Utveckling av ett reglersystem som utnyttjar informationen från gassensorer för att styra tillförseln av förbränningsluft

Transkript

1 David Eskilsson, Henrik Quicklund, Mathias Johansson, Torbjörn Eliasson och Stefan Österberg Utveckling av ett reglersystem som utnyttjar informationen från gassensorer för att styra tillförseln av förbränningsluft Development of a control system that utilises the information from gas sensors to control the supply of combustion air Slutrapport i Energimyndighetsprojekt: P SP Sveriges Provnings- och Forskningsinstitut Energiteknik Borås 2004

2 2

3 3 Förord I projektet har Sahlin Ecotech AB deltagit som industripartner och bidragit med pelletsbrännare och långtidsmätningar. För dessa insatser ska alla inblandade på Sahlins Ecotech ha ett stort tack. Även KMP AB har bidragit med en pelletsbrännare vilket de ska ha tack för. Till detta projekt har det även knutits en informell referensgrupp bestående av en rad olika pelletsbrännartillverkare som kontinuerligt har informerats om projektet. Torsby-Ugnen AB Thermia Värme AB MBIO Energiteknik AB Värmebaronen AB ITON Energiteknk AB SBS Janfire AB KMP AB Sahlins Ecotech AB På SP har följande personer jobbat med projektet: David Eskilsson (Projektledare) Henrik Quicklund (Utveckling av regleralgoritm) Mathias Johansson Torbjörn Eliasson Stefan Österberg Rapportstruktur För att rapporten ska vara så lättläst som möjligt är den kortfattat skriven. På ca 15 sidor sammanfattas de viktigaste resultaten samt slutsatserna från projektet. Den intresserade läsaren kan fördjupa sig genom att läsa bilagorna som mer i detalj beskriver projektets genomförande och resultaten. För att öka tydligheten finns det en sammanfattning samt en slutsatsdel även i varje bilaga. Bilagor (se även innehållsförteckning s 6): A TIDIGARE OCH PÅGÅENDE ARBETE INOM OMRÅDET 23 B SENSORERNAS EGENSKAPER SAMT KARAKTÄRISTIK 24 C UTVECKLING AV REGLERALGORITM 34 D FÖRSÖK MED OLIKA STYRSTRATEGIER: KONSTANT LUFTTILLFÖRSEL, λ-styrning OCH λ-optimering 46 E TEST AV λ-optimering PÅ FRAMÅTBRINNANDE PELLETSBRÄNNARE SAMT VEDPANNA 58

4 4 Sammanfattning Verkningsgraden och emissionerna från pelletsbrännare kan variera beroende på bränslekvalité, underhåll och last. För att erhålla lägre emissioner, höja driftsäkerheten och förbättra effektiviteten har vissa panntillverkare börjat använda en syresensor för att styra lufttillförseln mot en specifik syrehalt i rökgasen (styrstrategin benämns λ-styrning: fast börvärde på O 2 ). Problemet är att det optimala börvärdet på O 2 varierar beroende på förbränningsförutsättningarna (last, bränsle och underhåll) och därför måste börvärdet på O 2 väljas relativt högt. I detta projekt lanseras en ny styrstrategi som använder informationen från en gassensor för oförbränt och en syresensor för att optimera luftöverskottet i realtid (styrstrategin benämns λ-optimering: rörligt börvärde på O 2 ). Detta betyder att brännaren hela tiden har optimal verkningsgrad samt låga emissioner. Syftet med projektet har varit att dels detaljerat karaktärisera sensorer för oförbränt (dvs. kolmonoxid och kolväten), dels att utveckla ett reglersystem som optimerar lufttillförseln till en pelletsbrännare genom att utnyttja informationen från en sensor för oförbränt och en för syre. I projektet har två stycken nya och kommersiella gassensorer för oförbränt testats: sensor 1 (halvledarsensor) och sensor 2 (fastelektrolytsensor). Sensor 1 har testats med olika halter av kalibrergas. Sensor 1 och sensor 2 har karaktäriserats med jämförande referensmätning i rökgas och slutligen har sensorerna testats vid 800 timmars kontinuerlig drift i en pelletspanna. För att underlätta utvecklingen av regleralgoritmen skapades en modell av förbränningsprocessen. Denna modell har dels underlättat inställningen av regulatorn och dels har den använts som hjälpmedel för att utvärdera olika regleralgoritmer. En pelletsbrännare (Ecotec A3, 15 kw) för villaskala har använts för att testa och utvärdera tre olika styrstrategier: Konstant lufttillförsel (original), λ-styrning och λ- optimering. Strategierna har testats vid fyra olika driftförhållanden med olika pelletssorter (träpellets 6 och 8 mm och barkpellets) och vid olika laster (9-13 kw). Både sensor 1 och sensor 2 följer CO-halten i rökgasen väl även om sensor 2 har den bästa korrelationen och är känsligast. Signalen från sensorerna påverkas förutom av halten oförbränt också av en förändrad syrehalt. Långtidstester med sensorerna visar att sensor 1 förstörs långsamt av flygaskan medan sensor 2 är opåverkad. Grundsignalen (signal vid låga CO-halter) varierar med tiden vilket gör att sensorerna har svårt att mäta absolutvärden av CO. Sensorerna följer däremot CO-transienterna i tiden väl. Den utvecklade regleralgoritmen för λ-optimering är mycket innovativ och har i alla tester visat sig vara mycket robust. Algoritmen använder sig av en vanlig λ-styrning men där börvärdet optimeras beroende på CO-transienterna som mäts med gassensorn för oförbränt. När lasten samt bränslekvalitén förändras kompenserar algoritmen automatiskt för detta och väljer ett nytt börvärde på O 2. Vid testerna har den λ-optimerande styrstrategin haft lägre CO-emissioner jämfört med andra testade styrstrategier. Emissionerna har varit speciellt låga vid låg last och vid en sämre bränslekvalité. Vid alla tester med λ-optimering har pannsystemets verkningsgrad ökat jämfört med andra testade styrstrategier samtidigt som emissionerna av CO och NO x hålls på ett minimum. Regleralgoritmen för λ-optimering har utan modifikation testats på en framåtbrinnande pelletsbrännare (Pellex 20 kw) med goda resultat. Det λ-optimerande systemet har även testats på en vedpanna men här krävs mer utvecklingsarbete innan systemet kan användas.

5 5 Summary The efficiency and the emissions from a pellet burner vary depending on the fuel quality and load. To accomplish low emissions, increase the availability and increase the efficiency some boiler manufacturers have started to use λ-control where the supply of air is controlled against a fixed O 2 -concentration in the flue gas. The problem with λ-control is that the optimum set-point of O 2 varies depending on the combustion situation (fuel quality, load and maintenance). As a consequence, the O 2 set-point has to be set rather high. In this project a different control strategy λ-optimisation is proposed. This control strategy uses the information from a gas sensor for unburned gases and an O 2 sensor to optimise the O 2 set-point in real time. This ensures that the pellet burner have maximum efficiency and a minimum of emissions. The aim with this project has partly been to characterise gas sensors for unburned gases (CO and hydrocarbons) and partly to develop a control system that optimise the air supply to a pellet burner (λ-optimisation). In the project two new commercial gas sensors for unburned gases have been tested: Sensor 1 (a semi conducting sensor) and sensor 2 (a solid electrolyte sensor). Sensor 1 has been tested with different concentrations of calibration gases. Both sensor 1 and sensor 2 have been characterised with comparing reference measurements in the flue gas and finally the gas sensors have been tested in a pellet boiler during 800 h. A domestic scale pellet burner (Ecotec A3, 15 kw) has been used to test and evaluate three different control strategies: constant air supply (original), λ-control and λ- optimisation. The strategies have been tested during four different conditions with different pellet qualities (6 mm, 8 mm and bark pellet) and at different loads (9-13 kw). To facilitate the development of the control algorithm, a model over the combustion process was created. This model has made the tuning of the algorithm easier. The model has also been used as a tool to evaluate different control strategies of λ-optimisation. Both sensor 1 and sensor 2 follow the CO-concentration in the flue gas well even if sensor 2 is the most accurate and sensitive. The signals from the gas sensors are affected both from the concentration of unburned gases and the concentration of oxygen. The long-term test with the gas sensors showed that sensor 1 is slowly destroyed by the fly ash while sensor 2 is unaffected. The measurements also show that even if the sensor is able to follow the changes in CO concentration, the ground signal of the sensor (signal during low CO concentrations), is drifting. The developed control algorithm has in all tests proved to be very robust. The algorithm uses an ordinary λ-control but the set point is optimised depending on the CO-transients measured by a gas sensor for unburned gases. When the load and the fuel quality changes the control algorithm compensates for the changed condition and alter the O 2 set point. The λ-optimised control strategy results in lower CO-emissions compared with other control strategies especially during low load and bad fuel quality. By means of λ- optimisation, the boiler efficiency have increased in all the tests with different operational conditions at the same time as the emissions of CO and NO x are minimiced. The developed control algorithm for λ-optimisation has been tested, without modification, on a forward burning pellet burner (Pellx 20 kw) with good results. The λ- optimised system has also been tested on a wood boiler but for this application further development is necessary.

6 6 Innehållsförteckning 1 BAKGRUND SYFTE ALLMÄN BESKRIVNING AV PROJEKTET SAMT GENOMFÖRANDET PROBLEMSTÄLLNING GASSENSORER RESULTAT FRÅN SENSORTESTER Λ-OPTIMERING REGLERALGORITMEN FÖR λ-optimering RESULTAT FRÅN TESTER MED OLIKA STYRSTRATEGIER PÅ EN UNDERMATAD PELLETSBRÄNNARE TEST AV λ-optimering PÅ EN FRAMÅTBRINNANDE PELLETSBRÄNNARE SAMT EN VEDPANNA SLUTSATSER DISKUSSION PRAKTISKA RÅD VID IMPLEMENTERING AV LAMBDAOPTIMERING I PELLETSBRÄNNARE REFERENSER...21 Bilagor A TIDIGARE OCH PÅGÅENDE ARBETE INOM OMRÅDET...23 B SENSORERNAS EGENSKAPER SAMT KARAKTÄRISTIK...24 C B.1 SAMMANFATTNING...24 B.2 BESKRIVNING AV ANVÄNDA GASSENSORER FÖR OFÖRBRÄNT...24 B.3 KARAKTÄRISERING AV SENSORER...27 UTVECKLING AV REGLERALGORITM...34 C.1 SAMMANFATTNING...34 C.2 STYRNING AV PELLETSFÖRBRÄNNING MED OPTIMAL λ-styrning...34 C.3 λ-styrning: KONSTANTHÅLLNING AV SYREHALT...38 C.4 Λ-OPTIMERING: SÖKNING AV OPTIMAL SYREHALT...40 C.5 IMPLEMENTERING AV OPTIMAL LAMBDAREGLERING...45 D FÖRSÖK MED OLIKA STYRSTRATEGIER: KONSTANT LUFTTILLFÖRSEL, λ-styrning OCH λ-optimering...46 D.1 SAMMANFATTNING...46 D.2 BESKRIVNING AV STYRSTRATEGIER...46 D.3 STYRSTRATEGI...48 D.4 TESTMETODER...49 D.5 RESULTAT...50 D.6 SLUTSATSER...57 E TEST AV λ-optimering PÅ FRAMÅTBRINNANDE PELLETSBRÄNNARE SAMT VEDPANNA...58 E.1 SAMMANFATTNING...58 E.2 TEST AV λ-optimering PÅ FRAMÅTBRINNANDE PELLETSBRÄNNARE...58

7 7 E.3 TEST AV λ-optimering PÅ EN VEDPANNA...59 E.4 SLUTSATSER Bakgrund Utvecklingen av småskaliga biobränsleeldade pannor och lokaleldstäder har de senaste åren lett till en dramatisk sänkning av utsläppsnivån jämfört med äldre teknik. Emissionerna kan dock vara betydande vid uppstart, vid instabiliteter i förbränningsförloppet och vid felaktig drift och installation. Emissioner från pelletsbrännare kan också variera beroende på bränslekvalité och last [1]. För att ytterligare sänka emissioner, höja driftsäkerheten och förbättra effektiviteten har vissa panntillverkare börjat använda så kallade λ-sensorer för att styra lufttillförseln mot syrehalten i rökgaserna. Ett tänkbart nästa steg i utvecklingen av småskaliga förbränningsanläggningar är att styra förbränningen mot även andra parametrar såsom kolmonoxid, CO, oförbrända kolväten, THC och NO x. Genom att styra tillsättningen av förbränningsluft mot både O 2 -halten och den totala halten av oförbränt kan maximal effektivitet av pannans system fås samtidigt som emissionerna kan minimeras. Sensorstyrning skulle även kunna ge ett mycket förlåtande och flexibelt tekniksystem då skiftande bränslekvalité, driftstörningar och felinstallationer automatiskt skulle kunna upptäckas och korrigeras. Den senaste tiden har det utvecklats nya billiga typer av gassensorer vilka borde vara lämpliga för styrning av småskaliga förbränningsanläggningar. Dessa sensorer mäter halten oförbrända ämnen, dvs summan av kolmonoxid, kolväten och vätgas, och ger en summasignal för dessa ämnen. Utvecklingen av dessa sensorer är för tillfället mycket intensiv. Bilindustrin driver utvecklingen framåt men det utvecklas även sensorer för små pannor. Se bilaga A för att studera tidigare samt pågående arbete inom området. 1.1 Syfte Syftet med projektet har varit att dels detaljerat karaktärisera sensorer för oförbränt (dvs. kolmonoxid och kolväten), dels att utveckla ett reglersystem som optimerar lufttillförseln till en pelletsbrännare genom att utnyttja informationen från en sensor för oförbränt och en för syre. 1.2 Allmän beskrivning av projektet samt genomförandet Detta projekt har bedrivits i följande faser/steg: 1. Detaljerad utvärdering av två sensorer för oförbränt lämpliga för småskaliga förbränningsutrustningar (se bilaga B) 2. Utveckling av styr- och reglerstrategier för λ-optimering (se bilaga C) 3. Demonstration av tekniken på en pelletsbrännare (se bilaga D) 4. Inledande studier för applikation av λ-optimering på vedeldad förbränningsutrustning och annan pelletsbrännare (se bilaga E) I steg 1 har två olika sensorer lämpliga för småskaliga förbränningsutrustningar identifierats. Dessa sensorer har utvärderats i rökgas och kalibrerats med rena gaser. Därefter har sensorerna exponerats för rökgaser från en pelletsbrännare under ca 800 h för att studera deras långtidsegenskaper.

8 8 I steg 2 har två olika reglerstrategier för en pelletsbrännare tagits fram. Först utvecklades en regleralgoritm för λ-styrning 1 för att reglera lufttillförseln (fläkten) till brännaren. Därefter utvecklades en regleralgoritm för λ-optimering 2 vilket utnyttjade informationen från en lambda-sensor tillsammans med en sensor för oförbränt för att optimera lufttillförseln till pelletsbrännaren i realtid. I steg 3 demonstrerades och testades de framtagna styrstrategierna på en pelletsbrännare från Sahlins Ecotech samtidigt som emissionerna samt verkningsgraden mättes. Resultaten jämfördes med tester då pelletbrännaren var i orginalutförande (konstant lufttillförsel). Under testerna varierades bränslekvalitén och lasten. I steg 4 gjordes en inledande studie med det framtagna reglersystemet på en framåtbrinnande pelletsbrännare (Pellx 20 kw) samt en vedpanna. 1.3 Problemställning I Figur 1 visas den badkarskurva för CO som en förbränningsanläggning uppvisar när luftöverskottet (λ-värdet) förändras. När luftöverskottet sjunker kommer koncentrationen av CO öka vid ett speciellt värde på λ vilket kan liknas vid ett CO-knä. Vid detta värde på λ är verkningsgraden optimal samtidigt som NOx emissionerna hålls på ett minimum. Problemet är att detta optimala värde på λ varierar beroende på last, bränslekvalité och statusen på förbränningsanläggningen (se Figur 1). Dessutom kan olika störningar också göra att basnivån på CO (anläggningens minimala emissioner) varierar. Vid λ-styrning (fast börvärde på O 2 ) väljs därför börvärdet på λ högt för att kompensera för dessa störningar vilket leder till sämre verkningsgrad samt högre NO x emissioner. Vid λ-optimering optimeras börvärdet på O 2 i realtid så att det ligger så nära CO-knäet som möjligt. Detta betyder att anläggningen har en maximal verkningsgrad samtidigt som NO x -emissionerna hålls på ett minimum och halterna av oförbränt är låga. 1 λ-styrning: Här avses styrning mot en specifik O 2 -halt (fast börvärde på O 2 ) m h a en λ-sond. 2 λ-optimering: Här avses styrning med ett rörligt börvärde på O 2 mot ett optimalt luftöverskott vilket optimeras i realtid, d v s minimum i O 2 med bibehållet låga halter av oförbränt (kolväten och CO).

9 9 CO (mgco/nm3 normerat på 10% O2 torra gaser) NOx OGC CO Det optimala lambdavärdet beror på last, bränsle samt förbränningsförhållanden NOx och OGC (mg NO2/nm3 resp. mg C/nm3 normerat på 10% O2) Lambda: Totala stöokometrin över förbränningen. Figur 1. Koncentrationen av CO, NO x och OGC som funktion av luftöverskottet (λ) över förbränningen i en pelletsbrännare. Den randiga rektangeln i figuren beskriver området för det optimala λ-värdet med maximal verkningsgrad. Figuren beskriver också hur det optimala λ-värdet samt basnivån av CO varierar vid olika förutsättningar. 2 Gassensorer I projektet har två olika sensorer för oförbränt testats: sensor 1 (halvledarsensor) och sensor 2 (fastelektrolytsensor). Sensor 1 har testats med kalibrergas. Sensor 1 och sensor 2 har karaktäriserats med jämförande mätning i rökgas och slutligen har sensorerna testas vid 800 timmars kontinuerlig drift i pelletspanna. Sensor 1 (halvledarsensor): Sensor 1 är av typen SGAS 220 och tillverkas av Steinel [2]. Den aktiva delen av sensorn består av det halvledande materialet galliumoxid (Ga 2 O 3 ) och mäter halten oförbränt (CO, H 2 och C x H y ger en total signal) i rökgasen. Denna sensor är idag kommersiell och serieproduceras t.ex. till panntillverkaren Valiant där den används i en gaspanna för lambdaoptimering (reglering av lufttillförseln). Sensorn har ett relativt lågt pris på ca kr, berorende på antal beställda komponenter. Beroende på sensorns applikation kan diverse olika höljen till sensorn fås. Till högtemperaturapplikationer finns ett keramiskt hölje vilket klarar rökgastemperaturer på 400 C. Sensorn har en garanterad drifttid på h i en gaspanna. Denna sensor finns nu (hösten 2004) även i en nytt utförande som ska skydda sensorn från flygaska. Sensor 2 (fastelektrolytsensor): Sensor 2 tillverkas av företaget Escube GMBH [3] och är av typen Carbosen 1000 typ A. Sensor 2 är en fastelektrolytsensor (Icke Nernst) av samma typ som lambdasonden. Denna sensor är kommersiell men inte ännu i serieproduktion. Sensorn kostar i dagsläget runt ca 5000 kr, men vid serieproduktion beräknas sensorn kosta mellan kr. Sensorn kan mäta CO-halter så lågt som 20

10 10 ppm och upp till ppm. Eftersom sensor 2 är en fastelektrolytsensor ger sensorn en voltsignal som utsignal. 2.1 Resultat från sensortester Båda sensorerna följer CO-halterna i rökgasen väl (se Figur 2 och Figur 3). Sensor 2 följer dock CO-halterna bäst och är den sensor som är mest känslig för låga CO-halter. Gemensamt för de båda sensorerna är att signalen förändras vid en ändrad O 2 -halt (se Figur 4) och denna påverkan är störst vid låga O 2 -halter (3-5 %). CO Reference (ppm) Sensor 2 (V) Sensor 1 (1/V) CO Reference (ppm) Time (Min) Sensor 1 (V) Sensor 2 (1/V) Figur 2. Signalstyrkan för sensor 1 och sensor 2 samtidigt som CO-halten har mätts med ett referensinstrument. Figur 3. Vänster figur: Signalen för sensor 1 som funktion av uppmätt CO-halt (referensinstrument) i rökgas. Höger figur: Signalen för sensor 2 som funktion av uppmätt CO-halt (referensinstrument) i rökgas.(r = Sensorns resistans vid mätningen, R0=Sensorns resistans i rumsluft för respektive mättillfälle. R 2 beskriver hur väl mätvärdena följer polynomet i figuren. Vid R 2 =1, följer mätvärdena polynomet perfekt.

11 11 Figur 4. Figuren visar hur signalstyrkan för sensor 1 (halvledarsensor) påverkas av förändrade CO- och syrehalter. R0 = sensorns resistans i rumsluft vid mättillfället och R = sensorns resistans vid mättillfället. Testerna under 800 timmars drift i en pelletspanna visade att signalen från sensor 1 sjunker kraftigt med tiden. och sensorns förmåga att detektera CO försämras. Detta beror troligtvis på att oorganisk askan sätter sig på sensorelementet och påverkar sensorns halvledaregenskaper. Därför måstedenna sensor skyddas från flygaska för att kunna användas för styrändamål vilket kan vara svårt vid applikationer i villaskala. Hösten 2004 har det dock kommit en ny version av sensorn som bättre skyddar sensorn från flygaska. Sensor 2 följer variationerna av CO från en pelletsbrännare mycket bra men sensorns grundsignal (signal vid låga CO-halter) tycks driva med tiden även om den fortfarande detekterar CO med god noggrannhet. Sensorn visar inte någon påverkan av flygaska efter 1000 h drift. Sensorn kan användas för styrningsändamål men då bör man styra på COtransienterna och ej på de absoluta CO-värdena eftersom signalen driver. Sensorn kan troligtvis också användas för att larma användaren för ofullständig förbränning tex CO halter över 2000 ppm. Sensor 2 användes i försöken med styrning av en pelletsbrännare. 3 λ-optimering Syftet med en λ-optimering är att finna och konstanthålla det luftöverskott som ger minimal CO-halt i rökgasen. Detta problem kan lösas på ett antal olika sätt men det sätt som valts här är att först designa en styrning av luftöverskottet, λ-styrning, och sedan komplettera denna med en funktion som beräknar lämpligt börvärde för λ-styrningen. För att underlätta framtagning av såväl λ-styrning som λ-optimering skapades en mattematiskmodell av förbränningsprocessen. Denna modell har tjänat två syften. Dels har den underlättat inställning av regulatorn, dvs λ-styrningen, eftersom regulatorparametrar och andra justeringar kunde göras via simulering istället för mot den verkliga förbränningsprocessen. Dels har den använts som hjälpmedel för att utvärdera olika varianter av λ-optimering. Figur 5 visas ett flödesschema över den stegvisa utvecklingen av λ-optimeringen.

12 12 Modell av förbränning Design av börvärdesoptimering Modellvalidering Reglerdesign Test av reglering mot modell Test av optimering mot modell Test mot verklig förbränning Implementering och test mot verklig förbränning Figur 5. Flödesschema för arbetsgången vid framtagning av λ-styrning (t.v.) och λ- optimering (t.h.) För att implementera λ-optimeringen har originalfläkten ersatts med en radialfläkt där varvtalet kan styras genom en likspänningsingång 0-10 volt. Styrning av fläkten, inläsning av sensorvärden och realtidskörning av λ-optimeringen implementerades sedan i en PC-miljö. All programmering har gjorts i det grafiska programspråket VEE PRO. 3.1 Regleralgoritmen för λ-optimering λ-optimeringen består av två delar, dels inre slinga som reglererar luftöverskottet, λ- styrning, och dels en yttre slinga som bestämmer börvärdet för λ-styrningen. Se Figur 6. Optimering λ opt + _ e PID u λ CO System u sat Figur 6. Principskiss över hur λ-optimeringen fungerar. En inre slinga sköter regleringen av luftöverskottet och en yttre slinga beräknar börvärdet för luftöverskottet (λ opt =börvärde, λ=ärvärde). Styrsekvensen börjar med att O 2 -halten ställs in på ett förutbestämt börvärde. När det filtrerade ärvärdet på O 2 (medelvärdesbildning av O 2 ) konvergerar med börvärdet initieras nästa steg där ett nytt börvärde på O 2 väljs. Beroende på värdet på det filtrerade COvärdet (medelvärdesbildning av CO-halten) väljer regleralgoritmen ett större eller mindre börvärde. Denna stegändring av börvärdet kan antingen vara fast eller variabel. Regleralgoritmen varierar börvärdet på O 2 så att derivatan av CO som funktion av O 2 uppnår önskat värde. Värdet på denna derivata är en inställningsparameter till λ- optimeringen och väljs med utgångspunkt i det samband som gäller mellan O 2 och CO, se Figur 1. Vid minsta CO-halt gäller att denna derivata skall vara noll. Det har dock visat

13 13 sig att det är praktiskt ofördelaktigt att välja derivatan till noll eftersom det kan resultera i onödigt hög O 2 -halt. Istället väljer man derivatan svagt negativ så att λ-optimeringen letar efter en punkt strax nedanför minimipunkten för CO, dvs vid det så kallade CO-knäet. I Figur 7 visas ett exempel på hur λ-optimering fungerar. Vid exemplvis den instabilitet i förbränningen som uppstår vid t = 135 minuter svarar algoritmen med att direkt öka börvärdet på O 2. Figur 7. Exempel på ett försök med lambdaoptimering på en pelletsbrännare där börvärdet på O 2 optimeras baserat på derivatan av CO (mäts med sensor 2) som funktion av O 2. Steglängden på börvärdesändringen kan väljas fast eller varierande. Vid varierande steglängd på börvärdet ska regleralgoritmen ta stora börvärdessteg när börvärdet befinner sig långt från det optimala lambdavärdet och små steg när börvärdet befinner sig nära det optimala börvärdet. Figur 8 är ett exempel på ett försök med varierande steglängd. Regleralgoritmen tar ibland små steg, men processen så pass instabil att de flesta börvärdessteg blir stora. Tekniken med varierande steglängd är mycket lovande men kräver troligtvis en stabilare förbränningsprocess än den testade. Därför används fast steglängd på 0,2 % O 2 i resterande försök. Figur 8. Försök med varierande stegändring på börvärdet (0,5-0,05 % O 2 ) och ett dmin på 30 (effekt: 13 kw, bränsle 8 mm pellets).

14 Resultat från tester med olika styrstrategier på en undermatad pelletsbrännare I projektet har tre olika styrstrategier testats vid fyra olika driftförhållanden med varierande bränslekvalité (träpellets 8 och 6 mm och bark-pellets 8 mm) samt vid olika laster (9-13 kw). De testade styrstrategierna är: Pellebrännare i originaltillstånd (konstant lufttillförsel), λ-styrning (lufttillförseln regleras med ett konstant börvärde på O 2 ) och λ- optimering (lufttillförseln optimeras med ett rörligt börvärde på O 2 ). Testerna genomfördes på en undermatad pelletsbrännare: Ecotec A3 15 kw. Den innovativa styralgoritmen för λ-optimering som tagits fram i projektet är mycket robust och klarar i alla försök av de störningar som pelletsbrännaren har utsatts för i form av förändringar i bränslekvalité samt last. Vid inmatning av olika pelletskvalitéer reagerar styralgoritmen momentant och reglerar börvärdet på O 2 så att bästa förbränningsprestanda uppnås (se Figur 9). Figur 9. Förbränning av två olika pelletskvalitéer vid en effekt på 12 kw (8 mm träpellets och 8 mm barkpellets). λ-optimeringen sker med fast stegändring på börvärdet (0,2 %) och ett dmin på 30. Inblandningen av barkpellets kan studeras genom att studera NO x emissionerna då barkpellets innehåller mycket mer bränslekväve. Det λ-optimerande systemet har i näst intill alla försök visat sig ha lägre emissioner av oförbränt jämfört med de andra provade styrstrategierna (se Figur 10). Även om halterna av oförbränt har sänkts har verkningsgraden ökat i alla försök med det lambdaoptimerande systemet jämfört med övriga testade styrstrategier (se Figur 11). Det sänkta luftöverskottet vid lambdaoptimering har också gjort att NO x -emissionerna har sänkts med 8-15 %.

15 15 Figur 10. CO-emissioner från försök med de olika styrstrategierna. Figur 11. Systemverkningsgraden för de olika försöken vid olika styrstrategier (verkningsgraden har ej uppmätts i fallet med barkpellets). 3.3 Test av λ-optimering på en framåtbrinnande pelletsbrännare samt en vedpanna Den framtagna regleralgoritmen för λ-optimering testades utan modifikation även på en framåtbrinnande pelletsbrännare (Pellx 20 kw) samt på en vedpanna med tryckande fläkt (Gaselle). Resultaten från testerna med den framåtbrinnande brännaren visar att förbränningen är mycket god med mycket låga O 2 -halter (7 %) och låga CO-emissioner vilket borgar för en hög verkningsgrad, se Figur 12. Detta trots att λ-styrningen ej anpassats för den aktuella processen.

16 16 Figur 12. Resultat med det λ-optimerande systemet på en framåtbrinnande brännare (Pellx 20 kw). Testerna med vedpannan visar att regleralgoritmen ej kan användas på vedpannor utan modifikation då reglering av lufttillförseln till en vedpanna är en mycket komplex och svår.. Därför krävs det att en ny regleralgoritm tas fram för en vedförbränningsprocess för att ett λ-optimerande system även ska fungera på en vedpanna. Det kan tänkas att man endast styr sekundärlufttillförseln i ett framtida koncept. 4 Slutsatser Båda de testade sensorerna följde CO-koncentrationerna i rökgasen från en pelletsbrännare, men sensor 2 (fastelektrolytsensor) är den sensor som var känsligast och som följde CO bäst. Sensor 1 (halvledarsensor) måste troligtvis skyddas från flygaska då långtidstesterna har visat att sensorn deaktiveras kraftigt med tiden. Sensor 1 har hösten 2004 kommit ut i ett nytt utförande som ska skydda den aktiva sensorytan från flygaska. Denna sensorversion har dock ej testats i detta projekt. Sensor 2 följde efter ca 1000 timmars drift fortfarande CO-variationerna i rökgasen med god noggrannhet. Även om sensorn följde CO-variationerna i provgasen väl för stunden driver sensorns bassignal med tiden. Detta innebär att sensorn inte kan användas för att mäta absolutvärden. Däremot kan sensorn troligtvis användas för att larma vid höga halter oförbränt. Sensor 2 är den sensor som bedömts vara mest lämpad för styrning och också den sensor som använts i det framtagna λ-optimerande systemet. Vid utvecklingen av de båda regleralgoritmerna (λ-styrning resp. λ-optimering) utnyttjades en mjukvarumodell. Modellen består av fläkt, förbränningsprocess och λ-sensor. Att använda en mjukvarumodell har visat sig vara ett effektivt sätt att testa och trimma de framtagna regleralgoritmerna. Det var relativt svårt att erhålla en tillräckligt bra λ-styrning som konstanthöll syrenivån i rökgasen på önskat värde. Regleralgoritmen för λ-optimering som tagits fram i projektet optimerar luftöverskottet i realtid (rörligt börvärde på O 2 ) och utnyttjar informationen från

17 17 en λ-sensor samt en sensor för oförbränt (sensor 2). Regleralgoritmen varierar börvärdet på O 2 så att derivatan av CO (mäts med sensor 2) som funktion av O 2 uppnår önskat värde. Detta gör att styralgoritmen är okänslig för förändringar i basnivån för CO-emissionerna (lägsta CO-emissioner) samt att basnivån på sensorsignalen driver. Den λ-optimerande reglerstrategin kräver en väl fungerande samt snabb λ- styrning. Den framtagna regleralgoritmen för λ-optimering är mycket robust och klarar i alla försök av de störningar som pelletsbrännaren utsattes för i form av förändringar i bränslekvalité och last. Det λ-optimerande systemet har i näst intill alla försök visat sig ha lägre emissioner av oförbränt jämfört med de andra provade styrstrategierna. Speciellt gäller detta när bränslekvaliteén och lasten ändras. Även om halterna av oförbränt har hållits på ett minimum har verkningsgraden ökat i alla försök med det lambdaoptimerande systemet jämfört med övriga testade styrstrategier. Den framtagna λ-optimeringen har även testats på en framåtbrinnande pelletsbrännare (Pellx 20 kw) utan några modifikationer. Pelletsbrännaren hade i testet utmärkt förbränningsprestanda med lågt lutftöverskott (7 % O 2 ) samt låga halter av oförbränt. Detta visar att regleralgoritmen enkelt kan implementeras på andra pelletsbrännare utan några större modifikationer. Den framtagna λ-optimeringen har även testats på en vedpanna med tryckande fläkt. Dessa inledande studier visar att styralgoriten ej direkt kan användas på en vedpanna. Det bör istället tas fram en helt ny algoritm som kan styra lufttillförseln till den relativt komplicerade vedförbränningsprocessen. 5 Diskussion Projektet har visat att det framtagna systemet med lambdaoptimering är mycket robust för störningar i form av last, underhåll och bränslekvalité. Försöken har också visat att verkningsgraden kan höjas genom att använda ett lambdaoptimerande system. Tidigare studier har visat att systemverkningsgraden (brännare +panna) kan vara ca % vid en medeleffekt [4]. Detta innebär att dagens pelletsbrännare har en stor potential att förbättra verkningsgraden. En förbättring i verkningsgrad ger bättre miljö och sänkta bränslekostnader. Figur 13 visar att bränslekostnaden sänks med 680 kr/år vid en höjning av verkningsgraden på 5 % vid en förbrukning på kwh. Detta visar också att det finns en potential att använda nyare och bättre teknik för att höja verkningsgraden. En investering på 2000 kr i ett sensorsystem som höjer verkningsgraden med 5 %, är betalat på 3 år vid en rak pay off-tid.

18 18 Figur 13. Besparing i bränslekostnad vid en höjning av systemverkningsgrad från 75 % till 80 respektive 85 % vid pelletseldning (1960 kr/ton) och vid ett värmebehov på kwh. Ett sätt att åstadkomma bättre verkningsgrad är att använda ett lambdaoptimerande system som optimerar lufttillförseln och därmed verkningsgraden i realtid. Ett annat sätt att höja verkningsgraden är att låta brännaren få längre gångtider, dvs minska antalet uppoch nedeldningar, vilket också sänker emissionerna. Vanligen går brännaren vid samma effekt, kortare eller längre perioder beroende på aktuellt värmebehov. Längre gångtider kan åstadkommas genom att brännaren får gå vid olika effektlägen beroende på värmebehov. Dessa effektlägen väljs genom att mäta en rad olika temperaturer (inomhus, utomhus och panntemperatur) varvid styrsystemet modellerar brännarens effektbehov. Det finns exempel på kommersiella brännare som använder denna teknik. Det lambdaoptimerande systemet kan med fördel användas på en brännare med varierande effekt. Speciellt önskvärt är det att få fram en brännare som kan ha en riktig låg effektnivå på 2-3 kw som kan användas vid lågt effektbehov (vår och sommar). En svårighet vid pelletseldning är att brännaren ställs in på ett visst luftflöde vid installation. Om användaren sedan byter pellets eller får en annan kvalité i nästa sändning stämmer inte den inställda luft/bränsle kvoten. Detta kan ge upphov till högre halter av oförbränt och/eller lägre verkningsgrad men med ett lambdaoptimerande system kan den höga verkningsgraden och de låga emissionerna bibehållas. Ett lambdaoptimerande system är till viss grad mindre känsligt för brister i underhållet (askrensning) då systemet till viss del kan kompensera för ett sämre underhåll genom att öka lufttillförseln. Systemet kan dock inte kompensera för stora brister i underhållet av askrensning. CO-sensorn kan dock användas till att larma användaren vid höga halter av oförbränt som kan orsakas av dåligt underhåll. Tidigare studier visar att emissionerna ökar betänkligt om brännaren sätts in i fel sort av panna, t.ex. om förbränningsrummet är för litet. Ett lambdaoptimerande system kan till viss del kompensera för detta genom att optimera lufttillförseln. Systemet kan så klart bara finjustera miljövärdena om tex lågan från brännaren når den kylda pannväggen hjälper inget reglersystem, förbränningen blir dålig.

19 19 Med ett lambdaoptimerande system finns det större möjligheter att bredda bränslebasen av stamvedspellets till t.ex. pellets med en viss inblandning av GROT då reglersystemet optimerar lufttillförseln beroende på bränslekvalité. Detta förutsätter dock att brännaren har förmågan att ta hand om askan på ett bra sätt. I detta projekt har brännaren med det lambdaoptimerande systemet eldat pellets bestående av 30 % GROT med ett bra resultat. Lambdastyrning (styrning enbart på O 2 ) finns redan på en rad kommersiella pelletsbrännare och pelletspannor. Speciellt gäller detta utländska produkter som ofta är mycket dyrare än svenska. Det kan också konstateras att vissa utländska kundgrupper är mer teknikmedvetna än prismedvetna (de kan acceptera ett högre pris för en mer sofistikerad teknik). Ett problem med lambdaststyrning på pelletsbrännare som sitter på äldre pannor är att dessa läcker luft (luckor till eldstadsutrymmena släpper in rumsluft). Detta betyder att lambdastyrningen kommer sänka lufttillförseln till brännaren med motsvarande luftmängd som läcker in i pannan vilket kan resultera i kraftigt förhöjda emissioner. Ett lambdaoptimerande system kan kompensera för denna utspädning av rökgaserna och optimera förbränningen utifrån de nya förutsättningarna. CO-sensorn kan även användas för att larma användaren att förbränningen är ofullständig och halterna av oförbränt är höga. Eftersom sensorns signal till viss del driver kan den inte mäta exakta värden men den kan troligtvis användas för att uppskatta emissionerna grovt (typ låga, medelhöga och höga emissioner). 6 Praktiska råd vid implementering av lambdaoptimering i pelletsbrännare Projektet har visat att det finns sensorer för oförbränt som kan användas för optimering av lufttillförseln till pelletsbrännare. De olika försöken med det lambdaoptimerande systemet har visat att systemet är mycket robust men innan systemet kan implementeras i en produkt måste en rad olika frågeställningar lösas. I detta avsnitt sammanfattas olika praktiska råd vid en implementering av ett lambdaoptimerande system. Gassensor Den gassensor för oförbränt som bedöms vara mest lämpad är sensor 2. Denna sensor har testats vid 800 h drift men givetvis bör sensorn testas mycket längre tid för att studera långtidsegenskaperna vid en implementering. Sensor 1 har dock kommit ut i ett nytt utförande (hösten 2004) som sägs skydda sensorn bättre från flygaska. Sensor 2 är ännu ej i serieproduktion varvid priset ännu är för högt (ca 5000 kr) men vid en serieproduktion bedöms priset bli ca 1000 kr vilket är en rimlig kostnad för en småskalig anläggning. Vid en implementering måste också elektroniken för sensorstyrning (konstanthållning av temperaturen på den aktiva sensorytan) integreras i brännarelektroniken. Detta borde dock inte vara några problem om brännaren är utrustad med modern elektronik. Råd vid implementering samt utformning av reglersystemet I detta projekt har det lambdaoptimerande systemet endast använts vid kontinuerlig drift av pelletsbrännaren. Det har inte ingått i projektet att styra lufttillförseln vid uppstart och nedeldning men här finns en stor potential. Det är angeläget att det lambdaoptimerande systemet finner det optimala lambdavärdet så snabbt som möjligt vilket kan åstadkommas med följande åtgärder:

20 20 Tiden för kontinuerlig förbränning väljs så lång som möjlig, så att det lambdaoptimerande systemet hinner finna det optimala lambdavärdet. Detta kan åstadkommas med effektreglering vid olika effektnivåer. Snabb och väl fungerande O 2 -reglering. Lagring av gammalt börvärde O 2. Vid nedeldning lagras börvärdet på O 2 och används som initialt börvärde på vid nästa uppstart. Variabel steglängd på börvärdesändringen på O 2, se Figur 46. Ändra filtrering på det filtrerade ärvärdet på O 2 så att bör- och ärvärde snabbare konvergerar. Alternativa styrmetoder Istället för att styra på O 2 -halten så kan man styra på förbränningstemperaturen. Fördelen är att ett termoelement är mycket billigare än en lambdasensor. Det är mycket möjligt att en sådan styrning kan kombineras med en CO-sensor som optimerar förbränningstemperaturen (rörligt börvärde) med avseende på CO-halterna. Råd vid styrning av fläkt alternativt bränslematning I detta projekt har ärvärdet på syrenivån i rökgasen (luft/bränslekvoten) konstanthållits genom att styra lufttillförseln (reglerbar fläkt). Detta har ansetts vara den mest generella metoden och den kan tillämpas på alla brännare. Det finns inga hinder för att reglera syrehalten i rökgasen genom att styra bränslematningen. Båda dessa metoder har sina föroch nackdelar. I projektet har det varit stora svårigheter att välja en fläkt med möjlighet att reglera inom ett tillräckligt stort flödesområde. Vid styrning av bränsleinmatningen har man inte detta problem då bränslematningen kan varieras inom ett stort spann. Däremot kan det vara svårt att få en tillräckligt snabb och fin reglering då man varierar bränsleinmatningen. Man kan även tänka sig att styra båda dessa parametrar då man till exempel gör en grovinställning på O 2 med bränsleinmatningen och fininställning med fläkten. Hårdvara Den lambdareglering som beskrivs i denna rapport är programmeringstekniskt av relativ enkel natur och bör kunna implementeras med hjälp av en 8-16 bitars mikroprocessor samt relativt enkel kringelektronik. Mjukvaran består av följande komponenter: en PID-regulator av standardtyp med skydd mot integratoruppvridning, bestämning av optimalt börvärde (lambda), enkel lågpassfiltrering, linjär interpolering (anpassning av sensormätvärden), schemaläggare (operativ). Alla dessa komponenter kan lösas med heltalsaritmetik och inga flyttal behövs. För mätning av O 2 och CO krävs två analoga ingångar där signalnivån ligger omkring intervallet 0-2 volt. Vidare krävs en utgång för styrning av fläkten. I den implementering som beskrivs i rapporten användes en analog utgång där styrsignalen varierade mellan 0 och 10 volt. Implementeringen ställer ej heller några större krav på RAM och ROM-minne då varken antalet variabler eller mängden programkod är speciellt omfattande. Pris för ett lambdaoptimerande system För att ett lambdaoptimerande system ska kunnas motiveras fullt ut för en större del av kunderna bör priset för systemet motsvara besparingen i bränslet med en högre

21 21 verkningsgrad. I Figur 13 kan man se att en höjning av verkningsgraden med 5 % minskar bränslekostnaden med 670 kr/per år. Om man räknar med att systemet bör betalas på tre år får det kosta ca 2000 kr. För att sänka priset på systemet kan det tänkas att O 2 -sensorn byts ut mot en mätning av förbränningstemperaturen med ett rörligt börvärde på temperaturen. Framtida trender Om brännarna har en modern elektronik kan samma brännare finnas i ett antal olika versioner. Detta gör då att brännaren kan finnas med ett antal olika styrningar vilket ger kunden möjlighet att välja effektstyrning, temperaturstyrning eller lambdaoptimering. Ett lambdaoptimerande system har stora möjligheter att sänka bränslekostnaden för större pelletsbrännare/närvärmecentraler där det också finns stora pengar att tjäna på att höja vekningsgraden. Beräkningar visar att en sänkning av syrehalten på 3 % skulle ge en bränslebesparing på kr/år på en 500 kw anläggning. Vidare arbete Det är viktigt att resultaten från projektet når ut till tillverkare av pelletsbrännare så dessa i sin tur kan påbörja en utveckling inom området. Ett sätt att göra detta är att bjuda in tillverkare för att testa det lambdaoptimerande systemet på sin pelletsbrännare. Därefter kan tillverkaren påbörja utvecklingen på sin brännare i en dialog med forskare. Dagens pelletsbrännare är förbränningstekniskt bra utformade men det finns en stor potential att förbättra verkningsgraden samt minska antalet upp och nedeldningar genom att använda smartare styrning t.ex. effektreglering och lambdaoptimering. Ett sätt att minska priset för ett lambdaoptimerande system är att byta ut lambdasensorn med en mätning av förbränningstemperaturen. Därför vore det intressant att testa en optimerande styrning med ett rörligt börvärde på förbränningstemperaturen i kombination med en CO-sensor. Det lambdaoptimerande systemet kan också implementeras i närvärmecentraler för att styra sekundärluften. Där kan ett lambdaoptimerande system ge stora besparingar i bränslekostnader samt lägre emissioner. Beräkningar visar att ett lambdaoptimerande system kan kosta upp till kr och ändå betala tillbaka sig på 1 år för en 500 kw anläggning. Ett lambdaoptimerande system är mycket förlåtande för variationer i bränslekvalité och kan till viss del kompensera för en sämre bränslekvalité. Detta gör systemet mycket lämpligt för vedpannor där bränslekvalitéen kan variera kraftigt samtidigt som emissionerna blir högre med en dålig vedkvalité. Förbränningen i en vedpanna är dock en mer komplex process varför en ny styrstrategi bör tas fram även om vissa delar av den algoritm som presenterats i denna rapport kan användas. I ett första steg bör algoritmen testas med O 2 -styrda vedpannor. 7 Referenser [1] Bachs A, Dahlström J-E, Persson H, Tullin C, Eldningstetser med olika pelletskvalitéer, Projektrapport, Statens Energimyndighet, 1999 [2] Steinel AG, Allmeindstrasse 10, CH-8840 Einsiedeln, Schweiz [3] ESCUBE GmbH Space Sensor Systems, Nobelstraße 15, Stuttgart, Tyskland

22 22 [4] Råd& Rön nr [5] Eskilssonson D, Tullin C; Sensorer för styrning och minimering av emissioner från småskalig biobränsleförbränning förstudie, Rapport från energimyndigheten, 2001 [6] Eskilsson D, Rönnbäck M, Värmeforskrapport 892, 2004 [7] Padban N, Ramström E, Larfeldt J, Andersson M, Petersson H, Lloyd Spetz A; Integrerad processtyrning och emissionskontroll baserad på elektroniska sensorer [8] Svensson M; Lambdabaserad reglering, Värmeforskrapport 827, 2003 [9] Good J, Nussbaumer Th; Efficiency improvement and emission reduction by advanced combustion control (ACCT) with CO/Lambda control and setpoint optimization, 10 th European Conference and Technology exhibition: Biomass for energy and industry, 1998, Wurtzburg [10] Kompetenscentrum för bio- och kemisk sensorvetenskap och teknologi S- SENCE, Hemsida, [11] Fleischer, M. och Meixner, H., Gas sensors for pollution Control, Safety and Health, Siemens Magazine Research and Innovations, Issue (1/1997)

23 23 A Tidigare och pågående arbete inom området SP har tidigare genomfört en förstudie på olika lämpliga gassensorer för småskaliga förbränningsanläggningar. I denna förstudie identifierades ett antal gassensorer som mäter halten oförbränt i rökgaser och som är lämpliga att installera i småskaliga anläggningar [5]. Gassensorerna var kommersiella men alla var ännu inte i serieproduktion. Baserat på denna förstudie har SP initierat två nya projekt inom området. I ett Värmeforskprojekt har tre olika sensortyper karaktäriserats för att undersöka om dessa kan användas för styrning och driftövervakning av närvärmecentraler [6]. Den övergripande slutsatsen från detta projekt är att sensorerna kan användas för styrning, förutsatt att sensorerna kan skyddas från flygaska. Dock kunde inte sensorerna användas för driftövervakning då detta kräver mer utvecklingsarbete. Det andra projektet inom området som initierats från SPs sida är det projekt som redovisas i denna rapport. Projektet har syftat till att använda informationen från en lambdasensor tillsammans med en sensor för oförbränt för att optimera lufttillförseln till en 15 kw pelletsbrännare. Även TPS har initierat ett projekt inom området, där man använder några CO-sensorer för roststyrning av en 100 kw anläggning [7]. Två av dessa sensorer är samma som används i detta projekt. Vattenfall Utveckling driver ett Värmeforskprojekt (P4-306, Lambda-baserad reglering) där man försöker finna vilka inparametrar (effekt, temperatur m.m.) som bör användas för att bestämma ett lämpligt börvärde på lambda. Den framtagna styrstrategin utvärderas sedan i två närvärmecentraler [8]. I Schweiz har det gjorts försök att optimera lufttillförseln till en närvärmecentral genom att utveckla reglersystem som använder informationen från en lambdasensor samt en gassensor för oförbränt [9]. I dessa försök har man använt en äldre gassensor med det aktiva materialet tennoxid. Denna sensor har testats i många studier, men tyvärr har den mycket dåliga långtidsegenskaper varför den inte bedöms vara lämplig för förbränningsapplikationer. Utvecklingen av gassensorer är mycket intensiv för tillfället och bilindustrin driver utvecklingen framåt. Om bilindustrin börjar använda dessa sensorer i stor utsträckning kommer troligtvis priset att sjunka då antal producerade enheter ökar. Då utvecklingen är internationell är det mycket svårt att överblicka vilka sensorer som finns på marknaden, t.ex. finns det många aktiva japanska företag. I Linköping finns det ett kompetenscentrum för bio- och kemisk sensorvetenskap och teknologi, S-SENCE, som bland annat bedriver forskning om gassensorer baserade på det aktiva materialet kiselkarbid [10]. De har tagit fram ett antal lovande sensorprototyper för rökgasmätning, t.ex. en selektiv ammoniaksensor, men de bedöms ännu inte vara riktigt färdigutvecklade och kommersiella.

24 24 B Sensorernas egenskaper samt karaktäristik B.1 Sammanfattning I projektet har två stycken olika sensorer testats: sensor 1 (halvledarsensor) och sensor 2 (fastelektrolytsensor). Dessa sensorer har testats med kalibrergas, med jämförande mätning i rökgas och slutligen har sensorerna testas vid 800 timmars kontinuerlig drift i pelletspanna. Båda sensorerna följer CO-halterna i rökgasen väl. Sensor 2 följer dock CO-halterna bäst och är känsligast för låga CO-halter. Gemensamt för båda sensorerna är att signalen förändras vid en ändrad O 2 -halt. Denna påverkan är störst vid låga O 2 -halter (3-5 %). Testerna under 800 timmars drift i en pelletspanna visar att signalen från sensor 1 sjunker kraftigt och sensorns förmåga att detektera CO blir låg. Detta beror troligtvis på att den oorganiska askan sätter sig på sensorelementet och därigenom påverkar sensorns halvledande egenskaper. Därför bör denna sensor skyddas från flygaska för att kunna användas för styrändamål. Sensor 2 följer variationerna av CO från en pelletsbrännare mycket bra men sensorns grundsignal (signal vid låga CO-halter) tycks driva med tiden även om den fortfarande detekterar CO med god noggrannhet. Sensorn visar inte någon påverkan av flygaska efter 1000 h drift. Sensorn kan användas för styrningsändamål men då bör man styra på COtransienterna och ej på de absoluta CO-värdena eftersom signalen driver. Sensorn kan troligtvis också användas för att larma användarn för ofullständig förbränning, t.ex. COhalter över 2000 ppm. B.2 Beskrivning av använda gassensorer för oförbränt I projektet har det använts två typer av sensorer som mäter halten oförbränt i rökgasen dels en halvledande galliumoxidsensor (betecknas sensor 1) och dels en fastelektrolytsensor (betecknas sensor 2). Figur 14. Visar från vänster sensor 2 samt sensor 1

25 25 Sensor 1: Halvledarsensor Sensor 1 är av typen SGAS 220 och tillverkas av Steinel [2]. Den aktiva delen av sensorn består av det halvledande materialet galliumoxid (Ga 2 O 3 ) och mäter halten oförbränt (CO, H 2 och C x H y ger en total signal) i rökgasen. Denna sensor är idag kommersiell och serieproduceras numera till panntillverkaren Valiant där den används i en gaspanna för lambdaoptimering (reglering av lufttillförseln). Sensorn har ett relativt lågt pris på ca kr (beror givetvis på antal beställda komponenter). Beroende på sensorns applikation kan diverse olika höljen till sensorn fås, till högtemperatur applikationer finns ett keramiskt hölje vilket klarar rökgastemperaturer på 400 C. Sensorn har en garanterad drifttid på h i en gaspanna. Det halvledande Ga 2 O 3 -materialet sitter på en liten värmeplatta vilken värms upp till önskad temperatur. Till sensorn har det levererats en utvärderingselektronik som kan användas i utvecklingsarbetet till sin produkt för att variera temperaturen på sensorytan samt plocka ut en signal från sensorn. Denna elektronik kan sedan enkelt integreras i brännaren då man valt sin specifika temperatur. När de oförbrända gaserna kommer i kontakt med Ga 2 O 3 -materialet förbränns gaserna katalytiskt och då kommer de halvledande egenskaperna för sensorn att ändras. Alltså, sensorns resistans förändras vid olika halter av oförbränt och sedan kan sensorn göras mer eller mindre selektiv för vissa gaskomponenter genom att välja rätt temperatur på sensorn. Sensorn är mest selektiv för CO vid en temperatur på C och för metan vid ca 800 C. Enligt Steinel har Ga 2 O 3- sensorerna en rad olika fördelar gentemot andra kommersiella sensorer: Sensorn kan ha drifttemperaturer på C Variationer i fukthalten ger en mycket liten påverkan på sensorsignalen Repeterbar känslighet Snabba svarstider Ingen förgiftning av sensorytan t.ex. av svavel Stabil signal även i en syrefri miljö Konstant känslighet över hela livstiden Hög stabilitet av sensorelementet i kemiskt korrosiva gaser Sensorn kan användas i en miljö med en omgivningstemperatur på upp till 300 C Mycket bättre reproducerbarhet mellan olika sensorenheter Teknisk data för sensor 1: Aktiv sensor yta: Halvledande Ga 2 O 3 Sensorytans aktiva temperatur: C, C rekommenderas vid CO detektion Maximal rökgastemperatur: 400 C (keramiskt hölje) Garanterad drifttid i rökgaser från en gasbrännare: h Mekanisk samt termisk stabilitet: minst av och på cykler Sensorns resistans: ca 300 kohm Utsignal: Mäter sensorns resistans vilket enkelt omvandlas till en voltsignal Teoretisk bakgrund till halvledarsensorn Reaktionerna mellan den fasta sensormetalloxiden och gasfaskomponenterna detekteras genom att mäta resistansen. Tre modeller kan användas för att förklara hur olika reaktioner påverkar konduktiviteten [11]: 1) Vid låga temperaturer interagerar metalloxiden med gaskomponenterna genom en kemisorptionsmekanism där kovalenta kemiska bindningar bildas mellan en adsorberad