Τα ενεργοβόρα εργοστάσια παραγωγής ενέργειας θα μπορούσαν να δουν το αποτύπωμα άνθρακα τους να μειώνεται κατά πάνω από το ένα τρίτο (36%), αφού επιστήμονες από το Πανεπιστήμιο του Surrey, UK, χρησιμοποίησαν τη δύναμη της τεχνητής νοημοσύνης (AI) για να προσαρμόσουν ένα σύστημα που βασίζεται σε έναν πραγματικό σταθμό ηλεκτροπαραγωγής με καύση άνθρακα .
Όταν οι σταθμοί ηλεκτροπαραγωγής καίνε καύσιμα, παράγουν διοξείδιο του άνθρακα (CO2), το οποίο μπορεί να δεσμευτεί με τη διοχέτευση των καυσαερίων μέσω του πλούσιου σε ασβεστόλιθο νερού.
Το CO2 αντιδρά με το ανθρακικό ασβέστιο στον ασβεστόλιθο, παράγοντας αβλαβές ανθρακικό άλας ως μέρος μιας διαδικασίας γνωστής ως «ενισχυμένη διάβρωση».
Για την άντληση του νερού και του CO2 απαιτείται ενέργεια. Το εργοστάσιο που μελετήθηκε από την ομάδα είχε τη δική του ανεμογεννήτρια αλλά – σε περιόδους ήρεμου καιρού – έπαιρνε ενέργεια από το δίκτυο.
Χρησιμοποιώντας την τεχνητή νοημοσύνη, οι ερευνητές δίδαξαν ένα σύστημα μοντέλου για να προβλέψει τι θα συμβεί – ώστε να μπορεί να αντλεί λιγότερο νερό όταν υπήρχε λιγότερο CO2 για δέσμευση ή όταν ήταν διαθέσιμη λιγότερη ανανεώσιμη ενέργεια.
«Συνήθως, τα συστήματα δέσμευσης άνθρακα λειτουργούν συνεχώς, με τον ίδιο ρυθμό – ανεξάρτητα από το εξωτερικά μεταβαλλόμενο περιβάλλον», δήλωσε ο καθηγητής Jin Xuan, Πρόεδρος Βιώσιμων Διαδικασιών στη Σχολή Χημείας και Χημικής Μηχανικής του Πανεπιστημίου του Surrey.
«Αλλά δείξαμε ότι η διδασκαλία του συστήματος να συνεχίσει να κάνει μικρές προσαρμογές μπορεί να οδηγήσει σε μεγάλη εξοικονόμηση ενέργειας – και να συλλάβει περισσότερο άνθρακα ταυτόχρονα.
Σύμφωνα με την ομάδα, ελπίζει ότι τα ευρήματά τους μπορούν να χρησιμοποιηθούν ευρύτερα σε ολόκληρο τον κλάδο, συμβάλλοντας στους Στόχους Βιωσιμότητας (US Sustainability Goals) των ΗΠΑ 7, 9, 12 και 13.
Ο Δρ Lei Xing, Λέκτορας Χημείας και Χημικής Μηχανικής στο Πανεπιστήμιο, σχολίασε ότι, παρόλο που η ομάδα δοκίμασε το μοντέλο της σε ενισχυμένες καιρικές συνθήκες, οι αρχές ισχύουν ευρύτερα.
«Το μοντέλο μας θα μπορούσε να βοηθήσει οποιονδήποτε προσπαθεί να συλλάβει και να αποθηκεύσει περισσότερο CO2 με λιγότερη ενέργεια – ανεξάρτητα από τη διαδικασία που χρησιμοποιεί».
Η διαχείριση ενέργειας δεν είναι ο μόνος τομέας δέσμευσης άνθρακα που μπορεί να ωφεληθεί από την τεχνητή νοημοσύνη. Οι αλγόριθμοι μηχανικής μάθησης και τεχνητής νοημοσύνης χρησιμοποιούνται όλο και περισσότερο για να προβλέψουν πότε ο εξοπλισμός που χρησιμοποιείται στις διαδικασίες δέσμευσης άνθρακα χρειάζεται συντήρηση.
Η τεχνητή νοημοσύνη μπορεί επίσης να βοηθήσει στην ενοποίηση των διαδικασιών δέσμευσης άνθρακα με ανανεώσιμες πηγές ενέργειας. Με την πρόβλεψη της διαθεσιμότητας ανανεώσιμων πηγών ενέργειας (όπως ηλιακή ή αιολική ενέργεια), οι εταιρείες θα μπορούσαν να προσαρμόσουν τις λειτουργίες δέσμευσης άνθρακα ανάλογα για να χρησιμοποιούν την καθαρότερη και φθηνότερη διαθέσιμη ενέργεια.
Η ινδική εταιρεία τεχνολογιών CO2 GAS LAB Asia (Gas Lab) ένωσε πρόσφατα τις δυνάμεις της με την εταιρεία ανάπτυξης λύσεων δέσμευσης άνθρακα που βασίζονται στην τεχνητή νοημοσύνη Carbonetics Carbon Capture (Carbonetics) ως μέρος μιας «πρώτης παγκόσμιας» συμμαχίας σε εμπορικά έργα δέσμευσης άνθρακα που βασίζονται στην τεχνητή νοημοσύνη.
Η συμφωνία θα δει την Carbonetics να παραδίδει τη γενετική τεχνολογία σχεδίασης AI στη συνεργασία, με στόχο τη μείωση του κόστους αξιοποιώντας τη δύναμη των αλγορίθμων AI για να βοηθήσει στη βελτιστοποίηση παραγόντων όπως η θερμοκρασία, η πίεση, οι ρυθμοί ροής και οι χημικές αντιδράσεις.
source: gasworld.com
Comments