BMEL-Projekt: EmissionPredictor

Logo BMEL

BMEL-Projekt: EmissionPredictor – Vorhersage und Reduktion von Schadstoffemissionen in Biomassefeuerungen durch Einsatz intelligenter Regler

Im Projekt EmissionPredictor wird die Bildung gasförmiger Emissionen in einer Biomassefeuerung mittels numerischer Simulation beschrieben um daraus mit Hilfe erfahrungsbasierter Regelungsstrategien ein on-line Betriebsassistenzsystem abzuleiten.

Förderkennzeichen: 22040318

Laufzeit: 01.04.2019 – 31.03.2022

FNR Fachagentur Nachwachsende Rohstoffe e.V.

Logo BMEL

Bundesministerium für Ernährung und Landwirtschaft

Sollen in Zukunft vermehrt Reststofffraktionen eingesetzt werden, so ist eine regelungstechnische Echtzeit­‑Optimierung der Feuerungen unabdingbar. Schwankende Brennstoffqualitäten dieser Brennstoffe – sowohl bezüglich der Stückigkeit als auch der Zusammensetzung – beeinflussen direkt die Stickoxidbildung, aber auch die Freisetzung von nicht vollständig umgesetzten Zwischenprodukten wie zum Beispiel Kohlenmonoxid. Aufgrund der daraus resultierenden Überschreitung der immer strenger werdenden Emissionsgrenzwerte werden große Biomassereststoffpotenziale – vor allem im Bereich landwirtschaftlicher Reststoffe – derzeit keiner sinnvollen Nutzung zugeführt.

Ziel des Projektes „EmissionPredictor“ ist es, die Bildung gasförmiger Emissionen in einer Biomassefeuerung mittels numerischer Simulation zu beschreiben, um daraus ein on-line Betriebsassistenzsystem abzuleiten. Live-Daten aus dem Biomasse-Heizkraftwerk Altenstadt sowie die Ergebnisse von experimentellen Untersuchungen an einer Wirbelschichtfeuerung im Labormaßstab werden zum Vergleich und zur Validierung von Simulationsergebnissen verwendet. Neben der Messung der Betriebsdaten des Kraftwerks werden zusätzlich die mittels optischer Sensoren festgestellten Brennstofffluktuationen aufgezeichnet. Aus den gesammelten Daten aus dem Kraftwerksbetrieb und den Ergebnissen der Simulationen wird ein selbstlernendes on-line Emissionskontrollsystem entwickelt und um dessen Potenzial im Rahmen eines Einsatzes an einer realen Anlage demonstriert.

Echtzeit Informationsfluss für das Online-Emissionskontrollsystem: Die Daten des Heizkraftwerks Altenstadt werden für den selbstlernenden Regler verwendet sowie für Echtzeit-Simulationen des aktuellen Betriebszustandes. Auf Basis der Messdaten, der simulierten Daten und durch das neuronale Netzwerk können durch Mustererkennung konkrete Handlungsempfehlungen abgeleitet werden, welche an die Anlagensteuerung des Heizkraftwerks laufen.

Ansprechpartner:

Johannes Lukas, M. Sc.

Department Chemie- und Bioingenieurwesen (CBI)
Lehrstuhl für Energieverfahrenstechnik