一种机器学习方法,通过金属化物修饰来显著利用高灰度的印度煤炭
Aparna Singh1, Deepak Singh Panwar2, Satish Kumar Maurya3
1WA School of Mines, Minerals, Energy and Chemical Engineering, Curtin University, Perth, Australia. Aparna.s21192@gmail.com.
Scientific reports
|August 2, 2025
概括
这项研究通过使用 (II) 化物 (SnCl2) 催化剂优化热解来提高高灰炭利用率. 人工神经网络 (ANN) 和响应表面方法 (RSM) 准确地预测燃烧,ANN显示出卓越的性能.
科学领域:
- 化学工程是化学工程的重要组成部分.
- 能源科学 能源科学
- 环境科学 环境科学
背景情况:
- 高灰煤的利用面临着利用挑战,原因是高效的热解和环境问题.
- 优化煤炭热解对于稳定的能源供应和减少环境影响至关重要.
- ) 化物 (SnCl2) 显示出作为促进煤炭燃烧的催化剂的潜力.
研究的目的:
- 为了研究SnCl2度,温度和时间对高灰煤热解的影响.
- 使用人工神经网络 (ANN) 和响应表面方法 (RSM) 开发煤炭燃烧百分比的预测模型.
- 确定影响煤炭燃烧的最有影响的参数.
主要方法:
- 高灰煤的试验性热解,含有不同度的SnCl2 (高达9%).
- 系统变化热解温度 (例如510°C,610°C,710°C) 和过程时间 (长达30分钟).
- 应用ANN和RSM用于建模和预测燃烧率.
主要成果:
- 增加SnCl2度显著增加了高达9%的燃烧效率.
- 热解温度被确定为影响燃烧的最关键因素,其次是时间和催化剂度.
- 在ANN模型 (R2 = 0.9965) 中,比RSM模型更高的可预测性.
结论:
- SnCl2是一种有效的催化剂,可以改善高灰煤的燃烧.
- ANN 和 RSM 是优化煤炭热解过程的宝贵工具.
- 热解温度是最大化煤炭燃烧效率的关键参数.
更多相关视频
10:44Preparation of Biomass-based Mesoporous Carbon with Higher Nitrogen-/Oxygen-chelating Adsorption for CuII Through Microwave Pre-Pyrolysis
Published on: February 12, 2019
10.0K
11:14Two-way Valorization of Blast Furnace Slag: Synthesis of Precipitated Calcium Carbonate and Zeolitic Heavy Metal Adsorbent
Published on: February 21, 2017
12.5K
