Assessment of the specific consumption of a coal-fired power plant by solving mass and energy balances through Monte Carlo simulation

The introduction of more severe legislation on the emission of power plants has forced many producers to adapt their APC (Air Pollution Control) systems. This mutation has interested in particular power plants powered with dirty fuels, such as coal. To monitor and check the effectiveness of pollutant abatement systems, many sensors are installed along the lines. All this equipment of course represents a significant cost, but also the opportunity to improve the performances thanks to a more accurate control. This is the case of the "Federico II" coal-fired power plant owned and operated by ENEL in Brindisi. One of the last improvements introduced is the installation of a laser-based CO2 meter by Siemens to measure the CO2 concentration in flue gas. It allows the direct calculation of CO2 emissions, as required by the recent EU Monitoring & Reporting Regulation (MRR) (No. 601/2012, June 2012). The information coming from all the monitoring systems gives the possibility to set a number of material balances to quantity the coal consumption, its energy content (i.e. LHV= Lower Heating Value) and the specific consumption of the plant. The critical aspect of this approach is that all the calculated quantities are affected by significant uncertainties that can lead to anomalous results. In the past this problem was faced by ENEL with a proprietary method called “Economy On Line”. The objective of this work is verify the potential of the approach based on mass and energy balances solved though Monte Carlo simulation. In this way variables are treated as statistical distributions from which values are extracted randomly, originating a huge number of combinations. The outcomes are the statistical distributions for the output variables, i.e. coal consumption, its LHV and the specific consumption. Results show that the method can work, giving mean values comparable with the result of the “Economy on line” method. However, the Monte Carlo method quantify the uncertainty of such results as rather significant, much greater than the estimates given by the method of uncertainty propagation. The integration of the Monte Carlo approach with a mechanism of data reconciliation, to exploit the available redundant information, is the main improvement envisaged as future development.

L'introduzione di una nuova e più severa legislazione sulle emissioni delle centrali elettriche ha costretto molti produttori ad adeguare i loro sistemi di abbattimento e misurazione degli inquinanti. Questa mutazione ha interessato in particolare le centrali elettriche alimentate con i combustibili più inquinanti, come il carbone. Per monitorare e verificare l'efficacia dei sistemi di riduzione delle emissioni, sono installati molti sensori lungo le linee: questi rappresentano un costo significativo, ma anche l'opportunità di aumentare le prestazioni grazie a un controllo più accurato. È il caso della centrale a carbone "Federico II" gestita da ENEL a Brindisi. Uno degli ultimi miglioramenti adottati è l'installazione di un nuovo strumento di misura di Siemens, introdotto per monitorare le emissioni di CO2 al camino in modo diretto, come richiesto dalla normativa europea entrata in vigore (No. 601/2012, Giugno 2012). Le informazioni provenienti da tutti i sistemi di monitoraggio ci danno la possibilità di risolvere una serie di bilanci di massa e di calcolare la quantità effettiva di carbone introdotta, il suo contenuto energetico (cioè LHV = valore calorifico inferiore) e il consumo specifico dell'impianto. L'aspetto critico di questo approccio è che tutte le variabili calcolate sono influenzate da notevoli incertezze che possono portare a risultati anomali. In passato questo problema era affrontato da ENEL con l’uso del software proprietario “Economy on line”. L'obiettivo di questo lavoro di tesi è di risolvere questo problema con un approccio alternativo: il metodo Monte Carlo, in cui le variabili misurate sono trattate come distribuzioni statistiche da cui i valori vengono estratti in modo casuale, originando un numero enorme di combinazioni. Ciò fornisce possibili distribuzioni statistiche per i risultati finali (carbone alimentato, rispettivo contenuto energetico e consumo specifico). I risultati mostrano che il metodo ha buoni riscontri confrontato con i risultati del metodo “Economy on line”. Si evince però che il metodo stima tali grandezze con errori significativi, di gran lunga maggiori rispetto a quelli stimati dal metodo della propagazione degli errori. L’affiancamento del metodo Monte Carlo con un meccanismo riconciliazione dei dati per sfruttare le informazioni ridondanti disponibili potrebbe rappresentare un possibile lavoro futuro.