ИИ помогает энергетическим предприятиям захватывать углерод с использованием на 36% меньше энергии из сети

Исследование из Университета Суррея показывает, что искусственный интеллект может помочь электростанциям захватывать углекислый газ, используя на 36% меньше энергии с сети. Это может стать переломным моментом в развитии чистых технологий и сокращении выбросов парниковых газов. #Environment #AI

Исследование Университета Суррея показывает, что искусственный интеллект может помочь электростанциям захватывать углекислый газ, используя на 36% меньше энергии от сети.

Искусственный интеллект широко применяется в области охраны окружающей среды. Недавно были проведены исследования по использованию ИИ в технологии захвата углерода. Технология захвата углерода играет важную роль в борьбе с изменением климата, улавливая выбросы углекислого газа (CO2) с энергетических предприятий. Однако существующие системы захвата углерода неэффективны и могут потреблять значительное количество энергии.

Ученые из Университета Суррея разработали новые исследования в области технологий захвата углерода. В рамках этого исследования использовался искусственный интеллект для повышения эффективности захвата CO2. Применяя алгоритмы искусственного интеллекта, ученые достигли увеличения захвата CO2 на 16,7% и существенного снижения на 36,3% энергопотребления, поступающего из национальной сети Великобритании.

Основой системы является реактор с упакованным пузырьковым столбом (PBC). PBC представляет собой интерфейс между пресной водой, содержащей измельченный известняк, и дымовыми газами, насыщенными CO2. В результате этой реакции CO2 превращается в бикарбонат. Также ученые использовали методы машинного обучения для разработки моделей прогнозирования динамики на основе данных, способных прогнозировать скорость захвата CO2 и энергопотребление реактора для оптимизации работы системы. Затем они обучили эти модели на данных, полученных из физических симуляций. Кроме того, они использовали отдельные модели на основе долгой краткосрочной памяти (LSTM) для прогнозирования доступности ветровой энергии и концентрации поступающего дымового газа CO2.

Один из ученых и председатель кафедры устойчивых процессов в Школе химии и химической инженерии Университета Суррея подчеркнул, что традиционные системы захвата углерода обладают жесткостью. Он отметил, что обычно системы захвата углерода работают постоянно, с одинаковой скоростью, независимо от изменяющейся внешней среды. Однако они показали, что обучение системы вносить небольшие изменения может привести к существенной экономии энергии и одновременно увеличить захват углерода. Другой ученый отметил, что хотя это исследование сосредоточено на улучшенном воздействии погоды, полученные знания имеют более широкие последствия для других приложений по захвату углерода. Он сказал, что модель может помочь тем, кто хочет более эффективно захватывать и хранить CO2 с меньшими энергозатратами.

Интегрируя эти прогностические модели, алгоритм научился изменять количество подкачиваемой воды в зависимости от таких переменных, как уровень CO2 и скорость ветра. В результате система может экономить энергию при снижении уровня CO2 или уменьшении поступления ветровой энергии. Ученые обнаружили, что за месяц захват CO2 увеличился на 16,7% по сравнению с традиционными статическими методами. Кроме того, зависимость от возобновляемой энергии значительно снизилась с 92,9% до всего 56,6%.

В заключение, данное исследование ученых Университета Суррея демонстрирует потенциал ИИ в технологиях захвата углерода. Оно также предлагает решения для преодоления вызовов, связанных с различными уровнями CO2. Это исследование проложило путь к более гибким и устойчивым системам захвата CO2, внося значительный вклад в достижение целей устойчивого развития ООН. По мере того как мир находит решения проблем изменения климата, это исследование становится надеждой на более зеленое и устойчивое будущее. Эта техника может внести свой вклад в усилия по достижению глобальной устойчивости с дальнейшими усовершенствованиями, обеспечивая более зеленое небо для будущих поколений.