un limpio

Investigadores de la Universidad de Lehigh colaboran en una investigación financiada por el DOE sobre una técnica que combina el aprendizaje automático y la espectroscopia avanzada para caracterizar materias primas residuales para el hidrógeno producido por gasificación.

Universidad de Lehigh

imagen:

El profesor de la Universidad de Lehigh, Carlos Romero (derecha), director del Centro de Investigación Energética de Lehigh, y Zheng Yao (izquierda), científico investigador principal del ERC, están colaborando en un proyecto de investigación, "LIBS mejorado con aprendizaje automático para medir y procesar biocombustibles y carbón residual para Operación mejorada del gasificador”, que recientemente recibió financiación de la Fase II del Departamento de Energía. El equipo de la propuesta incluye Energy Research Co. (ERCo) en Plainfield, Nueva Jersey (líder de pequeñas empresas), GTI Energy y SpG Consultants.

Crédito: Cortesía del Instituto de Energía y Infraestructura Física Cibernética (I-CPIE)/Universidad de Lehigh

Los investigadores de la Universidad de Lehigh, Carlos Romero, director del Centro de Investigación Energética (ERC), codirector asociado del Instituto de Infraestructura Cibernética y Energía (I-CPIE) y miembro del cuerpo docente del Departamento de Ingeniería Mecánica y Mecánica, y Zheng Yao, investigador científico principal del ERC, recibió un premio DOE STTR (Departamento de Transferencia de Tecnología para Pequeñas Empresas de Energía) por la Fase II de su propuesta, “LIBS mejorados con aprendizaje automático para medir y procesar biocombustibles y carbón residual para una operación mejorada de gasificadores”. " El equipo de la propuesta incluye Energy Research Co. (ERCo) en Plainfield, Nueva Jersey (líder de pequeñas empresas), GTI Energy y SpG Consultants. A partir de agosto de 2023, el presupuesto de adjudicación de dos años asciende a 1.650.000 dólares. Esta investigación es la Fase II del proyecto general, y la Fase I inicial se ejecutará de 2022 a 2023. La administración Biden se ha fijado el objetivo de alcanzar cero emisiones netas de gases de efecto invernadero (GEI) para 2050, y el DOE apoya proyectos que ayudan a la Estados Unidos alcance ese objetivo.

El carbón se ha utilizado como fuente de energía desde la década de 1880, y uno de los subproductos de su uso son los desechos de carbón, que pueden contener arsénico, cromo, mercurio y otras sustancias nocivas. En 2019, el uso del carbón produjo 2.907 millones de toneladas de desechos de carbón, que pueden almacenarse durante años. Tal como están, a la espera de algún tipo de eliminación adecuada, los desechos de carbón presentan varios peligros para las comunidades y los trabajadores cercanos. Estos peligros podrían incluir incendios espontáneos, que pueden liberar toxinas y gases de efecto invernadero (metano y CO2), y metales tóxicos, que pueden filtrarse a las aguas subterráneas y fluir a los arroyos. Este carbón almacenado también es un recurso desperdiciado, ya que alrededor del 60% de los residuos todavía contienen valor calorífico viable.

Para eliminar estos peligros para la vida humana y natural, y para recuperar y utilizar los desechos, los investigadores están investigando formas de aprovechar el carbón residual y otros materiales de biomasa a base de carbono (como desechos de madera y residuos agrícolas) y plásticos de desecho, específicamente como hidrógeno. Este proceso se conoce como gasificación, y consiste, básicamente, en introducir un material a base de carbono en oxígeno y altas temperaturas (por encima de 700 grados Fahrenheit) en una vasija del reactor llamada gasificador. La gasificación puede utilizar estas materias primas residuales para crear gas de síntesis, una sustancia que puede transformarse en hidrógeno. El proceso emite menos contaminantes que la combustión del carbón. El hidrógeno producido por gasificación también puede ayudar a Estados Unidos a aumentar su uso de hidrógeno, un combustible que emite menos GEI, en línea con los objetivos de la Administración Biden.

ERCo y ERC han estado trabajando durante más de una década en proyectos conjuntos que Romero caracteriza como “tecnologías transversales, mejoradas por inteligencia artificial, incluido software inteligente para aplicaciones en las industrias de energía y generación de energía”. Esta investigación se adapta a la asociación, y en la Fase I, Lehigh y ERCo se centraron en el desarrollo de los componentes básicos de un sistema que puede, in situ y en tiempo real, caracterizar la composición de las mezclas de materias primas antes de que entren al gasificador (ver figura). .

Esta fase inicial utilizó espectroscopía de ruptura inducida por láser (LIBS) y aprendizaje automático (ML) para identificar parámetros en los desechos de carbón y/o biomasa de interés para los operadores de gasificadores, como el contenido de carbono y volátiles, el poder calorífico y las temperaturas de fusión de las cenizas. El carbón y la biomasa residuales pueden servir como combustible de hidrógeno alternativo a fuentes de combustible heredadas como el carbón. Sin embargo, debido a la variabilidad inherente a estos materiales base o materias primas, pueden presentar a los operadores de gasificadores desafíos operativos que pueden afectar la calidad y el rendimiento del gas de síntesis del gasificador, así como el consumo de oxígeno.

LIBS funciona según el principio de que se dispara un rayo láser a la materia prima que fluye. El láser produce plasma muy caliente y de corta duración, que emite radiación en longitudes de onda específicas del elemento. La intensidad correspondiente en longitudes de onda particulares puede correlacionarse directamente con la concentración de elementos particulares en la muestra. Los algoritmos de aprendizaje automático ayudan a mejorar la exactitud y precisión de las mediciones de LIBS. En general, esto permitiría al operador del sistema optimizar el uso de oxígeno en los gasificadores de oxígeno y reducir el tiempo de inactividad del equipo.

La novedad de este proceso, como dice Yao, es que es un método que "fusiona una poderosa técnica espectroscópica con algoritmos avanzados de inteligencia artificial en una solución integrada para monitorear las propiedades de la materia prima que ingresa a los gasificadores, en tiempo real e in situ".

La fase I indicó que los resultados fueron muy precisos en una variedad de muestras de materias primas no homogéneas. Esto preparó el escenario para la Fase II, que se financia a través de la subvención actual.

El objetivo de la Fase II es hacer que el proceso de “espectroscopia de descomposición inducida por láser mejorada con aprendizaje automático” (ML Enhanced LIBS) sea comercialmente viable. Esto implica el uso del gasificador comercial de ERCo, que mide la composición de las mezclas de materiales a medida que se mueven a lo largo de una cinta transportadora, incorporando una mayor variedad de materiales en el entrenamiento de los algoritmos de aprendizaje automático.

Si bien Romero, Yao y sus colegas de ERCo aplicaron esta tecnología al procesamiento de residuos de carbón y biomasa, los investigadores también ven aplicaciones en otros campos. Si bien Romero señala posibilidades para su uso en la industria minera y cementera, Yao agrega que cualquier industria que “requiera caracterización de materias primas, incluida la fabricación aditiva, la utilización de biomasa y las industrias minera y cementera” podría beneficiarse de su uso.

Descargo de responsabilidad: AAAS y EurekAlert! ¡No somos responsables de la exactitud de los comunicados de prensa publicados en EurekAlert! por instituciones contribuyentes o para el uso de cualquier información a través del sistema EurekAlert.