碳捕获,利用和封存系统的设计和运行优化:对人工智能机会的评估和前景

科学领域:

• 环境科学 环境科学
• 化学工程是化学工程的重要组成部分.
• 计算机科学 计算机科学

背景情况:

• 碳捕获,利用和封存 (CCUS) 对能源和工业脱碳至关重要,以应对气候变化.
• 有效的CCUS部署需要对各种技术选择和基础设施进行综合评估.
• 在CCUS实施方面的挑战源于地理差异,技术多样性和经济因素.

研究的目的:

• 确定需要一个强大的混合评估工具,用于CCUS建模,模拟和优化.
• 审查CCUS技术并评估基于AI/ML的建模,模拟和优化技术.
• 评估AI/ML在降低CCUS系统设计和运营成本方面的潜力.

主要方法:

• 关于CCUS技术和过程建模/模拟/优化技术的批判文献综述.
• 评估基于第一原则和数据驱动的方法,包括人工智能和机器学习 (ML).
• 对生命周期评估 (LCA) 和人工智能方法的综合评估.

主要成果:

• 人工智能和机器学习方法显示出优化CCUS价值链的巨大潜力.
• 可解释的ML和可解释的AI可以加速材料选择和工厂设计.
• 深度强化学习 (DRL) 和生成型深度学习 (GDL) 可以优化过程设计,操作和材料发现.

结论:

• 混合AI机制模型对于强大的CCUS评估和优化至关重要.
• 先进的AI/ML算法可以显著降低CCUS系统设计和运营成本.
• 可通用的人工智能方法可以加速开发和部署具有成本效益的CCUS解决方案以缓解气候变化.