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

36 Tjæreborg driftsudgifter (4,7% af ) = kr Tilbagebetalingstid = /( ) = 1,5 år Tilbagebetaling hele Esbjerg Den gennemsnitlige besparelse i kr. pr. installation for Hjerting og Tjæreborg modregnet merforbrug af el i kr. Besparelsen pr. installation skaleres op til en besparelse for hele byen, hvorefter en tilbagebetalingstid kan beregnes. Gennemsnitlig varmetabsbesparelse pr. år pr. installation: ( )/2994 = 94,14 kr. Gennemsnitlig større elforbrug pr. år pr. installation: ( )/2994 = 10,92 kr. Hele Esbjergs varmetabsbesparelse pr. år: 94,14 kr. * install. = kr. Hele Esbjergs merudgift til el pr. år: kr. * install. = kr. Tilbagebetalingstid = /( ) = 1,6 år. 6.2 Fjernvarme Fyn Korup er kun et delområde på ca forbrugere ud af hele Fjernvarme Fyns forsyningsområde på ca forbrugere. Det er ikke muligt at differentiere priser for Korup området alene, da det er et sammenhæng af mange processer og datakilder, der bliver oprettet og vedligeholdt for hele forsyningsområdet under et, og der er stor forskel på kompleksiteten. Tidsforbruget for modelopbygning og vedligehold for Korup er skønnet til 5 arbejdsdage for opbygning af RT og TO model. Det bør foretages, når der er mere end 5 % ændringer i ledningsnettet, dog mindst 1 gang årligt. Løbende vedligehold omfatter tilsyn med en fremløbstemperatur tidsserie, hvilket er mindre end 2 min. dagligt. Større vedligehold, hvis modellen ikke finder løsninger, kan være 1-2 timer for at få optimeret placeringen af den eller de udvalgte kritiske knuder (øjepunkter). For de modeller, der kører pt., er det mere end 3 måneder siden, de blev justeret sidst. For disse tidsforbrug er det forudsat, at data fra de forskellige kilder som IGSS, GIS og FAS er veldefinerede og nemt tilgængelige. 33

37 7 KONKLUSION Dette F&U projekt har fokuseret på den energibesparelse, der er opnået ved at reducere fremløbstemperaturen ved brug af temperaturoptimeringsmodulet i programmet TERMIS. Ud over at konkretisere den aktuelle besparelse er der også skrevet en drejebog, som giver andre fjernvarmeforsyninger mulighed for at beregne deres energibesparelse ved brug af temperaturoptimering, baseret på nøgletal og betragtninger fra F&U projektets mere dybdegående beregning. Opgørelsesmetoden, som er beskrevet i drejebogen, er uafhængig af metoden, hvorved optimeringen er udført. Metoden giver vejledninger til både at bestemme varmetabsbesparelsesprocenten på månedsbasis ved hjælp af en korrigeret temperaturbetragtning samt en metode, hvorved varmetabet kan estimeres på månedsbasis ud fra graddøgn. Med disse to metoder samt årsaflæsning af forbrug og SRO målinger vil et fjernvarmeværk kunne beregne deres energibesparelse på varmetabet. Temperaturbetragtningen går ud på at se, om forholdet mellem den optimerede og historiske fremløbstemperatur korrigeres for den reducerede temperaturgradient ved et større volumen flow. Projektet er kommet frem til, at for hver grad optimering ab værk sænkes gennemsnitsfremløbstemperaturen i ledningsnettet med 0,825 K. Det forøgede elforbrug til pumper er der kun fremkommet en mere grov estimering af, generelt set øges elforbruget med 2,8 % pr grad optimering. Metoden tager ikke højde for ledningsnet, hvor tryktabet stiger kraftigt ved et højere volumen flow. Da projektet har arbejdet med fjernaflæst forbrug, er metoden, hvorved graddage benyttes til at fordele et årsforbrug på månedsbasis, holdt op mod de målte månedsværdier. Den beskrevne metode vurderes som et brugbart alternativ ved mangel på månedlige fjernaflæsninger. Der er indledningsvis set på konsekvensen af forbrugerinstallationernes afkøling ved reduceret fremløbstemperatur. Sammenligning af afkølingen i forbrugerinstallationerne i Korup mellem 2010 og 2011 tyder på, at afkølingen sænkes flere grader, end temperaturen sænkes ab værk. Udsving ses af de på månedsbasis opnåede procentvise besparelser. Dette skyldes, at alle tre forsyningszoner historisk set alle har sænket deres fremløbstemperatur hen over foråret mod sommeren. Dette har medvirket, at besparelsen ikke skiller sig kraftigt ud i denne periode. Den totale besparelsesprocent for værker, som ikke har arbejdet med temperaturreduktion om sommeren, vil derfor være større end de blandekredse, dette F&U projekt er beregnet for. 34

38 I procent ligger den gennemsnitlige besparelse i perioden januar til juli 2011 på 5,2 % for Korup, 5,5 % for Tjæreborg og 6,7 % for Hjerting. I fyringsmånederne er besparelsen op til 10,8 %. I rå tal til svarer dette til 375 MWh for Hjerting, 135 MWh for Tjæreborg og 462 MWh for Korup. Det har ikke været muligt at finde et nøgletal, der overbevisende beskriver en muligt reduceret fremløbstemperatur ud fra typetal såsom stiklængde, totallængde, kritisk længde og lignende. For varmeforsyninger, der overvejer at implementere temperaturoptimering, kan de ses på de optimerede temperaturer, dette projekt har beregnet og beregne deres potentielle besparelse ud fra dem. Der er opstillet en tilbagebetalingskalkule for Esbjerg Forsyning, hvor etablerings- og løbende omkostninger holdes op mod F&U projektets dokumenterede besparelser og forsyningens energipriser. Ved fremskrivning af besparelsen, således at den er gældende for et helt år, er tilbagebetalingen for Hjerting opgjort til 1,7 år, Tjæreborg til 1,5 år og for Esbjerg som helhed til 1,6 år. De økonomiske tal har taget højde for forsyningens eget timeforbrug til løbende at ajourføre, at modellen kører som ønsket. Det løbende tidsforbrug som en fjernvarmeforsyning kan forvente at bruge på at ajourføre sine modeller, har Fjernvarme Fyn opgjort til årlig modelvedligeholdelse på 5-6 dage, samt løbende kontrol af optimeringen er skønnet til ca. 3 dage (småjusteringer og løbende overvågning af beregningsresultater). For forsyninger med flere delområder, samt komplicerede net skal ovennævnte tidsforbrug naturligvis skaleres op. 35

39 8 KOMMENTARER TIL DREJEBOG Dette afsnit er en uddybning og kommentering af Drejebog for opgørelse af varmetab i ledningsnet. Drejebogen er tiltænkt forsyninger, der har udført en temperaturoptimering og ønsker en metode til at opgøre besparelsen i varmetabet samt det øgede arbejde til pumpedrift. Hvordan temperaturoptimeringen er udført i praksis, er for denne metode underordnet, som den tager udgangspunkt i de nøgletal, projektet har frembragt. Metoden forudsætter en række SRO målinger, samt en vurdering af varmetabet på månedsbasis ud fra graddøgn og et års afregning eller et fjernaflæsningssystem med værdier på månedsbasis. 8.1 Gennemgang af metoden Det er vist i analysedelen af projektet, at ved at se på temperaturforholdet mellem den historiske og den optimerede temperatur, hvor der tages højde for, at temperaturgradienten i systemet falder, kan der med god tilnærmelse bestemmes samme besparelsesprocent på månedsbasis, som en TERMIS reference beregning viser. For at kunne udføre denne øvelse, skal følgende værdier kunne bestemmes på månedsbasis. At gøre sig fortrolig med Excels pivottabel funktion vil gøre opgørelsen over SRO målinger på månedsbasis lettere Reference temperatur Da der ikke har kunnet frembringes en entydig sammenhæng for fremløbstemperaturen og behovet, er det vurderet, at de forrige tre års fremløbstemperatur uden brug af temperaturoptimeringssoftwaren er den bedste reference for temperaturstyringen. I projektet er fremløbstemperaturen historisk set beskrevet ud fra et 4-5. grads polynomium tilpasset til de tre forrige års gennemsnit (vælg bedste tilpasning, for Korup var 5. grads bedst beskrivende, mens for Hjerting passede 4. grads bedst). Dette er kun nødvendigt, hvis temperaturen er reguleret ofte ab værk. Har temperaturen været mere konstant, kan denne benyttes i stedet. 36

40 Fremløbstemperatur [C] Figur 19 Historisk temperaturstyring Hjerting Visning af, hvordan Hjertings historiske fremløbstemperatur er genereret ud fra gennemsnit af de forrige 3 år y = E-08x E-05x E-03x E-02x E+01 R 2 = E Gennemsnit Poly. (Gennemsnit) Fordelen ved at benytte et polynomium til at beskrive 85 temperaturen er alle tempera- 80 tur transienterne, som kan være alt fra målerudfald til de 75 indledende start/stop af temperatur optimeringer Fortløbende timer Optimeret drifts-år Der er flere parametre, der skal opgøres på månedsbasis, baseret på SRO målinger. Såfremt der er perioder uden optimeret temperaturstyring, skal disse også frasorteres. For hver måned skal følgende opgøres: Gennemsnits fremløbstemperatur Gennemsnits returtemperatur Gennemsnits udetemperatur Leveret varme Varmetab på månedsbasis Såfremt man ikke har adgang til månedlige aflæsninger af forbruget som i F&U projektet, må varmetabet skønnes efter graddøgns modellen. Beregner man ikke selv sine graddøgn, kan opgørelsen på månedsbasis hentes hos blandt andet EMD 1, hvor de seneste opgørelser ligger frit tilgængeligt. For et gennemsnitsår kan % af varmebehovet sættes som graddøgnsuafhængigt forbrug. I dette projekt ramte 20 % bedst ind som graddøgns uafhængigt. Et normalår skal estimeres ud fra de forrige års forbrug ved brug af følgende formel og opgjorte graddøgn:

41 E normalår E GD 0,80 GD 20xx 20xx normalår 0,20 hvor E20xx og GD20xx henviser til hhv. forbrugsafregningen for året og aktuelt antal graddage det pågældende år. Normalåret bør beregnes som et gennemsnit af forbrugsaflæsning for de foregående 3-4 år. Med et normalår som reference og årsafregningen af forbruget kan det månedlige forbrug estimeres som følgende: E måned ( E år E normalår GD 0,20) GD måned år E normalår 12 0,20 hvor: E måned er den pågældende måneds estimerede forbrug fx januar E år er årsafregninen for hele det temperaturoptimerede område E normalår er det beregnede varmebehov for et gennemsnitsår GD måned er den pågældende måneds graddage, fx graddage i januar GD år er hele årets antal graddage Beregningen skal gentages for hver måned Opgørelse af varmetab på månedsbasis For hver måned opgøres varmetabet baseret på SRO-målingen af leveret energi og opgjort forbrug. Er optimeringen ikke kørt alle månedens timer, skal forbruget skaleres tilsvarende procentdelen af måneden, hvor optimeringen har kørt Beregning af besparelsesprocent Reduktionen af fremløbstemperaturen beregnes som forskellen mellem den historiske fremløbstemperatur og den optimerede temperatur og omtales efterfølgende som ΔT værk. Et af F&U projektets resultater er en erfaringsstørrelse for den mindskede temperaturgradient i ledningsnettet. Denne størrelse henviser til, at som hastigheden øges ved den lavere temperatur, vil forskellen mellem den laveste temperatur i fremløbet og værket mindskes. Den gennemsnitlige fremløbstemperaturreduktion i ledningsnettet beregnes derfor som ΔT net = ΔT værk x0,825 38

42 ( t besparelse 1 ft T ( t værk ft 0,825 t t out ) ( t out rt ) ( t t out ) rt t out ) hvor: t ft = Fremløbstemperatur, ikke optimeret t rt = Returtemperatur, ikke optimeret og optimeret (ændrer sig normalt ikke og svarer derfor til returtemperatur i dag) t out = Jordtemperatur ΔT værk = Reduktion af fremløbstemperaturen i forhold til historisk styring Denne beregning udføres for hver måneds temperatursæt og giver en varmereduktion som et komma tal (mellem 0-1) Beregning af varmeenergibesparelsen Besparelsesprocenten, der beregnes, svarer til, hvad varmetabet ville have været, hvis temperaturen ikke var sænket. Dette betyder, at besparelsesprocenten benyttes til at beregne varmetabet historisk, som derefter fratrækkes det aktuelle varmetab, hvorved forskellen i varmetab fremkommer, som formel kan det opgøres som følgende for hver måned E tab. opt E besparelse Etab. opt 1 besparelse Beregning af øget pumpearbejde Beregning af det øgede pumpearbejde er ikke undergået samme detaljerede analysearbejde som varmetabet. De analyser, der er udført, har ikke ført til en god korrektion for det øgede tryktab ved de højere hastigheder, men har fundet en forholdsværdi for det øgede pumpearbejde pr. grads optimering. For hver grad optimering ab værk vil pumpearbejdet forøges med 2,8 %. Fx ved 10K reduktion af fremløbstemperaturen vil pumpearbejdet forøges med 28 %. Denne bør som varmebesparelsen også opgøres på månedsbasis. 8.2 Retningslinjer for interesserede Såfremt en forsyning overvejer at investere i temperaturoptimerings software, kan projektets metode benyttes til et kvalificeret overslag af den potentielle besparelse. Problemet er umiddelbart at estimere størrelsen af sin potentielle temperaturreduktion. Dette projekts konklusioner på reduktionen af fremløbstemperaturen er, at alle tre blandekredse har reduceret fremløbstemperaturen i størrelsesordenen 8-15K 39

43 Fremløbstemperatur [ C] i fyringssæsonen og mindre om sommeren grundet en løbende indsats på manuel reduktion af temperaturen uden for varmesæsonen. F&U projektet har ikke nok data til at generere et nøgletal for, hvad andre forsyninger kan forvente af reduktion af fremløbstemperaturen, da dette er en kompleks størrelse, meget afhængigt af det enkelte ledningsnet og dennes opbygning. Hvis man skal begå sig på usikker is, vil temperatur sættet 75 C vinter og 72 C sommer være optimistisk, dog ikke urealistisk, se Figur 20. Figur 20 Optimerede fremløbstemperatur for de tre blandekredse Optimerede fremløbstemperaturer for de tre blandekredse i F&U projektet Korup - Tfrem optimeret Hjerting - Tfrem optimeret Tjæreborg - Tfrem optimeret Januar Februar Marts April Maj Juni Juli Måned 40

44 9 ERFARINGER F&U deltagernes erfaringer og perspektiveringer. 9.1 NIRAS A/S For NIRAS har det været et spændende projekt at være tovholder for. NIRAS har erfaret, at fjernaflæsningen stadig er et nyt og uprøvet værktøj, som kræver en koordineret indsats, før den fulde valuta opnås. I starten af projektet har her og nu formålet med fjernaflæsningen været automatiseret årsaflæsninger, hvilket er lidt synd. Som rådgiver vil løbende fjernaflæsninger, jo hyppigere jo bedre, give værdifuld information om varmetabet og løbende give status på dårlige afkølinger. Ligeledes er potentialet i fremtiden, at en direkte fjernaflæsning kan benyttes i realtidsberegninger, hvilket kan skrue yderligere ned på fremløbstemperaturen ved optimering. De kvalitetstjek og energibalancer, der er opstillet i løbet af projektet, har været med til at gennemgå og fjerne fejlmålinger, en øvelse, som er værdifuld at udføre løbende. Som afsnittet om pumpeenergi har vist, er direkte måling af energiforbruget for pumper en overset størrelse. Det er en relativt enkel øvelse at overvåge energiforbruget for pumperne mere aktivt, da der ikke haves meget information, om pumperne egentlig kører fornuftigt. Det er også vigtigt at notere, at brugen af mængde-afregning ikke er hensigtsmæssig, når temperaturoptimering benyttes, som denne målerform straffer kunderne, der får lavere temperaturer. Ligeledes kan energibesparelsen ikke opgøres på samme måde, da mængdemålerne ikke angiver de ægte energimængder. Tilsvarende straffes kunderne ved en afregningsform indeholdende afkølingstariffer. Dette skal der være opmærksomhed på, hvis temperaturoptimering overvejes. TERMIS modellerne har også vist deres begrænsninger, blandt andet, ved at de generelt set bygges uden stik. Dette er fornuftigt nok for beregninger på hovedledninger, men ønskes energiberegninger for varmetab, bør forsyningerne anskaffe sig en 100 % model ved siden af temperaturoptimerings- og Online Master modeller. 9.2 Esbjerg Forsyning Generelt har projektet været et spændende og udfordrende projekt for Esbjerg Forsyning. Esbjerg Forsyning har gennem flere år haft fungerende Offline TERMIS modeller til dimensionering. Men overgangen fra de gamle modeller til 41

45 temperaturoptimering og online modeller har været krævende med det eksisterende net i Esbjerg. Fjernvarmenettet i Esbjerg er et ældre net, der er udbygget over mange år, og der er ikke altid hydraulisk balance i nettet. Det har været en stor udfordring at få modelleret nettet og få temperaturoptimeringsmodellerne til at fungere. Stadigvæk er der en stor del af Esbjergs net, hvor det ikke er muligt at optimere automatisk via modellen. Kompleksiteten har fra starten været undervurderet hos både systemintegratoren og Esbjerg Forsyning, hvilket har resulteret i flere udgaver af tidsplaner, som er meget forskellige fra den oprindelige tidsplan. Dog på baggrund af det komplekse projektforløb har vi i dag fået et godt redskab, som giver os følgende fordele: Bedre adgang til fjernaflæste data og deres kvalitet Bedre føling med storforbrugernes påvirkning af vores net Fejlfinding i vores GIS i forbindelse med modelbygning Fejlfinding i vores afregningsgrundlag i forbindelse med modelbygning En større viden om, i hvilke situationer vi kan risikere kundeklager En velkommen lejlighed til at arbejde på tværs af afdelinger Produktion, Planlægning og Distribution Det første år med TERMIS temperaturoptimering i delvis auto tilstand har vist, at vores driftsforudsætninger og dermed modellens beregningsforudsætninger ændrer sig markant over året. Man får altså ikke et produkt, hvor man populært sagt bare skal trykke på knappen og så kører det, men derimod et dynamisk produkt, hvor modellen gentagne gange over en sæson skal justeres ind mht. forbrugernes afkølinger, driftsændringerne i forbindelse med ledningsrenovering, udfald af centraler m.v. En positiv afledt effekt er, at man som planlægger kommer omkring alle aspekter af det fysiske net og de forskellige driftssituationer. Esbjerg Forsyning har desuden oplevet forskellige problemer IT-mæssigt det være sig server/licens problemer, mistede forbindelser til model/sro. I det hele taget er den IT-mæssige side en væsentlig del af projektet, som i perioder kan kræve væsentlige ressourcer internt og eksternt. 9.3 Fjernvarme Fyn Det har været et spændende projekt at være med i. Der har vist sig at være nogle svagheder i de datakilder der skal anvendes til dokumentation af energibesparelserne. IGSS (SRO) data har for Korup bydelen, været præget af, at datakommunikationen har været ustabil. Det skyldtes at kommunikations kablet langs højtryksled- 42

46 ningen H04 (H04 forsyner Korup), er blevet beskadiget under nogle forskellige renoveringer. Arbejdsgangen med FAS data, som indsamles med skraldebilen, blev tidligere bearbejdet og kvalitets sikret eksternt (fejlmålinger blev også korrigeret og kompenseret eksternt). Nu indsamles dataene internt, og dataene korrigeres for fejlmålinger, men der fortages ikke nogen aftalebaseret (politisk) kompensering, og det gør at de data der stilles til rådighed for modellerne, er nemmere at spore og kontrollere der er ikke set nogle negative forbrug siden. Igennem projekt forløbet er der blevet lavet nogle arbejdsmetoder for at forbedre håndteringen samt datakvaliteten af vores FAS data. Projektet har også været med til at skabe fokus på regelmæssig kontrol af data, hvor fejl bliver udbedret løbende så vi slipper for at reparerer data senere - alt i alt regner vi med at have reduceret tidsforbruget på datahåndteringen til et minimum. 9.4 Gentofte Fjernvarme Gentofte Fjernvarme (GFj) har ikke kunnet tilvejebringe fyldestgørende forbrugsdata til dette projekt. Dette skyldes, at GFj fortsat benytter DFF Metris fra DFF EDB, hvorfra forbruget pr. time er trukket for årene 2009 og Applikationen viser sig at have en svaghed ved masseudtræk af data, idet alle data inkl. selve måler nr. udelukkes, hvis enkelte oplysninger er forenklede. Applikationen udvikles ikke længere af leverandøren. Denne svaghed blev erkendt hen over sommeren 2011, og data kunne derfor ikke nå at indgå i projektet. Hvorvidt man ved en granskning af applikationen bliver i stand til at lave dette masseudtræk, er ikke undersøgt. Konklusionen er derfor, at data fra forbrugsmålere i GFjs område ikke er mulige til dette DFF F&U projekt. 43

47 10 BILAG I - BEGREBSAFKLARING I dette afsnit gennemgås de vigtigste begreber og teknologier, der er benyttet i beregningen energibesparelsen ved temperaturoptimering TERMIS Som termisk beregningsprogram er ledningsnetprogrammet TERMIS benyttet. Dette skyldes hovedsageligt, at alle F&U deltagerne har valgt at benytte denne software til at udføre deres temperaturoptimering med, samt at NIRAS har gode erfaringer med at udføre beregninger og analyser med dette produkt. TERMIS er udviklet af det danske softwarehus 7-Technologies, ejet af Schneider Electric Hvad er en ledningsnetmodel En ledningsnetmodel er en digital repræsentation af ens ledningsnet. Modellen beregner tryk, flow og temperaturer, baseret på den digitale ledningsregistrering, forbrugsdata fra et FAS system, højdekoter, samt et ledningskatalog, hvor varmetabskoefficienten og rør-ruheder fremgår. Modellen bygges i et modelbygningsværktøj, hvor der både udføres en datavalidering, samt en mindre forsimpling (reduktion af krævet computer regnekraft), hvor stik og små hoveddimensioner med begrænset forbrug forsimples væk. Denne forsimpling betyder ikke noget for beregningsresultatet i hovedledningerne, men varighedsberegninger vil mangle flere meter ledning, og varmetabet vil derfor ikke passe overens. Resultatet af modelbygningen er en model, der er opbygget af knuder og ledninger, hvor forbrug sker i knuder, mens ledningerne beskriver de aktuelt lagte rør, hvor størrelser som tryk, flow og frem- og returtemperaturer beregnes ud fra forbrugsfordeling, se Figur 21. Hver ledning repræsenterer et ledningspar (frem og returledning). Varmecentraler, omløb, ventiler m.m. er standardkomponenter og styring indstilles til at svare til virkeligheden. Ledningsnetmodellen bliver derved et stærkt værktøj til planlægnings- og konsekvensberegninger og et supplement til SRO målinger, som kun giver øjebliksbilleder i de enkelte målepunkter (hvis de forefindes) for ledningsnettets aktuelle tilstand. 44

48 Figur 21 Visning af Tjæreborg blandekredsen i Esbjerg Forsyning, som den ser ud i TERMIS. Ledningsnetmodellens forbrug er tilknyttet knuder som vist i detaljevinduet. De røde streger viser, hvor modellen har forsimplet opbygningen (små hovedledningsdimensioner med meget lavt forbrug). Dette er led i den forsimpling, som udføres i modelbygning, for at mindske maskinregnekraften Online model Ledningsnetmodellen kan kobles op på SRO systemets realtidsmålinger og bliver derved en Online model. En online model tager aktuelt driftsdata og bruger dette som randbetingelser for beregningen, som derved beskriver den nuværende situation i ledningsnettet. I TERMIS hedder konverteringen af SRO data til randbetingelser i TERMIS Flow og Temperature adaption. Flow adaption ser på den leverede masse (flow) og skalerer alle forbrugsknuder, så forbruget svarer til massebalancen. Temperature adaption fastsætter fremløbstemperaturen ab værk og skalerer afkølingen hos forbrugerne, så returtemperaturen passer med det målte. Dette betyder, at aktuelle temperaturer i hovedledningerne samt tryktab og differenstryk beregnes rigtigt for den aktuelle situation, dog betyder denne metode, at varmetabet fra stik og små hoveddimensioner beregnes som forbrug Temperatur Optimering Grundlæggende for TERMIS Temperatur Optimeringen er, at det en styring, hvor TERMIS sænker temperaturen en grad ad gangen og ud fra det enkelte nets 45

49 unikke respons finde det økonomiske optimum ud fra de hydrauliske grænseværdier, som er blevet konfigureret. Af randbetingelser er en af de vigtigste, at udvalgte kritiske knuder (øjepunkter) i ledningsnettet har en fastsat minimums fremløbstemperatur, defineret ved opsætning af modellen. Yderligere kan der indsættes nogle temperaturgrænser, som optimeringen ikke må overskride, fx den mindste temperatur, som kan shunt es ab værk, samt undgå for store temperaturspænd, således at spring i fremløbstemperaturen også kontrolleres, fx 1K/timen. For at undgå mulige problemer ved en lavere temperatur, ser optimeringsberegningen på det estimerede kommende forbrug. Dette er enten gjort ud fra vejrprognoser og graddøgn eller via et andet lastprognoseværktøj. Optimalt set skal optimeringen beregne 1,5 x transporttiden til fjerneste forbruger frem i tiden for at sikre, at temperatursænkningen overholder alle de førnævnte kriterier. Alle disse faktorer er med til at skabe en tung regneopgave, hvilket kræver, at den model, som der regnes på, er en mere forsimplet udgave end en strategisk model. Det er i sidste ende et spørgsmål om størrelsen af modellen, hvor mindre varmeforsyninger godt kan regne på en kopi af den strategiske model, men en forsimplet udgave er en nødvendighed for større varmeforsyninger Varighedsberegning Varighedsberegninger er en metode til at definere op til 12 perioder af nogenlunde ens karakter, bestemt ud fra forbrugt energi, afkøling, fremløbs- og udetemperaturen. Efter en varighedsberegning er udført, kan der genereres en rapport, som fortæller varmetabet og leveret energi baseret på input data. Det er denne beregnings funktion, som dette F&U projekt har tænkt sig at benytte til at dokumentere energibesparelsen ved brug af temperatur optimeringen Fjernaflæst forbrug For at kunne bestemme det løbende varmetab bedst muligt, har F&U projektet valgt at benytte fjernaflæsningssystemet, som alle de medvirkende forsyninger har installeret over de seneste år. Dette er stadig en relativt ny teknologi, hvor mange udfordringer først skal løses, før et godt resultat kan leveres. Der er to grundlæggende metoder, hvorved informationen opsamles: DSL opkobling eller med en radiosender. DLS opkoblingen er en konstant forbindelse mellem hver måler og en database, som periodisk sender en datapakke med den nyeste måling. Dette giver store datasæt, men også et potentiale for mere avancerede beregninger i fremtiden (Ledningsnetmodeller, hvor alt leveret og forbrugt energi er baseret på målinger). Radiosender-metoden kaldes ofte også for Skraldevognsmetoden. Som renovationen periodisk udfører sit arbejde, indsamles datapakker fra hele byens 46

50 fjernaflæste units via en radiomodtager på skraldevognen, som giver to primære målinger, den aktuelle varmemåling og en månedsafregning. Enhederne kan indstilles, så afkølingen også sendes. Ulempen ved denne metode er, at data kommer med en forsinkelse, så realtidsberegninger på målte forbrugsdata ikke er en mulighed. Metoden kan på sigt opgraderes til realtidsmålinger ved at installere nogle dataopsamlingsstationer, som så via en opkobling kan levere kontinuerte data Opgørelse af energibesparelser Der er flere retningslinjer, som skal overholdes ved opgørelse og indberetning af energibesparelser i nettet. De væsentligste for dette projekt er kort skitseret her. Besparelsen skal ses i forhold til dagens standard og er forskellen mellem det aktuelle standardenergiforbrug (energitab) og den nye, lavere, værdi. I dette projekt vurderes standard for at være energitabet, baseret på de forrige års gennemsnitlige fremløbstemperatur, dag til dag. Som temperaturoptimeringer viser, er temperaturen ofte valgt med en vis forsigtighed. Aftaler og bekendtgørelser: 1. Aftale af 20.november 2009 mellem klima- og energiministeren og net- og distributionsselskaberne. 2. Bekendtgørelse nr.677 om energispareydelser i net- og distributionsvirksomheder. Gyldighedsperiode: Rammer og mål gælder i perioden begge år inkl. Nuværende retningslinjer gælder i perioden til Metodefrihed: Net-og distributionsvirksomheden kan forestå realisering af energibesparelser i eget ledningsnet. Opgørelsesmetode: Ved energibesparelser i eget ledningsnet skal anvendes specifik opgørelse (ikke standardværdier). Dokumentationskrav: Entydig dokumentation af alle realiserede energibesparelser. Dokumentation af sammenhæng mellem initiativ og opgjort besparelse. 47

51 Dokumentation for, at besparelser er gennemført. Til indberetning af energibesparelser henvises bl.a. til Dansk Fjernvarme, som har genereret flere dokumenter og skabeloner til hjælp for dets medlemmer. Kvalitetssikring: Krav om kvalitetssikring hos net-og distributionsselskabet og/eller underleverandør, der agerer på selskabets vegne. Herunder dokumentation for energibesparelse, involvering, tilskrivningsret, implementering og indberetning. Desuden krav om intern og ekstern audit. 48

52 11 BILAG II - BESKRIVELSE AF PROJEKTOMRÅDER Dette afsnit beskriver de fjernvarmezoner, hvor temperaturoptimeringen er benyttet og besparelsen beregnet for Hjerting Hjerting er et område med ca installationer. Området har en blandekreds placeret ved en spids- og reservelastcentral. Området er primært et parcelhus område med let erhverv samt skole. Størstedelen af Hjerting er fra 60 erne og 70 erne. Desuden har der været en stor udbygning de sidste år. Leveret energi Forbrug FAS Tab % [MWh] [MWh] % % TERMIS Opsætning Hjerting Gennemgang af klargøring af blandekreds Hjerting i Esbjerg Forsyning. Ledningsdata: Højdeniveauet i modellen sættes til 0m for alle knuder. Dette er for at undgå, at når de autogererende knuder og stik, at højdeforskellen ikke gennemtvinger et forlangt ledningsnet. Der genereres stik til alle knuder, de sættes til 26,9/110mm. Der er 2147 installationer. Der udføres først kontrol, at der ikke er oprettet nye ledninger med længden 0m. Alle ledninger vælges, og de autogenererede stiks (house entry pipe ja) længde udvælges i TERMIS og summeres i Excel. Modellen har bestemt stiklængden til m, hvor GIS oplysningerne sætter stiklængden til m. Alle stiklængder ganges med en faktor 0,63 som korrektion og tilbageføres i TERMIS. Samme metode benyttes for hovedledninger, hvis længder er m i TERMIS og m i GIS. Dette medfører en korrektionsfaktor på 1,31 på længden. 49

53 Grundet sprogforskelle i originalmodellen og den benyttede danske udgave af TERMIS er knuderne betegnet hhv. default og standard. Alle knuders forbrugszone sættes til standard. Simuleringsdata: Modellens standardforbrug (lastfaktor 1.0) bestemmes ved at sætte den globale varmetabsfaktor til 0,001 (Den må ikke sættes lig 0, da TERMIS så ignorerer at gange den på). Flow og temperaturadaption slås fra, sammen med Benyt graddags data. Flow/effekt tidsserier slettes. Lastfaktor beregnes til 15,994 MW Tjæreborg Tjæreborg er et område med ca. 880 installationer. Området har en blandekreds placeret ved en spids- og reservelastcentral. Området er primært et parcelhus-område med let erhverv samt skole. Tjæreborg er en ældre by, som stille og roligt har udviklet sig over de sidste 100 år. Grundet placeringen i forhold til transmissionsnettet drøvles der hele året på tilgangstrykket til centralen. Leveret energi Forbrug FAS Tab % [MWh] [MWh] % % TERMIS Opsætning Tjæreborg Gennemgang af klargøring af blandekreds Tjæreborg i Esbjerg Forsyning. Ledningsdata: Højdeniveauet i modellen sættes til 0m for alle knuder. Dette er for at undgå, at når de autogenererede knuder og stik gør, at højdeforskellen ikke gennemtvinger et forlangt ledningsnet. 50

54 Der genereres stik til alle knuder, der sættes til 26,9/110 mm. Der er 904 installationer. Der udføres først kontrol med, at der ikke er oprettet nye ledninger med længden 0m. Alle ledninger vælges, og de autogenererede stiks (house entry pipe ja) længde udvælges i TERMIS og summeres i Excel. Modellen har bestemt stiklængden til m, hvor GIS oplysningerne sætter stiklængden til m. Alle stiklængder ganges med en faktor 0,823 som korrektion og tilbageføres i TERMIS. Samme metode benyttes for hovedledninger, hvis længder er m i TERMIS og m i GIS. Dette medfører en korrektionsfaktor på 1,22 på længden. Grundet sprogforskelle i originalmodellen og den benyttede danske udgave af TERMIS er knuderne betegnet hhv. default og standard. Alle knuders forbrugszone sættes til standard. Simuleringsdata: Modellens standardforbrug (lastfaktor 1.0) bestemmes ved at sætte den globale varmetabsfaktor til 0,001 (Den må ikke sættes lig 0, da TERMIS så ignorer at gange den på). Flow og temperaturadaption slås fra, sammen med Benyt graddags data. Flow/effekt tidsserier slettes. Lastfaktor beregnes til 5,753 MW Korup Korup er en forstad til Odense, omgivet af åbne marker og lidt skov. Der er ca. 8 km til Odense centrum. Korup bydelen består udpræget af parcelhuse (ingen etageejendomme), med nogle få middelstore forretningsområder, samt en stor skole og et stort kursuscenter. Der er kun meget lidt småindustri. By-nettet er fra først i 80 erne og dimensioneret efter de daværende gældende dimensioneringsmetoder. Det blev drevet som et decentralt fjernvarmenet. I dag er bydelen forsynet direkte fra Fynsværket, og det køres som et direkte system (uden varmevekslere). Nettet er kun langsomt ved at blive omlagt til at blive optimeret efter i dag gældende dimensioneringsmetoder, og det sker i takt med den naturlige renoveringsplan. 51

55 Der er en varmecentral i bydelen tættest på Odense. Varmecentralen er forsynet med en blandepumpe, der spæder returvand i fremløbsvandet, og derved sænkes fremløbstemperaturen. Korup har for Fjernvarme Fyn været et testområde for temperatursænkning. Leveret energi Forbrug FAS Tab % [MWh] [MWh] * % * *Varmetabsopgørelsen for Korup er ikke retvisende. Løbende SRO dataudfald i længere perioder har medført mindre målt leveret energi i For 2009 data er forbrugsafregningen baseret på mængdeafregning og derfor ikke brugbar til en retvisende energibalance TERMIS Opsætning Korup Gennemgang af klargøring af zone Korup i Fjernvarme Fyn. Ledningsdata: Højdeniveauet i modellen sættes til 0m for alle knuder. Dette er for at undgå, at når de autogenererede knuder og stik gør, at højdeforskellen ikke gennemtvinger et forlangt ledningsnet. Der genereres stik til alle knuder, de sættes til NW20. Der er 2228 installationer. Der udføres første kontrol, at der ikke er oprettet nye ledninger med længden 0m. Alle ledninger vælges, og de autogererede stiks (house entry pipe ja) længde udvælges i TERMIS og summeres i Excel. Modellen har bestemt stiklængden til m, hvor GIS oplysningerne sætter stiklængden til m (Under DN50). Alle stiklængder ganges med en faktor 0,626 som korrektion og tilbageføres i TERMIS. Samme metode benyttes for hovedledninger, hvis længder er m i TERMIS og m i GIS (DN50 og op). Dette medfører en korrektionsfaktor på 1,27 på længden. Grundet sprogforskelle i originalmodellen og den benyttede danske udgave af TERMIS er knuderne betegnet hhv. default og Korup. Alle knuders forbrugszone sættes til Korup. 52

56 Simuleringsdata: Modellens standardforbrug (lastfaktor 1.0) bestemmes ved at sætte den globale varmetabsfaktor til 0,001 (Den må ikke sættes lig 0, da TERMIS så ignorerer at gange den på). Flow og temperaturadaption slås fra, samme med Benyt graddags data. Flow/effekt tidsserier slettes. Lastfaktor beregnes til 13,9 MW ved 45K afkøling. Denne skal skaleres efter afkølingen, bestemt på månedsbasis. 53