Eine saubere

Forscher der Lehigh University arbeiten gemeinsam an einer vom DOE finanzierten Forschung zu einer Technik, die maschinelles Lernen und fortschrittliche Spektroskopie kombiniert, um Abfallrohstoffe für durch Vergasung erzeugten Wasserstoff zu charakterisieren

Lehigh-Universität

Bild:

Carlos Romero (rechts), Professor an der Lehigh University, Direktor des Energieforschungszentrums von Lehigh, und Zheng Yao (links), leitender Forschungswissenschaftler am ERC, arbeiten an einem Forschungsprojekt mit dem Titel „Machine Learning Enhanced LIBS to Measure and Process Biofuels and Waste Coal for“ zusammen Gasifier Improved Operation“, das kürzlich vom Energieministerium eine Phase-II-Finanzierung erhalten hat. Zum Vorschlagsteam gehören Energy Research Co. (ERCo) in Plainfield, New Jersey (Leitung für Kleinunternehmen), GTI Energy und SpG Consultants.

Bildnachweis: Mit freundlicher Genehmigung des Institute for Cyber ​​Physical Infrastructure and Energy (I-CPIE)/Lehigh University

Forscher der Lehigh University Carlos Romero, Direktor des Energy Research Center (ERC), Co-Associate Director des Institute for Cyber ​​Physical Infrastructure and Energy (I-CPIE) und Fakultätsmitglied in der Abteilung für Maschinenbau und Mechanik, und Zheng Yao, leitender Forschungswissenschaftler am ERC, wurde mit einem STTR-Preis (Department of Energy Small Business Technology Transfer) des DOE für Phase II ihres Vorschlags „Machine Learning Enhanced LIBS to Measure and Process Biofuels and Waste Coal for Gasifier Improved Operation“ ausgezeichnet. ” Zum Vorschlagsteam gehören Energy Research Co. (ERCo) in Plainfield, New Jersey (Leitung für Kleinunternehmen), GTI Energy und SpG Consultants. Ab August 2023 beläuft sich das zweijährige Preisbudget auf insgesamt 1.650.000 US-Dollar. Diese Forschung ist Phase II des Gesamtprojekts, wobei das erste Phase-I-Projekt von 2022 bis 2023 läuft. Die Biden-Regierung hat sich das Ziel gesetzt, bis 2050 Netto-Treibhausgasemissionen (THG) auf Null zu bringen, und das DOE unterstützt Projekte, die dabei helfen Die USA erreichen dieses Ziel.

Kohle wird seit den 1880er Jahren als Energiequelle genutzt und eines der Nebenprodukte bei der Nutzung sind Kohleabfälle, die Arsen, Chrom, Quecksilber und andere Schadstoffe enthalten können. Im Jahr 2019 fielen bei der Kohlenutzung 2.907 Millionen Tonnen Kohleabfälle an, die über Jahre hinweg gelagert werden können. So wie es dasteht und auf eine ordnungsgemäße Entsorgung wartet, stellen Kohleabfälle mehrere Gefahren für umliegende Gemeinden und Arbeiter dar. Zu diesen Gefahren könnten spontane Brände gehören, die Giftstoffe und Treibhausgase (Methan und CO2) freisetzen können, sowie giftige Metalle, die ins Grundwasser gelangen und in Bäche fließen können. Diese gespeicherte Kohle ist ebenfalls eine verschwendete Ressource, da etwa 60 % des Abfalls noch einen nutzbaren Heizwert enthalten.

Um solche Gefahren für menschliches und natürliches Leben zu beseitigen und den Abfall zurückzugewinnen und zu nutzen, untersuchen Forscher Möglichkeiten, Abfallkohle und andere kohlenstoffbasierte Biomassematerialien (wie Holzabfälle und landwirtschaftliche Rückstände) sowie Kunststoffabfälle insbesondere als Abfall zu nutzen Wasserstoff. Dieser Prozess ist als Vergasung bekannt und beinhaltet im Wesentlichen die Einführung eines kohlenstoffbasierten Materials in Sauerstoff und hohe Hitze (über 700 Grad Fahrenheit) in einem Reaktorgefäß, das als Vergaser bezeichnet wird. Bei der Vergasung können diese Abfallrohstoffe zur Erzeugung von Synthesegas genutzt werden, einer Substanz, die zu Wasserstoff verarbeitet werden kann. Der Prozess emittiert weniger Schadstoffe als die Kohleverbrennung. Durch Vergasung erzeugter Wasserstoff kann den USA auch dabei helfen, den Einsatz von Wasserstoff zu steigern, einem Kraftstoff, der weniger Treibhausgasemissionen ausstößt, im Einklang mit den Zielen der Biden-Regierung.

ERCo und das ERC arbeiten seit mehr als einem Jahrzehnt an gemeinsamen Projekten, die Romero als „bereichsübergreifende Technologien, verbessert durch künstliche Intelligenz, einschließlich intelligenter Software für Anwendungen in der Energie- und Stromerzeugungsindustrie“ bezeichnet. Diese Forschung passt zur Partnerschaft, und in Phase I konzentrierten sich Lehigh und ERCo auf die Entwicklung der Grundkomponenten eines Systems, das vor Ort und in Echtzeit die Zusammensetzung von Rohstoffmischungen charakterisieren kann, bevor sie in den Vergaser gelangen (siehe Abbildung). .

In dieser ersten Phase wurden laserinduzierte Abbauspektroskopie (LIBS) und maschinelles Lernen (ML) verwendet, um Parameter in Kohleabfällen und/oder Biomasse zu identifizieren, die für Vergaserbetreiber von Interesse sind, wie z. B. Kohlenstoff- und flüchtige Inhalte, Heizwert und Ascheschmelztemperaturen. Altkohle und Biomasse können als Wasserstoff-Alternativen zu herkömmlichen Brennstoffquellen wie Kohle dienen. Aufgrund der inhärenten Variabilität dieser Grundmaterialien oder Einsatzstoffe können sie Vergaserbetreiber jedoch vor betriebliche Herausforderungen stellen, die sich auf die Qualität und Ausbeute des Vergaser-Synthesegases sowie den Sauerstoffverbrauch auswirken können.

LIBS basiert auf einem Prinzip, bei dem ein Laserstrahl auf das fließende Ausgangsmaterial geschossen wird. Der Laser erzeugt ein sehr heißes, kurzlebiges Plasma, das Strahlung mit elementspezifischen Wellenlängen aussendet. Die entsprechende Intensität bei bestimmten Wellenlängen kann direkt mit der Konzentration bestimmter Elemente in der Probe korrelieren. Algorithmen für maschinelles Lernen tragen dazu bei, die Genauigkeit und Präzision von LIBS-Messungen zu verbessern. Insgesamt würde dies dem Anlagenbetreiber ermöglichen, die Nutzung von Sauerstoff in sauerstoffbetriebenen Vergasern zu optimieren und die Ausfallzeiten der Anlagen zu verringern.

Das Neuartige an diesem Verfahren ist, wie Yao sagt, dass es sich um eine Methode handelt, die „eine leistungsstarke spektroskopische Technik mit fortschrittlichen Algorithmen der künstlichen Intelligenz zu einer integrierten Lösung zur Überwachung der Eigenschaften von Ausgangsstoffen, die in Vergaser gelangen, in Echtzeit und vor Ort vereint.“

Phase I zeigte, dass die Ergebnisse bei einer Reihe von Proben aus inhomogenen Ausgangsmaterialien sehr genau waren. Damit wurde der Grundstein für Phase II gelegt, die durch den aktuellen Zuschuss finanziert wird.

Ziel der Phase II ist es, das Verfahren „Machine Learning Enhanced Laser Induced Breakdown Spectroscopy“ (ML Enhanced LIBS) kommerziell nutzbar zu machen. Dabei kommt der kommerzielle Vergaser von ERCo zum Einsatz, der die Zusammensetzung von Materialmischungen misst, während diese sich über ein Förderband bewegen, und eine größere Materialvielfalt in das Training der maschinellen Lernalgorithmen einbezieht.

Während Romero, Yao und ihre Kollegen bei ERCo diese Technologie auf die Verarbeitung von Kohleabfällen und Biomasse anwendeten, sehen die Forscher auch Anwendungen in anderen Bereichen. Während Romero Möglichkeiten für den Einsatz in der Bergbau- und Zementindustrie angibt, fügt Yao hinzu, dass jede Branche, die „eine Charakterisierung von Rohstoffen erfordert, einschließlich additiver Fertigung, Biomassenutzung, Bergbau- und Zementindustrie“, von seinem Einsatz profitieren könnte.

Haftungsausschluss: AAAS und EurekAlert! sind nicht verantwortlich für die Richtigkeit der auf EurekAlert veröffentlichten Pressemitteilungen! durch beitragende Institutionen oder für die Nutzung jeglicher Informationen über das EurekAlert-System.