Использование машинного обучения для прогнозирования выбросов аминов
Одной из основных причин изменения климата нашей планеты является избыток выбросов углекислого газа. Он возникает преимущественно в ходе производства электроэнергии и промышленных процессов, включая изготовление стали и цемента. На текущий момент инженеры и химики занимаются изучением методов захвата углерода, который мог бы изолировать и хранить углекислый газ, тем самым предотвращая его выброс в атмосферу.
Концепция улавливания углерода - эффективный способ снижения выбросов парниковых газов. Специальные заводы по улавливанию углерода работают на основе аминовой технологии, используя амины - химические соединения, которые могут растворять углекислый газ. Также амины применяются во многих отраслях, таких как фармацевтика, производство эпоксидных смол и красителей.
Проблема заключается в том, что амины могут быть потенциально опасными для окружающей среды, а также наносить вред здоровью, поэтому крайне важно смягчить их воздействие. При использовании аминов в установках по улавливанию углерода также необходимо контролировать выбросы, что является сложной задачей из-за различий между установками.
Команда ученых из Школы фундаментальных наук EPFL и Исследовательского центра углеродных решений Университета Хериот-Ватт разработала новое решение с применением машинного обучения, которое бы способствовало прогнозированию выбросов аминов на установках по улавливанию углерода. Решение прошло экспериментальные испытания на реальном заводе в Германии под руководством группы профессора Беренда Смита из Школы фундаментальных наук EPFL и профессора Сусаны Гарсия из Исследовательского центра углеродных решений Университета Хериот-Ватт в Шотландии.
Исследования проводились на крупнейшей угольной электростанции в Германии, где на пилотной установке уже более года тестируется раствор амина следующего поколения. Однако обнаружено, что амины могут выделяться с дымовыми газами. Это представляло собой проблему, поскольку выбросы аминов должны быть контролируемы.
Профессор Сусана Гарсия вместе с владельцем завода, RWE и TNO в Нидерландах, разработала стресс-тест для изучения выбросов аминов при различных технологических условиях. Профессор Гарсия описывает, как проходило испытание: «Мы разработали экспериментальную кампанию, чтобы понять, как и когда будут генерироваться выбросы аминов. Но некоторые из наших экспериментов также потребовали вмешательства операторов завода, чтобы обеспечить его безопасную работу».
Эти вмешательства привели к вопросу о том, как интерпретировать данные. Являются ли выбросы аминов результатом самих стресс-тестов или вмешательство операторов косвенно повлияло на выбросы? Это было еще более осложнено общим непониманием ученых механизмов, лежащих в основе выбросов аминов.
«Если коротко, у нас была дорогостоящая и успешная кампания, которая показала, что проблемой являются выбросы аминов, но на момент проведения исследования не было инструментов для дальнейшего анализа данных,» - сообщает Смит.
Это действительно выглядело, как неразрешимая проблема. Все измерения проводились каждые пять минут и собирали множество данных. И тогда Кевин Майк Яблонка решил использовать машинное обучение для распознавания образов, чтобы прогнозировать будущие выбросы аминов на основе заводских данных. Благодаря использованию новой модели прогнозирования выбросов аминов, исследователям удалось отделить выбросы, вызванные вмешательством операторов, от выбросов, вызванных стресс-тестом.
Модель показала, что некоторые вмешательства оказывают противоположное влияние на выбросы компонентов растворителя. Таким образом, стратегии смягчения последствий, необходимые для установок улавливания, работающих на однокомпонентном растворителе (например, моноэтаноламине), необходимо пересмотреть, если они работают с использованием смеси аминов.
«Я с большим энтузиазмом отношусь к потенциальному воздействию этой работы; это совершенно новый взгляд на сложный химический процесс», — говорит Смит. «Этот тип прогнозирования нельзя сделать с помощью какого-либо из традиционных подходов, поэтому он может изменить принципы работы на химических предприятиях».