Dokumenterede energibesparelser ved optimeret distribution af fjernvarme

Transkript

1 Projekt nr Titel: Dokumenterede energibesparelser ved optimeret distribution af fjernvarme Udført af: Esbjerg Forsyning, Fjernvarme Fyn, Gentofte Fjernvarme, NIRAS A/S og Enervision A/S. Dokumenterede energibesparelser ved optimeret distribution af fjernvarme

2 INDHOLD 1 Forord Resume Indledning Hvordan kan et DFF medlem benytte dette projekt Beregningsmetode og opstilling af beregning Metodebeskrivelse Klargøring af SRO og Fjernaflæste FAS data Forbrug, som ikke er fjernaflæst Klargøring af TERMIS modeller Analyser Besparelsesberegninger Generelt om de viste data Esbjerg Hjerting Esbjerg Tjæreborg Fyn Korup Analyser på tværs Påvirkning af forbrugerafkøling Varmetabsopgørelsen Pumpeenergi Fjernaflæste data og Skyggegraddøgn Energibesparelsen ved en temperaturbetragtning Økonomi Esbjerg Forsyning Tilbagebetaling Hjerting Tilbagebetaling Tjæreborg Tilbagebetaling hele Esbjerg Fjernvarme Fyn Konklusion Kommentarer til Drejebog Gennemgang af metoden Reference temperatur Optimeret drifts-år Varmetab på månedsbasis Opgørelse af varmetab på månedsbasis Beregning af besparelsesprocent Beregning af varmeenergibesparelsen Beregning af øget pumpearbejde Retningslinjer for interesserede... 39

3 INDHOLD 9 Erfaringer NIRAS A/S Esbjerg Forsyning Fjernvarme Fyn Gentofte Fjernvarme BILAG I - Begrebsafklaring TERMIS Hvad er en ledningsnetmodel Online model Temperatur Optimering Varighedsberegning Fjernaflæst forbrug Opgørelse af energibesparelser BILAG II - Beskrivelse af projektområder Hjerting TERMIS Opsætning Hjerting Tjæreborg TERMIS Opsætning Tjæreborg Korup TERMIS Opsætning Korup... 52

4 1 FORORD Dette projekt er gennemført af Fjernvarme Fyn, Esbjerg Forsyning og Gentofte Fjernvarme samt NIRAS og Enervision med støtte fra Dansk Fjernvarmes F&U Konto. Ideen til projektet opstod efter, at en lang række forsyninger i Danmark, herunder Fjernvarme Fyn, Esbjerg Forsyning og Gentofte Fjernvarme, har investeret i systematisk anvendelse af IT og ledningsnetmodeller til optimering af distributionen med forventninger om reduktion af varmetab m.m. Der er således opstået et ønske om at få disse besparelser kvantificeret og demonstreret. Dette ønske er yderligere relevant i forhold til forsyningsvirksomhedernes realisering af energibesparelser til indberetning. Projektdeltagere: Fjernvarme Fyn A/S: Projektansvarlig: Peer Andersen Faglig projektleder: Lasse Elmelund Pedersen Andre deltagere: Jakob Rasmussen Esbjerg Forsyning A/S: Projektansvarlig: Claus Nielsen Faglig projektleder: Søren Kaffka Gentofte Fjernvarme: Projektansvarlig og faglig projektleder: Johan Sølvhøj NIRAS A/S: Projektansvarlig: Anders Hahn Kristensen Faglig projektleder: Jan Gellert Nøglemedarbejder: Ebbe Børgesen Enervision A/S: Projektansvarlig og faglig projektleder: Erik Demant 1

5 2 RESUME Ønsket om en mere effektiv distribution i forhold til en optimal fremløbstemperatur fra værkerne er udgangspunktet for dette projekt. Hertil er forskellige former for systematisk anvendelse af IT og ledningsnetmodeller taget i anvendelse på flere værker. Formålet med nærværende F&U projekt er ved en kvalitativ analyse at udarbejde en drejebog, som beskriver en mere kvantitativ metode at opgøre sin energibesparelse ved sænkning af fremløbstemperaturen. Projektet blev startet op i marts 2011 og har omfattet metodebeskrivelse, dataindsamling, analyse af måledata og afrapportering. Der er i projektet fundet en metode til opgørelse af energibesparelsen ved brug af temperaturoptimeringssoftware. Ens for alle de undersøgte fjernvarmedistributionsområder er, at temperaturoptimeringen er udført i programmet TERMIS og har kørt fra januar 2011 og frem. Opgørelsesmetoden er dog uafhængig af, hvilket produkt temperaturoptimeringen er udført med. Til at bestemme energibesparelsen er der set på det målte varmetab på månedsbasis, bestemt som differencen mellem leveret energi og forbrug. For at bestemme forbruget så præcist som muligt, er forsyningernes fjernaflæsningssystem benyttet. Blandt resultaterne kan nævnes: Kan varmetabet opgøres på månedsbasis, kan besparelsen beregnes på baggrund af temperaturgradient faktoren og historiske data. Til forsyninger uden fjernaflæsning er der beskrevet en metode til konvertering af årsforbrug til månedsforbrug baseret på graddøgn Sænkes fremløbstemperaturen 1K, vil gennemsnitsfremløbstemperaturen i ledningsnettet sænkes 0,825K. Dette skyldes det øgede volumen flow Pumpeenergien kan sættes til 2,8 % forøgelse pr. grad optimering Varmetabsbesparelsen er meget større end den tilsvarende forøgede pumpedrift Forbrugerinstallationernes afkøling forringes Forbrugerinstallationernes returtemperatur ser ud til at forøges en smule, ikke nok data til denne konklusion 2

6 Metoden kan benyttes i forbindelse med indberetning af dokumenterede energibesparelser. Der er derudover fundet, at: Fjernaflæsning kræver en ihærdig indsats men som beregningerne viser, opnås stor nøjagtighed ved en høj måleprocent Manglende fokus på pumpedriften en elmåler burde være et minimum Stor besparelse i fyringsmånederne, historisk sænkning om sommeren mindsker/fjerner besparelsen for denne periode Opgørelsen har krævet overblik og datavalidering af store mængder data. En øvelse, som bør udføres hyppigere for at kontrollere ens loggede data. 3

7 3 INDLEDNING Tre danske fjernvarmeforsyninger ønsker i samarbejde med NIRAS A/S at dokumentere og demonstrere, hvorledes de har opnået store besparelser på en optimeret distribution af energi. Projektets formål er: at kvantificere og demonstrere den specifikke varmereduktion i forhold til temperaturoptimering at opstille nøgletal for temperaturoptimering baseret på erfaringer fra projektet. Valget af de tre fjernvarmeforsyninger er sket således, at de tilsammen dækker et repræsentativt udsnit af de danske forsyninger. Fra de 3 fjernvarmeforsyninger er delområderne Hjerting og Tjæreborg (Esbjerg Forsyning), Korup (FFyn) samt Skt Peder Varme Veksler net (Kaldet SPW, Gentofte Fjernvarme) udvalgt. Fra disse områder kan der indsamles finere data af forbrugsaflæsninger (månedsaflæsninger). Projektet er unikt i den forstand, at fjernvarmeselskaber og forbrugere opnår væsentlige fordele som følge af projektet. Det drejer sig om: Fjernvarmeselskabet opnår økonomiske besparelser, som kan finansiere implementeringen af teknologien og bidrage til, at varmeprisen kan fastholdes eller måske sænkes over for forbrugerne Fjernvarmeselskabet kan over for forbrugerne signalere aktiv handling i bestræbelserne på at opnå energibesparelser en grøn profil Fokus på forbrugernes adfærd i forhold til bl.a. afkøling n og de besparelser, der i den henseende kan opnås og derved åbne muligheden for at fastholde eller endda sænke deres varmepris. En optimering af fremløbstemperaturen fra værkerne, således at temperaturen hos de kritiske forbrugere til stadighed lige akkurat overholder kravene hertil, vil resultere i et mindre varmetab til omgivelserne. Dette vil betyde, at fremløbstemperaturen til stadighed ændres ud fra aftaget i nettet samt ydre påvirkninger som vind og temperatur. I dag vil de fleste køre ud med en konstant temperatur, som måske reguleres nogle gange om året. Der er i dag mulighed for at gennemføre en løbende og automatiseret optimering af fremløbstemperaturerne hvilket sker med anvendelse af realtids modeller af nettet opkoblet til SRO. Et særligt modul bestemmer løbende de nye styreværdier for temperaturen og disse styreværdier overføres automatisk til SRO, som på sin side styrer de lokale PLC er. 4

8 Optimeringen gør brug af en realtids model af ledningsnettet, en model, som beskriver tilstanden overalt i nettet, herunder også de nærmeste timer og dage frem i tiden. Lastprognoser bestemt ud fra en kombination af historiske produktionsdata samt vejrudsigten for de kommende døgn sikrer, at modellen giver realistiske og troværdige informationer om den fremtidige tilstand. Modellen er samtidig en udvidelse af SRO systemet, da den kan reagere og alarmere på fremtidige problemer, før de opstår. Der er således også en driftsmæssig sidegevinst ved at investere i en løbende optimering af fremløbstemperaturen. Projektet fokuserer på, hvad der faktisk er opnået af besparelser hos de tre fjernvarmeforsyninger ved at anvende ovenstående teknologier. 3.1 Hvordan kan et DFF medlem benytte dette projekt Projektet beskriver både, hvordan en erfaren bruger af TERMIS kan udføre samme type beregning på egen ledningsnetmodel eller benytte projektets drejebog, som beskriver en konkret metode til at bestemme energibesparelsen på månedsbasis. Ud over at være en konkret drejebog i afrapportering af ens energibesparelse, kan forsyninger, som overvejer at anskaffe temperaturoptimering, benytte projektets resultater til at vurdere den potentielle besparelse, der opnås. Dette giver et bedre grundlag at træffe en beslutning, om anskaffelse af ny software er det værd. Ydermere skal projektet bruges til at tydeliggøre de processer og erfaringer, som Fjernvarme Fyn, Esbjerg Forsyning og Gentofte Fjernvarme har fået som de implementerede optimeringen. 5

9 4 BEREGNINGSMETODE OG OPSTILLING AF BEREGNING Fjernvarmenet er store komplekse systemer, hvor ét datasæt, der beskriver alle parametre til samme tid, ikke kan fremskaffes. Ledningsnettet er i konstant udvikling, med input og ændringer fra mange sider. Forbrugsvariationer, vind og vejr, renovering, fokus på temperaturstyring er blot få af mange parametre, som konstant ændres og justeres. En direkte sammenligning mellem to år på én parameter (I dette projekt fremløbstemperaturen) er umuligt, uden en vis form for korrektion. Den valgte opgørelsesmetode afspejler dette faktum. Den benyttede opgørelsesmetode er valgt ud fra et kompromis af hyppigheden af målingerne af de tilgængelige data. 4.1 Metodebeskrivelse Den benyttede opgørelsesmetode afstemmer modelberegninger med målinger på månedsbasis. At der udføres varighedsberegninger på månedsdata, skyldes i høj grad hyppigheden og præcisionen af det fjernaflæste forbrug. Metoden tager udgangspunkt i den energibalance, som kan opstilles på baggrund af målingerne. Fra SRO systemet kan den leverede energimængde bestemmes, og de fjernaflæste målere bestemmer forbruget. Forskellen mellem de to energimålinger er derfor varmetabet for den pågældende måned. Dette skal afspejles i varighedsberegningen i TERMIS. For at kunne udføre denne beregning, hvor varmetabet beregnes, skal TERMIS modellerne om-konstrueres, så hele ledningsnettet medregnes. Som nævnt i bilag afsnit Hvad er en ledningsnetmodel, er de fleste TERMIS modeller forsimplede udgaver af hele ledningsnettet. Stikledninger og de mindste dimensioner i gadeledningerne er forsimplet væk, og varmetabet for disse meter ledning overføres som forbrug. Som dette projekt ønsker at bestemme forskellene i varmetab, og ikke trykdifferenser og strømninger i hovedledningsnettet, skal varmetabet i stik ikke beregnes som ekstra forbrug. Dette kræver en mindre ombygning af modellerne, så den fulde ledningslængde medtages. Dette er beskrevet i afsnit 4.3 Klargøring af TERMIS modeller. Opgørelsen af varmetabet på månedsbasis er selv med hyppige målinger af forbruget behæftet med en måleusikkerhed. Antagelsen til beregningerne bliver, at det målte varmetab set over projektperioden skal svare til det beregnede varmetab. Varmetabsbalancen på månedsbasis vil derfor nødvendigvis ikke stemme overens med det målte. Når modellens varmetabsberegninger stemmer overens med målte data (modellen justeres ind ved ændring af varmetabskoefficienten, hvis nødvendigt), udføres der en referenceberegning med den historiske fremløbstemperatur for tilsvarende perioder. Grundantagelsen i referenceberegningsmetoden er, at størrelsen af månedsforbruget er uafhængigt af fremløbstemperaturen. 6

10 Den historiske fremløbstemperatur er en kompleks størrelse at definere, som der ikke er en simpel sammenhæng mellem forbrug, omgivelsestemperatur og deslige og styring af fremløbstemperaturen. Dette skyldes delvist den menneskelige vurdering af, hvornår temperaturen skal sænkes og hæves over året, samt løbende forsøg på sænkning af temperaturen år for år, udført af den driftsansvarlige. Som reference vælges derfor at danne et beskrivende polynomium af årene som gennemsnit af fremløbstemperaturer og sæsonudsving. Til dannelse af varighedskurverne bestemmes der for hver måned de gennemsnitlige værdier, som benyttes i varighedsberegningen. Perioder, hvor optimeringen ikke har kørt, medregnes ikke. Når beregningerne for perioderne er udført, vil forskellen i varmetab mellem de to scenarier være besparelsen opnået ved temperaturoptimeringen. 4.2 Klargøring af SRO og Fjernaflæste FAS data For fjernaflæste forbrugsdata er der flere forbehold, som skal overvejes. Historiske data har vist følgende om de fjernaflæste forbrug: 1. Det er en ny teknologi, som først er implementeret fra 2009/2010 begrænset fokus med brug af teknologien til termiske analyser. 2. Fejlmålinger, slukkede målere, manglende signal, samt periodeforskydning giver anledning til mindre fjernaflæst forbrug end tilsvarende årsafregning. 3. Under 100 % af målerne er aktive. For at korrigere for disse afgivelser er forbruget i første omgang skaleret op til, hvad der svarer til 100 % af målerne. Ved sammenligning med tidligere år kan det konstateres, at selv den korrigerede fjernaflæsning afviger % fra FAS. Denne afvigelse tilføjes den fjernmålte energimængde for at undgå at indregne et ikke eksisterende varmetab. Målerkorrektion fordelt på F&U projektets områder er følgende: Korup Tjæreborg Hjerting SPW 3,8 % 6,5 % ~ 0 % Mangler Hver månedsaflæsning korrigeres som beskrevet ovenfor, derefter fordeles forbruget forholdsmæssigt med den leverede effekt på månedsbasis. Dette gøres for, at forbruget fordeles bedst muligt i de perioder, hvor optimeringen ikke har kørt. 7

11 Fremløbstemperatur [C] Timeværdier fra SRO kan for hver måned koges ned til gennemsnitsværdier til brug i TERMIS varighedsberegninger, se Figur 1. Den historiske fremløbstemperatur er baseret på gennemsnit fra forrige år. Der er dog nogle problematikker ved dette, bl.a. i Korup, hvor 2008 blev der benyttet temperaturoptimering, samt de først 6 dage i januar året efter. Dvs. den historiske fremløbstemperatur bestemmes af gennemsnittet for 2009 og 2010, hvor starten af januar 2009 estimeres ud fra, hvornår styringen stoppede. Figur 1 Uddrag af sammenkogte data brugt til varighedsopsætningen i TERMIS ved brug af Excels pivottabel. Beregningen har kun benyttet kolonnen, hvor temperaturoptimeringen har været i drift. (viste data er fra Hjerting) Den historiske fremløbstemperatur udglattes ved at finde et 4-5 grads polynomium til at beskrive temperaturens sæsonudsving, se Figur 2. Figur 2 Gennemsnit af historisk fremløbstemperatur Korup Baseret på gennemsnit af målinger Opsætning af 5. gradspolynomium for den historiske fremløbstemperatur ved Korup, Tjæreborg og Hjerting y = x x x x x R 2 = historisk fremløbstemperatur 5. grads polynomie Fortløbende timer 8

12 Fremløbstemperatur [C] Fremløbstemperatur [C] Gennemsnitlige fremløbstemperaturer for Tjæreborg y = x x x x x R 2 = Tjæreborg historisk fremløbstemp. 5. grads polynomie Fortløbende timer Gennemsnitlige fremløbstemperaturer for Hjerting y = x x x x R 2 = Hjerting historisk styring 5. grads polynomie Fortløbende timer Forbrug, som ikke er fjernaflæst I Esbjerg Forsyning er alle storforbrugere (skoler, større boligforeninger m.m.) endnu ikke fjernaflæst. Betydningen af storforbrugerne er størst for Hjerting blandekredsen. Denne gruppering kan ikke skaleres op med den førnævnte metode, da deres forbrug er langt over gennemsnittet. (Skaleres det som gennemsnittet, er der tale om 20 % afvigelse ved sammenligning med forrige års FAS afregning og fjernaflæsning). Problematikken er, at afregningsåret ikke er færdigt i projektperioden, så storforbruget skal estimeres baseret på historiske data, det generelle forbrugsmønster for forbrugszonen, samt graddøgnsmodellen. Graddøgnsmodellen er en fornuftig metode at skalere forbruget på, så energimængderne passer fra år til år. For at kunne gøre denne øvelse korrekt, skal det graddøgnsuafhængige forbrug bestemmes (varmt brugsvand). Ulempen er sæsonbetingelser på brugsvandet, såsom sommerferien for folkeskoler. Denne 9

13 usikkerhed i det månedlige forbrug for storforbrugere vurderes udjævnet ved, at varmetabsbalancen ønskes afstemt over hele projektperioden. 4.3 Klargøring af TERMIS modeller For at kunne udføre en varighedsberegning på en TERMIS model, hvor energitab opgøres rigtigt, er der flere trin, der skal udføres. Da alle deltagernes TERMIS modeller ikke er 100 % modeller (alle ledninger er medtaget, inkl. stik), skal TERMIS automatiserede stik funktion benyttes, denne har dog nogle begrænsninger. Den kender ikke det rigtige tracé af stikket på en matrikel, hvilket giver en forkert total stiklængde, hvis denne ikke korrigeres. Alle de nye knuder, som skal oprettes med denne funktion, oprettes i kote 0m. Længden af stik kan defineres, men ikke kortere end kote-forskellen (kan give enormt lange stik!). Konverteringen af modellerne til virksomme 100 % modeller er gennemgået i afsnittet Bilag II. 10

14 5 ANALYSER Deltagerne i projektet har alle styret efter temperaturoptimeringens anvisning fra start januar Driften har næsten været kontinuert gennem projektperioden. Optimeringen har været delvist slukket om sommeren grundet begrænsninger på nedre fremløbstemperaturer ved blandekredse. SRO og fjernaflæste data er for hvert delområde opgjort på månedsbasis for at generere en årskørselsliste til TERMIS, som beskrevet i afsnit 4.2 Klargøring af SRO og Fjernaflæste FAS data. Årskørselslisten er kun opgjort for de perioder, hvor optimeringen har kørt. Alle beregninger, som henviser til TERMIS, hvor der er udført en varmetabsjustering til det samlede varmetab i beregningsperioden, svarer til det målte. At varmetabet ikke svarer til det målte på månedsbasis, skyldes en vurdering af at ledningsnettets varmetabskoefficient, som skal være konstant, og varmetabet er en funktion af temperaturforholdet mellem frem-, returog ude-temperaturen. F&U projektet har set på perioden 1. januar til 31. juli

15 5.1 Besparelsesberegninger Besparelsen er kun opgjort for de timer, hvor optimeringen har været aktiv. Dette kan ses af hver blandekreds tabeloversigt, hvor kolonnen TO driftstimer svarer til, hvor mange timer optimeringen har kørt det pågældende måned. Ved begge beregninger er forbrugernes temperaturdifference justeret til, så returtemperaturen an værk svarer til den målte værdi +/- 0,5K. For de historiske beregninger antages returtemperaturen at være tilsvarende den optimerede (mindre fejl) Generelt om de viste data Til hvert delområde er der vist to temperaturdifferenser. Den ene er bestemt ab værk, altså den direkte reduktion af fremløbstemperaturen i forhold til den historiske fremløbstemperaturstyring (dt værk). Den anden temperaturdifferens (dt ledningsnet) er den beregnede gennemsnitlige reduktion af fremløbstemperaturen i hele ledningsnettet ved sammenligning mellem de to beregninger, når alle knuder i ledningsnettet tages med, og et gennemsnit beregnes. At denne er lavere end ab værk, skyldes det større volumen-flow i ledningsnettet, hvilket sænker temperaturgradienten i ledningsnettet. Dette er medvirkende til en lavere varmetabsreduktion end en isoleret temperaturbetragtning ab værk. Til pumpeenergiberegningen er der set på det målte flow og trykdifferens over blandekredsen i ledningsnettet og det beregnede flow, som hvis den historiske fremløbstemperatur var benyttet. Det målte differenstryk over værket svarer til det tab, som sker gennem ledningsnettet. Det er dette differenstryk, som pumpeenergien beregnes ud fra. Dette giver anledning til en usikkerhed, som tryktabet over nettet vil være mindre ved et lavere flow. En beregning af pumpeenergien ved en årskørsel kan ikke nuanceres med trykforhold og kan derfor ikke benyttes. Pumpearbejdet tilføres delvist på den lokale blandekreds pumper og på transmissionsnettets pumpestationer. Det beregnede pumpearbejde differentierer ikke mellem, hvilken pumpe der udfører det ekstra arbejde. 12

16 Temperatur [ C] Fremløbstemperatur ændring [K] Esbjerg Hjerting Varmetabsfaktoren indstilles til 91 % af katalogværdien. Dette er blandt andet et udtryk for, at ledningskataloget ikke differentierer nok mellem de lagte ledningstyper og en usikkerhed på månedsaflæsningen af forbruget (fx lille forskel på varmetabsforskel mellem betonkasser og prærør). Måned TO drifts- Varmetab Varmetab Besparelse timer TO historisk [MWh] I % [timer] [MWh] [MWh] Januar ,3 % Februar ,8 % Marts ,0 % April ,7 % Maj ,9 % Juni ,5 % Sum ,7 % Tabel 1 Beregnede varmetab ved temperaturoptimering og ved den historiske styring for Hjerting. Som Tabel 1 viser, er der hentet store procentvise besparelser i fyringsmånederne og markant mindre i forår/start sommer. Dette skyldes en løbende reduktion af fremløbstemperaturen over foråret historisk set, se Figur 3. Temperatur optimeringsdifferensen er derved stærkt faldende op mod sommeren. Figur 3 Temperaturer Hjerting Som den historiske fremløbs temperatur viser, er optime ringspotentialet i det sene forår/start sommer marginalt. De viste temperaturer er et gennemsnit for de viste måneder i de timer, hvor der styres Tfrem optimeret Tfrem Historisk dt værk dt ledningsnet efter temperaturoptimeringen Januar Februar Marts April Maj Juni Måned 0 Ses der på beregningen af ekstra pumpenergi, fordeler det sig som vist i Tabel 2. Der er kun set på driftstimer, hvor TO er aktiv. Forøgelsen i pumpeenergi er tydelig, med forøgelser på månedsbasis på op til 40 %. Holdes det ekstra pumpearbejde op mod energibesparelsen, er forholdet 375 MWh varmebesparelse mod 13

17 ca. 11 MWh ekstra el-omkostning, en faktor 34. Selv med en højere værdisætning af el-energi er besparelsen stadig favorabel. Pumpe Pumpeenergi Ekstra pum- % forøgel- dt % pumpeenergi pr Energi historisk pedrift [kwh] se værk grad optimering [kwh] [kwh] [K] % 14,3 2,6 % % 14,8 2,7 % % 9,9 2,6 % % 7,3 2,9 % % 1,9 2,8 % % 0,8 2,9 % I alt (gns.) % 8,2 2,8 % Tabel 2: Oversigt over beregnet pumpeenergi for Hjerting Esbjerg Tjæreborg Varmetabsfaktoren indstilles til 117 % af katalogværdien. Dette er blandt andet et udtryk for, at ledningskataloget ikke differentierer nok mellem de lagte ledningstyper (fx lille forskel mellem betonkasser og prærør). Måned TO drifts- Varmetab Varmetab Besparelse timer TO historisk [MWh] I % [timer] [MWh] [MWh] Januar ,3 % Februar ,0 % Marts ,7 % April ,9 % Maj (12) (2,6 %) Sum (- maj) 3519 (2775) 2527 (2095) 2674 (2230) 147 (135) 5,5 % (6,1 %) Temperaturoptimeringen for Tjæreborg giver en mindre reduktion end for Hjerting blandekredsen, men i absolutte størrelser sænkes temperaturen til et lavere niveau. Historisk set er temperaturstyringen for Tjæreborg ligeledes lavere end Hjerting, se Figur 4. I maj måned rammer temperaturoptimerings grænseværdien for fremløbstemperatur set-punktet det samme, som der historisk set er kørt efter. En besparelse for maj er derfor ikke aktuel og medregnes ikke (Faktisk marginalt højere temperatur end den historiske fremløbstemperatur). Den faktiske energibesparelse for Tjæreborg blandekredsen bliver derfor 135 MWh. 14

18 Temperatur [ C] Fremløbstemperatur ændring [K] Pumpeenergi til Tjæreborg er ikke interessant at beregne, som trykforholdet i denne del af Esbjerg forsyning kræver en trykreduktion på fremløbet. Rationalet for ikke at beregne et øget pumpeomkostninger er, at så længe trykket stadig reduceres over en ventil, udføres der ikke et merarbejde fra en pumpe til det øgede flow ved temperaturoptimeringen. Figur 4 Temperaturer Tjæreborg Optimeringen beregner den samme temperatur for maj måned, som der historisk er kørt. Beregningsmæssigt er der fremkommet en positiv besparelse. Dette tilskrives usikkerheden i den beregnede returtemperatur, hvor der er lidt Tfrem optimeret Tfrem Historisk dt værk dt ledningsnet over 1K forskel mellem de to scenarier (lavest i optimeret) De viste temperaturer er et gennemsnit for de viste måneder i de timer, hvor der styres 60 Januar Februar Marts April Maj Måned -2.5 efter temperaturoptimeringen. 15

19 5.1.4 Fyn Korup Varmetabsfaktoren indstilles til 125 % af katalogværdien. Dette er blandt andet et udtryk for, at ledningskataloget ikke differentierer nok mellem de lagte ledningstyper, og modellen er bygget på en volumenafregningsmetode med mængdeafregning og ukendte afkølinger (fx ingen forskel mellem betonkasser, Prærør serie 1 og serie 2). Måned TO drifts- Varmetab Varmetab Besparelse timer TO historisk [MWh] I % [timer] [MWh] [MWh] Januar ,9 % Februar ,9 % Marts ,8 % April ,7 % Maj ,3 % Juni ,6 % Juli ,3 % Sum ,2 % Ses der på det optimerede temperaturforløb, kan der indtegnes en tangent ved 75 C, se Figur 5. Dette er en opsat begrænsning i modellen for Korup, som i løbet af juni 2011 er blevet forbedret hos Fjernvarme Fyn, så modellen nu kan beregne temperaturoptimeringsløsninger for fremløbstemperaturer ned til 70 C. Dette kan meget vel medføre, at temperaturen kunne være sænket til under 75 C i foråret, med en større energibesparelse for disse måneder. 16

20 Temperatur [ C] Fremløbstemperatur ændring [K] Figur 5 Temperaturer Korup Den laveste fremløbstempera tur for Korup var 75 C frem til sommeren, hvor modelopsætningen af optimeringen blev forbedret. Dette muliggjorde en sænkning ned til 70 C. Der har således været mulighed for en Tfrem optimeret Tfrem Historisk dt værk dt ledningsnet forbedret optimering i marts, og 70 frem til juni havde modellen været optimeret De viste temperaturer er et gennemsnit for de viste måneder i de timer, hvor der styres 60 Januar Februar Marts April Maj Juni Juli Måned 0 efter temperaturoptimeringen. Ses der på beregningen af ekstra pumpenergi, fordeler det sig som vist i Tabel 3. Der er kun set på driftstimer, hvor TO er aktiv. Forøgelsen i pumpeenergi er tydelig, med forøgelser på månedsbasis på op til 26 %. Ses der på det ekstra pumpearbejde op mod energibesparelsen, er forholdet 462 MWh varmebesparelse mod ca. 7 MWh ekstra el omkostning til pumpning, en faktor 67. Pumpe Pumpeenergi Ekstra pum- % forøgel- dt % pumpeenergi pr Energi historisk pedrift [kwh] se værk grad optimering [kwh] [kwh] [K] % 9,3 2,2 % % 10,3 2,5 % % 9,5 2,5 % % 5,8 2,6 % % 2,4 2,8 % % 2,1 3,4 % % 5,9 3,7 % I alt (gns.) % 6,5 2,8 % Tabel 3 Oversigt over beregnet pumpeenergi for Korup 17

21 5.2 Analyser på tværs Dette afsnit gennemgår de observationer, som kan findes ved sammenligning mellem de tre blandekredse, samt andre relevante observationer Påvirkning af forbrugerafkøling Som tommelfingerregel for forbrugerafkølingen vil denne ændres tilsvarende temperaturoptimeringens størrelse, altså forbrugernes afkøling bliver dårligere. Dette skyldes først og fremmest, at den temperatur, forbrugerne returnerer, er omtrent den samme som for en højere fremløbstemperatur, temperaturdifferensen må derfor blive lavere ved en fremløbstemperatursænkning. Dette kan blandet andet observeres ved sammenligning af Korups fjernaflæste målere mellem 2010 og 2011 (fjernaflæsningssystemet angiver kun afkølingen). Den månedligt gennemsnitlige afkøling er sammenlignet med den beregnede gennemsnitlige fremløbstemperatur for at beregne den gennemsnitlige returtemperatur fra forbrugerinstallationerne i C, se Figur 7. Esbjerg forsyning arbejder på, at der på sigt kan udtrækkes lignende afkølingsmålinger. En sænkning af fremløbstemperaturen medfører en forringet afkøling over installationerne, samt en højere returtemperatur end før optimeringen, se Figur 7. Dette er dog ikke undersøgt mere end indledningsvis og baseres på et stort gennemsnit af data, som ikke er korrigeret for vind og vejr. Den viste forskel bør kun ses som en indikation af en ulempe ved reduceret fremløbstemperatur og som en appetitvækker til et muligt fremtidigt F&U projekt med fokus på forbrugerinstallationers virke ved temperatursænkning. 18

22 Temperatur [ C] Afkøling [K] Ændring i afkøling [K] Figur 6 Afkøling pr måned Korup Visning af afkølingsgraden fra og 2011 (optimeret) Forskellige temperaturdifferen ser er vist som forsøg på at eftervise en sammenhæng mellem temperaturoptimeringen og installationens dårligere Afkøling 2011 Afkøling 2010 Forskel afkøling. dt optimeringsværk henviser til den specifikke temperaturfor dt optimering værk dt ledningsnet skel mellem historisk og optimeret fremløbstemperatur. dt ledningsnet henviser til den gennemsnitlige forskel i frem- 0.0 Januar Februar Marts April Maj Juni Juli 0.0 løbstemperaturen set som et Måned gennemsnit over hele Korups ledningsnet. Figur 7 De viste fremløbstemperaturer Gennemsnitlig returtemperatur i Korup baseret på fjernaflæste temperaturdifferenser og TERMIS gennemsnitlige fremløbstemperaturer i ledningsnettet er IKKE ab værk. Det er gennemsnittet af alle beregnede fremløbstemperaturer i hele ledningsnettet Den beregnede returtemperatur er bestemt ud fra forrige års afkøling over installationerne og den gennemsnitlige fremløbstemperatur historisk T opt gns T hist gns Retur hist Retur opt Januar Februar Marts April Maj Juni Juli Måned Varmetabsopgørelsen Varmetabet er opgjort på månedsbasis ved at trække det fjernaflæste forbrug fra den leverede varme, målt via SRO anlægget, se Figur 8. Når det målte varmetab sammenlignes med det TERMIS beregnede varmetab, kan den føromtalte måleusikkerhed ses, se Figur 9. For Tjæreborg er der en meget lille afvigelse mellem det beregnede og det målte. De ikke fjernaflæste storforbrugere udgør ca. 8 % af totalforbruget, og ca

23 Energi [MWh] % af de fjernaflæste målere er aktive. Mængden af estimeret forbrug udgør en mindre del af totalforbruget. For Hjerting er udsvinget mellem de to beregnede varmetab noget større. Storforbrugere (de er ikke fjernaflæst endnu) i Hjerting udgør ca. 20 % af det totale årlige varmebehov. Dette forbrug er estimeret ud fra tidligere års FAS afregning og vægtet efter skyggegraddøgn. I vintermånederne er det målte forbrug samt det estimerede storforbrug på MWh månedligt, hvor afvigelsen mellem den målte og beregnede er i størrelsesordenen MWh. Enhver enhed leveret varme, som ikke registreres som forbrug, beregnes som værende varmetab. Sammenlignes forskellen i varmetab med det målte forbrug, giver det en usikkerhed i størrelsesordenen 1-1,5 % på det totale månedsforbrug. Med en usikkerhed størrelsen af 20 % årsbehovet ses en usikkerhed på 1-1,5 % af den månedlige energi som acceptabelt. For Korup er der en lignende situation som forbrugsaflæsningen i Hjerting. Der har frem til maj kun været kommunikation til % af målerne, hvorefter Fjernvarme Fyn har fået direkte adgang til fjernaflæsningsdatabasen og øget målerkommunikationen til 97 % af alle aflæste målere. Udsving i tab i de første 4 måneder tilskrives de % af forbruget, som er estimeret. Det største udsving i Korup er i marts (måned 3). Ses der på SRO data, er der et mindre udfald på målt effekt i denne periode, hvilket medfører et lavere målt varmetab. Figur 8 Leveret energi og forbrug SRO målt leveret varme og fjernaflæst forbrug fordelt på hvert område Leveret energi Korup Leveret energi Hjerting Leveret energi Tjæreborg Forbrug Korup Forbrug Hjerting Forbrug Tjæreborg Måned 20

24 Varmetab [MWh] Figur 9 TERMIS beregnet og målt varmetab. For Korup er der fra maj (måned 5) forbedret kommunikation med fjernaflæsningens database. Gælde for hvert par er at summen af varmetabet er korrigeret ind så summen passer. Store udsving fra måned til måned indikerer færre timer hvor optimeringen har kørt Beregnet og målt varmetab (kun TO aktive perioder) Korup TERMIS Korup SRO/FAS Tjæreborg TERMIS Tjæreborg SRO/FAS Hjerting TERMIS Hjerting SRO/FAS Måned Pumpeenergi Når både Hjerting og Korups øgede energibehov til pumper sammenlignes med grader reduceret fremløbstemperatur, når man frem til, at hver grad optimering øger pumpeenergien gennemsnitligt med 2,8 %. Denne lineære sammenhæng er ikke overraskende, som tryktabet er antaget ens for begge scenarier, og sammenligningen med flowforskellen er beregnet ud fra forskellen i fremløbstemperaturer. Sammenlignes det gennemsnitlige trykforhold over blandekredsen med det forrige år på månedsbasis for Korup og Hjerting, er det, tryktabet øges med, vist i Tabel 5. Denne sammenligning har antaget et lignende forbrugsmønster for hver måned og samme styringsparametre. Som der styres efter et differenstryk, kan der ikke opstilles en pæn driftskarakteristik som for andre pumpesystemer. Størrelsen af tabet som tryktab grundet strømninger mod størrelsen af tabet over installationerne som differenstryk udgør en kompleks størrelse, som illustreret i Figur 10, hvor der til hvert flow findes en bred vifte af målte differenstryk. Når fx styringen for Hjerting sammenlignes mellem 2010 og 2011, er der sket en forskydning mellem frem og retur trykket, se Tabel 4. Hjerting År Måned Data Gennemsnit 1 Hjerting, Fremløbstryk [mvs] 29,9 35,0 32,5 Hjerting, Returtryk [mvs] 11,7 16,2 14,0 Differenstryk [mvs] 18,1 18,8 18,5 2 Hjerting, Fremløbstryk [mvs] 30,0 35,7 32,8 Hjerting, Returtryk [mvs] 12,0 16,9 14,4 Differenstryk [mvs] 18,0 18,8 18,4 21

25 3 Hjerting, Fremløbstryk [mvs] 31,7 35,0 33,3 Hjerting, Returtryk [mvs] 13,6 16,2 14,9 Differenstryk [mvs] 18,1 18,8 18,4 4 Hjerting, Fremløbstryk [mvs] 31,9 34,6 33,3 Hjerting, Returtryk [mvs] 15,1 16,3 15,7 Differenstryk [mvs] 16,7 18,3 17,5 5 Hjerting, Fremløbstryk [mvs] 30,6 34,6 32,6 Hjerting, Returtryk [mvs] 14,6 17,4 16,0 Differenstryk [mvs] 16,0 17,2 16,6 6 Hjerting, Fremløbstryk [mvs] 32,6 34,0 33,1 Hjerting, Returtryk [mvs] 17,5 18,2 17,8 Differenstryk [mvs] 15,1 15,8 15,3 Tabel 4: Målt tryk i Hjerting for det første halvår i 2010 og Som det ses, er trykniveauet hævet for både frem- og retur-siden. Sammenlignes det øgede differenstryk fra det forrige år, ser det ud til, at Korups ledningsnet har mindre overkapacitet end Hjerting, hvilket slår ud i et større tryktab i forhold til optimeringens størrelse. F&U projekets valgte opgørelsesmetode har den ulempe, at beregningsmetoden er ufleksibel med henhold til styring af trykket. Ligeledes vil tryktabet i de enkelte fjernvarmeledningsnet have sin egen størrelse, alt afhængigt af, om der er tale om generelt store rørdimensioner eller et net med mange hydrauliske flaskehalse. Måned Δdp Hjerting Δdp Korup dp dp Hjerting Korup [mvs] [mvs] Hjerting Korup [mvs] [mvs] 1 0,7 1,8 18,7 16,3 3,8 % 12,4 % 2 0,8 3,2 18,8 17,2 4,5 % 23,2 % 3 0,8 2,2 18,8 15,5 4,2 % 16,9 % 4 1,6 1,2 18,3 14,9 9,5 % 8,6 % 5 1,2 0,6 17,3 14,0 7,7 % 4,8 % 6 0,7 16,3 4,5 % Tabel 5 Øget differenstryk ved blandekredsen ved sammenligning mellem 2010 og 2011 for Korup og Hjerting. 22

26 Differenstryk [mvs] Differenstryk [bar] Beskrivelse af tryktabet mod flow Figur 10 Differenstryk op mod flowet for Hjerting og Korup blandekredsene. Som kvadratet R 2 viser, er den viste tendens ikke retvisende for forholdet mellem differenstryk og flow. Spredningen er størst ved minimums flowet Differenstryk ved Korup mod målt flow y = 4E-06x x R 2 = trykdifferens Anlægets driftkurve Flow [m3/t] Differenstryk ved Hjerting mod målt flow y = -4E-05x x R 2 = Tryk kontra flow Anlægets driftkurve Flow [m3/t] 23

27 Varmeforbrug [MWh] Energi [MWh] Graddøgn Fjernaflæste data og Skyggegraddøgn For hvert forsyningsområde er månedsfjernaflæsningen plottet op mod EMDs (EMD International A/S) skyggegraddøgnsopgørelse for hhv. Sønderjylland (tættest placerede målstation ved Esbjerg) og Fyn, se Figur 11 til Figur 13. Figur 11 Forbrug og skyggegraddøgn for Tjæreborg Månedligt forbrug baseret på fjernaflæsning og skyggegraddøgn for Tjæreborg. Fjernaflæsningen blev etableret i starten af 2009, hvorfor dette årsforbrug ikke er validt til analyser Forbrug 2010 Forbrug 2011 Skyggegraddøgn 2010 Skyggegraddøgn Måned Figur 12 Hjerting fjernaflæsning og skyggegraddøgn Månedligt forbrug baseret på fjernaflæsning og skyggegraddøgn for Hjerting. Fjernaflæsningen blev etableret i midt 2008, hvorfor dette årsforbrug ikke er validt til analyser. Data fra 2009 er der stadig en høj procentdel aktive målere (storforbrugere er dog ikke fjernaflæst, hvilket udgør ca. 20 % af blandekredsens behov) Energi 2009 Energi 2010 Energi 2011 Skyggegraddøgn 2009 Skyggegraddøgn 2010 Skyggegraddøgn Måned 24

28 Energi [MWh] Graddøgn Figur 13 Korup fjernaflæsning og skyggegraddøgn Månedligt forbrug baseret på fjernaflæsning og skyggegraddøgn for Korup Forbrug 2010 Forbrug 2011 Graddøgn 2010 Graddøgn Jan Feb Mar Apr Maj Jun Jul Aug Sep Okt Nov Dec Måned Ligeledes er graddøgnsmetoden til beskrivelse af varmebehovet forsøgt ved at bestemme det Graddøgns Afhængige Forbrug (GAF) og det Graddøgns Uafhængige Forbrug (GUF) for de enkelte områder. For flere detaljer om graddøgnsmodellen henvises der til litteraturen. Ved at bruge de månedlige forbrugsaflæsninger som reference, er der for årene 2009/2010 beregnet det månedlige forbrug ud fra graddøgn og GAF/GUF metoden og sammenlignet afvigelsen mellem det målte og beregnede forbrug. Det ønskes at verificere, om metodikken kan anbefales til forsyninger uden et fjernaflæsningssystem, så F&U projektets nøgletal kan benyttes af flest mulige forsyninger til opgørelse af besparelsen. Forholdet mellem GAF/GUF er bestemt ud fra den mindste afvigelse mellem målt og beregnet og er for alle områder bedst beskrevet ved en 80/20 % fordeling af et normalår. For Hjerting er normalåret bestemt ud fra fjernaflæste forbrug for 2009/2010, mens for Tjæreborg og Korup er der kun nok fjernaflæst data til at beregne normalåret ud fra 2010 tal. Som forbruget om sommeren viser, stemmer metoden dog godt overens med det målte. Energiforbruget for normalåret er beregnet ud fra følgende formel og skal benyttes udelukkende til at bestemme størrelsen af det graddøgnsuafhængige forbrug: E normalår E GD 0,80 GD normalår 0,20 25

29 % afvigelse fra fjernaflæsning % aktive målere Varmeforbrug [GJ] Hvor E 2010 er det fjernaflæste årsforbrug (skaleret til 100 % aktive målinger) GD 2010 er graddage for 2010 GD normalår er graddage for referenceåret (gennemsnitsåret) GUF beregnes som 20 % af normalåret og henviser til det årlige brugsvand og antages er fordelt jævnt over året. Forbruget på månedsbasis er dernæst beregnet som årsforbruget bestemt ved fjernaflæsning fratrukket GUF. Denne energimængde er det vejrafhængige behov, som fordeles forholdsmæssigt mellem den pågældende måned og totalantallet af graddøgn selv samme år. Dette sikrer, at metoden regner med samme størrelse af energi målt over et år, fordelt på månedsbasis og ikke det forventede varmebehov. Dette er gjort, som om der ikke ønskes en prognose af forbruget, men at bestemme en fordelingsnøgle af forbruget over året. Hjerting Når der ses på Hjerting, se Figur 14, fås den største afvigelse i fyringssæsonen i januar Som antallet af aktive målere viser, estimeres størstedelen af forbruget også for denne periode. Ses der på året efter, er afvigelsen størst om sommeren, hvor hver enhed energiafvigelse står for en større del af totalsummen. Analysen for Hjerting er baseret kun på den fjernaflæste del af forbruget (Det estimerede storforbrug er ikke medtaget i sammenligningen). Figur 14 Hjerting fjernaflæsning 2009 GUF/GAF 20/80% Forbrugsfordeling over året for 2009 og 2010 for Hjerting, som er sammenlignet med det 100% 80% graddøgns beregnede forbrug. Den stiplede røde linje viser afvigelsen på månedsbasis i procent. Den største afvigelse findes i 2009, hvor målerprocenten også er lavest. 60% 40% 20% 0% Afvigelse Måler % Energi 2009 korrigeret Beregnet Energi % % Måned 26

30 % afvigelse fra fjernaflæsning % aktive målere Varmeforbrug [GJ] % afvigelse fra fjernaflæsning % aktive målere Varmeforbrug [GJ] Hjerting fjernaflæsning 2010 GUF/GAF 20/80% 100.0% % % 40.0% 20.0% Afvigelse Måler % Energi 2010 korrigeret Beregnet Energi % % Måned Tjæreborg Sammenligningen med Tjæreborg er mindre optimal, hvor de fjernaflæste enheder først halvvejs gennem 2010 nåede op på en høj målerprocent. Med den viste fordeling i Figur 15 rammes GUF faktoren godt. Figur 15 Tjæreborg fjernaflæsning 2010 GUF/GAF 20/80% Forbrugsfordeling over året for 2010 for Tjæreborg, som er sammenlignet med det grad % 80.0% døgns beregnede forbrug. Den stiplede røde linje viser afvigelsen på månedsbasis i procent. 60.0% 40.0% 20.0% Afvigelse Måler % Energi 2010 korrigeret Beregnet Energi % % Måned Korup Antallet af aktive målere i Korup i 2010 var både svingende og lavere end for Tjæreborg. Som nævnt i andre afsnit ændrer dette sig, da Fjernvarme Fyn selv 27

31 % afvigelse fra fjernaflæsning % aktive målere Varmeforbrug [MWh] har fået adgang til fjernaflæsningsdatabasen i maj Ses der på afvigelsen, estimeres forbruget fornuftigt, se Figur 16. Figur 16 Korup fjernaflæsning 2010 GUF/GAF 20/80% Forbrugsfordeling over året for 2010 for Korup, der er sammenlignet med et graddøgns beregnede forbrug. Den stiplede røde linje viser afvigelsen på månedsbasis i procent. Energimålingen for Korup er vist i MWh og ikke GJ som for de andre % 80.0% 60.0% 40.0% 20.0% 0.0% Afvigelse Måler % Energi 2010 korrigeret Beregnet Energi % Måned Delkonklusion på forbrugsfordelingen Som fordelingsnøgle af en forbrugsaflæsning på årsbasis vurderes den beskrevne metode som brugbar, såfremt forbruget ikke kan opgøres på månedsbasis fx ved brug af fjernaflæsning. Den største systematiske afvigelse er for april og maj måned, hvor det beregnede behov altid og tydeligt er større end det målte. Hvad denne skyldes, kan der kun gisnes om med det givne datasæt, er der mon tale om danskernes optimisme om, hvornår sommeren starter? Den beskrevne metode anbefales som et alternativ til at have fjernaflæsning i F&U projektets drejebog for opgørelse af energibesparelser. 28

32 dt Gns Energibesparelsen ved en temperaturbetragtning En energibesparelse baseret på en reduceret temperatur kan normalt beregnes ud fra en temperaturbetragtning, hvor der ses på temperaturforhold før og efter tiltaget. Tilsvarende betragtning er benyttet, når besparelsespotentialet er beregnet til tilbud. Denne beregningsmetode er et overslag og ser udelukkende på temperaturforholdet før og efter optimeringen ab værk. ( T Reduktion 1 ( T fo ft T T out out ) ( T ) ( T tn rt T T out out ) ) Hvor T ft = Fremløbstemperatur, ikke optimeret T rt = Returtemperatur, ikke optimeret T out = Gennemsnitlig jordtemperatur T fo = Fremløbstemperatur, optimeret T rn = Retur temperatur, optimeret (ændrer sig normalt ikke og svarer derfor til returtemperatur i dag) Som vist for hver blandekreds, vil temperatursænkningen være mindre, når hele ledningsnettet sammenlignes på tværs. Der udført en lineær regression på forholdet mellem temperatursænkningen ab værk og den beregnede temperatursænkning for hele ledningsnettet, se Figur 17 og Figur 18. Figur 17 Konverteringsfaktor gældende for alle tre blandekredses data Forhold mellem værk optimering og gennemsnitlig optimering y = x R 2 = Alle Gennemsnit for alle værker dt værk 29

33 dt Gns Figur 18 Forhold mellem værk optimering og gennemsnitlig optimering Konverteringsfaktor opgjort på hver blandekreds Tjæreborg y = x R 2 = Hjerting y = x R 2 = Korup y = x R 2 = Korup Hjerting Tjæreborg Korup Hjerting Tjæreborg dt værk Benyttes temperaturbetragtningen på månedsbasis med en temperaturreduktion efter de viste forhold, opnås der en besparelsesprocent meget lig den, der er bestemt ved en mere præcis TERMIS beregning. Den benyttede korrektionsfaktor på fremløbstemperaturen er bestemt til 0,825xdT. Måned Korup Hjerting Tjæreborg TERMIS Vores metode gns TERMIS Vores me- TERMIS Vores me- bereg værdi bereg tode bereg tode Januar 5,9 % 6,3 % 10,3 % 9,5 % 8,3 % 8,1 % Februar 6,9 % 7,0 % 10,8 % 10,0 % 7,0 % 6,9 % Marts 6,8 % 7,0 % 8,0 % 7,4 % 4,7 % 4,7 % April 4,7 % 5,0 % 6,7 % 6,4 % 3,9 % 2,9 % Maj 2,3 % 2,2 % 1,9 % 1,8 % Juni 1,6 % 2,1 % 0,5 % 0,8 % Juli 4,3 % 5,8 % Tabel 6 Beregnet varmetabsreduktion med TERMIS og den beregnede reduktion ud fra temperaturforholdet. 30

34 6 ØKONOMI Besparelsen i varmetab skal holdes op mod den øgede omkostning til drift af pumper og de menneskelige timer samt investeringen i temperaturoptimeringen. Fjernvarme Fyn og Esbjerg Forsyning har opgjort deres omkostninger til implementering af temperaturoptimeringen for hver blandekreds som følgende: 6.1 Esbjerg Forsyning Esbjerg forsyning har opgjort omkostningerne til implementeringen af temperaturoptimeringen samt et overslag over de årlige omkostninger for vedligeholdelsen af temperaturoptimeringen. Priserne er for hele temperaturoptimeringsprojektet, så for at fordele omkostningerne over på hvert delområde, er der set på antallet af installationer som fordelingsnøgle. Investeringen og løbende driftsudgifter er opgjort som følgende: 1. års investering: Indeholdt i 1. års investering er softwarekøb, rådgiverhonorarer, udgifter til SRO implementering og forbrugt egen tid. Ydelse Beløb Software + rådgiver honorar - faktura kr. Storm vejrmodul - faktura kr. SRO opsætning (Krüger) anslået kr. Egen tid: 700 timer anslået kr. Færdiggørelse centrum anslået kr. Total: kr. Årlige driftsudgifter: Løbende ydelser Beløb Storm vejrmodul årsabonnement - faktura kr. ASP server og serviceaftale - faktura kr. Rådgiver honorar anslået kr. 31

35 Egen tid: 300 timer - anslået kr. Total: kr Tilbagebetaling Hjerting Der fremskrives på den dokumenterede besparelse for Hjerting for at estimere investeringens tilbagebetalingstid. De dokumenterede tal dækker for et halvt år, hvorfor de fordobles som værende gældende for et helt år. Varmetabsbesparelse pr. år = 375 MWh * 2 = 750 MWh Svarende til kr ved en marginalpris på kr. 75,-/GJ Ekstra pumpeenergi er opgjort til kwh *2 = kwh/år Svarende til kr ved en elpris på kr. 1.50,-/kWh Total besparelse pr. år for blandekredsen ( ) = kr Hjertings del af anlægsinvesteringen og driftsudgifterne beregnes i forhold til Hjertings procentuelle del af de totale installationer, som er 11,2 % Hjerting anlægsinvestering (11,2 % af ) = kr Hjerting driftsudgifter (11,2% af ) = kr Tilbagebetalingstid = /( ) = 1,7 år Tilbagebetaling Tjæreborg Der fremskrives på den dokumenterede besparelse for Tjæreborg for at estimere investeringens tilbagebetalingstid. De dokumenterede tal dækker for et halvt år, hvorfor de fordobles som værende gældende for et helt år. Varmetabsbesparelse pr. år = 147 MWh * 2 = 294 MWh Svarende til kr ved en marginalpris på kr. 75,-/GJ Ekstra pumpeenergi er opgjort til 0 kwh/år grundet forholdene i Tjæreborg, hvor trykket drøvles inden blandekredsen. Total besparelse pr. år for blandekredsen = kr Tjæreborgs del af anlægsinvesteringen og driftsudgifterne beregnes i forhold til Tjæreborgs procentuelle del af de totale installationer, som er 4,7 % Tjæreborg anlægsinvestering (4,7% af ) = kr