"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Fotografi på Umeå energi krafvärmeverk

Bild: Umeå energi

Online-bestämning av fossila koldioxidutsläpp i förbränningsanläggningar

Doktorandprojekt inom Företagsforskarskolan vid Umeå universitet

Företagsforskarskolan och Umeå Energi finansierar tillsammans en doktorand som ska utveckla metoder för att bestämma den fossila andelen av koldioxidutsläpp från avfallsförbränningsanläggningar med hög tidsupplösning. Det undersöks huruvida optiska in situ mätmetoder och maskininlärning kan bidra till att nå målet. Projektet utförs i samarbete mellan forskargruppen för tillämpad optik, som leds av Florian Schmidt, och Umeå Energi.

Doktorand och handledare

Florian Schmidt
Universitetslektor
E-post
E-post
Telefon
090-786 76 11

Projektöversikt

Projektperiod:

2023-09-01 2027-08-31

Finansiering

Företagsforskarskolan 50 procent, Umeå energi 50 procent

Medverkande institutioner och enheter vid Umeå universitet

Institutionen för tillämpad fysik och elektronik

Forskningsområde

Energiteknik

Projektbeskrivning

I en cirkulär och koldioxidneutral ekonomi kan icke återvinningsbart avfall användas för energiåtervinning genom förbränning tillsammans med materialåtervinning och kolavskiljning. Ett hinder för effektiv implementering är att den momentana avfallssammansättningen vanligtvis är okänd. Samtidigt kräver EU:s system för handel med utsläppsrätter att fossila koldioxidutsläpp mäts och kompenseras för. Nuvarande experimentella metoder för att skilja fossila från biogena koldioxidutsläpp och avfallsfraktioner är tidskrävande och dyra.

Projektet syftar till att använda snabba och robusta in situ-mätningar av relevanta atomära och molekylära markörer, inklusive isotoper, i rökgasen med hjälp av laserbaserade tekniker för att bestämma andelen fossil och biogen koldioxid med hög tidsupplösning. Möjligheten för optisk 14C-detektion på plats kommer att undersökas. Kunskap om den faktiska rökgassammansättningen och den kemiska sammansättningen av vanliga avfallstyper i kombination med maskininlärning skulle också kunna möjliggöra online-bestämning av de ingående avfallsfraktionerna. De föreslagna metoderna kommer att valideras i laboratoriet och testas i en 65 MW avfallsförbränningsanläggning vid Umeå Energi. Projektet kan leda till en optimerad förbränningsprocess och ge information om bottenaskans sammansättning samt återkoppling till avfallsleverantörerna.

Senast uppdaterad: 2024-03-04