Un estudio publicado en Reaction Chemistry and Engineering por investigadores de la Universidad de Surrey utilizó la IA para mejorar la captura de carbono en centrales eléctricas, reduciendo el consumo de energía en más de un tercio.
En investigacióndirigido por el profesor Jin Xuan, catedrático de procesos sostenibles de la Facultad de Química e Ingeniería Química de la Universidad de Surrey, se centró en la optimización de los sistemas de captura de carbono.
Muestra un sistema modelo basado en una central eléctrica de carbón real que utiliza la IA para lograr un aumento de 16,7% en la captura de dióxido de carbono (CO2) y reducir al mismo tiempo el consumo no energético de la red nacional del Reino Unido en 36,3%.
El profesor Xuan destacó la novedad de este planteamiento, según un artículo de la Universidad de SurreyNormalmente, los sistemas de captura de carbono funcionan constantemente, al mismo ritmo, independientemente de los cambios externos del entorno. Pero hemos demostrado que enseñar al sistema a realizar pequeñas adaptaciones puede producir grandes ahorros de energía y, al mismo tiempo, capturar más carbono."
La captura de carbono es un proceso fundamental para mitigar el impacto ambiental del CO2, el principal gas de efecto invernadero producido por la mayoría de las centrales eléctricas.
Este método consiste en hacer burbujear los gases de combustión a través de agua que contiene piedra caliza, que reacciona con el carbonato cálcico para formar bicarbonato inocuo.
Sin embargo, este proceso consume mucha energía, ya que requiere energía para bombear el agua y el CO2. La planta de captura de CO2 del estudio tenía su propia turbina eólica para obtener energía renovable, pero cuando el tiempo era más tranquilo y no era suficiente, utilizaba energía de la red.
Los logros del equipo de investigación residen en el uso de la IA para permitir al sistema modelo predecir las fluctuaciones en la producción de CO2 y la disponibilidad de energía renovable. Esto permitió al sistema ajustar el bombeo de agua en consecuencia, optimizando el uso de energía a lo largo del tiempo.
El Dr. Lei Xing, profesor de química e ingeniería química de la Universidad de Surrey, destacó las implicaciones de sus hallazgos: "Aunque hemos probado nuestro modelo en la meteorización mejorada, los principios se aplican de forma más amplia. Nuestro modelo podría ayudar a cualquiera que intente capturar y almacenar más CO2 con menos energía, sea cual sea el proceso que utilice".
Los investigadores esperan que estos hallazgos puedan contribuir a los Objetivos de Desarrollo Sostenible de las Naciones Unidas, que pretenden reducir la presión sobre las fuentes de energía no renovables e invertir en tecnologías innovadoras de captura de carbono.
A principios de enero de este año, Microsoft utilizó la IA para crear un nuevo electrolito de batería de litio capaz de reducir contenido de litio en las pilas por unos 70%.
Más información sobre el estudio
El estudio pretendía optimizar la captura de carbono para reducir el uso de fuentes de energía no renovables y, al mismo tiempo, mantener o mejorar la captura de CO2.
Utilizaba la IA para ajustar el sistema en función de pequeños cambios en lugar de funcionar continuamente al mismo ritmo.
Así es como funciona:
- Creación de modelos para la captura de CO2: Los investigadores desarrollaron modelos de aprendizaje automático para predecir la eficacia con la que un reactor podría capturar CO2 y la cantidad de energía que consumiría. Utilizaron dos tipos de modelos: LSTM (Long Short-Term Memory) y MLP (Multilayer Perceptron).
- Previsión de factores clave con IA: Utilizaron la IA para predecir dos factores cruciales: cuánto CO2 habría en el gas de una central de carbón y cuánta energía eólica estaría disponible para alimentar el proceso de captura. Estas previsiones son importantes para planificar el proceso de captura.
- Probar y mejorar los modelos: El equipo comprobó rigurosamente la precisión de sus modelos de inteligencia artificial mediante métodos estadísticos. También utilizaron una técnica llamada predicción conforme para determinar hasta qué punto podían confiar en las predicciones del modelo.
- Optimización del proceso de captura: Utilizando los datos de sus modelos de IA, los investigadores emplearon un sofisticado algoritmo para encontrar el mejor equilibrio entre capturar la mayor cantidad de CO2 y utilizar la menor cantidad de energía no renovable.
- Análisis de los resultados: Los resultados fueron prometedores. Demostraron que, por término medio, el reactor capturaba 16,7% más de CO2 y utilizaba 36,3% menos de energía procedente de fuentes no renovables a lo largo de un mes.
Esto demuestra la utilidad de la IA en la tecnología de reducción de energía.
Los sistemas ligeros de IA instalados en procesos y aparatos que consumen energía pueden optimizar su funcionalidad para reducir eficazmente el consumo de recursos.