Optimisation of Green Hydrogen Production Units
2024 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE credits
Student thesisAlternative title
Optimering av gröna vätgasproduktionsenheter (Swedish)
Abstract [sv]
Vätgas som produceras genom elektrolys med förnybara energikällor är ett lovande alternativ till den högutsläppande vätgas som produceras från fossila bränslen. Lågutsläppande vätgas har potentialen att minska koldioxidutsläppen i många industriella sektorer, såsom gödselmedel, mobilitet och järnsektorn. Trots detta hindras den snabba spridningen av lågutsläppande vätgas av dess höga produktionskostnader. För att reducera kostnaderna för kraft-till-vätgas-system måste industrin implementera optimal dimensionering och produktionsstrategier. Elektrolysörens effekt, tanklagring, batterikapacitet och produktionsschema måste vara perfekt dimensionerade för att passa vätgasbehovet och tillgången på elektricitet. Denna avhandling utvecklade en metodik baserad på icke-linjära optimeringsmodeller för att hitta den optimala designen och dimensioneringen av kraft-till-vätgas-system och hitta synergier mellan designparametrarna. Denna metodik anpassar sig till ett brett spektrum av industriella begränsningar, elpriser, tillgänglighet av förnybar energi, elektrolysteknologier och speciella krav. En parameterutvärderingsstudie genomfördes också för att mata relevanta värden och funktioner till modellerna. Två distinkta fallstudier –en fokuserar på vätgasproduktion för mobilitet och den andra på metanolproduktion –illustrerade tillämpningen av den utvecklade metodiken. Genom dessa fallstudier gavs insikter om hur modellerna ska användas och analyseras. Slutligen användes de utvecklade modellerna för att genomföra en känslighetsstudie med Monte Carlo-metoden. Denna känslighetsstudie utvärderade osäkerheterna i produktionskostnader och optimal elektrolysöreffekt. Den gav också insikter om de mest kostnadsdrivande funktionerna i ett kraft-till-vätgas-system.
Abstract [en]
Hydrogen produced from electrolysis with renewable sources of energy is a promising alternative to highly carbon-emitting hydrogen produced from fossil fuels. Low-emission hydrogen has the potential to decarbonise many industrial sectors such as the fertilizers, mobility, or iron sectors. Nevertheless, its high associated production costs put a curb on the rapid spread of low-emission hydrogen. To reduce the costs of power-to-hydrogen systems, optimal sizing and production strategies must be implemented by industrials. The electrolyser power, tank storage, battery capacity and production schedule have to be perfectly sized to fit the hydrogen needs and electricity availability. This thesis developed a methodology based on nonlinear optimisation models to find the optimal design and sizing of power-to-hydrogen systems and find synergies between the design parameters. This methodology adapts to a large range of industrial constraints, electricity prices, renewable energy availability, electrolyser technologies and special requirements. A parameters evaluation study was also performed to feed relevant values and features to the models. Two distinct case studies –one focuses on hydrogen production for mobility and the other one on methanol production –illustrated the application of the developed methodology. Through these case studies, insights on how to use the models and analyse their results were given. Finally, the developed models were used to perform a sensitivity study using a Monte Carlo method. This sensitivity study evaluated the uncertainties in production costs and optimal electrolyser power. It also gave insight into the most cost-driving features in a power-to-hydrogen system.
Place, publisher, year, edition, pages
2024. , p. 57
Series
TRITA-ITM-EX ; 2024:257
Keywords [en]
Hydrogen, Electrolysis, Renewable Energies, Nonlinear Optimisation, and Monte Carlo Method.
Keywords [sv]
Väte, Elektrolys, Förnybar Energi, Icke linjär optimering och Monte Carlo metoden.
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:kth:diva-353710OAI: oai:DiVA.org:kth-353710DiVA, id: diva2:1900322
External cooperation
Arhyze
Supervisors
Examiners
2024-09-232024-09-232024-09-23Bibliographically approved