Leke med magisk programvare – en god nok grunn til å dra utenlands?
Ikke mange vet at eksos fra gassturbiner på norske oljeplattformer slipper ut like mye CO2 som all veitrafikk i Norge (se SSB-statistikk om utslipp av klimagasser). Disse turbinene er nødvendige for å kunne opprettholde Norges oljeproduksjon, men utslippene de genererer er også et stort hinder for å nå klimamålene. Mange nye oljefelt ligger dessuten i områder for langt fra land til at landbasert strøm er en mulig og kostnadseffektiv løsning.
Alternativ løsning for å redusere utslipp
Et alternativ for å redusere utslippene er å installere varmevekslere på plattformer og produksjonsskip som tar vare på spillvarmen fra turbinene og bruker den til å lage strøm eller prosessdamp. Dagens varmevekslere er både store, tunge og ikke tilstrekkelig robuste for å tas i bruk offshore. Dette er noe vi prøver å endre på i prosjektet COMPACTS.
I min ph.d.-forskning for COMPACTS simulerer jeg strømningen i eksos-varmevekslere for å beregne hvor gode de er på å ta opp varme, og om det er risiko for vibrasjoner som kan lede til lekkasje over tid. Figuren under viser hvordan resultatet fra simuleringene kan se ut. Disse simuleringene tar relativt lang tid (ca en dag), selv med tilgang til NTNUs beste regneklynger.
Derfor har jeg tatt turen til Pittsburgh for å lære meg hvordan jeg best kan bruke resultatene fra simuleringene til å få ned vekt og volum på varmevekslene.
Miljø med ekspertise
Carnegie Mellon University i Pittsburg har et av de ledende miljøene for det meste som har med datateknikk, robotikk og kunstig intelligens å gjøre. De var faktisk det første miljøet som utviklet selvkjørende biler fra 80-tallet og fremover (sjekk denne ville videoen fra 1986 – Robotics Institute History of Self-Driving Cars). Det er ikke tilfeldig at Uber Advanced Technologies Center finnes her, og mange studenter reiser hit for å ta korte kurs, skrive masteroppgave eller gjøre et lengre forskeropphold.
Forskergruppen jeg besøker har utviklet en unik programvare ved navn ALAMO som lager regresjonsmodeller av datapunkter, f.eks fra simuleringer eller eksperimenter. Unikt for ALAMO er at modellene har en så enkel (matematisk) form som mulig, samtidig som de får med viktige ikke-lineæriteter. Dette gjør den mye mer kraftfull en vanlig lineær regresjon (som alle har tilgang til i Excel), men samtidig brukbar til optimaliseringsformål.
For meg ser prosessen ut omtrent som dette:
ALAMO er veldig enkel å bruke og det kjennes nesten magisk ut at jeg, som kun har den mest grunnleggende forståelsen av statistikk og regresjon kan bruke et verktøy på forskningsnivå.
Så for å komme tilbake til spørsmålet: Er dette en god nok grunn til å dra utenlands? Å få leke med en programvare?
Det er alltid spennende og nyttig å få ta del av en annen kultur og andre arbeidsmåter. Selv må jeg nok jobbe litt på det siste steget i figuren over før jeg kan svare helt på spørsmålet.
Dette blogginnlegget ble opprinnelig publisert 27.07.2017 på www.ntnutechzone.no
Karl Lindqvist
Karl Lindquist er stipendiat ved institutt for energi- og prosessteknikk, NTNU
