使用RSM和ANN技术优化废弃油和芝麻油的生物柴油产量

科学领域:

• 可持续能源 可持续能源
• 化学工程是化学工程的重要组成部分.
• 可再生资源 可再生资源

背景情况:

• 全球能源需求和化石燃料耗尽需要可持续的替代方案.
• 来自废食用油 (WCO) 的生物柴油面临着冷流特性方面的挑战.
• 芝麻油 (SSO) 提供了更好的氧化稳定性和冷流特性.

研究的目的:

• 为了优化WCO和SSO混合物的生物柴油产量.
• 为了比较响应表面方法 (RSM) 和人工神经网络 (ANN) 对生物柴油生产的预测能力.
• 调查关键操作参数对生物柴油产量的影响.

主要方法:

• 70%的WCO / 30%的SSO混合物的微波辅助转化.
• 优化反应速度 (RPM),反应时间,甲醇与油的比率,以及催化剂度.
• 用RSM来优化产量,用ANN来预测产量.

主要成果:

• 在特定的最佳条件下,实现了94%的最大生物柴油产量.
• 对于生物柴油生产率,ANN模型的预测误差低于RSM.
• 最佳条件:每分钟350转,3分钟,1.05%的催化剂,甲醇与油的比例为10:1.

结论:

• 在高产量的生物柴油生产中,WCO和SSO的混合是有效的.
• 与RSM相比,ANN是生物柴油生产的更准确的预测工具.
• 优化生物柴油生产提供了一个可持续的能源解决方案.