Уголь используется в качестве источника энергии с 1880-х годов, а одним из побочных продуктов его использования являются угольные отходы, которые могут содержать мышьяк, хром, ртуть и другие вредные вещества. В 2019 году в результате использования угля образовалось 2,907 млн тонн угольных отходов, складировать которые можно годами. Угольные отходы, ожидающие какой-либо надлежащей утилизации, представляют ряд опасностей для близлежащих сообществ и рабочих. Эти опасности могут включать в себя спонтанные пожары, которые могут выделять токсины и парниковые газы (метан и CO 2 ), а также токсичные металлы, которые могут просачиваться в грунтовые воды и попадать в ручьи. Этот хранящийся уголь также является растраченным ресурсом: около 60% отходов все еще имеют жизнеспособную теплотворную способность.
Чтобы устранить такие опасности для человеческой и природной жизни, а также утилизировать и использовать отходы, исследователи изучают способы использования отходов угля и других углеродсодержащих материалов биомассы (таких как древесные отходы и сельскохозяйственные отходы) и отходов пластмасс, в частности, в качестве водород. Этот процесс известен как газификация, который, по сути, включает в себя введение углеродного материала в кислород и высокую температуру (более 700 градусов по Фаренгейту) в корпусе реактора, называемом газификатором. Газификация может использовать эти отходы для создания синтез-газа — вещества, которое можно перерабатывать в водород. В результате этого процесса выделяется меньше загрязняющих веществ, чем при сжигании угля. Водород, производимый путем газификации, также может помочь США увеличить использование водорода — топлива, которое выделяет меньше парниковых газов, в соответствии с целями администрации Байдена.
Этап I: Создайте процесс
ERCo и ERC уже более десяти лет работают над совместными проектами, которые Ромеро характеризует как «сквозные технологии, усиленные искусственным интеллектом, включая интеллектуальное программное обеспечение для приложений в энергетике и электроэнергетике». Это исследование подходит для партнерства, и на первом этапе Лихай и ERCo сосредоточились на разработке основных компонентов системы, которая может на месте и в режиме реального времени определять состав смесей сырья до того, как они попадут в газификатор.
На этом начальном этапе использовалась спектроскопия лазерного пробоя (LIBS) и машинное обучение (ML) для определения параметров угольных отходов и/или биомассы, представляющих интерес для операторов газификаторов, таких как содержание углерода и летучих веществ, теплотворная способность и температуры плавления золы. Отходы угля и биомасса могут служить альтернативой водородному топливу устаревшим источникам топлива, таким как уголь. Однако из-за изменчивости, присущей этим базовым материалам или сырью, они могут создавать для операторов газификаторов эксплуатационные проблемы, которые могут повлиять на качество и выход синтез-газа газификатора, а также на потребление кислорода.
LIBS работает по принципу, согласно которому лазерный луч направляется на текущее сырье. Лазер производит очень горячую, короткоживущую плазму, которая излучает излучение с длинами волн, зависящими от элемента. Соответствующая интенсивность на определенных длинах волн может напрямую коррелировать с концентрацией определенных элементов в образце. Алгоритмы машинного обучения помогают повысить точность и точность измерений LIBS. В целом это позволит системному оператору оптимизировать использование кислорода в кислородных газификаторах и сократить время простоя оборудования.
Новизна этого процесса, по словам Яо, заключается в том, что этот метод «объединяет мощную спектроскопическую технику с передовыми алгоритмами искусственного интеллекта в одно интегрированное решение для мониторинга свойств сырья, поступающего в газификаторы, в режиме реального времени и на месте».
Фаза I показала, что результаты были очень точными для ряда образцов из неоднородного сырья. Это подготовило почву для Фазы II, которая финансируется за счет текущего гранта.
Этап II: Оптимизация для реальных условий
Цель этапа II — сделать процесс «Спектроскопии лазерного разрушения, улучшенной машинным обучением» (ML Enhanced LIBS) коммерчески жизнеспособным. Это предполагает использование коммерческого газификатора ERCo, измеряющего состав смесей материалов по мере их движения по конвейерной ленте, что позволяет включать большее разнообразие материалов в обучение алгоритмов машинного обучения.
Хотя Ромеро, Яо и их коллеги из ERCo применили эту технологию для переработки угольных отходов и биомассы, исследователи также видят применение в других областях. В то время как Ромеро отмечает возможности его использования в горнодобывающей и цементной промышленности, Яо добавляет, что любая отрасль, которая «требует определения характеристик сырья, включая аддитивное производство, утилизацию биомассы, горнодобывающую и цементную промышленность», может извлечь выгоду из его использования.