Electrical Conditions in Submerged Arc Furnaces - Identification and Improvement (SAFECI)

SAFECI er et kompetansebyggende prosjekt for norsk, metallurgisk industri. Prosjektet sikter mot redusert energibruk i industrielle smelteovner gjennom forbedret forståelse av elektriske forhold. På denne måten oppnås innsikt som kan utnyttes til bedre (automatisk) styring av ovnene. Design og drift av metallurgiske smelteovner er gradvis blitt forbedret basert på industriell erfaring, forskning, moderne prosesstyring, nye og/eller forbedrede målinger, osv. Prosessene er imidlertid kompliserte, med svært høye temperaturer. Det er ekstremt vanskelig å kunne få pålitelige målinger av tilstanden i ovnens indre, og mange forhold og variasjoner i driftsforhold er ikke tilstrekkelig forstått. SAFECI-prosjektet har som målsetning å etablere metodikk for å kunne identifisere indre elektriske forhold i en smelteovn (strømbaner, mm.). Prosjektet vil anvende matematisk modellering, kombinert med eksisterende og nye målinger. Hvis vellykket, vil SAFECI etablere verktøy for å kunne identifisere, og kontrollere, elektriske forhold i smelteovner. Forbedringer vil direkte lede til en mer stabil produksjonsprosess, bedre fordeling av tilført energi i ovnen, og bedre virkningsgrad (redusert kWh/kg produkt); med tilhørende reduksjon i energiforbruk. I oppstartsfasen har prosjektet prioritert møter med nøkkelpersonell fra de industrielle partnerne. Fokus har vært å få oversikt over status for deres målinger og oppfølging av elektriske forhold, behov for ny kunnskap/innsikt, samt hva partnerne ønsker prioritert i prosjektet. I utgangspunktet var det planlagt møter hos bedriftene, men i den nåværende situasjonen ble det valgt digitale møter, og reiser ble utsatt til 2022. Tidligere tilpassede finite element modeller for elektriske forhold i silisium og ferrosilisium ovner, har blitt forbedret. Det er lagt vekt på justeringer som er mer egnet for aktuelle industrielle case studier, herunder ubalanserte elektriske forhold. Eksperimentelt er det blitt utført mikro-CT skann av reduksjonsmaterialer. Målingene er utført ved NTNU, og er blitt videre undersøkt/analysert ved bruk av dataprogram utviklet ved NORCE. SAFECI-prosjektet er i hovedsak støttet av Norges Forskningsråd (pr. nr. 326802). I tillegg kommer egeninnsats fra NTNU og finansielt bidrag fra bedriftene Elkem, Eramet Norway, Finnfjord og Wacker Chemicals Norway.

The project will address the following priority set out by ENERGIX: • Improved automation and control systems for achieving major gains in energy efficiency The industrial partners (Elkem AS, Eramet Norway AS, Finnfjord AS and Wacker Chemicals Norway AS, major players in the production of silicon and ferroalloys) have identified that improved electrical conditions in the Submerged Arc Furnaces (SAFs) lead directly to more stabilized operation, more optimal energy distribution and enhanced furnace efficiency (lower kWh/kg product), with corresponding energy savings. Electrical Conditions in smelting furnaces have been studied in the KPN project "Electrical Conditions and their Process Interactions in High Temperature Metallurgical Reactors (ElMet)". This project has provided very good insight based on a wide range of first-principle models. It was also tested how the results from several large-scale FEM (Finite Element Method) simulations can be "concentrated" into metamodels. These are surrogate models that retains the same generalization capabilities as the original FEM models, while being computationally lightweight. The project intends to explore such metamodels and combine them with data-driven modelling into "Digital Siblings" (a major step towards appropriate future Digital Twins), mirroring the typical electric behaviour of SAFs. This tool will then apply existing operational data, combined with some required new measurements, to identify the inner, hidden, electrical states within the furnaces. To succeed, the project needs to be highly interdisciplinary, putting together: • Metallurgical knowledge at university level • Metallurgical know-how from metallurgists, operators, etc. from the partner companies • Physics based mathematical modelling of SAFs, especially electrical conditions • Data based modelling of processes • Big Data Cybernetics, including artificial intelligence (AI) and machine leaning (ML) • Measurement technology