dels till Appendix "Mätteknik". 4.2 Rutin för analys av uppmätt tidsserie Egentligen är det för tidigt att slutgiltigt definiera några generella rutiner eftersom dessa först bör tes­ tas på ett antal praktiska fallstudier. Med ledning av de resultat som presenteras i kapitel 2 och 3 ovan är det emellertid möjligt att ge följande förslag till rutin för utvärdering av dimensionerande krav på lager i befintliga system. Rutin för analys av uppmätt tidserie .A Formulering av problemställning .B Mätprogram .0 Dataöverföring .D Effektfunktion .E Lagerstorlek . F Samråd .G Lagervolym och effekt .H Kostnadskonsekvenser av energitaxor .I Vinst .J Kostnad .K Lönsamhet .L Val av lager Rutin för extrapolation Rutin A-C (ovan) ,M Mätdata .N Effektfunktion .0 Överföringsfunktion .P Dimensionerande belastning .Q Dimensionerande effektfunktion Rutin E-L (ovan) Figur 4.2 Steg i föreslagen analysrutin 35 A Formulering av problemställning Problemställningen måste definieras och strategi frå­ gorna diskuteras. Vad är det egentligen man är ute efter - placering av lager, korttids-/säsongslagring, reglertekniska frågor etc. Det finns alltför många exempel på att man utfört omfattande mätningar och gjort omfattande analyser utan att exakt ha klart för sig vad man var ute efter. B Mätprogram Mätprogrammet måste omfatta val av mätpunkter, tids­ intervall och hur länge mätningarna ska göras. Nog- grannhetskrav på olika mätstorheter måste bestämmas^ som underlag för val av givare. Programmet ska också inkludera rutiner för mätdatainsamling, datareduktion och registrering samt media för överföring till sig- nalanalysatorn. C Dataöverföring Data som registrerats i fält överförs till signalana- lysatorn, oftast via magnetband eller datalagrare. I samband med överföring görs en genomgång av data in­ klusive bortrensning av uppenbara fel, sortering, erforderlig datareduktion och eventuell anpassning till signalanalysatorns specifika krav. En dylik ge­ nomgång utförs rutinmässigt vid all dataöverföring i VIAKs laboratorium. D Effektfunktion Beräkning av effektförbrukning med ledning av uppmätta temperaturer och flöden är första steget i de analyser som hittills utförts. Beräkning av lagerstorlek har utförts på effektfunktionen, varvid ingående storheter som fram- och returledningstemperatur utnyttjats som referenser till framräknade värden. Figur 4.3 Uppmätt effektfunktion med simulerat lager 36 E Lagerstorlek Beräkning av lagerstorlek som funktion av skärfrekvens. I en iterativ process beräknas i ett första steg lager­ storleken vid ett "klippfilter" enligt de resultat som visas i kapitel 3. I därpå följande steg studeras inverkan av olika filter som väljs utifrån antaganden om lagrets storlek, typ och effekttröghet. Enarg l^olym kWh Figur 4.4 Lagerstorlek som funktion av skärfrek­ vens F Samråd Med ledning av den redovisning som rutinmässigt er­ hålls ur "E" och den valda stategin enligt "A" disku­ teras storleken av de lager som ytterligare ska under­ sökas. I diskussionen bör både energitekniker och signalanalytiker medverka. G Lagervolym och effekt 3 Beräkning av lagervolym (kWh, m ), lagereffekt och minskat effektbehov i produktionssystemet för de skär­ frekvenser man valt att studera. Maxlast ! Lagereffekt ! LagervoJymer Pm kW Pd kW Tf Tr * C Pm kW Pd kW Tf ’C Tr ’C Q kWh Tf r max 'C T fr min ’C Tre max ’ C m3 fsrs m3 rsfm t Jan 1 9S1 1 53 21 188 44 1 36 52 108 38 229 1 15 105 47 20 3 25 Feta 1981 1 34 32 1 10 46 110 37 1 12 37 263 t 15 105 48 r> nC- L, 3 24 Mar 1 981 97 18 1 1 3 40 78 3G 98 39 242 1 1 4 81 49 G 3 20 Apr 1 981 92 IB 99 37 85 33 1 00 38 219 1 1 t 80 54 B 3 IB May 1981 53 31 84 3G 53 31 84 36 124 107 89 55 3 2 12 Jun 1 981 58 23 80 34 55 25 73 41 147 90 G7 57 5 4 9 Jul 1 981 39 24 7? 50 39 25 77 50 75 83 70 57 5 n4 4 Aug 1 981 52 2B 8B 41 52 2G 86 41 152 91 70 59 e 4 Figur 4.5 Exempel på resultattabell 37 H Kostnadskonsekvenser av energitaxor Beräkning av kostnadskonsekvenser - vinst/förlust - vid passiv användning av lager enligt G. Det finns möjlighet att lägga in såväl energiprisvariationer som funktion av såväl effekt som tid. Observera att resultat enligt kapitel 3 visar att i vissa fall kan ett passivt värmelager få ogynnsam effekt vid tidsberoende energipriser genom att dyr energi lagras för att ersätta billig. Detta måste givetvis förhindras genom lämplig reglering, varvid helt nya krav kan komma att ställas på lagrets pres­ tanda. Detaljerade beräkningar med simulering av olika reglersrrategier kan göras i analysatorn. I Vinst "Vinsten" utgörs dels av en sparad och prissatt effekt i produktionssystemet, dels en ackumulerad skillnad mellan värdet av inlagrad och uttagen energi i lagret - detta sista vid varierande priser, varvid observeras att skillnaden kan vara negativ (förlust). J Kostnad Kostnaderna utgörs dels av kostnad för lagret (volym), dels av kostnader för värmeväxlare och annan utrust­ ning. Ur tabell (figur 4.5) erhålls uppgifter som ger underlag för beräkningen tillsammans med empiriska värden på lagerkostnader (Kr/in ) för olika lagertyper. K Lönsamhet Beräkning av lönsamhet med ledning av uppgifter från "I" och "J" enligt pay-off-metoden eller nuvärdesmeto- den beroende på vilket kvalitetsmått som erfordras i detta skede. Metoder för lönsamhetsberäkning av värme­ lager diskuteras i Byggforskningsrådets utvärderings­ rapport "Värmelager" 1986. L Val av lager Med ledning av ovanstående resultat och beräknad lön­ samhet väljs vilket lager - storlek och strategi - som ska ligga till grund för fortsatt projektering och mer detaljerade analyser med olika reglerstrate- gier. Ett viktigt beslut kan därvid naturligtvis vara att inte bygga något lager alls. Man kan också välja en lagerstrageti som t ex enbart styrs av förväntade prisvariationer utan hänsyn till systemens "egna" tekniska egenskaper - något som skulle kunna jämföras med en "teknisk våldtäkt" och som på sikt måste vara oekonomisk sett i ett större sammanhang. 38 4.3 Rutin för extrapolation Ovanstående rutin avser analys av en längre mätserie som inom sig rymmer de dimensionerande belastningsfall man vill undersöka. I de flesta fall vill man begränsa omfattningen av mätningar och det är sällan erforder­ liga mätdata finns för att dokumentera t ex ett upp­ värmningsystems egenskaper vid lägsta dimensionerande utetemperatur. Signalanalystiska metoder erbjuder härvid unika möjligheter att extrapolera resultat från korttidsmätningar till årsmedelvärden med hjälp av representativa temperaturdata, erhållna från exem­ pelvis SMHI . Principen är enkel och är tidigare redovisad under kapitel 3. Med hjälp av mätresultat från en kortare period dokumenteras systemets "dynamiska" egenskaper genom en s k överföringsfunktion. Under förutsättning av linjäritet används denna överföringsfunktion för att beräkna systemets uppträdande under en längre och dimensionerande tidsperiod. Figur 4.6 Illustration av principen för extrapola­ tion med hjälp av signalanalytiska meto­ der M Mätdata Registrerade mätdata måste uppfylla samma krav som i den tidigare beskrivna rutinen "A-C" och inkludera en registrering av den pådrivande kraften (t ex ute­ temperatur) under samma tid (t). 39 N Effektfunktion Effektfunktionen beräknas med ledning av uppmätta data under tiden t på samma sätt som "D" ovan. 0 Överföringsfunktion Överföringsfunktionen som dokumenterar'systemets dyna­ miska egenskaper och sambandet mellan utetemperatur och effekt under tiden t beräknas enligt vedertagna signalanalytiska rutiner. P Dimensionerande belastning Dimensionerande tidsserie under tiden T över utetempe­ ratur kan erhållas av SMHI för området ifråga. Saknas en dimensionerande tidsserie kan man ta en annan rep­ resentativ serie från en ort med motsvarande klimattyp och kalibrera denna mot ortens dimensionerande ute­ temperatur (DUT 1-5 enligt WS-branschen). Detta för­ farande tillämpas rutinmässigt vid bl a dimensionering med hänsyn till jordbävningar, där man av tradition antagit en dimensionerande accelerationskraft. Med moderna metoder utnyttjas ett dimensionerande seismo­ gram, som kalibreras med hänsyn till seismisiteten på orten ifråga och används för att beräkna den dyna­ miska responsen i den aktuella konstruktionen. Effekt. kW Figur 4.7 Illustration av den presenterade extra- poleringen med hjälp av varaktighetsdia- gram 40 Q Dimensionerande effektfunktion Med hjälp av överföringsfunktionen från "B" och den dimensionerande belastningen från "C" beräknas effekt­ funktionen under tiden T. Längden på tiden T måste avgöras utifrån de strategier som dokumenterats i undersökningens början. På den beräknade effektfunktionen för tiden T genom­ förs beräkningar av lagerstorlek, vinst, kostnad och lönsamhet i enlighet med tidigare beskrivna rutin "E" - "L". Resultatet är således den beräknade lönsamheten av ett lager, varvid lagrets funktion simulerats under tillräckligt lång tid för att resultatet ska inkludera samtliga möjliga lastfall inklusive traditionellt dimensionerande effektkrav. 4.4 Fortsatt arbete Vissa delar av ovanstående rutin är klara för test i representativa praktikfall. Andra delar måste utveck­ las ytterligare. Dessutom är det motiverat att genom­ föra viss grundläggande forskning kring förutsättning­ ar och möjligheter att använda signalanalytiska meto­ der på klimatdata och energisystem. Följande delprojekt har identifierats: 1 Test av metoden på befintliga uppvärmningssystem för att verifiera tillämpbarheten i några praktiska fallstudier. Verifikationen bör utföras parallellt med "normal" projektering. En verifikation av me­ todens användbarhet erhålls också genom analys av funktionen hos befintliga lager. 2 Test av metoden på befintliga lager av olika stor­ lek och typ för att dokumentera olika lagers "ter­ modynamiska" egenskaper. Det finns mycket som talar för att ett värmelagers effekttröghet representeras av olika filtertyp/-branthet i en elektrisk analogi. I så fall skulle det vara möjligt att lägga upp en "bank" av filter som representerar olika lager och som antyds i den illustrerade iterationsrutinen under "E" ovan. 3 Utveckling av extrapolationsförfarandet genom auto- matisering. Överföringsfunktioner har hittills utnyttjats i delvis manuella rutiner för att å- stadkomma en extrapolerad effektfunktion. Ytterli­ gare utvecklingsarbete erfordras för att automati­ sera denna rutin och verifiera resultat bl a med hänsyn till observerade olinjäriteter. 41 4 Dimensionerande klimatdata förutsätts kunna erhål­ las från SMHI. Detta måste verifieras och använd­ ningen av data dokumenteras. Sambandet mellan di­ mensionerande tidsserier och "DUT 1-5" bör också studeras. Delprojektet syftar också till att lägga upp en databank med dimensionerande utetemperatur - ettårsserier - för orter med olika klimattyper. 5 Andra möjliga tillämpningar har diskuterats ovan. Således vore det värdefullt med test av metodens användbarhet i ett flertal olika praktikfall i skilda miljöer. 6 Styr- och reglertekniska strategier har stor inver­ kan på möjligheterna att ekonomiskt utnyttja energi­ lager. Signalanalytiska metoder erbjuder ett värde­ fullt hjälpmedel att studera olika samband, vilket med fördel bör göras i anslutning till utvärdering av resultat från ett konkret objekt. 7 Elektriska analogimodeller har tidigare utnyttjats för att simulera fysikaliska förlopp. Under senare år har datorsimulering blivit allenarådande trots de uppenbara fördelar en analogimodell har vad gäller överskådlighet och möjlighet att enkelt testa dynamiska förlopp. Med hjälp av signalanaly­ tiska metoder är det möjligt att bestämma egenska­ perna hos olika delar av t ex ett fjärrvärmenät - olika bebyggelsestruktur, temperaturkrav, produk- tionsanläggningar, lager etc som underlag för bygg­ andet av en analog modell av fjärrvärmenätet. (Del­ projektet skulle kunna vara ett lämpligt examensar­ bete . ) Ovanstående delprojekt bör genomföras i anslutning till "normalt" utrednings- och projekteringsarbete för maximalt samråd med energi- och drifttekniker. Olika former för genomförande ( i anslutning till andra utvecklingsprojekt) diskuteras med bl a Lunds tekniska högskola (reglerteknik), Umeå universitet (mätteknik), Stockholm Energi (Hässelbyverket), Vat­ tenfall (Energihushållning), SMHI och Byggforsknings- rådet. Vissa delar kan eventuellt också finansieras av VIAK och ingå som komponenter i normal uppdrags­ verksamhet. Utöver fortsatt utveckling planeras en informativ artikel för publicering i Byggforskningen, WS-tidningen och/eller någon El-tidning. Detaljplanering av de olika delprojekten, budget och resurser för genomförande etc presenteras i annan ordning. LITTERATUR. 1. D.C. HITTLE, A Comparision of Building Energy use Calculated with Actual and Synthesized Heather Data, U.S. Army Construction Engineering Research Laboratory,Champaign, Illinois, USA. 2. W. F. PHILLIPS, Harmonic Analysis of Climatic Data, Solar Energy Vol. 32. No. 3, pp. 319-328, 1984. 3. A. C. SALCEDO, Fourier Analysis of Meteorological Data to Obtain a Typical Annual Time Function, Solar Energy Vol. 32, No. 4, pp. 479-488, 1984. 4. S. SILLMAN, Performance and Economics of Annual Storage Solar Heating Systems, Solar Energy Vol. 27, No. 6, pp. 513-528, 1981. 5. J.HALLENBERG, R.KNUTSSON, Kortidslagring av vattenburen värme, BFR-forskningsanslag 820257-6 och 831334-6. 6. D. KARNOPP, Multiple Energy Domain Systems, Shock and vibration computer programs. 7. A. ÖSTERGREN, H. GRANSELL, Ackumulatorer i kraftvärmesystem, Studsvik rapport EI-85/122, 1985. 8. Värmelagers roll i energisystem, Beräkningsmetoder, BFR-seminarium januari 1985, BFR-rapport R68:1985. B. SVEDINGER, Värme i mark och vatten. Analysmetodik vid dimensionering av anläggningar för värmeutvinning och värmelagring, Jord- och Bergmekanik Rapport nr 17 KTH, 1984. 9. APPENDIX 1. ENERGY STORAGE by Björn Svedinger Storage of energy in various forms is a vital part of most energy systems. Results from Swedish and international research programmes indicate that energy storage will be even more important with the introduction of new energy technology. This paper will present various technologies for energy sto­ rage. It will also give some examples from practical experien­ ce of applications for developing countries. Finally, I will present some information on current research work in Sweden. The experiences gained in energy storage for electricity pro­ duction and storage of oil and gas are well known. That tech­ nology has been developed into thermal energy storage for heating and cooling. I will therefore concentrate my presen­ tation on new applications for thermal energy storagè. Purpose of energy storage Energy storage is required for a lot of purposes such as: basic storage for large energy producers and consumers reserve for strategic reasons leveling out of variations in production and consumption of energy. Thermal energy storages can be a part of almost any energy system. Some applications are: solar energy waste energy coal, garbage and wood burning electricity production and cogeneration for industry and dwellings as illustrated in Figure 1. Heat pumps and cooling machines can also be integrated into the system when change of temperature is required 2«ff !m<' Figure 1 Thermal energy storage It must be pointed out that the same technology - engineering design and calculation methods - are used for both heating and cooling. From an engineering point of view, it is only a ques­ tion of temperature and gradients. It is therefore possible to utilize know-how from Sweden also in developing countries, where cooling plays the major role. The principal applications of energy storage - either short­ term or seasonal - in an energy system are as illustrated in Fig 2 and 3 : Peak power reduction. The storage is charged when energy is available and used to cover peak demand. Energy conservation. The storage is charged with waste energy, surplus heat, solar energy, etc and used when needed. Cost reduction. The storage is charged with cheap energy (such as electricity during night), and used when energy is expensive. 3Power Short term and seasonal storage Heating Heating & cooling Cooling Figure 2 Illustration of power demand in any energy system and the effect of short and long-term storage. Principal applications • Peak power reduction *ower A oHBtVm..rc.l WÊÊÏê / . r. im! CW ÿÿ-'.'w —^Time Ill Hi: Solution-> • Energy conservation (-waste energy) Power A -^Time • Cost reduction (-price variation) Figure 3 Principal applications of energy storage 4Storage media The oldest of all technology for thermal energy storage is the use of the the building material itself. "Antique Greeks" used heavy material in their construction 2000 years ago and today the know-how of these so-called "passive systems" is well developed. The idea is to use a material with thermal capacity to even out the temperature - day/night - in order to avoid heating and cooling. Wh/t/m2 Figure 4 Thermal energy storage in building materials Chemical storage in salt is interesting as an alternative to water tanks in small-scale applications. The principle is the same as for ice/water which stores a lot of energy at 0°C. Today there are some types of equipment on the interna­ tional market using CaCl9 x öH^O (Calcium Cloride Hexahydrate) (~30°C) and Na.SO, X 10H.O (Glaubersalt) (/^32°C). Fullscale 2 4 2 research installations in one-family houses and industries are being studied in Sweden. Indoor temperature Building material 5Steel tanks are widely used for all kinds of storage - oil, cold/hot water, steam, etc - and for almost any application. Insulated pressure tanks are widely used in' industrial and heating systems but are very expensive for large-scale storage 3 In Sweden unpressurised water tanks up to 40 000 m are used in district heating in order to even out short-term variations Another concept being studied is earth and rock pits. A re- 3 search project with a 10 000 m hot water storage for 50 one- family houses has been in operation since 1980. Tank Figure 5 Energy storage in steel tanks Subsurface energy storage has been thoroughly studied for many years in Sweden. Rock caverns are built for shelter and storage of oil, gas, food and other products all over the world. Apart from energy storage, rock caverns can also be an alternative for storage of drinking water. 6Gas and water can be stored in groundwater reservoirs (aqui­ fers). A new technology with vertical tube systems can be used for thermal energy storage. The earth itself can also be used as insulation in underground buildings. The possible applications are endless. Subsurface location of an energy storage should be considered: where large volumes are needed (investment cost) where good insulation and stable thermal conditions are required. (Savings in energy for heating and cooling - lower maintenance cost) when location within or in connection to urban areas is required (environmental aspects), but must be based on a careful geological investigation. Figure 6 Underground technology 7Examples - applications The demand for comfortable indoor temperatures and humidity will increase with the standard of living. Apart from conven­ tional constructions, a thermal capacity can be separate by means of watertanks or chemical stores. A bed of stones can also be used in an air based ventilation system but experience has not been good due to mould. New technology can be more or less hard to operate and main­ tain. "Solar roof" as shown in Figure 7 might be an alter­ native for arid climates. The market for more advanced "solar houses" in developing countries will probably be limited. Example: Building 60 Humidity % Insulation Solar roof Figur 7 Building design Further development of passive energy systems brings technolo­ gy even further "back to nature", as illustrated in Figure 8. The underground is used for storage of, for example food. Dwellings in terrace houses, where the surrounding soil is calculated within the energy system, are today very popular in some areas. Underground storage Underground dwelling Figure 8 Underground storage and dwellings The underground can also be used as an active part of the energy system. Heat pump technology has become very popular in Sweden and applications with subsoil and groundwater as heat sources are very common. Figure 9 Heat pump applications in Sweden 9Experience gained is now being used to design energy systems for both heating and cooling - systems that in some cases work without heat pumps or cooling machines. Demand: Constant temperature Coil systemVentilation Figure 10 Underground coil system and ventilation Heat exchanger ""——— with or without heat pump/cooling^machine Figure 11 Air conditioning with groundwater 10 Figure 9-11 illustrates some applications where the underground is used for heating and cooling. The examples shown can be applied in different combinations, depending on local condi­ tions. All of the examples presented have been built and have in each case proven to be economical compared to conventional solutions. Industrial use of energy storage will have a large potential. The cost of energy and power can be reduced in an economical way with application of different storages - steam, hot or cold water, ice, etc. In many cases, the storage can be used many times a day, which gives a very short payback period. The example in Figure 12 shows the application of ice storage in a dairy where cooling is needed only for a very short pe­ riod of the day. The conventional solution is to use three compressors (cooling machines) to achieve the power necessary. Only one compressor is necessary when using a tank with water/ ice. The saving in equipment and cost of power gives a pay­ back period of less than one-half year. Example: Industry Dairy — cooling process Payback: 0,5 year Figure 12 Storage of ice in a dairy 11 As mentioned earlier, for large-scale applications the subsur­ face can offer the most economic storage media. Rock caverns are well-known alternative to steel tanks for Storage of large quantities of oil and gas. For many years, storages of up to 3 2 million m have been in operation in Sweden and many other countries. Figure 13 Underground storage of oil and gas For electricity production, peak power demand can be achieved by means of mechanical storage of water - pump storage - or compressed air with well-known technology. In a pump storage system the turbine is used as a pump during periods with excess electricity and the upper reservoir is charged. In a compressed air system the turbine is used as a compressor and the compres­ sed air will replace water in the storage. Cogeneration can use storage for peak power production - either hot water for heat demands or steam for electricity demands. As mentioned earlier, steam and hot water can be stored in tanks or below the surface in rock caverns and aquifers. De­ pending on the depth below the groundwater table the tempera­ ture of the water can be well over 100° C. 12 Examples: Electricity production Peak power Pump storage Compressed air storage i\~zziS-zms ~\ Figure 14 Compressed air and pump storage for peak electricity produktion Examples: Electricity production Figure 15 Cogeneration energy storage 13 R & D in Sweden Today, underground thermal energy storage for heating and cooling is of prime interest within the Swedish research pro­ gramme. We now have experience of full-scale projects with all kinds of application for storage in: caverns and pits tube systems aquifers The technology has a large potential in Sweden and will be commercial within a few years. An international "state of the art” was presented at a conference in Stockholm, June 1983 (Appendix) . Simulation models and energy system analyses are now carried out in a lot of research projects. A future energy system can be rather complex, as shown in Figure 16, but the opera­ tion should not be more complicated than electricity produc­ tion systems with different storages for seasonal and short­ term variations. Power Available Heat demand Heat storage ■ seasonal - low tem­ perature Figure 16 Energy systems with different applications of energy storage 14 Future energy systems will be designed to fit local conditions and especialy geology and natural resources. Methods for investigations and planning have been evaluated and are now applied at the community level all over Sweden. Figure 17 Energy system with local natural resources A pictue of future heating systems in Sweden is shown in Fi­ gure 18 where buildings, energy distribution and natural re­ sources work together in an optimal way. Figure 18 Future energy systems for heating and cooling 15 Finally, I would like to stress that consulting companies have played a major part within the Swedish research programme since the beginning of 1970. Therefore, we have experience of planning, design and construction work and also maintenance from all kinds of energy-saving and "alternative" energy tech­ nology. This know-how is necessary in order to find the right application of energy storage for different energy systems. Electricity production 'seasonal' "week' Established technology and know how • Design • Operation 'day/night" Introduction • Purpose • Technology — storage media • Examples — applications • Energy consumption • Energy production R & D in Sweden >T°C