logo móvil
Contáctanos

Optimización de Materiales y Rendimiento para la Preparación de Gas de Síntesis Utilizando Aprendizaje Automático (ML) Basado en Inteligencia Artificial (IA)

Autores: Peksen, Murphy M.

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Optimización de Materiales y Rendimiento para la Preparación de Gas de Síntesis Utilizando Aprendizaje Automático (ML) Basado en Inteligencia Artificial (IA)


Categoría

Energía

Subcategoría

Energías renovables

Palabras clave

Futuro sostenible
Tecnologías de hidrógeno
Modelo de aprendizaje automático
Tasa de utilización de metano
Proceso de pre-reformado
Preparación de gas de síntesis

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
Trabajando hacia un futuro más sostenible con cero emisiones, el Laboratorio Internacional del Futuro para la Economía del Hidrógeno en la Universidad Técnica de Múnich (TUM) exhibe esfuerzos concertados en diversas tecnologías de hidrógeno. La investigación actual se centra en los procesos de pre-reformado para la preparación de materia prima de celdas de óxido sólido reversibles de alta calidad. Se ha desarrollado, entrenado y desplegado un modelo de aprendizaje automático basado en inteligencia artificial para predecir y optimizar la utilización controlada del gas metano. Utilizando una combinación de diseño de experimentos y un modelo de dinámica de fluidos computacional 3D validado, se han generado datos del proceso de pre-reformado para diversas mezclas de gas de síntesis. Los resultados de este estudio indican que es posible lograr una tasa de utilización de metano objetivo del 20% mientras se disminuye la cantidad de material catalizador en un 11%. Además, se encontró que se podrían determinar de manera eficiente parámetros de proceso precisos y con un consumo mínimo de recursos para alcanzar tasas de utilización de combustible de metano más altas del 25% y 30%. El modelo de aprendizaje automático se ha empleado eficazmente para analizar y optimizar las condiciones de salida del combustible del proceso de pre-reformado, contribuyendo a una mejor comprensión de la preparación de gas de síntesis de alta calidad y promoviendo esfuerzos de investigación sostenibles para un proceso seguro de celda de óxido sólido reversible (r-SOC).

Otros recursos que podrían interesarte

Temas Virtualpro