Eine in der Zeitschrift Reaction Chemistry and Engineering veröffentlichte Studie von Forschern der Universität Surrey setzte KI ein, um die Kohlenstoffabscheidung in Kraftwerken zu verbessern und den Energieverbrauch um mehr als ein Drittel zu senken.
Die Forschungunter der Leitung von Professor Jin Xuan, Lehrstuhlinhaber für nachhaltige Prozesse an der School of Chemistry and Chemical Engineering der University of Surrey, konzentrierte sich auf die Optimierung von Systemen zur Kohlenstoffabscheidung.
Er zeigt ein Modellsystem, das auf einem realen Kohlekraftwerk basiert und mit Hilfe von KI eine Steigerung der Kohlendioxid (CO2)-Abscheidung um 16,7% bei gleichzeitiger Senkung des Nicht-Energieverbrauchs des britischen Stromnetzes um 36,3% erreicht.
Prof. Xuan betonte die Neuartigkeit dieses Ansatzes, in einem Artikel der Universität von SurreyNormalerweise laufen Kohlenstoffabscheidungssysteme konstant und mit der gleichen Geschwindigkeit - unabhängig von der sich ändernden Umgebung. Aber wir haben gezeigt, dass man dem System beibringen kann, immer wieder kleine Anpassungen vorzunehmen, um große Energieeinsparungen zu erzielen - und gleichzeitig mehr Kohlenstoff abzuscheiden."
Die Abscheidung von Kohlendioxid ist ein entscheidender Prozess zur Verringerung der Umweltauswirkungen von CO2, dem wichtigsten Treibhausgas, das in den meisten Kraftwerken erzeugt wird.
Dies wird in der Regel durch verstärkte Verwitterung erreicht, ein Verfahren, bei dem Rauchgas durch kalksteinhaltiges Wasser geleitet wird, das mit Kalziumkarbonat reagiert und harmloses Bikarbonat bildet.
Dieser Prozess ist jedoch sehr energieintensiv, da Strom zum Pumpen von Wasser und CO2 benötigt wird. Die CO2-Abscheidungsanlage in der Studie verfügte über eine eigene Windturbine für erneuerbare Energie, aber bei ruhigerem Wetter, wenn diese nicht ausreichte, wurde Energie aus dem Netz verwendet.
Die Errungenschaften des Forschungsteams liegen im Einsatz von KI, um das Modellsystem in die Lage zu versetzen, Schwankungen in der CO2-Produktion und der Verfügbarkeit erneuerbarer Energien vorherzusagen. Dies ermöglichte es dem System, die Wasserpumpen entsprechend anzupassen und den Energieverbrauch im Laufe der Zeit zu optimieren.
Dr. Lei Xing, Dozent für Chemie und Chemieingenieurwesen an der University of Surrey, hob die Bedeutung der Ergebnisse hervor: "Wir haben unser Modell zwar an der verstärkten Verwitterung getestet, aber die Prinzipien gelten auch für andere Bereiche. Unser Modell könnte allen helfen, die versuchen, mehr CO2 mit weniger Energie abzuscheiden und zu speichern - unabhängig von dem Verfahren, das sie anwenden."
Die Forscher hoffen, dass diese Erkenntnisse einen Beitrag zu den Zielen für nachhaltige Entwicklung der Vereinten Nationen leisten können, die darauf abzielen, die Belastung durch nicht erneuerbare Energiequellen zu verringern und in innovative Technologien zur Kohlenstoffbindung zu investieren.
Im Januar dieses Jahres hat Microsoft mithilfe von KI einen neuen Lithium-Batterie-Elektrolyten entwickelt, der die Lithiumgehalt in Batterien um einige 70%.
Mehr über die Studie
Ziel der Studie war es, die Kohlenstoffabscheidung zu optimieren, um den Einsatz nicht erneuerbarer Energiequellen zu verringern und gleichzeitig die CO2-Abscheidung zu erhalten oder zu verbessern.
Es nutzte die KI, um das System auf der Grundlage kleiner Veränderungen anzupassen, anstatt ständig mit der gleichen Geschwindigkeit zu arbeiten.
Und so funktioniert es:
- Erstellung von Modellen für die CO2-Abscheidung: Die Forscher entwickelten Modelle des maschinellen Lernens, um vorherzusagen, wie effizient ein Reaktor CO2 abscheiden könnte und wie viel Energie er verbrauchen würde. Sie verwendeten zwei Arten von Modellen: LSTM (Long Short-Term Memory) und MLP (Multilayer Perceptron).
- Vorhersage von Schlüsselfaktoren mit KI: Mithilfe von KI konnten sie zwei entscheidende Faktoren vorhersagen: wie viel CO2 im Gas eines Kohlekraftwerks enthalten sein würde und wie viel Windenergie für den Abscheidungsprozess zur Verfügung stehen würde. Diese Prognosen sind wichtig für die Planung des Abscheidungsprozesses.
- Prüfung und Verbesserung der Modelle: Das Team hat seine KI-Modelle mit Hilfe statistischer Methoden gründlich auf ihre Genauigkeit geprüft. Außerdem nutzten sie eine Technik namens konforme Vorhersage, um festzustellen, wie sicher sie sich auf die Vorhersagen des Modells verlassen konnten.
- Optimierung des Erfassungsprozesses: Anhand der Daten aus ihren KI-Modellen haben die Forscher einen ausgeklügelten Algorithmus eingesetzt, um das beste Gleichgewicht zwischen der größten CO2-Abscheidung und dem geringsten Verbrauch an nicht erneuerbarer Energie zu finden.
- Analyse der Ergebnisse: Die Ergebnisse waren vielversprechend. Sie zeigten, dass der Reaktor im Durchschnitt 16,7% mehr CO2 abfing und 36,3% weniger Energie aus nicht erneuerbaren Quellen in einem Monat verbrauchte.
Dies zeigt, wie nützlich die KI für die Technologie zur Energieeinsparung ist.
Leichtgewichtige KI-Systeme, die in energieverbrauchende Prozesse und Geräte eingebaut werden, können deren Funktionalität optimieren und so den Ressourcenverbrauch effektiv senken.
