Une étude publiée dans Reaction Chemistry and Engineering par des chercheurs de l'université du Surrey a utilisé l'IA pour améliorer la capture du carbone dans les centrales électriques, réduisant ainsi la consommation d'énergie de plus d'un tiers.
Les rechercheLe projet, dirigé par le professeur Jin Xuan, titulaire de la chaire sur les processus durables à l'école de chimie et de génie chimique de l'université du Surrey, s'est concentré sur l'optimisation des systèmes de capture du carbone.
Il présente un système modèle basé sur une véritable centrale électrique au charbon qui utilise l'IA pour augmenter de 16,71 TTP3 la capture du dioxyde de carbone (CO2) tout en réduisant simultanément la consommation non énergétique du réseau national britannique de 36,31 TTP3.
Le professeur Xuan a souligné la nouveauté de cette approche, dans un article de l'Université de Surrey.Habituellement, les systèmes de capture du carbone fonctionnent en permanence, au même rythme, indépendamment de l'évolution de l'environnement extérieur. Mais nous avons montré qu'en apprenant au système à continuer à faire de petites adaptations, on peut réaliser d'importantes économies d'énergie et capturer plus de carbone en même temps."
La capture du carbone est un processus essentiel pour atténuer l'impact environnemental du CO2, le principal gaz à effet de serre produit par la plupart des centrales électriques.
Pour ce faire, on a généralement recours à l'altération climatique améliorée, une méthode qui consiste à faire barboter les gaz de combustion dans de l'eau contenant du calcaire, ce qui réagit avec le carbonate de calcium pour former du bicarbonate inoffensif.
Toutefois, ce processus est gourmand en énergie, car il faut de l'électricité pour pomper l'eau et le CO2. L'usine de capture du CO2 étudiée disposait de sa propre éolienne pour l'énergie renouvelable, mais lorsque le temps était plus calme et que cela ne suffisait pas, elle utilisait l'énergie du réseau.
Les réalisations de l'équipe de recherche résident dans l'utilisation de l'IA pour permettre au système modèle de prévoir les fluctuations de la production de CO2 et de la disponibilité des énergies renouvelables. Cela a permis au système d'ajuster le pompage de l'eau en conséquence, optimisant ainsi l'utilisation de l'énergie au fil du temps.
Lei Xing, maître de conférences en chimie et en génie chimique à l'université du Surrey, a souligné les implications de ces résultats : "Bien que nous ayons testé notre modèle sur l'altération améliorée, les principes s'appliquent plus largement. Notre modèle pourrait aider tous ceux qui essaient de capturer et de stocker plus de CO2 avec moins d'énergie, quel que soit le processus qu'ils utilisent".
Les chercheurs espèrent que ces résultats pourront contribuer aux objectifs de développement durable des Nations unies, qui visent à réduire la pression sur les sources d'énergie non renouvelables et à investir dans des technologies innovantes de capture du carbone.
En janvier dernier, Microsoft a utilisé l'IA pour créer un nouvel électrolyte de batterie au lithium capable de réduire les émissions de gaz à effet de serre. la teneur en lithium des piles par certains 70%.
En savoir plus sur l'étude
L'étude visait à optimiser le captage du carbone afin de réduire l'utilisation de sources d'énergie non renouvelables tout en maintenant ou en améliorant le captage du CO2.
Il utilise l'IA pour ajuster le système en fonction de petits changements plutôt que de fonctionner en continu au même rythme.
Voici comment cela fonctionne :
- Création de modèles pour le captage du CO2: Les chercheurs ont développé des modèles d'apprentissage automatique pour prédire l'efficacité avec laquelle un réacteur pourrait capturer le CO2 et la quantité d'énergie qu'il consommerait. Ils ont utilisé deux types de modèles : LSTM (Long Short-Term Memory) et MLP (Multilayer Perceptron).
- Prévoir les facteurs clés grâce à l'IA: Ils ont utilisé l'IA pour prédire deux facteurs cruciaux : la quantité de CO2 contenue dans le gaz d'une centrale au charbon et la quantité d'énergie éolienne disponible pour alimenter le processus de capture. Ces prévisions sont importantes pour la planification du processus de capture.
- Tester et améliorer les modèles: L'équipe a rigoureusement testé la précision de ses modèles d'IA à l'aide de méthodes statistiques. Elle a également utilisé une technique appelée prédiction conforme pour déterminer le degré de confiance qu'elle pouvait accorder aux prédictions du modèle.
- Optimiser le processus de capture: En utilisant les données de leurs modèles d'IA, les chercheurs ont employé un algorithme sophistiqué pour trouver le meilleur équilibre entre la capture de la plus grande quantité de CO2 et l'utilisation de la plus petite quantité d'énergie non renouvelable.
- Analyse des résultats: Les résultats sont prometteurs. Ils ont montré qu'en moyenne, le réacteur captait 16,7% de CO2 en plus et consommait 36,3% d'énergie non renouvelable en moins sur une période d'un mois.
Cela démontre l'utilité de l'IA dans les technologies de réduction de la consommation d'énergie.
Les systèmes d'IA légers installés sur les processus et les appareils consommateurs d'énergie peuvent optimiser leur fonctionnalité afin de réduire efficacement la consommation de ressources.
