Til hovedinnhold
Norsk English

GT-01 Surrogatmodellering av CO2-fangstteknologier

Surrogatmodellering av CO2-fangstteknologier for avkarbonisering av norsk industri

Kontaktperson

Motivasjon og relevans

Gjennom Parisavtalen er det fastsatt en internasjonal avtale som skal sørge for at verdens land klarer å begrense klimaendringene. For å oppnå dette må alle industrisektorer avkarboniseres. Mange styringsorgan (blant annet FNs klimapanel - IPCC) indikerer at karbonfangst og -lagring (CCS) vil være en essensiell teknologi for å dempe utslippene fra flere ulike industrier. SINTEF Energi er et verdensledende forskningsinstitutt på dette området.

Bakgrunn

Karbonfangst og -lagring (CCS) bidrar til å bremse global oppvarming, gjennom å fange karbondioksid (CO2) fra industrielle utslipp og lagre det istedenfor å slippe det ut i atmosfæren. CCS er essensiell i noen industrier hvor det er få andre alternativer for å avkarbonisere sektorene, for eksempel norsk metallurgisk industri. ADVENCCS-prosjektet vil bidra til å nå energi- og klimamålene for nettopp denne industrien. Et nøkkelproblem er å identifisere, designe og utvikle teknologier for CO2-fangst fra industriell røykgass. Ved SINTEF utvikler vi modeller på flere nivåer for å bidra til utvikling av CO2 fangst-teknologier. I dette prosjektet ønsker vi å videreutvikle modellene for å kunne identifisere de mest kostnadseffektive teknologiene for spesifikke ferrolegeringsindustrianlegg i Norge.

Oppgave

Arbeidet faller innenfor rammen av å utvikle nye CO2-fangstteknologier ved SINTEF Energi. Kandidaten vil få muligheten til å videreutvikle et verktøy for tekno-økonomiske beregninger som kan brukes til å identifisere relevante prosesser og materialer for spesifikke industrier. Dette verktøyet skal essensielt oversette makroskopiske prosesseffektivitetsmål til mikroskopiske krav for materialdesignet. For å redusere beregningsbyrden er surrogatmodellering sentralt til utviklingen av verktøyet. Maskinlæringsbasert modellering vil bli vurdert så vel som andre tilnærminger basert på forenklet fysikk. I tillegg skal kandidaten presentere resultater, og diskutere fremtidige muligheter og begrensninger. Det er en fordel om arbeidet kan videreføres i prosjekt- og masteroppgave.

Oppgaven består i å:

  • Bli kjent med ulike surrogatmodelleringsmetoder for simulering av prosesser
  • Utvikle nye surrogatmodeller for CO2-fangstprosesser i Python
  • Testing og validering av modellene
  • Presentere og diskutere resultatene med andre forskere
  • Oppsummere arbeidet i en kortfattet rapport/artikkel

Den ideelle kandidaten vil ha bakgrunn i Python-programmering. Kunnskap om statistikk/maskinlæring og i prosessteknikk er en fordel.

Oppgaven knyttes til prosjektet "ADVENCCS – Advanced energy recovery and CO2 capture systems for a decarbonised ferroalloy industry" ved SINTEF Energi.

Forutsetninger

Det er en fordel at sommerjobberen har kjennskap til (eller evne til å sette seg inn i):

  • Programmering i Python
  • Statistikk/maskinlæring
  • Prosessteknikk

Hovedveilder: Sai Gokul Subraveti

Medveileder: Luca Riboldi