Opstellen van een stoom en elektriciteit forecast model

(1)

Afstudeerproject

‘Opstellen van een stoom en elektriciteit forecast model’

(2)

II

Afstudeerproject

‘Opstellen van een stoom en elektriciteit forecast model’

Eindrapport

Versie: 1.1

Datum: 11 juni 2012 Uitvoeringsgegevens:

Periode: 30 januari 2012 t/m 15 juni 2012 Opdrachtgevers:

DuPont de Nemours Erik van Kempen Erik.Van-Kempen-1@nld.dupont.com Desco Hugo van Kessel Hugo-J-van.Kessel@nld.dupont.com Opdrachtnemer:

Avans Hogeschool Opleiding Chemische Technologie

(3)

III

omdat deze worden geproduceerd met een wkk (warmtekrachtkoppeling) installatie. De geproduceerde elektriciteit wordt grotendeels verbruikt op de Dordrecht site en het overschot aan elektriciteit wordt verkocht aan het landelijke net.

Dagelijks wordt een inschatting gemaakt van de hoeveelheid elektra die afgeleverd gaat worden (nominatie) aan het net. De genomineerde hoeveelheid elektriciteit wordt tegen een vooraf vastgestelde elektriciteitsprijs (APX) verkocht. Wanneer meer of minder elektriciteit wordt afgeleverd aan het net, moet deze via de onbalans prijs in- of verkocht worden. De onbalansprijs kan per kwartier verschillen, deze is afhankelijk van de landelijke vraag/aanbod van elektriciteit. Achteraf blijkt dus of dit voordelig of nadelig heeft uitgepakt voor Desco.

Het doel van dit project was om een model op te stellen waarmee de stoom en elektriciteit productie en consumptie van de site zo goed mogelijk voorspeld kunnen worden. Hierdoor worden de energiekosten voor DuPont Dordrecht verlaagd en de winst voor Desco gemaximaliseerd.

In dit onderzoek is een model opgesteld waarmee de voorspellingen op elektriciteitlevering aan het net worden gedaan. Uit het onderzoek is gebleken dat de voorspellingen met het nieuwe model zijn verbeterd. De gemiddelde afwijking is van 19% verlaagd naar 3%. Dit betekent dat er bijna perfect voorspeld wordt. Ook wordt met het model een bedrag van 78.000 euro per jaar bespaard.

Het model is echter nog niet perfect, er zijn nog verbeterpunten mogelijk om de uitschieters in de afwijkingen weg te nemen. Een van de grote verbeterpunten is het bijnemen van GT1 te verminderen. GT1 wordt vaak onterecht en ongepland bijgenomen, waardoor er veel elektriciteit in de onbalans wordt verkocht. Hiermee kan een bedrag van 82.000 euro per jaar worden bespaard. In 2013 wordt GT1 naar verwachting uit bedrijf genomen. Hiermee wordt dit probleem dus al grotendeels opgelost.

(4)

Eindrapport afstudeerproject Sanne de Krom 4

I

NHOUDSOPGAVE

Samenvatting ... III Inhoudsopgave ... 4 1 Inleiding ... 6

2 Stoom- en elektriciteitsnetwerk DuPont Dordrecht ... 7

3 Stoom- en elektriciteitsvraag DuPont Dordrecht ... 9

3.1 Stoomvraag ... 9 3.1.1 FLPR ... 9 3.1.2 DCA ... 10 3.1.3 Overig ... 11 3.2 Elektriciteitsvraag ... 12 4 Model ... 17 4.1 Model stoomvraag ... 17 4.2 Model elektriciteit ... 17 4.3 Automatiseren model ... 19 5 Analyses ... 21 5.1 Powerhouse ... 21

5.2 Analyses oude situatie ... 23

5.3 Analyses nieuwe situatie ... 23

5.4 Verschil oude en nieuwe situatie ... 23

6 Conclusie en aanbevelingen... 25

6.1 Conclusie ... 25

6.2 Aanbevelingen ... 25

6.2.1 E-output gasturbines ... 25

6.2.2 (Onterecht) Bijnemen GT1 ... 26

6.2.3 Overig stoomverbruik (25# en afblaas)... 27

6.2.4 Onbalansprijs in zomer/winter ... 27

6.2.5 Controle model ... 28

6.2.6 Productieplanning in model ... 28

6.2.7 Contract Powerhouse ... 28

(5)

5

Bijlage I: Stoom- en elektra netwerk DuPont Dordrecht ... 31

Bijlage II: Energierapport 2011 ... 32

Bijlage III: Overzicht FLPR ... 34

Bijlage IV: FLPR stoomverbruik vs. productie ... 35

Bijlage V: Statistische analyse in Minitab single/dual poly DCA ... 39

Bijlage VI: DCA Stoomverbruik vs. Productie ... 40

VI.I DCA stoomverbruik dagbasis ... 40

VI.II DCA Stoomverbruik maandbasis ... 41

Bijlage VII: Stoomnetwerk voor 25# afname ... 42

Bijlage VIII: Afwijking per model elektra consumptie ... 44

Bijlage IX: Verband tussen elektra consumptie en productie DCA en FLPR ... 49

Bijlage X: Resultaten statistische analyse voor elektra consumptie ... 51

Bijlage XI: Resultaten statistische analyse elektra verbruik DCA en FLPR ... 52

Bijlage XII: Gasturbines ... 54

Bijlage XIII: Powerhouse website ... 55

Bijlage XIV: Analyses nominaties oude situatie ... 56

Bijlage XV: Analyses nominaties nieuwe situatie ... 68

(6)

Eindrapport afstudeerproject Sanne de Krom

6

1 I

NLEIDING

Dit project is uitgevoerd door een 4e-jaar student Chemische Technologie in het kader van het afstudeerproject. In dit project is een model opgesteld waarmee de stoom en elektriciteit productie en consumptie van de DuPont Dordrecht site voorspeld kunnen worden.

De afstudeeropdracht wordt uitgevoerd bij DuPont Dordrecht, maar is een opdracht voor Desco. Desco staat voor Dordrecht Energy Supply Company en is een joint venture tussen DuPont en Essent. Desco produceert stoom en elektriciteit. De stoom en elektra productie hangen altijd met elkaar samen, omdat deze worden geproduceerd met een wkk (warmtekrachtkoppeling) installatie. De geproduceerde elektriciteit wordt grotendeels verbruikt op de Dordrecht site en het overschot aan elektriciteit wordt verkocht aan het landelijke net.

Dagelijks wordt een inschatting gemaakt van de hoeveelheid elektra die afgeleverd gaat worden (nominatie) aan het net. De genomineerde hoeveelheid elektriciteit wordt tegen een vooraf vastgestelde elektriciteitsprijs (APX) verkocht. Wanneer meer of minder elektriciteit wordt afgeleverd aan het net, moet deze via de onbalans prijs in- of verkocht worden. De onbalansprijs kan per kwartier verschillen, deze is afhankelijk van de landelijke vraag/aanbod van elektriciteit. Achteraf blijkt dus of dit voordelig of nadelig heeft uitgepakt voor Desco.

Het doel van dit project was om een model op te stellen waarmee de stoom en elektriciteit productie en consumptie van de site zo goed mogelijk voorspeld kunnen worden. Hierdoor worden de energiekosten voor DuPont Dordrecht verlaagd en de winst voor Desco gemaximaliseerd. Er wordt gestreefd naar een zo simpel mogelijk model waarbij met minimale input een goede voorspelling kan worden gekregen. Dit rapport is als volgt opgebouwd: in hoofdstuk 2 wordt het stoom- en elektra netwerk van DuPont beschreven. In hoofdstuk 3 worden de stoom en elektra vraag en productie van de site in kaart gebracht, hierin worden verbanden gezocht die gebruikt kunnen worden voor het model. In hoofdstuk 4 wordt het model opgesteld. In hoofdstuk 5 wordt vervolgens de oude situatie met de nieuwe situatie vergeleken. In hoofdstuk 6 volgen de aanbevelingen en conclusies.

(7)

7

2 S

TOOM

-

EN ELEKTRICITEITSNETWERK

D

U

P

ONT

D

ORDRECHT

In dit hoofdstuk wordt het stoom- en elektriciteitsnetwerk van DuPont in kaart gebracht. Op de DuPont Dordrecht site zijn twee gasturbines in bedrijf. Desco maakt gebruik van een gecombineerd proces (warmtekrachtkoppeling), zodat naast elektriciteit ook stoom wordt

geproduceerd in de ketels (boiler 5 en 6). Dit proces is weergegeven in figuur 2.1. De gasturbine zuigt koude lucht aan en deze wordt gecomprimeerd, waarbij de druk en temperatuur verhoogd worden. De lucht wordt vervolgens verder verhit in de verbrandingskamer door het verstoken van aardgas

(brandstof), waarbij de temperatuur verder wordt verhoogd en de druk gelijk blijft. In de turbine worden de hete gassen geëxpandeerd, de druk wordt hier verlaagd naar atmosferische druk en de lucht levert mechanisch vermogen af. Dit wordt in de generator omgezet naar elektrisch vermogen. De hete uitlaatgassen worden gebruikt om in de stoomketel stoom te produceren. DuPont maakt ook gebruik van een bijstookregeling, zodat de ketels, wanneer de stoomvraag van de plant hoger is dan de uitlaatgassen kunnen leveren, meer stoom kunnen produceren.

Figuur 2.1: Overzicht van het gecombineerde proces (warmtekrachtkoppeling). Combinatie van gasturbine en stoomketel.

De gasturbines kunnen samen maximaal een vermogen van 40 MW leveren (GT1; 11 MW en GT2; 29 MW). Ketel 5 en 6 produceren, zonder bijstookregeling, respectievelijk 30 en 50 ton/uur stoom. Met de bijstookregeling kan dit nog verhoogd worden naar 75 en 80 ton/uur stoom. De stoomproductie wordt geregeld via een drukregeling. Deze staat ingesteld op 2,07 MPa. Zodra deze druk lager wordt, gaan de ketels meer stoom produceren. De toe- of afname van de druk hangt samen met de hoeveelheid stoom die afgenomen wordt door de site.

Uit de ketels komt 300# (=2,1 MPa) stoom. Dit wordt gebruikt door DCA (Delrin Chemical Area) en FLPR (Fluor Products). De Forma plant en waste heat boiler produceren ook nog 250# (=1,7 MPa) stoom, dit wordt alleen door DCA gebruikt. De overige 300# stoom wordt later in het netwerk gereduceerd tot 180# (=1,3 MPa) stoom en dit wordt vervolgens nog gereduceerd naar 25# (=0,17 MPa) stoom. Dit wordt gebruikt voor de volgende afdelingen: Surlyn, Power, DFA, DCA, Freon, FLPR en Viton.

(8)

8

De elektriciteit die wordt geproduceerd, wordt grotendeels geconsumeerd op de site voor de afdelingen Surlyn, Power, DFA, DCA, Freon, FLPR en Viton. Het overschot aan elektriciteit wordt verkocht aan het landelijke net. Het is ook mogelijk om elektriciteit in te kopen via het landelijke net, wanneer DuPont bijvoorbeeld niet in zijn eigen elektriciteit kan voorzien.

(9)

9

3 S

TOOM

-

EN ELEKTRICITEITSVRAAG

D

U

P

ONT

D

ORDRECHT

In dit hoofdstuk worden de stoom- en elektriciteitsvraag van de site in kaart gebracht. Hieruit moet duidelijk worden welke afdelingen de grootste afnemers zijn en hoe deze in het model verwerkt kunnen worden.

In bijlage II wordt het Energierapport van 2011 weergegeven. Hierin is per afdeling te zien hoeveel stoom en elektra zij hebben verbruikt en welke afdelingen dus de grootste verbruikers zijn. Als referentiejaar is 2011 genomen, omdat dit een vrij stabiel jaar was waarin alle metingen grotendeels kloppend waren.

3.1 STOOMVRAAG

De stoomvraag van de site heeft direct invloed op de elektriciteit die met de wkk wordt geproduceerd. DCA en FLPR zijn de grootste stoomverbruikers (samen 90% van het totale stoomverbruik). Viton wordt in het energierapport apart genoemd, maar valt in dit hoofdstuk onder FLPR. De kleinere afdelingen worden samen genomen in de paragraaf ‘Overig’.

3.1.1FLPR

FLPR bestaat uit verschillende afdelingen die samen FLPR worden genoemd. Er zijn zes afdelingen die elk afzonderlijk 180# stoom verbruiken: TFE, HFP, Freon, Homopolymer, FEP en Viton. In bijlage III wordt een toelichting en overzicht van de FLPR afdeling gegeven. In tabel 3.1 wordt per afdeling van FLPR aangegeven welk aandeel zij hebben in het totale stoomverbruik van FLPR.

Tabel 3.1: Overzicht percentage stoom afname van de FLPR afdelingen afzonderlijk

Freon 23% TFE 9% HFP 14% Homopolymer 29% FEP 10% Viton 14%

Het stoomverbruik van de afdelingen is vergeleken met de productie per afdeling. Dit is weergegeven in bijlage IV.

Uit bijlage IV is op te maken dat de afdeling Freon een duidelijk lineair verband vertoont tussen het stoomverbruik en de productie. De overige afdelingen (TFE, HFP, FEP, Homopolymer en Viton) zijn samen genomen en getrend tegen de TFE productie (grafiek VII in bijlage IV). Hieruit bleek het stoomverbruik redelijk constant te zijn.

In de statistische analyse in afbeelding 3.1 is daarom het stoomverbruik van de afdelingen TFE, HFP, FEP, Homopolymer en Viton getrend. Het doel was om te kijken of er een normale verdeling is en hoe het gemiddelde ligt om een constante waarde in het model op te kunnen nemen. In het model zou dan alleen de beschikbaarheid van TFE (ja/nee) nodig zijn, om het stoomverbruik van deze afdelingen te kunnen voorspellen.

(10)

10

Afbeelding 3.1: Statistische analyse in Minitab van het stoomverbruik van de afdelingen TFE, HFP, FEP, Homopolymer en Viton

In de analyse is te zien dat het 95% betrouwbaarheidsinterval tussen de 316-325 ton/dag ligt. Het stoomverbruik van alle afdelingen achter TFE mag dus samen worden genomen en afhankelijk zijn van alleen de TFE productie, zoals in grafiek VII in bijlage IV. Wanneer er TFE is, wordt een constante waarde van 13,3 ton/uur genomen voor het stoomverbruik van alle afdelingen achter TFE.

Het stoomverbruik van Freon wordt in het model voorspeld met de formule y = 0.9127x + 9.6487 (zie grafiek I in bijlage IV). Voor ‘x’ moet de verwachte Freon-productie worden ingevuld.

Het 300# stoomverbruik van FLPR wordt verwaarloosd.

3.1.2DCA

DCA is samen met FLPR de grootste stoomverbruiker. DCA neemt 300# en 25# stoom af. Aangezien de 25# stoom afname op jaarbasis maar 5% van de totale stoomafname van DCA in beslag neemt, en niet constant is, is besloten deze te verwaarlozen.

DCA produceert het polymeer Delrin met twee lijnen. Het stoomverbruik van DCA is vooral afhankelijk van het draaien met een lijn (single poly) of twee lijnen (dual poly). Daarom is eerst een statistische analyse in Minitab gedaan op verschil in stoomverbruik tussen single en dual poly, zie bijlage V. Hierin is te zien dat het verschil significant is en dat een constante waarde van 28,5 voor single (st.dev. = 9,21) en 39,5 ton/uur voor dual (st.dev. = 5,36) poly kan worden genomen.

(11)

11

Hiernaast is ook een verband gezocht tussen het stoomverbruik en de productie, zie bijlage VI. Op dagbasis was geen direct verband te zien (zie bijlage VI.I), maar op maandbasis wel (bijlage VI.II). Dit is vervolgens gerelateerd aan een formule op dagbasis en hieruit volgde de formule y = 39.223x0.543 om het stoomverbruik van DCA te voorspellen. Hierbij is ‘x’ in de formule de verwachte productie van Delrin. Beide methoden (constante waarde en de formule) zijn getest en de resultaten zijn weergegeven in onderstaande analyse.

Afbeelding 3.2: Statistische analyse in Minitab waarin voor twee methoden de afwijking wordt weergegeven tussen de voorspelling en het werkelijke stoomverbruik van DCA.

In bovenstaande afbeelding is te zien dat de afwijking bij methode 1 kleiner is dan bij methode 2. De p-waarde voor het verschil tussen deze twee methoden is 0,013, dus methode 1 is significant beter dan methode 2. Dit betekent dat de stoomvoorspelling van DCA wordt gedaan met de formule

y = 39.223x0.543.

In de analyse is ook te zien dat methode 1 een aantal uitschieters vertoont (de punten tussen 30 en 40%). Deze worden verklaard door een foutieve productieplanning. Op deze dagen had DCA een voorspelling gedaan om dual poly te draaien, maar dit is achteraf single poly geworden. Hierdoor is de afwijking in de stoomvoorspelling groot. Deze afwijking kan verkleind worden door een betere

productieplanning te maken. Anderzijds zitten hier ook gevallen tussen waarbij een van de poly’s onverwachts afviel, waar een afdeling Planning dus ook niets aan kan doen.

3.1.3OVERIG

De twee grootste afdelingen in stoomverbruik zijn nu behandeld. Het overig stoomverbruik wordt samen genomen onder het kopje overig in het model. Het gaat hier alleen om 25# afname.

(12)

12

In bijlage VII wordt een afbeelding van het stoomnetwerk gegeven waarin duidelijk wordt dat de afdelingen van het 25# netwerk samen mogen worden genomen onder ‘overig’.

In afbeelding 3.3 is een statistische analyse te zien van het stoomverbruik van het 25#-systeem. Aan de hand van deze analyse is besloten om een gemiddelde waarde van 4 ton/uur te nemen in het model voor het 25#-stoomverbruik.

Afbeelding 3.3: Statistische analyse in Minitab van het stoomverbruik van het 25#-systeem. 3.2 ELEKTRICITEITSVRAAG

Op de site nemen verschillende afdelingen elektriciteit af. Deze elektriciteit kan geproduceerd zijn door de gasturbines of afgenomen zijn van het landelijke net. In de huidige situatie is het elektriciteitverbruik van de totale site vastgesteld op 513,6 MWh/dag. In dit onderzoek wordt nagegaan of dit nog steeds klopt. Hiervoor is eerst een maand lang het elektriciteitsverbruik van de site bijgehouden.

In afbeelding 3.4 is een analyse weergegeven waarin het verschil tussen de werkelijk geconsumeerde elektriciteit en de voorspelde hoeveelheid elektriciteit (513,6 MWh/dag) wordt weergegeven.

(13)

13

Afbeelding 3.4: Statistische analyse in Minitab van het verschil (in %) tussen de voorspelde en werkelijk geconsumeerde hoeveelheid elektriciteit.

Uit deze afbeelding is op te maken dat het werkelijke elektriciteitsverbruik van de site gemiddeld met 8% afwijkt van de vastgestelde consumptie.

Daarom is gekeken naar de mogelijkheid om dit nauwkeuriger te maken. Hiervoor zijn vijf mogelijke modellen opgesteld en getest. In tabel 3.2 wordt per model aangegeven hoe dit werkt. In bijlage VIII wordt per model de resultaten in afwijking weergegeven.

(14)

14

Tabel 3.2: Vijf mogelijke modellen voor de voorspelling van de elektriciteit consumptie van de site

Opzet: Gebruik: Voordeel/nadeel:

Model 1 Elektra verbruik van voorgaande dag uit Aspen Process Explorer halen

In Aspen wordt per afdeling het elektriciteitsverbruik gemeten. Deze informatie kan ingeladen worden in Excel. In Excel is een model

ontwikkeld die per afdeling het elektriciteitsverbruik van een dag daarvoor binnen kan halen.

Door het elektra verbruik van een dag eerder te nemen, wordt de afwijking in de wintermaanden en tijdens de shutdown van een fabriek geminimaliseerd. In de huidige situatie wordt hier geen rekening mee gehouden. Het nadeel is dat de meters per afdeling niet altijd nauwkeurig zijn, waardoor er een afwijking in de gegevens uit Aspen kan zitten. Model 2 Elektra verbruik van DCA en

FLPR bepalen met productie planning, overige afdelingen uit Aspen Process Explorer halen.

DCA en FLPR zijn de grootste elektra verbruikers (zie bijlage II). Daarom is een verband gelegd met de productie van deze twee afdelingen (zie bijlage IX). In het model wordt de verwachte productie ingevoerd waarbij de elektra consumptie van DCA en FLPR gegeven wordt. De overige afdelingen worden ingeladen volgens model 1.

Het nadeel van dit model is dat dit van de afdeling Planning afhangt. Wanneer hier niet goed gepland wordt, klopt het model ook niet. Daarnaast kan dit model niet in de shutdown worden gebruikt, dan moet alsnog van model 1 of 3 gebruik worden gemaakt. Model 3 Elektra consumptie van

voorgaande dag uit het E-report halen.

Dagelijks wordt om 00.00uur een E-report verzonden. Hierin worden de (totale) stoom en elektra verbruiken van deze dag weergegeven. Hierin staat 1 getal voor de totale

E-consumptie van de Dordrecht site. Dit kan ingevuld worden in het model.

Dit model is makkelijk in gebruik, er hoeft maar 1 getal ingevoerd te worden en de E-report wordt dagelijks automatisch uitgestuurd. Er kan dus geen sprake zijn van miscommunicaie. Ook wordt, net als bij model 1, het verschil in een shutdown of wintermaanden geminimaliseerd. Daarnaast speelt de onnauwkeurigheid van de Aspen metingen (model 1) in dit model geen rol meer.

Model 4 Elektra verbruik van DCA bepalen met productie planning, overige afdelingen uit Aspen Process Explorer halen.

Zie model 2, alleen dan zonder FLPR Het voordeel is dat wanneer blijkt dat FLPR geen goede planning maakt, dit model daar niet van afhankelijk is. Het nadeel is dat dit model niet tijdens een shutdown gebruikt kan worden.

Model 5 Elektra verbruik van FLPR bepalen met productie planning, overige afdelingen uit Aspen Process Explorer halen.

Zie model 2, alleen dan zonder DCA Het voordeel is dat wanneer blijkt dat DCA geen goede planning maakt, dit model daar niet van afhankelijk is. Het nadeel is dat dit model niet tijdens een shutdown gebruikt kan worden.

De 6 situaties (oud, model 1, 2, 3, 4 en 5) zijn met elkaar vergeleken in Minitab om statistisch te bepalen welke optie in de toekomst gebruikt kan worden. In bijlage X worden de resultaten uit Minitab weergegeven. De gemiddelde afwijking per model wordt weergegeven in tabel 3.3.

(15)

15 Tabel 3.3: Gemiddelde afwijking per model

Model Gemiddelde afwijking (%)

Oud 8,42 1 6,51 2 7,2 3 3,51 4 5,97 5 6,64

Hieruit is gebleken dat model 3 de minste afwijking vertoont. Dit model kan dus gebruikt worden om de elektra consumptie van de site te voorspellen. In model 3 wordt het E-verbruik van de vorige dag genomen en ingevuld voor de voorspelling van de volgende dag.

In afbeelding 3.5 is de nieuwe methode (3) statistisch vergeleken met de oude methode in Minitab.

Afbeelding 3.5: Boxplot in Minitab waarin de afwijking (%) van de voorspelde E-consumptie ten opzichte van de werkelijke E-consumptie wordt vergeleken voor de nieuwe en oude methode

De gemiddelde afwijking voor de oude situatie was 8,42%, voor de nieuwe situatie is dit 3,51%. De p-waarde voor bovenstaande test is 0,000. Dit betekent dat met de voorspellingen volgens de nieuwe methode een significante verbetering zichtbaar is ten opzichte van de oude methode.

(16)

16 Verbetering

Model 3 is voor dit project de beste keuze, omdat deze uit de statistische analyse als beste methode naar voren kwam én omdat deze makkelijk in gebruik is. Echter, dit model is nog niet perfect. In afbeelding 3.5 zijn enkele uitschieters te zien voor methode 3 (vier punten tussen 12 en 18%). Deze uitschieters zijn veroorzaakt doordat een van de fabrieken vier dagen af heeft gelegen. In model 3 wordt het elektriciteit verbruik van de totale site van de dag ervoor genomen, en in de voorspelling voor morgen ingevuld. Hierdoor klopt de voorspelling, bij het afvallen en opstarten van een fabriek, voor twee dagen niet. In dit geval ging het om een grote fabriek, waarbij de verandering in elektriciteit consumptie duidelijk zichtbaar is. In tabel 3.4 wordt deze situatie verduidelijkt.

Op maandag 26 maart ging de fabriek voor vier dagen af. Bij het afgaan klopt de voorspelling de eerste twee dagen niet (geel gearceerd), omdat de verbruiken van de twee voorgaande dagen zijn genomen. Bij het opstarten gebeurt precies hetzelfde (groen gearceerd), twee dagen wijkt de voorspelling erg veel af ten opzichte van het werkelijke verbruik.

Tabel 3.4: Afwijkingen in model 3 bij afvallen/opstarten van een fabriek. Geel gearceerd = periode waarin de fabriek af lag. Datum Werkelijke E-consumptie Voorspelde E-consumptie (Model 3) Verschil (MWh) Verschil (%) za 24 mrt 574 561 13 2.32% zo 25 mrt 574 561 13 2.32% ma 26 mrt 493 574 81 14.11% di 27 mrt 475 574 99 17.25% woe 28 mrt 467 493 26 5.27% do 29 mrt 487 475 12 2.53% vrij 30 mrt 538 467 71 15.20% za 31 mrt 558 487 71 14.58%

Om dit verschil te verkleinen, kan gekozen worden voor een constante waarde die van het elektriciteitsverbruik afgetrokken wordt wanneer bekend is dat een fabriek af gaat of opgeteld wordt wanneer een fabriek opgestart wordt.

Omdat DCA en FLPR de grootste elektriciteitsverbruikers zijn, is voor deze twee afdelingen gezocht naar een constante waarde. Hiervoor is een statistische analyse in Minitab gedaan, zie bijlage XI. Hieruit bleek dat voor FLPR een constante waarde van 160 MW/dag en voor DCA 135 MW/dag kan worden genomen.

(17)

17

4 M

ODEL

In dit hoofdstuk wordt het model weergegeven dat gemaakt is om de stoomvraag en het overschot aan elektriciteit te berekenen. Hiervoor zijn de gegevens uit hoofdstuk 3 gebruikt.

4.1 MODEL STOOMVRAAG

Om de stoomvraag te voorspellen, zijn vier variabelen nodig die in hoofdstuk 3 in kaart zijn gebracht: DCA, Freon, TFE en overig.

Voor TFE is een constante waarde genomen, dus in het model moet alleen ingevuld worden of er TFE is ja of nee. Indien ‘ja’, is de stoomvraag 13,3 ton/uur, indien ‘nee’, wordt de stoomvraag 0 ton/uur. Van Freon moet de verwachte productie ingevuld worden in de formule y = 0.9127x + 9.6487. Hieruit volgt de verwachte stoomvraag voor Freon. Ook voor DCA wordt de verwachte productie ingevuld in een formule: y = 39.223x0.543. Voor de overige afdelingen is een constante van 4 ton/uur genomen. Hieruit volgt onderstaande Excel spreadsheet. De gele cellen moeten handmatig ingevuld worden. De groene cellen worden bij elkaar opgeteld en daaruit volgt de stoomvraag, die bovenin weergegeven wordt.

Stoomvraag: 61.51 ton/uur

DCA

Productie Delrin: 300 ton

Stoom: 36.2 ton/uur

FLPR

Freon Productie: 135 ton

Stoom: 5.5 ton/uur TFE ja/nee?: Ja Stoom: 13.3 ton/uur Overig 4 ton/uur 4.2 MODEL ELEKTRICITEIT

De hoeveelheid elektriciteit die geproduceerd wordt, is afhankelijk van de stoomvraag van de site. Deze is bekend via bovenstaande spreadsheet. Aan de hand van de stoomvraag, worden de gasturbines geregeld. Hieruit wordt elektriciteit geproduceerd, welke grotendeels verbruikt wordt op de site. Het overschot aan elektriciteit wordt vervolgens verkocht aan het landelijke net.

In hoofdstuk 3 is vastgesteld dat het elektriciteitsverbruik van de site uit het E-report van de vorige dag wordt genomen. In het model moeten alleen de gasturbines nog ingebouwd worden.

(18)

18

De e-output van de gasturbines kan echter nogal verschillen, deze is namelijk afhankelijk van de buitentemperatuur. In dit model is gekozen voor eenvoud en daarom is besloten om de huidige

e-output van de turbines te gebruiken voor de voorspelling van de volgende dag, ervan uitgaande dat de temperatuur niet van de ene op de andere dag met 10°C zal verschillen.

Het model voor de elektriciteitsvraag en –productie ziet er als volgt uit:

Gasturbine 1

Aan/uit?: Uit

Actuele E-output: 0.000 MW/uur

E-output 0 MW/uur

Gasturbine 2

Aan/uit?: Aan

Actuele E-output: 0.005 MW/uur Berekende E-output: 49.22 E-output 26.50 MW/uur

Elektra consumptie

E-report van vorige dag: 537 MW/dag

22.38 MW/uur

E-levering net 4.1 MW/uur Hierin zijn de volgende formules ingebouwd:

Gasturbine 1

GT1 wordt vrijwel nooit aangezet, maar wanneer deze bijkomt, draait deze altijd voluit. De E-output is dan 11 MW/uur. In de groene cel is de volgende formule dus ingebouwd:

=IF(AND(GT1="AAN", Stoomvraag>"27", Actuele E-output>"1"), Actuele E-output, IF(GT1="UIT", "0", "11"))

Wanneer GT1 aan staat, de stoomvraag hoger dan 27 ton/uur is (dit is de maximale stoom die GT1 kan leveren) én de actuele E-output hoger dan 1 is, dan wordt in de groene cel de actuele e-output ingevuld. De actuele e-output wordt automatisch ingeladen via Aspen Process Explorer. Wanneer 1 van die 3 niet waar is (bijvoorbeeld als de huidige E-output 0 is), dan wordt 11 MW/uur ingevuld (tenzij GT1 uit staat). Gasturbine 2

De formule voor gasturbine twee is iets ingewikkelder, omdat deze turbine vaker draait en dus niet altijd maximaal hoeft te draaien. Daarom is de rij ‘Berekende E-output’ toegevoegd. De formule is afkomstig uit grafiek 4.1. Hier is de E-output van GT2 uitgezet tegen de stoomvraag. Wanneer GT2 dus niet voluit draait (maximaal = 48 ton/uur stoom), dan wordt deze formule gebruikt om de E-output te berekenen. In deze grafiek zijn gemiddelde waarden voor de E-output gebruikt.

(19)

19

Grafiek 4.1: E-output van GT2 uitgezet tegen de stoom productie De formule die in de groene cel van GT2 is ingebouwd, ziet er als volgt uit:

=IF(AND(GT2="AAN", Stoomvraag>48, Actuele E-output>"1"), Actuele E-output, IF(GT2="UIT", "0", IF(Stoomvraag>48, 26.5, Berekende E-output)))

Wanneer GT2 aan staat, de stoomvraag hoger dan 48 ton/uur is en de actuele e-output hoger dan 1 is, wordt de actuele e-output ingevuld. Wanneer 1 van de 3 niet waar is, wordt 26,5 MW ingevuld als GT2 maximaal draait, en anders wordt de berekende E-output volgens de formule ingevuld.

E-levering net

De e-output van de twee gasturbines worden bij elkaar opgeteld en daar wordt de e-consumptie van de site van afgetrokken. Het getal dat in de blauwe cel weergegeven wordt, wordt uiteindelijk doorgegeven aan het landelijke net, om aan te geven hoeveel elektriciteit Desco de volgende dag verwacht af te leveren.

4.3 AUTOMATISEREN MODEL

De Excel sheet is vervolgens nog geautomatiseerd in een webomgeving, zie afbeelding 4.1. Op deze pagina worden de verwachte Freon, TFE en DCA productie automatisch ingevuld. Ook het E-verbruik van de vorige dag wordt automatisch ingeladen. Alle formules uit voorgaande twee paragrafen zijn hierin ingebouwd. De enige menselijke handeling die nu nog nodig is, is het bedienen van GT1 en GT2.

y = 0.0033x2.3368 R² = 0.9995 0.0 5.0 10.0 15.0 20.0 25.0 30.0 30.0 35.0 40.0 45.0 50.0 E -o u tp u t (M W h )

Steam output (ton/hr)

E-output GT2

(20)

20

Afbeelding 4.1: Printscreen van de webomgeving waarin automatisch de E-levering aan het net wordt weergegeven.

(21)

21

5 A

NALYSES

In dit hoofdstuk worden de analyses van de elektriciteit nominaties gedaan. Eerst zal de website van het Powerhouse, waarop dagelijks de nominaties worden doorgevoerd, worden uitgelegd. Vervolgens worden de analyses van de nominaties gedaan.

5.1 POWERHOUSE

Het overschot aan elektriciteit levert DuPont af aan het landelijke net. Hiervoor is een contract opgesteld met Powerhouse, die het mogelijk maakt voor DuPont om elektriciteit te kunnen in- en verkopen op het landelijke net. DuPont nomineert dagelijks voor 9.45 uur de hoeveelheid elektriciteit die zij de volgende werkdag verwachten af te leveren. In het huidige contract is opgenomen dat DuPont dagelijks nomineert, na 9.45 uur kunnen dus geen wijzigingen meer worden aangebracht voor de komende werkdag.

De genomineerde hoeveelheid elektriciteit wordt verkocht tegen de APX-prijs. Deze prijs wordt dagelijks vastgesteld. Wanneer DuPont meer of minder dan de genomineerde hoeveelheid elektriciteit levert, wordt deze ingekocht of verkocht via de onbalans prijs. De onbalans prijs kan per kwartier verschillen en is afhankelijk van de landelijke vraag en aanbod van elektriciteit. Wanneer de vraag naar elektriciteit hoog is, maar het aanbod is laag, dan is de onbalans prijs hoog. In dat geval is het voordelig om extra elektriciteit aan het net af te leveren, echter wanneer DuPont op dat moment elektriciteit in moet kopen zijn de kosten erg hoog.

Een voorbeeld hiervan is te zien in afbeelding 5.1. Op de x-as wordt de tijd gegeven en op de y-as de prijs. De blauwe lijn is de APX-prijs, de oranje lijn de onbalans prijs. Op deze dag is een energiecentrale afgevallen, waardoor de onbalans prijs hoog ligt (hoogste top op 500 euro), op deze dag was het voordelig geweest om elektriciteit aan het net af te leveren. In afbeelding 5.2 wordt een andere situatie weergegeven, waarin er een overschot aan elektriciteit was op het landelijke net. De onbalans prijs lag hier erg laag (laagste punt op -250 euro). Op dit moment was het nadelig geweest om elektriciteit aan het net af te leveren.

In bijlage XIII wordt een voorbeeld gegeven van de Powerhouse website waarop de nominaties worden gedaan.

(22)

22

Afbeelding 5.1: Dagoverzicht van APX- en onbalans prijs waarbij er een tekort aan elektriciteit op het landelijke net was.

(23)

23

5.2 ANALYSES OUDE SITUATIE

Op de website van het Powerhouse is ongeveer twee dagen na het invullen van de nominatie te zien hoeveel elektriciteit daadwerkelijk afgeleverd is en welke prijs hierover is betaald. Maandelijks worden hier analyses over gedaan, zie bijlage XIV. Hierin wordt de hoeveelheid geproduceerde elektriciteit vergeleken met de hoeveelheid die genomineerd is. Ook wordt weergegeven hoeveel euro Desco maandelijks is misgelopen door het niet perfect voorspellen.

Uit de analyses in de bijlage blijkt dat het verschil in euro’s per maand groot is. Gemiddeld liet Desco in 2011 € 16.525 per maand liggen door niet correct te nomineren. Hieruit blijkt nogmaals het belang van correct nomineren.

5.3 ANALYSES NIEUWE SITUATIE

Met het model dat in hoofdstuk 4 opgesteld is, worden vanaf 14 april de voorspellingen gedaan op de hoeveelheid elektriciteit die afgeleverd wordt aan het net. Ook hiervan zijn dezelfde analyses gedaan, zie bijlage XV. Met het model laat Desco gemiddeld € 5.889 per maand liggen.

5.4 VERSCHIL OUDE EN NIEUWE SITUATIE

De oude situatie is statistisch vergeleken met de nieuwe situatie in Minitab. In afbeelding 5.3 wordt deze analyse weergegeven.

Afbeelding 5.3: Statistische analyse in Minitab waarin de afwijkingen in % van oude situatie en de nieuwe situatie met elkaar worden vergeleken.

N Mean StDev Oude situatie 364 0,19 1,21 Nieuwe situatie 48 -0,03 1,09

(24)

24

De waarde is 0,198. Dit betekent dat er nog geen significante verbetering zichtbaar is (norm = p-waarde 0,05). Wel kan met 80% zekerheid worden gezegd dat de nieuwe methode beter is dan de oude. De gemiddelde afwijking is met de nieuwe methode ook aanzienlijk verlaagd. Echter er zijn nog te weinig datapunten beschikbaar om een signifcante verbetering aan te tonen (48 ten opzichte van 364 in de oude situatie). Daarnaast is de spreiding van beide situaties groot. Er zijn veel uitschieters die de verdeling groter maken, waardoor het moeilijker is een significante verbetering aan te tonen. De financiële gevolgen van de oude en nieuwe situatie zijn ook met elkaar vergeleken. In de oude situatie was het gemiddelde verlies 543 euro per dag (ten opzichte van een perfecte nominatie). In de nieuwe situatie is dit 324 euro per dag. Het verschil is dus verlaagd met 219 euro per dag. Omgerekend levert dit ongeveer 78.000 euro per jaar op.

Er kan dus gesteld worden dat het model een verbetering is voor de voorspellingen op de elektriciteitlevering aan het net. De gemiddelde afwijking en het gemiddelde verlies zijn beiden verlaagd. Ook blijkt uit de analyse dat er nog wel verbeteringen te halen zijn. In hoofdstuk 6 worden enkele aanbevelingen gedaan om het model in de toekomst te verbeteren.

(25)

25

6 C

ONCLUSIE EN AANBEVELINGEN

6.1 CONCLUSIE

Uit het onderzoek blijkt dat de voorspellingen met het nieuwe model zijn verbeterd. De gemiddelde afwijking is van 19% verlaagd naar 3%. Dit betekent dat er bijna perfect genomineerd wordt. Ook wordt met het model een bedrag van 78.000 euro per jaar bespaard.

Statistisch kan echter nog geen significante verbetering aangetoond worden. Dit wordt verklaard door het geringe aantal datapunten in de nieuwe situatie. De verwachting is dat als dit model ook een jaar wordt getest, de verbetering ten opzichte van de oude situatie wel significant is.

Tevens zijn in de nieuwe situatie nog enkele uitschieters te zien, waardoor waarschijnlijk geen significante verbetering zichtbaar is. Deze uitschieters maken de verdeling groter. Daarnaast maakt Desco in de nieuwe situatie nog een groot verlies op deze uitschieters. In de komende paragraaf worden daarom enkele aanbevelingen gedaan om het model nauwkeuriger te maken of de uitschieters te verkleinen.

6.2 AANBEVELINGEN

Het huidige model bevat nog een aantal verbeterpunten. Deze worden in deze paragraaf genoemd, met mogelijke acties om de verbeteringen door te voeren.

6.2.1E-OUTPUT GASTURBINES

In het huidige model wordt de E-output van de huidige dag genomen en ingevuld voor de volgende dag. Deze is echter niet altijd nauwkeurig. De E-output van de gasturbines kan nogal verschillen, deze is afhankelijk van de buitentemperatuur en of de turbine maximaal draait. Omdat GT1 volgend jaar uit bedrijf wordt genomen, wordt aanbevolen om in het model alleen te focussen op de verbetering van GT2.

In bijlage XII wordt het verband gegeven tussen de buitentemperatuur en de output van GT2 wanneer deze maximaal draait. Hierin is een lineair verband te zien. Er kan dus een link gelegd worden tussen de buitentemperatuur en de maximale output van de gasturbine. Uit het model blijkt wanneer de gasturbine maximaal draait, de temperatuur voor de volgende dag zou dan handmatig ingevuld moeten worden. Tevens kan hier nog een verschil gemaakt worden tussen de temperatuur ’s nachts en overdag. Het wordt aangeraden om te bekijken of het relevant is om dit te doen, aangezien dit het model veel complexer maakt. Wanneer het verschil in E-output tussen dag en nacht klein is, kan besloten worden om dit niet mee te nemen.

In de grafiek in bijlage XII is geen rekening gehouden met temperaturen onder 0°C. Dit komt door de range van de temperatuurmeting van DuPont, deze gaat maar tot 0°C. Echter wanneer de temperatuur onder het vriespunt komt, draait de turbine in principe al op zijn maximale e-output (31 MWh), dus in het model kan dan bij een temperatuur onder 0°C een e-output van 31 MWh worden ingevuld.

(26)

26

Daarnaast wordt in het huidige model de E-output berekend via een formule wanneer de gasturbine niet maximaal draait. Deze berekening is gebaseerd op gemiddelde waarden. Om dit nauwkeuriger te maken, kan deze berekening gelinkt worden aan de buitentemperatuur.

6.2.2(ONTERECHT)BIJNEMEN GT1

Tijdens dit project is gemerkt dat gasturbine 1 vaak onterecht en niet gepland wordt bijgenomen. Het nadeel hiervan is dat er meer elektriciteit wordt geproduceerd en afgeleverd aan het net. (Dit verklaard ook de uitschieters in afbeelding 5.3). Aangezien hier niet op voorspeld is, wordt deze elektra in de onbalans verkocht, wat veel nadeliger is voor Desco. Daarnaast wordt meer aardgas verbruikt wanneer een tweede gasturbine draait. Hieronder wordt een ruwe schatting gemaakt van de onterechte kosten die dit met zich mee brengt:

Wanneer GT1 bij staat, wordt 10 MWh extra afgeleverd aan het net. Aangezien hier niet op voorspeld is wordt deze via de onbalans verkocht. De onbalans-prijs ligt gemiddeld 10 euro lager dan de APX-prijs, dus per uur is het verlies 100 euro.

Per uur wordt ongeveer 3000 m3 extra aardgas verbruikt door GT1. De aardgasprijs is 0,25 €/m3, dus het verlies is hier 750 euro/uur.

GT1 draait minimaal 8 uur op een dag (maar soms ook 1-2 dagen), dus per dag is het verlies 850*8 = 6800 euro.

Ervan uitgaande dat dit 1 keer per maand voorkomt, is het verlies per jaar dus 81.600 euro.

Deze kosten zijn ruw geschat en liggen naar verwachting hoger, omdat GT1 vaak langer draait en het bijnemen soms zelfs drie keer per maand voorkomt. Daarnaast wordt stoom afgeblazen wanneer GT1 bij staat, de kosten voor het afblazen van stoom zijn in deze berekening ook niet meegenomen.

Een verbetering kan al zijn dat de voorspelling hierop beter wordt gedaan, zodat het verlies op de elektrakosten lager wordt, echter is het opgevallen dat GT1 vaak onterecht wordt bijgenomen, het is dus belangrijker om dit helemaal te voorkomen.

GT1 wordt nu bijgenomen bij een stoomflow van 74 ton/uur of meer. GT2 kan (met bijstook) maximaal 80 ton/uur leveren. Uit analyses blijkt dat de stoomflow vrijwel nooit het maximum van 80 ton/uur haalt. In dat geval kan dus het risico worden genomen om alleen met GT2 te draaien totdat het maximum wordt bereikt.

Tevens is uit het onderzoek gebleken dat wanneer de stoomflow wél hoger is dan 80 ton/uur, dit vaak maar voor maximaal een uur is. In dat geval is het helemaal zonde om GT1 8 uur lang te laten draaien. Er kunnen voor dat uur mogelijk andere oplossingen worden gevonden. Zo produceert de oven 250# stoom en levert dit aan DCA. Als deze voor een uur hoger wordt gezet, wordt mogelijk al de meeste stoomvraag opgevangen, omdat DCA de grootste stoomverbruiker is. Tevens kan ervoor gekozen worden de poly’s van DCA een uur langzamer te laten draaien (bijvoorbeeld van 6 t/h naar 5,5 t/h). Dit moet dan wel afgestemd worden met de productieplanning, echter het lijkt bespreekbaar aangezien het maar om een uur tijd gaat en er veel geld mee bespaard kan worden.

(27)

27

6.2.3OVERIG STOOMVERBRUIK (25# EN AFBLAAS)

Het overige stoomverbruik is onder één afdeling genomen en wordt voorspeld met een constante. In paragraaf 3.1.3 is in de statistische analyse te zien dat er veel uitschieters zijn en de mediaan en het gemiddelde niet met elkaar overeen komen. Aangezien dit maar een kleine verbruiker is, is in het huidige model genoegen genomen met een constante.

Tevens wordt in dit model geen rekening gehouden met stoom afblaas. Dit kan in de toekomst eventueel wel gemodelleerd worden. Hiervoor kan bekeken worden hoeveel stoom gemiddeld wordt afgeblazen en vaak is dit alleen wanneer GT1 bij staat. Hier moet nog nader onderzoek naar worden gedaan, ook rekening houdend met bovenstaande paragraaf.

Wanneer de stoomafblaas correct voorspeld kan worden, kunnen de kosten hiervoor ook beter bepaald worden. De afblaas meting werkt nu niet correct. Deze meter gaat pas meten bij een afblaas vanaf 6,5 ton/uur. Onder deze waarde wordt de afblaas berekend, door meting 1 van meting 2 af te trekken (zie afbeelding 6.1). Dit is helaas niet altijd nauwkeurig, waardoor de waarden niet altijd kloppen. Hierdoor is het moeilijk om een getal te nemen voor de stoom afblaas in het model. Wellicht kan de range van de afblaasmeting aangepast worden, zodat deze ook bij lagere waarden begint met meten. Dit wordt aangeraden, omdat de stoomafblaas vaak niet hoger is dan 6,5 ton/uur. Hiermee kan een correcte meting worden gedaan en kan hier in de toekomst ook beter op worden voorspeld.

Afbeelding 6.1: Overzicht van de afblaas metingen

6.2.4ONBALANSPRIJS IN ZOMER/WINTER

Tijdens dit project is gebleken dat de onbalansprijs in zomermaanden (op warmere, stabiele dagen) vrijwel altijd lager ligt dan de APX-prijs. In de wintermaanden, wanneer het erg koud is, ligt de onbalansprijs eigenlijk altijd hoger dan de APX-prijs. Het wordt dus aangeraden om bij onduidelijkheid over de nominatie in de zomermaanden hoger te nomineren en in de wintermaanden lager. Dit wordt verklaard in tabel 6.1 en 6.2. In de blauwe rijen wordt het effect weergegeven van hoger of lager nomineren dan er werkelijk afgeleverd gaat worden. In de groene rijen wordt aangegeven wat Desco zou verdienen bij perfect nomineren. In beide situaties is te zien dat er 20 euro winst per uur wordt gemaakt.

x > 6,5 t/h

Ketel 5 Ketel 6

AFBLAAS

(28)

28 Tabel 6.1: Effect van hoger nomineren in de zomermaanden Voorspeld (MW/uur) APX-prijs (€/MWh) Bedrag (€/uur) Werkelijk (MW/uur) Onbalans (MW/uur) Onbalansprijs (€/MWh) Bedrag (€/uur) Verdiend (€/uur) 5 50 250 3 -2 40 -80 170 3 50 150 3 0 40 0 150

Tabel 6.2: Effect van lager nomineren in de wintermaanden Voorspeld (MW/uur) APX-prijs (€/MWh) Bedrag (€/uur) Werkelijk (MW/uur) Onbalans (MW/uur) Onbalansprijs (€/MWh) Bedrag (€/uur) Verdiend (€/uur) 3 50 150 5 2 60 120 270 5 50 250 5 0 60 0 250 6.2.5CONTROLE MODEL

Het wordt geadviseerd om het model jaarlijks te controleren. Van de constantes moet bijvoorbeeld nagegaan worden of deze nog overeen komen met de werkelijkheid. Wellicht moeten er afdelingen toegevoegd, weggehaald of veranderd worden. Het is dus van belang dat er controle blijft op dit model. Om dit te kunnen doen is in bijlage XVI een overzicht van alle tagnummers bijgevoegd die in dit onderzoek zijn gebruikt. DuPont/Desco kan deze tagnummers gebruiken om gegevens uit Aspen Process Explorer terug te halen.

6.2.6PRODUCTIEPLANNING IN MODEL

De voorspellingen in het model worden gedaan voor een periode tussen 00.00 en 00.00 uur. De productieplanning die DuPont maakt, loopt altijd van 05.00 tot 05.00 uur. De productieplanning wordt ingevuld in het model, maar hier wordt geen rekening gehouden met de verschillende tijdsblokken. In dit project zijn daar, zover bekend, geen problemen mee ervaren, maar het wordt aangeraden dit in de toekomst wel in te bouwen in het model.

6.2.7CONTRACT POWERHOUSE

Desco heeft een contract met Powerhouse tot eind 2012, er wordt dus gekeken naar een nieuw contract. In het huidige contract is opgenomen dat Desco een daghandel heeft, waarbij dagelijks voor 9.45 uur de voorspelling voor de volgende werkdag wordt gedaan. Na 9.45 uur kan de voorspelling niet meer worden aangepast.

Het meest ideale nieuwe contract lijkt een daghandel te zijn waarbij Desco in de loop van de dag nog kan bijsturen op de voorspelling. Dit is ideaal wanneer een turbine afvalt of wanneer GT1 wordt bijgenomen (zie paragraaf 6.2.2). Desco kan dan in de loop van de dag de voorspelling op uurbasis nog aanpassen, waardoor het verlies wordt verkleind. Dit contract is echter duur en naar verwachting gaat Desco hier niet voor kiezen, omdat GT1 volgend jaar ook uit bedrijf wordt genomen.

Daarnaast kan Desco ook kiezen voor een termijnhandel. Desco voorspelt dan voor de komende maand hoeveel elektriciteit zij verwachten af te leveren. Het voordeel is dat de prijzen voor een MWh hoger zijn op deze markt. De gemiddelde piekprijs is voor termijnhandel 78,46 €/MWh, terwijl dit voor de APX 52,33 €/MWh is (bron: Powerhouse). Het lijkt dus aantrekkelijk om voor deze markt te kiezen.

(29)

29

Om in te schatten of Desco maandelijks kan voorspellen hoeveel elektra zij verwachten af te leveren, is in grafiek 6.1 een overzicht van de maandelijkse E-levering gegeven. Hieruit blijkt dat de E-levering niet constant is. Op het eerste gezicht lijkt het dus lastig om een maandelijkse voorspelling op de E-levering te doen. Nader onderzoek moet uitblijken of een model kan worden gemaakt voor de maandelijkse E-levering. Het is aantrekkelijk om hier onderzoek naar te doen, omdat de prijzen voor termijnhandel positiever zijn.

Grafiek 6.1: Overzicht van de E-levering van Desco op maandbasis 0.000 1,000.000 2,000.000 3,000.000 4,000.000 5,000.000 6,000.000

Jan Feb Mrt Apr Mei Jun Jul Aug Sep Okt Nov Dec Jan Feb Mrt Apr Mei

M W h /m a a n d Maand

(30)

30

B

IJLAGEN

Bijlage I: Stoom- en elektra netwerk DuPont Dordrecht Bijlage II: Energierapport 2011

Bijlage III: Overzicht FLPR

Bijlage IV: FLPR stoomverbruik vs. productie Bijlage V: Statistische analyse single/dual poly DCA Bijlage VI: DCA Stoomverbruik vs. Productie

VI.I DCA stoomverbruik dagbasis VI.II DCA Stoomverbruik maandbasis Bijlage VII: Stoomnetwerk voor 25# afname

Bijlage VIII: Afwijking per model elektra consumptie

Bijlage IX: Verband tussen elektra consumptie en productie DCA en FLPR Bijlage X: Resultaten statistische analyse voor elektra consumptie Bijlage XI: Resultaten statistische analyse elektra verbruik DCA en FLPR Bijlage XII: Gasturbines

Bijlage XIII: Powerhouse website

Bijlage XIV: Analyses nominaties oude situatie Bijlage XV: Analyses nominaties nieuwe situatie Bijlage XVI: Overzicht tagnummers

(31)

31

(32)

32

BIJLAGE II:ENERGIERAPPORT 2011

STEAM CONSUMPTIONS 2011 (ton)

DFA DCA FORMA FLPR VITON SURLYN POWER S OTHERS DESCO POWER TOTAL

JAN 1.322 22.516 13.029 2.227 6,74 1.520 145 87 40.852 FEB 1.296 21.944 12.265 2.274 6,91 1.530 141 84 39.541 MRT 1.223 26.407 14.191 2.358 6,76 1.540 167 99 45.992 APR 405 20.734 11.721 1.499 6,78 1.414 139 90 36.009 MEI 233 21.366 10.790 1.451 6,23 1.390 132 87 35.455 JUN 218 22.744 11.203 1.404 7,17 1.386 145 96 37.204 JUL 282 18.746 10.882 1.363 9,64 1.392 137 90 32.902 AUG 282 19.150 11.205 1.325 7,59 1.421 149 96 33.635 SEP 305 18.532 2.032* 384* 7,15 1.284 126 90 22.760 OKT 498 20.152 4.611* 1.049* 7,90 1.377 131 87 27.913 NOV 835 7.647* 13.929 2.033 8,40 1.525 160 96 26.234 DEC 965 24.562 13.236 2.194 8,09 1.501 153 93 42.713 TOTAAL 7.863 244.500 129.094 19.561 89 17.280 1.727 1.096 421.210 Percentage 1,87% 58,05% 30,65% 4,64% 0,02% 4,10% 0,41% 0,26% 100,00%

(33)

33

ELECTRICITY CONSUMPTIONS 2011 (kW)

DFA DCA FORMA FLPR VITON SURLYN POWER S OTHERS DESCO POWER TOTAL

JAN 1.936.283 3.679.181 1.464.130 5.935.259 589.066 454.241 442.609 167.967 541.722 585.407 15.795.864 FEB 2.152.494 3.560.929 1.591.387 5.993.238 607.374 312.036 129.598 178.260 663.851 500.500 15.689.668 MRT 2.314.785 4.157.631 1.999.108 6.559.897 639.924 416.112 214.482 184.971 1.728.757** 659.423 18.875.090 APR 2.054.953 4.052.314 1.755.912 6.262.192 659.089 364.613 158.315 162.226 632.831 596.176 16.698.620 MEI 2.158.611 3.958.946 1.720.305 6.169.853 650.887 399.121 157.768 147.445 554.835 568.910 16.486.680 JUN 2.308.155 4.310.742 1.767.418 6.711.778 683.288 414.453 168.928 173.953 604.484 618.829 17.762.030 JUL 1.765.678 4.017.949 1.362.712 6.260.301 644.459 324.679 154.353 168.873 564.436 583.450 15.846.890 AUG 2.072.033 3.978.507 1.297.164 6.610.683 665.299 457.464 177.669 148.403 618.434 610.733 16.636.390 SEP 1.837.110 3.893.008 1.465.929 1.695.765* 331.485* 431.111 172.815 150.859 632.424 506.793 11.117.300 OKT 1.971.484 3.982.556 1.544.457 3.250.350* 253.393* 452.127 167.534 140.795 593.234 512.490 12.868.420 NOV 1.709.959 2.151.728* 623.060* 6.744.442 401.687 655.667 195.634 194.898 640.032 563.851 13.880.960 DEC 2.015.917 4.058.528 1.808.520 6.307.701 688.825 476.731 159.329 184.631 579.821 578.817 16.858.820 TOTAAL 24.297.463 45.802.019 18.400.104 68.501.460 6.814.775 5.158.354 2.299.034 2.003.283 8.354.860 6.885.380 188.516.732 Percentage 12,89% 24,30% 9,76% 36,34% 3,61% 2,74% 1,22% 1,06% 4,43% 3,65% 100,00%

* = Shut down van de fabriek ** = Meting was niet betrouwbaar

(34)

34

BIJLAGE III:OVERZICHT FLPR

Freon is de grondstof voor TFE. TFE kan niet opgeslagen of vervoerd worden en moet dus altijd direct verwerkt worden. Freon, TFE en HFP vormen samen FLPR Monomers. De afdelingen FLPR Polymers en Viton draaien niet wanneer geen TFE beschikbaar is. Deze productieprocessen worden dus strikt op elkaar afgestemd. Allen zijn batchprocessen, alleen Viton Gum is een continu proces.

FLPR

POLYMERS

VITON

COPOLYMER Viton Gum Viton APA

FLPR MONOMERS

Freon TFE HFP FP WEST FP OOST DISP OOST GRANULAIR

(35)

35

BIJLAGE IV: FLPR STOOMVERBRUIK VS. PRODUCTIE

Per afdeling is eerst het stoomverbruik in 2011 op dagbasis in kaart gebracht. Vervolgens zijn de productiecijfers op dagbasis per afdeling opgevraagd en vergeleken met het stoomverbruik. Per afdeling wordt onderzocht of er een verband is. Voor het leggen van een verband wordt in Excel een trendlijn gemaakt, de R2 geeft aan hoe betrouwbaar het verband is. Een R2 van 1 geeft een volledig betrouwbaar resultaat, in dit geval wordt gestreefd naar een R2 van minimaal 0,90.

Grafiek I: Stoomverbruik van Freon afdeling uitgezet tegen de productie.

Grafiek II: Stoomverbruik van TFE afdeling uitgezet tegen de productie.

y = 0.9127x + 9.6487 R² = 0.9581 0 20 40 60 80 100 120 140 160 0 50 100 150 S to o m v e rb ru ik ( to n /d a y ) Productie (ton/day)

Freon

Freon Linear (Freon) y = 1.5769ln(x) + 36.983 R² = 0.9076 0 10 20 30 40 50 60 0 10 20 30 40 50 60 S to o m v e rb ru ik ( to n /d a y ) Productie (ton/day)

TFE

TFE Log. (TFE)

(36)

36

Grafiek III: Stoomverbruik van HFP afdeling uitgezet tegen de productie.

Grafiek IV: Stoomverbruik van Hompolymer afdeling uitgezet tegen de productie.

y = 0.7601ln(x) + 57.417 R² = 0.3502 0 10 20 30 40 50 60 70 0 2 4 6 8 10 12 14 S to o m v e rb ru ik ( to n /d a y ) Productie (ton/day)

HFP

HFP Log. (HFP) y = 3.3757ln(x) + 116.27 R² = 0.659 0 20 40 60 80 100 120 140 160 180 0 10 20 30 40 S to o m v e rb ru ik ( to n /d a y ) Productie (ton/day)

Homopolymer

Homopolymer Log. (Homopolymer)

(37)

37

Grafiek V: Stoomverbruik van FEP afdeling uitgezet tegen de productie.

Grafiek VI: Stoomverbruik van Viton afdeling uitgezet tegen de productie.

Uit bovenstaande grafieken blijkt dat Freon een lineair verband toont met de productie. De formule y = 0.9127x + 9.6487 kan dus gebruikt worden in het model om het stoomverbruik te voorspellen aan de hand van de verwachte productie (x in de formule).

Voor de overige afdelingen is geen duidelijk verband te zien met productie. Wel lijkt het stoomverbruik vrij constant voor deze afdelingen (behalve voor Viton).

Uit bijlage III is bekend dat alle afdelingen achter TFE niet draaien wanneer geen TFE beschikbaar is. Daarom is het totale stoomverbruik van TFE, HFP, Homopolymer, FEP en Viton ook getrend tegen de productie TFE. (zie volgende pagina)

y = 0.3111ln(x) + 37.988 R² = 0.1443 0 10 20 30 40 50 60 70 80 0 2 4 6 8 10 12 S to o m v e rb ru ik ( to n /d a y ) Productie (ton/day)

FEP

FEP Log. (FEP) y = 0.145x + 51.039 R² = 0.0231 0 20 40 60 80 100 120 0 20 40 60 80 100 120 S to o m v e rb ru ik ( to n /d a y ) Productie (ton/day)

Viton

Viton Linear (Viton)

(38)

38

Grafiek VII: Stoomverbruik van alle afdelingen achter TFE samen genomen en uitgezet tegen de TFE productie In deze grafiek is te zien dat het stoomverbruik van de afdelingen achter TFE samen genomen kunnen worden. Er kan dan een constant getal in het model worden genomen. Wanneer er geen TFE is draaien de afdelingen achter TFE ook niet en wordt het stoomverbruik voor deze afdelingen op 0 ton/uur gezet.

De afdeling Homopolymer verbruikt ook nog 300# stoom. Dit is echter niet constant, zie onderstaande grafiek. Dit komt doordat 300# stoom met een puls wordt toegevoegd voor het schoonmaken van machines en dit is niet constant. Het 300# verbruik van FLPR is 2% van het totale 300# stoomverbruik, daarom is besloten om deze te verwaarlozen.

y = 260.53x0.0593 R² = 0.8356 0 50 100 150 200 250 300 350 400 450 0 10 20 30 40 50 60 S to o m v e rb ru ik F LP R ( to n /d a y )

Productie TFE (ton/day)

Stoomverbruik TFE,HFP,FEP,Homopolymer,Viton

Stoomverbruik Power (Stoomverbruik) y = 0.3978x + 14.678 R² = 0.045 0 10 20 30 40 50 0 10 20 30 40 S to o m v e rb ru ik ( to n /d a y ) Productie (ton/day)

300# Homopolymer

300# Homopolymer Linear (300# Homopolymer)

(39)

39

BIJLAGE V: STATISTISCHE ANALYSE IN MINITAB SINGLE/DUAL POLY DCA

In onderstaande boxplot is het stoomverbruik van DCA bij single en dual poly vergeleken. Hierin is te zien dat het verschil in stoomverbruik tussen deze twee significant is (P-value=0,000). Voor single poly kan een constante waarde van 28,5 ton/uur worden genomen en voor dual poly 39,5 ton/uur.

Two-Sample T-Test and CI: Steam [t/h]; S/D

Two-sample T for Steam [t/h]

S/D N Mean StDev SE Mean Dual 2187 39,28 5,36 0,11 Single 4677 28,53 9,21 0,13 Difference = mu (dual) - mu (single) Estimate for difference: 10,749

95% CI for difference: (10,402; 11,096)

(40)

40

BIJLAGE VI: DCA STOOMVERBRUIK VS. PRODUCTIE

In deze bijlage wordt een verband gezocht tussen het stoomverbruik van DCA en de productie. Indien er een verband wordt gevonden kan deze gebruikt worden om aan de hand van de verwachte productie het stoomverbruik van DCA te voorspellen.

In de eerste grafiek wordt de trend gemaakt op dagbasis, omdat hieruit geen goede trend naar voren kwam is vervolgens in de tweede grafiek een grafiek op maandbasis gemaakt.

VI.IDCA STOOMVERBRUIK DAGBASIS

Het stoomverbruik van DCA is uitgezet tegen de productie. De R2 is 0,696 en is dus niet betrouwbaar genoeg om voorspellingen mee te doen. De verwachting was dat DCA juist een duidelijk verband zou tonen met de productie, omdat deze afhankelijk is van single (160 ton) of dual (300 ton) poly. Dit is uit deze grafiek niet terug te leiden, de oorzaak hiervan is dat als DCA een poly op moet starten, meer stoom wordt verbruikt. De productie per dag blijft dan gelijk alleen het stoomverbruik kan per dag verschillen in verband met het opstarten van de poly’s.

y = 360.38x0.1251 R² = 0.696 0 200 400 600 800 1000 1200 1400 0.00 100.00 200.00 300.00 400.00 S to o m v e rb ru ik ( to n /d a y ) Productie (ton/day)

300# DCA

300# DCA Power (300# DCA)

(41)

41

VI.IIDCASTOOMVERBRUIK MAANDBASIS

Omdat op dagbasis geen duidelijk verband is te zien, wordt verwacht dat dit op maandbasis wel het geval is. De variatie die op dagbasis kan verschillen, in verband met het opstarten van de poly’s, zal op maandbasis minder zichtbaar zijn. Uit onderstaande grafiek blijkt dat dit ook het geval is. De R2 is 0,9025 dus dit is betrouwbaar genoeg om een voorspelling mee te kunnen doen.

DCA kan op maandbasis wel voorspellen hoeveel zij verwachten te produceren, echter de stoom en elektra voorspelling moeten op dagbasis worden gedaan. Daarom zijn bovenstaande gegevens herleid naar dagelijkse verbruik en productie. Hierin is rekening gehouden met de verschillende maanden, dus; in bovenstaande grafiek wordt in januari 6553 ton geproduceerd, januari heeft 31 dagen dus op

dagbasis is dit 211 ton enz.

Deze trend geeft wel een goede R2 van 0,8973 dus de formule y = 39.223x0.543 kan worden gebruikt om het stoomverbruik van DCA op dagbasis te voorspellen.

y = 179.31x0.5476 R² = 0.9025 0 5000 10000 15000 20000 25000 30000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 S to o m v e rb ru ik ( to n /m o n th ) Productie (ton/month)

Stoomverbruik DCA maandbasis

Stoomverbruik DCA maandbasis y = 39.223x0.543 R² = 0.8971 0 200 400 600 800 1000 0 50 100 150 200 250 300 S to o m v e rb ru ik ( to n /d a y ) Productie (ton/day)

Stoomverbruik DCA dagbasis

(42)

42

BIJLAGE VII:STOOMNETWERK VOOR 25# AFNAME

In onderstaande afbeelding wordt verduidelijkt waarom de overige afdelingen van het 25#-systeem als één afdeling kunnen worden genomen.

De afdelingen die blauw omringd zijn, zijn al in kaart gebracht en het stoomverbruik kan voorspeld worden in het model. Het rood omcirkelde 25#-systeem is het totale verbruik van de 25#-afdelingen. Hier wordt echter ook nog 25# stoom vanuit de flashtanks (groen omringd)

bijgevoegd. Deze hoeveelheid wordt niet gemeten en is tevens niet van toepassing voor dit project, omdat het niet afkomstig is vanuit de gasturbines.

Daarom wordt de rood omcirkelde 31t/h meting gebruikt om het 25# stoomverbruik van de overige afdelingen in kaart te brengen. Deze meet de stoomafname van de gasturbines naar 180# FLPR en het 25#-systeem. Het 180# stoomverbruik van FLPR kan worden voorspeld in het model, dus de overige stoomafname van die meting gaat via een reduceer naar het 25#-systeem.

(43)

(44)

44

BIJLAGE VIII:AFWIJKING PER MODEL ELEKTRA CONSUMPTIE

In deze bijlage wordt per model de afwijking ten opzichte van de werkelijke elektra consumptie weergegeven. Voor een overzicht van de modellen, zie hoofdstuk 3.2.

Tabel I: Model 1 Voorspelling (MW/day) Verbruik (MW/day) Verschil (MW) Verschil (%) Voorspelling (MW/day) Verbruik (MW/day) Verschil (MW) Verschil (%) Voorspelling (MW/day) Verbruik (MW/day) Verschil (MW) Verschil (%) 519 552 33 6.36% 554 564 10 1.81% 547 575 28 5.12% 505 557 52 10.30% 527 574 47 8.92% 538 587 49 9.11% 525 572 47 8.95% 538 581 43 7.99% 549 584 35 6.38% 527 574 47 8.92% 545 579 34 6.24% 563 579 16 2.84% 543 579 36 6.63% 552 568 16 2.90% 557 584 27 4.85% 543 572 29 5.34% 551 567 16 2.90% 555 573 18 3.24% 550 580 30 5.45% 536 542 6 1.12% 557 587 30 5.39% 539 549 10 1.86% 538 538 0 0.00% 545 541 4 0.73% 547 546 1 0.18% 514 554 40 7.78% 560 563 3 0.54% 519 521 2 0.39% 513 565 52 10.14% 514 578 64 12.45% 514 530 16 3.11% 530 568 38 7.17% 539 556 17 3.15% 496 527 31 6.25% 540 564 24 4.44% 552 567 15 2.72% 502 531 29 5.78% 543 593 50 9.21% 529 572 43 8.13% 500 519 19 3.80% 537 554 17 3.17% 543 525 18 3.31% 503 516 13 2.58% 568 536 32 5.63% 546 562 16 2.93% 493 506 13 2.64% 525 561 36 6.86% 497 553 56 11.27% 490 518 28 5.71% 511 561 50 9.78% 540 560 20 3.70% 482 538 56 11.62% 538 574 36 6.69% 526 564 38 7.22% 495 553 58 11.72% 538 574 36 6.69% 537 531 6 1.12% 491 568 77 15.68% 538 493 45 8.36% 538 527 11 2.04% 529 562 33 6.24% 515 475 40 7.77% 506 543 37 7.31% 542 583 41 7.56% 468 467 1 0.21% 501 552 51 10.18% 536 570 34 6.34% 450 487 37 8.22% 521 536 15 2.88% 558 570 12 2.15% 424 538 114 26.89% 526 547 21 3.99% 546 566 20 3.66% 465 558 93 20.00% 489 546 57 11.66% 544 582 38 6.99% 465 576 111 23.87% 525 537 12 2.29% 537 558 21 3.91% 465 566 101 21.72% 519 532 13 2.50%

(45)

45

Tabel II: Model 2 Voorspelling (MW/day) Verbruik (MW/day) Verschil (MW) Verschil (%) Voorspelling (MW/day) Verbruik (MW/day) Verschil (MW) Verschil (%) 528 542 14 2.65% 551 584 33 5.99% 533 538 5 0.94% 551 573 22 3.99% 519 554 35 6.74% 546 587 41 7.51% 512 565 53 10.35% 532 541 9 1.69% 518 568 50 9.65% 549 563 14 2.55% 531 564 33 6.21% 514 578 64 12.45% 528 593 65 12.31% 533 556 23 4.32% 520 554 34 6.54% 538 567 29 5.39% 547 536 11 2.01% 512 572 60 11.72% 513 561 48 9.36% 531 525 6 1.13% 504 561 57 11.31% 532 562 30 5.64% 534 574 40 7.49% 532 553 21 3.95% 534 574 40 7.49% 540 560 20 3.70% 533 493 40 7.50% 516 564 48 9.30% 574 475 99 17.25% 522 531 9 1.72% 493 467 26 5.27% 522 527 5 0.96% 477 487 10 2.10% 523 543 20 3.82% 481 538 57 11.85% 501 552 51 10.18% 481 558 77 16.01% 528 536 8 1.52% 481 576 95 19.75% 519 547 28 5.39% 481 566 85 17.67% 499 546 47 9.42% 536 575 39 7.28% 523 537 14 2.68% 529 587 58 10.96% 515 532 17 3.30% 539 584 45 8.35% 504 533 29 5.75% 549 579 30 5.46% 501 570 69 13.77%

(46)

46

Tabel III: Model 3 Voorspelling (MW/day) Verbruik (MW/day) Verschil (MW) Verschil (%) Voorspelling (MW/day) Verbruik (MW/day) Verschil (MW) Verschil (%) Voorspelling (MW/day) Verbruik (MW/day) Verschil (MW) Verschil (%) 552 572 20 3.62% 567 538 29 5.11% 556 572 16 2.88% 557 574 17 3.05% 542 554 12 2.21% 567 525 42 7.41% 572 579 7 1.22% 538 565 27 5.02% 572 562 10 1.75% 574 572 2 0.35% 554 568 14 2.53% 525 553 28 5.33% 579 580 1 0.17% 565 564 1 0.18% 562 560 2 0.36% 572 549 23 4.02% 568 593 25 4.40% 553 564 11 1.99% 580 546 34 5.86% 564 554 10 1.77% 560 531 29 5.18% 549 521 28 5.10% 593 536 57 9.61% 564 527 37 6.56% 546 530 16 2.93% 554 561 7 1.26% 531 543 12 2.26% 521 527 6 1.15% 536 561 25 4.66% 527 552 25 4.74% 530 531 1 0.19% 561 574 13 2.32% 543 536 7 1.29% 527 519 8 1.52% 561 574 13 2.32% 552 547 5 0.91% 531 516 15 2.82% 561 493 68 12.12% 536 546 10 1.87% 519 506 13 2.50% 574 475 99 17.25% 547 537 10 1.83% 516 518 2 0.39% 493 467 26 5.27% 546 532 14 2.56% 506 538 32 6.32% 475 487 12 2.53% 537 533 4 0.74% 518 553 35 6.76% 467 538 71 15.20% 532 570 38 7.14% 538 568 30 5.58% 487 558 71 14.58% 553 562 9 1.63% 538 576 38 7.06% 568 583 15 2.64% 558 566 8 1.43% 562 570 8 1.42% 576 575 1 0.17% 583 570 13 2.23% 566 587 21 3.71% 570 566 4 0.70% 575 584 9 1.57% 570 582 12 2.11% 587 579 8 1.36% 566 558 8 1.41% 584 584 0 0.00% 582 564 18 3.09% 579 573 6 1.04% 558 574 16 2.87% 584 587 3 0.51% 564 581 17 3.01% 573 541 32 5.58% 574 579 5 0.87% 587 563 24 4.09% 581 568 13 2.24% 541 578 37 6.84% 579 567 12 2.07% 563 556 7 1.24% 568 542 26 4.58% 578 567 11 1.90%

(47)

47

Tabel IV: Model 4 Voorspelling (MW/day) Verbruik (MW/day) Verschil (MW) Verschil (%) Voorspelling (MW/day) Verbruik (MW/day) Verschil (MW) Verschil (%) 574 475 99 17.25% 548 567 19 3.47% 493 467 26 5.27% 542 572 30 5.54% 485 487 2 0.41% 548 525 23 4.20% 489 538 49 10.02% 541 562 21 3.88% 488 558 70 14.34% 535 553 18 3.36% 488 576 88 18.03% 551 560 9 1.63% 488 566 78 15.98% 524 564 40 7.63% 543 575 32 5.89% 529 531 2 0.38% 533 587 54 10.13% 529 527 2 0.38% 544 584 40 7.35% 529 543 14 2.65% 557 579 22 3.95% 508 552 44 8.66% 559 584 25 4.47% 529 536 7 1.32% 559 573 14 2.50% 526 547 21 3.99% 553 587 34 6.15% 498 546 48 9.64% 537 541 4 0.74% 530 537 7 1.32% 554 563 9 1.62% 522 532 10 1.92% 521 578 57 10.94% 511 533 22 4.31% 537 556 19 3.54% 509 570 61 11.98%