Tilbake til søkeresultatene

ENERGIX-Stort program energi

Redusert energiforbruk i silisiumproduksjon ved hjelp av styring basert på maskinlæring og digital tvilling

Alternativ tittel: Reducing energy consumption in silicon production by control using machine learning and digital twin

Tildelt: kr 8,5 mill.

Prosjektnummer:

295972

Prosjektperiode:

2019 - 2022

Midlene er mottatt fra:

Geografi:

«Smart Furnace» prosjektet ønsker å benytte kunstig intelligens i styring av framstilling av silisium. Silisium framstilles ved kjemiske reaksjoner mellom kvarts og karbon ved temperaturer over 2000C. Produksjonen skjer i elektriske smelteovner hvor karbonelektroder leder elektrisk strøm inn i senteret av ovnen. Prosessen krever store mengder elektrisk energi, typisk 11-12 MWh/tonn silisium, som vil variere mye med hvor godt ovnen produserer. Prosjektet har som mål å redusere energiforbruket med 5%. Det er automatisk styring av tilførsel av elektrisk energi og råmaterialer til smelteovnen, men det er fortsatt manuell styring av de kjemiske reaksjonene. På grunn av høye temperaturer er det ingen direkte målinger av indre prosesstilstander. Driftspersonellet vurderer prosessen basert på observasjoner og erfaring, og gjør så tiltak basert på dette. Det er relativt store variasjoner i produksjonen over tid, og forskjellen mellom gode og dårlige perioder kan være opp til 10%. Prosjektet har som mål å utvikle et beslutningsstøttesystem som driftspersonellet kan benytte i styringen av de kjemiske reaksjonene. Systemet vil benytte ulike metoder for kunstig intelligens, maskinlæring, digital tvilling og ekspertsystem, for å stille riktig diagnose av ovnstilstanden og gi råd om hvilke tiltak som bør gjøres. En riktig diagnose av ovnstilstanden er en forutsetning for å kunne stabilisere driften på et høyere produksjonsnivå og derved oppnå redusert energiforbruk. Dette vil være det første av sitt slag i verden. Prosjektet gjennomføres 2019-2022. Elkem ASA er prosjekteier og Cybernetica AS og SINTEF Digital er forskningspartnere. Utviklingen vil skje i nært samarbeid med Elkems smelteverk, og systemene vil bli fortløpende testet ut i drift ved en pilotovn. Prosjektet kan deles in i tre deler; 1) Implementering av nye målinger for råmaterialer og termokameraer på ovnsoverflaten og implementere en digital tvilling av ovnen ved hjelp av en matematisk modell av de kjemiske reaksjonene i ovnen. 2) Utvikle nye estimatorer for ukjente tilstander i ovnen ved hjelp av maskinlæring. 3) Utvikle et beslutningsstøttesystem for ovnsprosessen ved hjelp av resultatene fra 1) og 2). Det var i 2019 et sterkt fokus på uttesting og implementering av nye sensorer og termokameraer på pilotovnen. Sensorer for fuktighet og on-line partikkelstørrelse for råvarer ble implementert. Uttestingene av de nye sensorene har fortsatt i 2020 og de tas nå i bruk i styringen av ovnen. Tre termokameraer ble installert i 2019 og Cybernetica har i 2020 utviklet programvare for signalbehandling for å kunne benytte bildene i styring og beslutningsstøtte. Kameraene er allerede blitt sentrale verktøy for prosessoperatørene. Arbeidet i 2021 har i stor grad vært fokusert på å trekke ut ny prosessinformasjon fra termokameraene. Det er etablert estimater av chargehøyde som benyttes aktivt i styringen av ovnen. Arbeidet i 2022 har fokusert på å ferdigstille kamerasystemet med visning av de nye prosessparametrene. Arbeidet med å få etablert en digital tvilling basert på en on-line matematisk modellen har tatt mer tid enn forventet, men ble ferdigstilt i slutten av 2022. Det ble i 2019 etablert flere datasett med prosessvariabler fra pilotovnen for å anvende maskinlæring for å lage styringsmodeller for ovnen. SINTEF Digital utviklet i 2020 flere datamodeller for å lage indikatorer for ovnsvariable som i dag ikke kan måles. Dette arbeidet gav mindre resultater enn forutsatt, men to indikatorer ble installert på pilotovnen for uttesting våren 2021. Arbeidspakken til Sintef ble redefinert i september 2021 med mål om å definere mer matematisk løsbare problemstillinger. Dette resulterte i en elektrisk modell som er blitt benyttet til å optimalisere ovnsdriften. En DPhil student Elkem finansierer ved University of Oxford har vært tilknyttet prosjekt. Hun disputerte i Oktober 2021.

Smart Furnace prosjektet har utviklet et målesystem, basert på kameraer på ovnsoverflaten og matematiske modeller, som gir helt ny informasjon for å optimalisere driften av smelteovner og oppnå en økning i produksjonsnivået og et tilsvarende reduksjon i spesifikt energiforbruket. Systemet har vært installert som en pilot på en av Elkems smelteovner med svært lovende resultater. Foreløpige tall indikerer en økt energieffektivitet på 4-5%. Elkem vil etter prosjektavslutning idustrialisere "produktet" og planlegger å installere det på sine ovner i Norge.

Silisium produseres i store smelteovner med inntil 45 MW elektrisk last, ved reduksjon av kvarts med karbonkilder ved prosesstemperaturer over 2000C. Produksjon av silisium forbruker store mengder energi, typisk 11-12 MWh/tonn silisium, og dette varierer med hvor godt ovnen produserer. I en smelteovn er det bare tilførselen av elektrisk energi og råmaterialer som er styrt automatisk. På grunn av de høye prosesstemperturene er det ingen direkte målinger av indre tilstander i ovnen. Styringen av de kjemiske prosessene er manuell og basert på hvordan driftspersonellet vurderer prosesstilstanden basert på deres observasjoner og erfaring. Det er i dag relativt store variasjoner i produksjonen over tid, og forskjellen i silisiumutbytte mellom gode og dårlige perioder kan være opp til 10%. Prosjektet ønsker å utvikle et adaptivt beslutningsstøttesystem for prosessoperatører og -ingeniører som vil gi diagnose av ulike ovnstilstander og anbefalinger for hvilke aksjoner som bør gjøres eller hvilke settpunkter som bør endres for at ovnen igjen skal kunne opereres ved optimale betingelser. En riktig diagnose av ovnstilstanden er en forutsetning for å kunne stabilisere driften på et høyere produksjonsnivå og derved redusert energiforbruk. Målet er en reduksjon i energiforbruket på 5%. Beslutningsstøttesystemet vil anvende metoder for kunstig intelligens, maskinlæring og digital tvilling for å riktig diagnose av ovnstilstand og velge riktig aksjon basert på diagnosen. Prosjektet har ikke som målsetning å «lukke reguleringssystemene» fullstendig, og prosessoperatører og -ingeniører vil fortsatt være de som bestemmer tiltak så som valg av settpunkter for elektrisk styring og endring av råvaremiks. Systemet vil presentere sin diagnose og gi anbefaling vedrørende hvilke tiltak som bør gjennomføres. I Smart Furnace prosjektet er Elkem ASA prosjekteier og industriell partner og SINTEF Digital og Cybernetica AS er forskningspartnere, og det gjennomføres i perioden 2019-21.

Budsjettformål:

ENERGIX-Stort program energi