Um estudo publicado na revista Reaction Chemistry and Engineering por investigadores da Universidade de Surrey utilizou a IA para melhorar a captura de carbono em centrais eléctricas, reduzindo o consumo de energia em mais de um terço.
O investigaçãoO projeto, liderado pelo Professor Jin Xuan, responsável pelos processos sustentáveis na Escola de Química e Engenharia Química da Universidade de Surrey, centrou-se na otimização dos sistemas de captura de carbono.
Apresenta um sistema modelo baseado numa central eléctrica a carvão real que utiliza a IA para conseguir um aumento de 16,7% na captura de dióxido de carbono (CO2), reduzindo simultaneamente o consumo de energia não energética da rede nacional do Reino Unido em 36,3%.
O Prof. Xuan sublinhou a novidade desta abordagem, afirmando num artigo da Universidade de Surrey"Normalmente, os sistemas de captura de carbono funcionam constantemente, ao mesmo ritmo - independentemente das alterações externas do ambiente. Mas mostrámos que ensinar o sistema a fazer pequenas adaptações pode produzir grandes poupanças de energia e, ao mesmo tempo, capturar mais carbono".
A captura de carbono é um processo fundamental para atenuar o impacto ambiental do CO2, o principal gás com efeito de estufa produzido pela maioria das centrais eléctricas.
Isto é normalmente conseguido através da meteorização melhorada, um método em que o gás de combustão é borbulhado através de água contendo calcário, reagindo com o carbonato de cálcio para formar bicarbonato inofensivo.
No entanto, este processo é intensivo em termos energéticos, necessitando de energia para bombear água e CO2. A central de captura de CO2 do estudo tinha a sua própria turbina eólica para energia renovável, mas em tempo mais calmo, quando esta era insuficiente, utilizava energia da rede.
Os resultados da equipa de investigação consistem na utilização da IA para permitir que o sistema modelo preveja as flutuações na produção de CO2 e na disponibilidade de energias renováveis. Isto permitiu que o sistema ajustasse a bombagem de água em conformidade, optimizando a utilização de energia ao longo do tempo.
O Dr. Lei Xing, professor de química e engenharia química na Universidade de Surrey, sublinhou as implicações das suas descobertas, afirmando: "Embora tenhamos testado o nosso modelo na meteorização melhorada, os princípios aplicam-se de forma mais ampla. O nosso modelo pode ajudar qualquer pessoa que tente capturar e armazenar mais CO2 com menos energia - seja qual for o processo que esteja a utilizar."
Os investigadores esperam que estas descobertas possam contribuir para os Objectivos de Desenvolvimento Sustentável das Nações Unidas, que visam reduzir a pressão sobre as fontes de energia não renováveis e investir em tecnologias inovadoras de captura de carbono.
No início de janeiro deste ano, a Microsoft utilizou a IA para criar um novo eletrólito de bateria de lítio capaz de reduzir teor de lítio das pilhas de cerca de 70%.
Mais informações sobre o estudo
O estudo visava otimizar a captura de carbono para reduzir a utilização de fontes de energia não renováveis, mantendo ou melhorando a captura de CO2.
Utilizou a IA para ajustar o sistema com base em pequenas alterações, em vez de funcionar continuamente ao mesmo ritmo.
Eis como funciona:
- Criação de modelos para a captura de CO2: Os investigadores desenvolveram modelos de aprendizagem automática para prever a eficiência com que um reator poderia capturar CO2 e a quantidade de energia que consumiria. Utilizaram dois tipos de modelos: LSTM (Long Short-Term Memory) e MLP (Multilayer Perceptron).
- Previsão de factores-chave com IA: Utilizaram a IA para prever dois factores cruciais: a quantidade de CO2 presente no gás de uma central de carvão e a quantidade de energia eólica disponível para alimentar o processo de captura. Estas previsões são importantes para o planeamento do processo de captura.
- Testar e melhorar os modelos: A equipa testou rigorosamente a precisão dos seus modelos de IA utilizando métodos estatísticos. Utilizaram também uma técnica denominada previsão conforme para determinar o grau de confiança que podiam ter nas previsões do modelo.
- Otimização do processo de captura: Utilizando os dados dos seus modelos de IA, os investigadores empregaram um algoritmo sofisticado para encontrar o melhor equilíbrio entre a captura da maior quantidade de CO2 e a utilização da menor quantidade de energia não renovável.
- Analisar os resultados: Os resultados foram prometedores. Mostraram que, em média, o reator capturou mais 16,7% de CO2 e utilizou menos 36,3% de energia proveniente de fontes não renováveis durante um mês.
Este facto demonstra a utilidade da IA na tecnologia de redução de energia.
Os sistemas leves de IA instalados em processos e aparelhos que consomem energia podem otimizar a sua funcionalidade para reduzir eficazmente o consumo de recursos.
