Forschung für den Mittelstand - Die IGF-Projektdatenbank

Modellgestützte Bestimmung der fluktuierenden Abfallzusammensetzung auf dem Rost durch Rohgasmessungen

Der effiziente Einsatz von Festbrennstoffen in Feuerungsanlagen wird naturgemäß durch die Eigenschaften des Input-Massenstromes maßgeblich geprägt. Bei heterogenen Einsatzstoffen, wie z. B. Abfall, variiert die Zusammensetzung erheblich und auch die Eigenschaften sind zum Teil unbekannt. Die damit verbundenen Unsicherheiten erschweren die Betriebsführung von Abfallverbrennungsanlagen und verursachen zusätzliche, aber momentan unvermeidbare, Kosten. Um das Optimierungspotenzial zu heben, soll ein Berechnungswerkzeug entwickelt werden, das die fraktionsmäßige Zusammensetzung des Abfallbrennstoffes aus Online-Prozessdaten von Abfallverbrennungsanlagen ermittelt. Über eine Online-Bilanzierung werden zunächst wichtige Brennstoffeigenschaften (Elementarzusammensetzung, Wassergehalt und Heizwert) ermittelt. Diese Daten dienen als Eingabewerte für ein Modell, das dann die Fraktionszusammensetzung über eine nichtlineare Optimierung mit Nebenbedingungen berechnet. Die Hauptziele des Vorhabens bestehen in der Weiterentwicklung eines vereinfachten stationären Numerischen-Fraktionenmodells sowie der experimentellen Validierung desselbigen. Letzteres erfolgt mit starkem Praxisbezug durch Untersuchungen in einer Technikumsrostfeuerung sowie durch Erprobung in zwei realen Müllverbrennungsanlagen. Durch die Kenntnis der Fraktionsbestandteile werden eine Reihe bisher nicht online messbarer Brennstoffeigenschaften zugänglich, welche für unterschiedlichste Zwecke der Betriebsführung, des Brennstoffmanagements, der Gasreinigung und der Anlageninstandhaltung Verwendung finden können. Von den Ergebnissen des Vorhabens profitieren v.a. KMU, die in verschiedenen Bereichen tätig sind. Dazu zählen u.a. Dienstleister, die Anlagenbetreiber in der Anlagen- und Betriebsoptimierung beraten. Auch für IT-Firmen, die Softwarelösungen in Form von Assistenzsystemen und Regelungsalgorithmen entwickeln, sind die Ergebnisse von Bedeutung.