Sahakuivaamon hukkalämmön hyödyntäminen lämpöpumpputekniikalla
Bibliographic record
Abstract
Suomen vuonna 2022 uudistunut ilmastolaki asettaa määrätietoisia tavoitteita siirtymässä kohti hiilineutraalia Suomea. Opinnäytetyön toimeksiantajalla, Stora Enso Varkauden puutuoteyksiköllä on suuri kiinnostus lämpöpumppujen hyödyntämiseen Varkauden sahan kanavakuivaamoiden ylijäämälämmön talteenotossa osana omaa vastuullisuusstrategiaansa Suomen ilmastotavoitteiden lisäksi. Suomen teollisuudessa on lukuisien selvitysten mukaan valtava määrä hyödyntämätöntä ylijäämälämpöä ja lähes puolet siitä on metsäteollisuudessa. Opinnäyte työssä selvitettiin esiselvitystyyppisesti Varkauden sahan kuivaamon ylijäämälämmön talteenoton mahdollisuuksia erilaisilla lämpöpumppua hyödyntävillä ratkaisuilla. \n \nJotta lämpöpumppuratkaisuja voitiin paremmin tutkia, suoritettiin kuivauskanaviin virtausmittauksia pitot-putkella ja lautakuormiin kosteusmittauksia. Mittauksista saaduilla tiedoilla oli mahdollista laskea tarkemmin ylijäämälämmön määrä ja laatu sekä kartoittaa erilaisia ratkaisuja. Lisäksi kohteeseen tutustuttiin tekemällä vierailu ja haastattelemalla operaattoreita sekä tilaajan edustajaa. Tilaajan edustajalta saatiin runsaasti tarpeellisia, jo tiedossa olevia asioita, kuten olemassa oleva ratkaisuehdotus. Yhtenä tärkeimpänä menetelmänä eri laite- ja kokonaisratkaisujen toimittajiin oltiin yhteydessä. Laitetoimittajilta pyydettiin tarjoukset ja heitä myös haastateltiin. Lämpöpumpun käytön vaikutusta hiilidioksidipäästöihin laskettiin myös yleisellä tasolla. \n \nKanavista saatava teho vaihteli pitot-mittauksissa 200 kW ja 1700 kW välillä keskiarvon ollessa 802 kW. Vastaavasti koepalatuloksissa lämmityspatterin tehontarve vaihteli 280 kW ja 1200 kW välillä keskiarvon ollessa 628 kW. Lämpönieluksi löytyi ja valittiin kolme vaihtoehtoa. Ensimmäinen vaihtoehto on kanavien lämmityskierron paluuveden lämmitys. Toinen ratkaisu oli kanavien ilman esilämmitys. Kolmantena vaihtoehtona tarkasteltiin kondenssikuivausta. Kaikissa COP-luku asettui 2 ja 3 välille. Toimittajilta saatujen tarjouksien perusteella laskettiin lämpöpumppuinvestoinnille takaisinmaksuaika ja tarjoukset sekä muu oheismateriaali toimitettiin tilaajan edustajalle. Lämpöpumppuinvestointia vietäessä eteenpäin tulisi eri ratkaisujen rakenteelliset vaatimukset ja kustannukset tarkastella. Lisäksi lämpöpumppuratkaisun toteutuessa on hyvä tehdä perinpohjainen optimointi sekä lämpöpumppujärjestelmälle, että kuivauskanavien mittauksille ja ohjauksille sekä muille energiatehokkuuteen vaikuttaville tekijöille.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.004 | 0.004 |
| Meta-epidemiology (broad) | 0.003 | 0.002 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.052 | 0.046 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".