对热集成生物质下游气化器进行实验的基于模型的测序设计

科学领域:

• 化学工程是化学工程的重要组成部分.
• 能源系统 能源系统
• 实验设计 实验设计

背景情况:

• 生物质气化器实验昂贵且耗时,需要高效的实验设计.
• 优化实验条件对于最大化从新运行中获得的信息至关重要.
• 基于序列贝叶斯模型的实验设计 (MBDoE) 为实验规划提供了一个结构化的方法.

研究的目的:

• 应用基于贝叶斯模型的实验设计 (MBDoE) 来优化热集成生物质下游气化器中的实验运行.
• 评估不同的MBDoE目标函数,包括A-最佳,V-最佳和一个新的专注V-最佳设计.
• 确定最有效的MBDoE策略,以提高参数估计和模型预测准确度.

主要方法:

• 采用基于贝叶斯模型的实验设计 (MBDoE) 来选择操作条件:生物质含水量,注水率和能源需求.
• 研究了三种MBDoE目标函数:A-最佳 (参数估计),V-最佳 (模型预测) 和集中V-最佳 (特定响应预测).
• 将不同MBDoE策略设计的新实验运行的影响与现有数据进行比较.

主要成果:

• 执行两个A最佳运行将模型参数标准偏差平均减少18.4%,特别是改善了煤炭气化激活能量的估计.
• 两个聚焦的V-最佳运行显著提高了对焦焦度和出口温度等关键反应的预测准确性,平均减少了59.4%的标准偏差.
• 在A-最佳和V-最佳设计中,参数估计和预测准确度的平均改进分别为30.7%和50%.

结论:

• 序列贝叶斯式MBDoE是优化生物质气化器实验的宝贵工具,平衡成本和信息获取.
• 专注的V-最佳设计在改善关键模型响应的预测准确度方面表现出色.
• MBDoE策略有效地减少了参数估计中的不确定性,并提高了生物质气化器模型的可靠性.