Real-World Application of Low-Cost PM Sensors in Dedusting Systems

Luftschadstoffe wirken sich nachteilig auf die menschliche Gesundheit und
die Umwelt aus. Sie entstehen sowohl aus natürlichen Quellen als auch aus
anthropogenen Prozessen, insbesondere bei Verbrennungsvorgängen in der
Energieversorgung, im Haushalt und im Verkehr sowie in der Landwirtschaft
und der Industrie. Um lokal emittierte Partikeln aus der Prozessluft abzutren
nen, kommeninzahlreichenindustriellen AnwendungenEntstaubungsanlagen
wie Abreinigungsfilter und Nassabscheider zum Einsatz. Vor dem Hintergrund
steigender Energiekosten beeinflusst nicht nur die Minimierung der Parti
... mehr
kelemissionen, sondern auch der spezifische Energiebedarf dieser Anlagen
maßgeblich deren wirtschaftliche Bewertung. Gleichzeitig führen variierende
Prozessparameter zu wechselnden Absaugbedingungen, was flexible Ent
staubungslösungen erforderlich macht. Modulare Anlagenkonzepte können
diese Flexibilität gewährleisten. Ergänzend ermöglicht eine modellgestützte
Prozesssimulation auf Basis empirischer Berechnungsgleichungen aus der Lite
ratur die Vorausberechnung von Abscheidegraden und Leistungsaufnahmen.
Für eine verlässliche Modellvalidierung von Emissionen sind jedoch konti
nuierliche und belastbare Emissionsdaten erforderlich. Low-Cost Particulate
Matter Sensoren (LC-PM-Sensoren) bieten hierfür ein großes Potenzial, da sie
kompakt, kostengünstig und prinzipiell geeignet für eine prozessintegrierte
Inlineüberwachung sind. Ihre quantitative Einsetzbarkeit unter hohen Staub
konzentrationen und variablen Betriebsbedingungen ist jedoch bisher nur
unzureichend untersucht. Die vorliegende Arbeit bewertet daher die Eignung
eines solchen LC-PM-Sensors (Sensirion SPS30), zur Messung von Partikelan
zahlkonzentrationen und Partikelgrößenverteilungen in Absauganlagen. Die
Untersuchungen erfolgen in drei Schritten. Zunächst werden Laborstudien
unter idealisierten Bedingungen durchgeführt, um die LC-PM-Sensoren mit
etablierter Referenzmesstechnik (RI) (Palas Promo 2000H mit welas2100HP) zu
vergleichen und systematische Abweichungen zu quantifizieren. Anschließend
erfolgt der Einsatz in Entstaubungsanlagen. Im ersten Anwendungsfall werden
die Sensoren in einem Nassabscheider installiert, um kontinuierlich Parti
kelanzahlkonzentrationen und Größenverteilungen zu erfassen. Im zweiten
Anwendungsfall werden sie in einem Patronenfiltersystem integriert, um zu
prüfen, inwieweit die Sensoren die modellgestützte Vorausberechnung von
Emissionen unterstützen können.
Fünf LC-PM-Sensoren wurden parallel zu einem RI bei relativen Feuchten
von 55% und 95% unter idealisierten Bedingungen in einer Messkammer
untersucht. Bei beiden Feuchtebedingungen folgte die Abweichung zwischen
den LC-PM-Sensoren und RI-Messungen demselben konzentrationsabhän
gigen Verlauf. Für das verwendete Partikelsystem wurde kein Einfluss der
relativen Feuchte auf diese Abweichung festgestellt. Bis zu Partikelanzahlkon
zentrationen von etwa 6 × 10^4 1/cm3 konnte die Abweichung zwischen den
LC-PM-Sensoren und dem RI durch eine Polynomfunktion dritter Ordnung mit
sensorspezifischen Koeffizienten beschrieben werden. Der Vergleich der fünf
LC-PM-Sensoren zeigte nur geringe Unterschiede innerhalb des Sensorarrays.
Die mittlere relative Standardabweichung änderte sich von 5.75% bei 55%
relativer Feuchte auf 5.95% bei 95% relativer Feuchte. Die mittlere absolute
relative Abweichung änderte sich von 4.25% auf 4.46%. LC-PM-Sensor 1
wich konsistent von den übrigen Sensoren ab. Möglicherweise aufgrund des
abweichenden Produktionsdatums. Neben der Partikelanzahlkonzentration
bildeten die LC-PM-Sensoren auch die vom RI gemessenen Partikelgrößen
verteilungen und deren zeitliche Entwicklung bei beiden Feuchteniveaus
ab. Die stärksten Verschiebungen der Partikelgrößenverteilung traten bei
hoher relativer Feuchte im Größenbereich von etwa 0.3µm bis 0.7µm auf. Die
LC-PM-Sensoren bildeten außerdem die Verläufe der Fraktionen ∆PCN,PM0.5, ∆PCN,PM1.0 und ∆PCN,PM2.5 ab. Auf dieser Grundlage wurde der Korrekturfaktor
α1 für die gesamte Partikelanzahlkonzentration sowie die Korrekturfaktoren
α2,i für die einzelnen Größenklassen der Partikelgrößenverteilung entwickelt.
Da beide sensorspezifische Unterschiede zeigten, wurden sie für jeden Sensor
separat bestimmt. In Kombination ermöglichten diese Faktoren die Korrektur
der gesamten Partikelanzahlkonzentration und der Partikelgrößenverteilung.
Die Ergebnisse zeigen, dass die untersuchten LC-PM-Sensoren unter den
untersuchten kontrollierten Bedingungen zur Messung der Partikelanzahlkon
zentration und der Partikelgrößenverteilung eingesetzt werden können, sofern eine sensorspezifische Korrektur angewendet wird.
Nach den Labormessungen wurden die LC-PM-Sensoren an zwei Posi
tionen im Versuchsstand eines Nassabscheider installiert. Im Rohgaskanal
unterschätzte der installierte LC-PM-Sensor 2 die Partikelanzahlkonzentration
und erfasste etwa 6.4 × 10^4 1/cm3 gegenüber 8.9×10^4 1/cm3, die mit dem RI
gemessen wurden. Die Gesamtpartikelanzahlkonzentration lag oberhalb des
Bereichs, der zur Herleitung der Polynomkorrektur dritter Ordnung verwendet
wurde. Die Extrapolation über deren Obergrenze von etwa 4 × 10^4 1/cm3
hinaus führte nach der Korrektur zu einer Überschätzung. An der zweiten
Messposition oberhalb des Tropfenabscheiders im Nassabscheider maßen vier
LC-PM-Sensoren (1, 3, 4 und 5) Partikelanzahlkonzentrationen innerhalb des
Gültigkeitsbereichs der Korrekturfunktion. Ihre Abweichungen vom Referen
zinstrument lagen zwischen 34 und 48% und sanken nach Anwendung der
Polynomkorrektur auf 1 bis 20%. Die erweiterte Auswertung der Messungen im
Nassabscheider zeigte außerdem, dass die LC-PM-Sensoren lokale Konzentrati
onsverläufe über alle untersuchten Partikelgrößenklassen hinweg abbildeten,
auch bei Betrieb oberhalb ihrer nominalen Grenzwerte. Vor Anwendung der
Skalierungsfaktoren α1 und α2,i bildeten die meisten Sensoren die Fraktion
∆PCN,PM0.5 ab, während LC-PM-Sensor 3 sie unterschätzte. Im Vergleich zur
Messkammer wurde im Nassabscheider ein höherer Anteil submikroner
Partikel infolge der Abscheidung größerer Partikeln beobachtet. Dadurch über
schritten die Konzentrationen von ∆PCN,PM0.5 den spezifizierten Maximalwert
von 3000 1/cm3 um eine Größenordnung. Die Fraktion ∆PCN,PM1.0 wurde im
Allgemeinen unterschätzt, während ∆PCN,PM2.5 von den LC-PM-Sensoren 3 und
5 überschätzt wurde. Nach Anwendung der Skalierungsfaktoren überschätzten
alle Sensoren die Fraktion ∆PCN,PM0.5, stimmten jedoch für ∆PCN,PM1.0 besser
mit dem Referenzinstrument überein. Für ∆PCN,PM2.5 verschoben sich alle
LC-PM-Sensoren zu kleineren Werten, wodurch sich die Übereinstimmung mit
demReferenzinstrument verbesserte.
Im letzten Schritt erfolgte die Integration von LC-PM-Sensoren in ein Patro
nenfiltersystem. Dabei wurde untersucht, ob sich gemessene Emissionsdaten
für den Vergleich mit Modellgleichungen des Systems und zur Ableitung vonBe
triebszuständen nutzen lassen. Die verwendeten Sensoren wurden nicht durch
sensorindividuelle Korrekturfunktionen angepasst, um ihre Einsetzbarkeit im
untersuchten System ohne vorherige Anpassung zu prüfen. Die Bewertung
stützte sich auf Modellgleichungen, die aus empirischen Korrelationen der Literatur abgeleitet wurden und das Emissionsverhalten sowie den Leistungsbedarf
in Abhängigkeit von den Betriebsparametern beschreiben. Die Messungen der
LC-PM-Sensoren wurden anschließend genutzt, um die emissionsbezogenen
Anteile dieser Modellgleichungen durch den Vergleich gemessener Emissions
verläufe mit den zugehörigen Modellvorhersagen anzupassen und zu prüfen.
Die Ergebnisse zeigten, dass LC-PM-Sensoren verwendet werden können, um
Emissionstrends des untersuchten Filtersystems zu erfassen und die Messdaten
mit den zugehörigen Modellvorhersagen zu vergleichen. Trotz ihres begrenzten
Spezifikationsbereichs lieferten die Sensoren Emissionsmessungen mit aus
reichender zeitlicher Auflösung, um charakteristische Filtrationsverläufe zu
identifizieren und modellbasierte Vorhersagen zu unterstützen. Der Vergleich
zwischen modellierten und experimentell bestimmten Betriebspunkten ergab
für den vorhergesagten Leistungsbedarf bei allen untersuchten Betriebsbedin
gungen Abweichungen von unter 20%.Dieszeigte, dass die Modellgleichungen
für Druckverlust und Regenerationsenergie die gemessenen Zusammenhänge
des Systems abbildeten. Die Abweichungen zwischen modellierten und ge
messenen Emissionen lagen bei einem eintragsseitigen Staubmassenstrom
von etwa 500 g/h bei bis zu 70% und bei etwa 2800 g/h bei bis zu 800%. Diese
Abweichungen ergaben sich unter anderem aus dem Einfluss von Emin auf
die berechneten Emissionen. Die Messungen der LC-PM-Sensoren bildeten
qualitative Emissionsmuster und charakteristische Peakstrukturen innerhalb
der Filtrationszyklen ab.
Insgesamt zeigte diese Untersuchung, dass LC-PM-Sensoren für die Über
wachung des Emissionsverhaltens in Entstaubungssystemen eingesetzt werden
können und zur Prüfung und Weiterentwicklung empirischer Modellgleichun
gen beitragen. Zusammenfassend zeigt diese Arbeit, dass die in dieser Arbeit
verwendeten LC-PM-Sensoren robuste qualitative und semi-quantitative In
formationen liefern und ihren nutzbaren Messbereich um mindestens eine
Größenordnung erweitern. Damit eignen sie sich für die kontinuierliche Pro
zessüberwachung und die Entwicklung von Modellen zur Zustandsabbildung
undProzessoptimierung von Entstaubungssystemen. Weiterer Forschungsbe
darf besteht hinsichtlich der Erfassung der Partikelgrößenverteilung unter
realen Prozessbedingungen, der Langzeitstabilität, der Sensorkalibrierung für
unterschiedliche Staubtypen sowie der automatisierten Integration von LC-PM
Sensordaten in adaptive digitale Modelle.

Air pollutants have been shown to adversely affect human health and the
environment. They arise from both natural sources and anthropogenic pro
cesses, in particular from combustion processes in energy supply, households,
and transport, as well as from agriculture and industry. In many industrial
applications, dedusting systems such as pulse-cleaned filters and wet separators
are used to remove locally emitted particles from process air. Against the back
ground of rising energy costs, not only the minimization of particle emissions
but also the specific energy demand of these systems has a major influence
... mehr
on their economic evaluation. At the same time, varying process parameters
lead to changing extraction conditions, which require flexible dedusting
solutions. Modular system concepts can provide this flexibility. In addition,
model-based process simulation using empirical calculation equations from the
literature enables the prediction of separation efficiencies and power demand.
Reliable model validation, however, requires continuous and robust emission
data. Low-cost particulate matter sensors (LC-PM-Sensors) offer potential for
this purpose, as they are compact, inexpensive, and in principle suitable for
process-integrated inline monitoring. Their quantitative applicability at high
dust concentrations and under varying operating conditions, however, has not
yet been sufficiently investigated. The present work therefore evaluates the
suitability of such a sensor (Sensirion SPS30) for the measurement of particle
number concentrations and particle size distributions in extraction systems.
The investigation was carried out in three steps. First, laboratory studies were
conducted under idealized conditions in order to compare the LC-PM-Sensors
with established reference instrumentation (RI) (Palas Promo 2000H with
welas2100HP) and to quantify systematic deviations. This was followed by their
application in dedusting systems. In the first application case, the sensors were installed in a wet separator in order to continuously record particle number
concentrations and particle size distributions. In the second application
case, they were integrated into a cartridge filter system in order to examine
to what extent the sensors can support the model-based prediction of emissions.
Five LC-PM-Sensors were examined in parallel with a RI at relative humidi
ties of 55% and 95% in a measurement chamber under idealised conditions.
At both humidity levels, the deviation between the LC-PM-Sensors and the RI
measurements followed the same concentration trend. For the particle system
used, no influence of relative humidity on this deviation was found. Up to
particle number concentrations of approximately 6×10^4 1/cm3, the deviation
between the LC-PM-Sensors and the RI could be described by a third-order
polynomial function with sensor-specific coefficients. Comparison of the
five LC-PM-Sensors showed only small differences within the sensor array.
The mean relative standard deviation changed from 5.75% at 55% relative
humidity to 5.95% at 95%. The mean absolute relative deviation changed
from 4.25% to 4.46%. LC-PM-Sensor 1 differed consistently from the other
sensors, possibly due to its different production date. In addition to particle
number concentration, the LC-PM-Sensors also reproduced the particle size
distributions measured by the RI and their temporal evolution at both humidity
levels. The strongest shifts in the particle size distribution occurred at high
relative humidity in the size range from approximately 0.3µm to 0.7µm. The
LC-PM-Sensors also reproduced the trends of the ∆PCN,PM0.5, ∆PCN,PM1.0, and
∆PCN,PM2.5 fractions. On this basis, the correction factor α1 for the total particle
number concentration and the correction factors α2,i for the individual size
classes of the particle size distribution were developed. In combination, these
factors enabled correction of the total particle number concentration and the
particle size distribution. The results show that the investigated LC-PM-Sensors
canbeusedfor themeasurement ofparticle numberconcentrationandparticle
size distribution under the investigated controlled conditions, provided that
sensor-specific correction is applied.
After the laboratory measurements, the LC-PM-Sensors were installed
at two positions in the wet separator test facility. In the raw-gas channel, the
installed LC-PM-Sensor 2 underestimated the particle number concentration
and recorded approximately 6.4 × 10^4 1/cm3 compared with 8.9 × 10^4 1/cm3
measured by the RI. The total particle number concentration was above the
range used to derive the third-order polynomial correction. Extrapolation beyond its upper limit of approximately 4×10^4 1/cm3 led to overestimation after
correction. At the second measurement position above the droplet separator
in the wet separator, four LC-PM-Sensors (1, 3, 4, and 5) measured particle
number concentrations within the validity range of the correction function.
Their deviations from the reference instrument ranged from 34 to 48% and
decreased to 1 to 20% after application of the polynomial correction. The
extended evaluation of the measurements in the wet separator also showed that
the LC-PM-Sensors reproduced local concentration trends across all examined
particle size classes, including operation above their nominal limits. Before
application of the scaling factors α1 and α2,i, most sensors reproduced the
∆PCN,PM0.5 fraction, whereas LC-PM-Sensor 3 underestimated it. Compared
with the measurement chamber, a higher proportion of submicron particles
was observed in the wet separator, due to the separation of larger particles
within the wet separator. As a result, the concentrations of ∆PCN,PM0.5 exceeded
the specified maximum value of 3000 1/cm3 by one order of magnitude. The
∆PCN,PM1.0 fraction was generally underestimated, whereas ∆PCN,PM2.5 was
overestimated by LC-PM-Sensors 3 and 5. After application of the scaling
factors, all sensors overestimated the ∆PCN,PM0.5 fraction but showed better
agreement with the RI for ∆PCN,PM1.0. For ∆PCN,PM2.5, all LC-PM-Sensors shifted
toward lower values, which improved agreement with the RI.
In the final step, LC-PM-Sensors were integrated into a cartridge filter
system. The aim was to examine whether measured emission data can be used
for comparison with model equations of the system and for the derivation
of operating states. The sensors used were not adjusted by sensor-specific
correction functions, in order to assess their applicability in the investigated
system without prior adjustment. Theevaluationwasbasedonmodelequations
derived from empirical correlations in the literature, which describe emission
behavior and power demand as functions of the operating parameters. The
measurements of the LC-PM-Sensors were then used to adjust and examine the
emission-related parts of these model equations by comparing measured emis
sion profiles with the corresponding model predictions. The results showed
that LC-PM-Sensors can be used to capture emission trends of the investigated
filter system and to compare the measured data with the corresponding model
predictions. Despite their limited specification range, the sensors provided
emission measurements with sufficient temporal resolution to identify char
acteristic filtration patterns and to support model-based predictions. The
comparison between modeled and experimentally determined operating points showed deviations below 20% for the predicted power demand under all
investigated operating conditions. This showed that the model equations for
pressure loss and regeneration energy reproduced the measured dependencies
of the system. The deviations between modeled and measured emissions were
up to 70% at an inlet dust mass flow rate of approximately 500 g/h and up to
800% at approximately 2800 g/h. These deviations resulted in part from the
influence of Emin on the calculated emissions. The measurements of the LC
PM-Sensors reproduced qualitative emission patterns and characteristic peak
structures within the filtration cycles. Overall, this investigation showed that
LC-PM-Sensors can be used for monitoring the emission behavior of dedusting
systems and can contribute to the examination and further development of
empirical model equations.
In summary, this work shows that the LC-PM-Sensors used in this study
provide robust qualitative and semi-quantitative information and extend their
usable measurement range by at least one order of magnitude. They are there
fore suitable for continuous process monitoring and for the development of
model-based approaches for dedusting systems. Further research is required
with regard to the measurement of particle size distributions under real pro
cess conditions, long-term stability, the sensor calibration for different dust
types, and the automated integration of LC-PM-Sensor data into adaptive digital
models.