Uno studio pubblicato su Reaction Chemistry and Engineering dai ricercatori dell'Università del Surrey ha utilizzato l'intelligenza artificiale per migliorare la cattura del carbonio nelle centrali elettriche, riducendo il consumo energetico di oltre un terzo.
Il ricercaguidato dal professor Jin Xuan, titolare della cattedra di processi sostenibili presso la Scuola di Chimica e Ingegneria Chimica dell'Università del Surrey, si è concentrato sull'ottimizzazione dei sistemi di cattura del carbonio.
Il documento illustra un sistema modello basato su una vera centrale a carbone che utilizza l'intelligenza artificiale per ottenere un aumento di 16,7% nella cattura dell'anidride carbonica (CO2), riducendo contemporaneamente il consumo non energetico dalla rete nazionale del Regno Unito di 36,3%.
Il Prof. Xuan ha sottolineato la novità di questo approccio, affermando in un articolo dell'Università di SurreyDi solito i sistemi di cattura del carbonio funzionano costantemente, alla stessa velocità, indipendentemente dai cambiamenti dell'ambiente esterno. Ma noi abbiamo dimostrato che insegnare al sistema a fare piccoli adattamenti può produrre grandi risparmi energetici e allo stesso tempo catturare più carbonio".
La cattura del carbonio è un processo fondamentale per mitigare l'impatto ambientale della CO2, il principale gas serra prodotto dalla maggior parte delle centrali elettriche.
In genere, ciò si ottiene attraverso un'azione di "enhanced weathering", un metodo in cui i gas di scarico vengono fatti gorgogliare attraverso acqua contenente calcare, che reagisce con il carbonato di calcio per formare un innocuo bicarbonato.
Tuttavia, questo processo è ad alta intensità energetica e richiede energia per pompare l'acqua e la CO2. L'impianto di cattura della CO2 oggetto dello studio disponeva di una propria turbina eolica per l'energia rinnovabile, ma nelle giornate più calme, quando questa non era sufficiente, utilizzava l'energia della rete.
I risultati ottenuti dal team di ricerca consistono nell'utilizzo dell'intelligenza artificiale per consentire al sistema modello di prevedere le fluttuazioni nella produzione di CO2 e nella disponibilità di energia rinnovabile. Questo ha permesso al sistema di regolare di conseguenza il pompaggio dell'acqua, ottimizzando l'uso dell'energia nel tempo.
Il dottor Lei Xing, docente di chimica e ingegneria chimica presso l'Università del Surrey, ha sottolineato le implicazioni delle loro scoperte, affermando: "Anche se abbiamo testato il nostro modello sul potenziamento degli agenti atmosferici, i principi si applicano in modo più ampio. Il nostro modello potrebbe aiutare chiunque cerchi di catturare e immagazzinare più CO2 con meno energia, qualunque sia il processo utilizzato".
I ricercatori sperano che questi risultati possano contribuire agli Obiettivi di Sviluppo Sostenibile delle Nazioni Unite, che mirano a ridurre la pressione sulle fonti energetiche non rinnovabili e a investire in tecnologie innovative per la cattura del carbonio.
Nel gennaio di quest'anno, Microsoft ha utilizzato l'intelligenza artificiale per creare un nuovo elettrolita per batterie al litio in grado di ridurre le emissioni di CO2. contenuto di litio nelle batterie di alcuni 70%.
Per saperne di più sullo studio
Lo studio mirava a ottimizzare la cattura del carbonio per ridurre l'uso di fonti energetiche non rinnovabili, mantenendo o migliorando la cattura di CO2.
Utilizza l'intelligenza artificiale per regolare il sistema in base a piccole modifiche, anziché farlo funzionare continuamente alla stessa velocità.
Ecco come funziona:
- Creare modelli per la cattura della CO2: I ricercatori hanno sviluppato modelli di apprendimento automatico per prevedere l'efficienza con cui un reattore potrebbe catturare la CO2 e la quantità di energia che utilizzerebbe. Hanno utilizzato due tipi di modelli: LSTM (Long Short-Term Memory) e MLP (Multilayer Perceptron).
- Previsione dei fattori chiave con l'IA: Hanno utilizzato l'intelligenza artificiale per prevedere due fattori cruciali: la quantità di CO2 presente nel gas di una centrale a carbone e la quantità di energia eolica disponibile per alimentare il processo di cattura. Queste previsioni sono importanti per la pianificazione del processo di cattura.
- Testare e migliorare i modelli: Il team ha testato rigorosamente l'accuratezza dei modelli di intelligenza artificiale utilizzando metodi statistici. Hanno anche utilizzato una tecnica chiamata "conformal prediction" per determinare la fiducia nelle previsioni del modello.
- Ottimizzazione del processo di acquisizione: Utilizzando i dati dei loro modelli AI, i ricercatori hanno impiegato un sofisticato algoritmo per trovare il miglior equilibrio tra la cattura della maggior quantità di CO2 e l'utilizzo della minor quantità di energia non rinnovabile.
- Analisi dei risultati: I risultati sono stati promettenti. Hanno dimostrato che, in media, il reattore ha catturato 16,7% in più di CO2 e ha utilizzato 36,3% in meno di energia da fonti non rinnovabili nell'arco di un mese.
Questo dimostra l'utilità dell'IA nella tecnologia di riduzione dell'energia.
I sistemi di intelligenza artificiale leggeri montati su processi e apparecchi che consumano energia possono ottimizzare la loro funzionalità per ridurre efficacemente il consumo di risorse.
