Fuel identification – Verifierad bränsleanvändning inom tunga vägtransporter
Projektet syftade till att lägga grunden till en standardiserad lösning för spårbar tankning av förnybara drivmedel i fordon, med fokus på tunga lastbilar.
Övergången till fossilfrihet kommer antagligen i tidsperspektiv 2035/2040 inte kunna verkställas enbart genom elektrifiering, men det kommer att finnas en andel av lastbilsflottan kvar som kör på flytande (eller gasformiga) drivmedel. Dessa drivmedel måste då vara verifierbara för sin klimatprestanda (CO2-neutrala bränslen) och det krävs spårbarhet som säkerställer att fordonen faktiskt använder dessa bränslen (och inte kör på fossila alternativ).
Lösningar krävs som fungerar både nationellt och internationellt samt är lättimplementerbara för samtliga aktörer längs värdekedjan för tunga transporter. En sammanställning av olika gångbara lösningsalternativ som lyfts i litteratur och som har testats i pilotprojekt har gjorts och under workshopar med aktörer från hela värdekedjan har för- och nackdelar, samt flaskhalsar och frågeställningar som kräver ytterligare utredning fastställts. Projektet har tagit hänsyn till gällande lagar och direktiv såsom EURO7-standarden och CountEmissions-direktivet i analysen.
Målet med projektet är att identifiera och rangordna de mest lovande teknologier som kan hjälpa den europeiska tunga transportsektorn att säkerställa användning av koldioxidneutrala bränslen i enlighet med lagen och på ett hanterbart sätt för hela transportbranschen. Resultaten av studien kan också bilda grunden för en internationell studie som adresserar frågeställningen i samverkan med aktörer från andra europeiska länder.
Resultat
De analyserade tekniska lösningarna (utöver märkning av bränsle, som identifierades som inte gångbar i stor skala) kan delas in i tre olika kategorier:
- Digitala tvillingar är ett koncept som kan tillämpas på många olika nivåer och diskuteras i avsnitten ovan som en lösning för att samla in och lagra data. Detta kan hjälpa fordonsägaren eller -operatören att övervaka systemet och fatta datadrivna beslut om bränsleanvändningen.
- Smarta detektorer eller soft sensors använder befintliga sensorer och kan därmed bli ett kostnadseffektivt och robust alternativ. Lösningen kräver ingen direkt kommunikation mellan OEM och bränsleleverantörer, då själva bränslet analyseras under drift.
- Det finns redan idag fysiska sensorer som kan detektera vilket bränsle som används, till exempel baserat på IR/NIR-spektroskopi eller konduktivitetsmätning. Teknologin är mogen och har visat sig fungerar bra för att skilja åt bränslen med tydliga kemiska skillnader såsom B100/FAME och fossil diesel. För biobränslen som kemiskt liknar motsvarande fossilbränsle mer, har denna metod sannolikt för låg selektivitet och kan därför inte användas generellt. Sensorer som baseras på IR/NIR-spektroskopi är därtill i nuläget för dyra för en bred användning i hela flottan.
Projektets huvudfokus har varit att hitta tekniker som enkelt, skalbart och kostnadseffektivt ska kunna övervaka och verifiera typen av drivmedel tunga lastbilar använder. Det kan diskuteras om en sådan lösning över huvud taget behövs när det finns ett uppenbart alternativ – att göra fossilfria alternativ ekonomiskt attraktivare än fossil diesel, eller förbjuda denna helt. Detta scenario förefaller dock osäker av flera anledningar, som osäker prisutveckling för fossila drivmedel, svårigheter att kontrollera gränsöverskridande trafik och potentiella kostnader för att anpassa lastbilar till förnybara drivmedel.
Resultaten tyder på olika för- och nackdelar för de olika teknologierna. Fysiska sensorer har den inbyggda nackdelen att det inte går att skilja mellan bränslets ursprung om dess molekyler är identiska, vilket mest spelar roll för bränslen bestående av mindre molekyler såsom vätgas, hög-ren metan eller metanol. Så länge det finns små (men mätbara) skillnader mellan olika bränslen finns möjligheten till sensorbaserade lösningar. Detta är fallet för dieselbränsle. En utrullning av sensorer som inte finns i existerande lastbilar än är möjlig, men bär med sig risken att en bred implementering tar för lång tid och blir för kostsam.
Eftersom de använder redan existerande sensorer kan smarta detektorer vara en kostnadseffektiv lösning som har även potential att ge andra fördelar som optimerad motorprestanda när motorstyrningen kan lättare anpassas till det aktuellt använda bränslet. Dock kommer en sådan lösning vara beroende av stora mängder träningsdata som måste samlas in, bearbetas och lagras. Detta kräver omfattande beräkningsresurser vars klimatavtryck måste betraktas separat. Samma nackdelar gäller för digitala tvillingar. Huruvida detta kommer att vara ett problem även framöver med fortskridande utveckling och effektivisering inom datateknik, är oklart och analyserades inte i denna studie.
För alla betraktade lösningar är dessutom frågan om datahantering och -ägarskap centralt och måste undersökas noggrant.
Ta del av de kompletta resultaten samt diskussion i slutrapporten nedan.
Projektparter
CIT Renergy (koordinerande), Chalmers Industriteknik, Chalmers tekniska högskola, Göteborgs universitet, Neste, Volvo Trucks Technology, Scania CV, DFDS Logistics & Services, Biofuel Express, Colabit, Consat
Förstudie
2023.6.2.7
Kontakt
