Til hovedinnhold

163-10 Usikkerhetsanalyse for CO2-fangst

163-10 Usikkerhetsanalyse for CO2-fangst

Usikkerhetsanalyse for solventbasert CO2-fangst etter forbrenning

Motivasjon og relevans

Reduksjon av kostnaden knyttet til fangst vil være en viktig muliggjører for implementasjon av storskala CO2-fangst og lagring. En robust tilnærming er nødvendig for å kunne gi riktige anbefalinger og mål for kostnadsreduksjon.

Bakgrunn

CO2-fangst etter forbrenning med solventer er ansett som en moden teknologi, men den store kostnaden knyttet til fangsten står i veien for implementering. Det har vært betydelig fokus innen forskning på å utvikle nye solventer for å redusere energiforbruket (og dermed operasjonskostnaden) til fangstprosessen. Svært lite oppmerksomhet har imidlertid blitt viet til kapitalkostnaden til utstyret (CAPEX). CAPEX for prosessen beregnes etter at prosessen har blitt designet.

Ingen systematiske forsøk på å koble prosessdesign og CAPEX har blitt gjort. CAPEX avhenger hovedsakelig av størrelsen på enhetene, og kan typisk beregnes ved å benytte etablerte prosedyrer for størrelsesestimering sammen med valg av konstruksjonsmateriale.

SINTEF Energi utvikler et modelleringsverktøy for fangst etter forbrenning med solventer for å gi mål for kostnadsreduksjoner. Ettersom fangstteknologiene fortsatt er under utvikling, inneholder prosess-simuleringene antagelser for et betydelig antall usikre parametere. I tillegg er det usikkerhet knyttet til de økonomiske parameterne som benyttes. Med denne graden av usikkerhet i den tekno-økonomiske analysen er det lite verdi i å beregne en spesifikk kostnad for CO2-fangst for en gitt teknologi. Derfor burde en systematisk metodologi for å kvantifisere usikkerheter i den tekno-økonomiske analysen av fangstprosessen basert på SINTEF Energi sitt modelleringsverktøy utvikles.

Oppgaven består i

  • Forstå oppgaven og sette seg inn i SINTEF Energi sitt modelleringsverktøy
  • Implementere oppdatert modell for å muliggjøre Monte Carlo-simuleringer
  • Identifisere hovedparametere og velg passende sannsynlighetsfordelinger for disse
  • Studere effekten av disse parameterne på KPIer (Key Performance Indicators)
  • Skrive rapport

SINTEF-prosjekt: FME NCCS 

Forutsetninger

  • Interesse for design av separasjonsprosesser
  • Interesse for prosessmodellering
  • Kjennskap til Python

Medveileder:  Simon Roussanaly

Søknadsfristen er utgått.