В исследовании, опубликованном в журнале Reaction Chemistry and Engineering, ученые из Университета Суррея использовали искусственный интеллект для повышения эффективности улавливания углерода на электростанциях, что позволило сократить потребление энергии более чем на треть.
Сайт исследованиеПроект, возглавляемый профессором Цзинь Сюанем, заведующим кафедрой устойчивых процессов в Школе химии и химического машиностроения Университета Суррея, был посвящен оптимизации систем улавливания углерода.
В нем демонстрируется модель системы, основанной на реальной угольной электростанции, которая с помощью искусственного интеллекта позволяет добиться увеличения улавливания углекислого газа (CO2) на 16,7% при одновременном сокращении неэнергетического потребления из национальной сети Великобритании на 36,3%.
Профессор Сюань подчеркнул новизну этого подхода, говорится в статье Университета Суррея.Обычно системы улавливания углерода работают постоянно, с одной и той же скоростью, независимо от внешних изменений окружающей среды. Но мы показали, что если научить систему постоянно вносить небольшие изменения, то можно добиться большой экономии энергии и одновременно улавливать больше углерода".
Улавливание углерода - важнейший процесс, позволяющий снизить воздействие CO2, основного парникового газа, вырабатываемого большинством электростанций, на окружающую среду.
Обычно это достигается путем усиленного выветривания - метода, при котором дымовой газ пропускается через воду, содержащую известняк, вступающий в реакцию с карбонатом кальция и образующий безвредный бикарбонат.
Однако этот процесс является энергоемким, требующим энергии для перекачки воды и CO2. Исследуемая установка по улавливанию CO2 имела собственную ветряную турбину для получения возобновляемой энергии, но в более спокойную погоду, когда ее не хватало, она использовала энергию из сети.
Достижения исследовательской группы заключаются в использовании искусственного интеллекта для того, чтобы модельная система могла предсказывать колебания в производстве CO2 и доступности возобновляемых источников энергии. Это позволило системе соответствующим образом регулировать перекачку воды, оптимизируя использование энергии с течением времени.
Доктор Лей Синь, преподаватель химии и химического машиностроения в Университете Суррея, подчеркнул значение полученных результатов: "Хотя мы тестировали нашу модель на усиленном выветривании, ее принципы применимы в более широком смысле. Наша модель может помочь всем, кто пытается улавливать и хранить больше CO2 с меньшими затратами энергии - независимо от того, какой процесс они используют".
Исследователи надеются, что эти результаты могут способствовать достижению Целей устойчивого развития ООН, которые направлены на снижение нагрузки на невозобновляемые источники энергии и инвестирование в инновационные технологии по поглощению углерода.
Ранее, в январе этого года, компания Microsoft использовала искусственный интеллект для создания нового электролита для литиевых батарей, способного уменьшить Содержание лития в батареях на несколько 70%.
Подробнее об исследовании
Цель исследования - оптимизировать процесс улавливания углерода, чтобы сократить использование невозобновляемых источников энергии и при этом сохранить или улучшить улавливание CO2.
Он использует искусственный интеллект для настройки системы в зависимости от небольших изменений, а не для непрерывной работы в одном и том же темпе.
Вот как это работает:
- Создание моделей для улавливания CO2: Исследователи разработали модели машинного обучения для прогнозирования того, насколько эффективно реактор может улавливать CO2 и сколько энергии он будет потреблять. Они использовали два типа моделей: LSTM (Long Short-Term Memory) и MLP (Multilayer Perceptron).
- Прогнозирование ключевых факторов с помощью искусственного интеллекта: Они использовали искусственный интеллект для прогнозирования двух важнейших факторов: сколько CO2 будет содержаться в газе с угольной станции и сколько энергии ветра будет доступно для процесса улавливания. Эти прогнозы важны для планирования процесса улавливания.
- Тестирование и совершенствование моделей: Команда тщательно проверила свои модели ИИ на точность с помощью статистических методов. Они также использовали технику, называемую конформным прогнозированием, чтобы определить, насколько можно быть уверенным в предсказаниях модели.
- Оптимизация процесса захвата: Используя данные, полученные с помощью моделей искусственного интеллекта, исследователи применили сложный алгоритм, чтобы найти оптимальный баланс между улавливанием наибольшего количества CO2 и использованием наименьшего количества невозобновляемой энергии.
- Анализ результатов: Результаты оказались многообещающими. Они показали, что в среднем за месяц реактор улавливает на 16,7% больше CO2 и использует на 36,3% меньше энергии из невозобновляемых источников.
Это демонстрирует полезность ИИ в технологии снижения энергопотребления.
Легкие системы искусственного интеллекта, устанавливаемые на энергоемкие процессы и приборы, могут оптимизировать их работу, чтобы эффективно снизить потребление ресурсов.
