棕油预处理 (3-90% FFA) 的统计优化和基于机器学习的分析,以提高生物柴油生产中的自由脂肪酸转化

科学领域:

• 化学工程是化学工程的重要组成部分.
• 可再生能源可再生能源是可再生能源.
• 过程优化 过程优化

背景情况:

• 棕油是生物柴油的有效原料,但高的自由脂肪酸 (FFA) 含量阻碍了生产.
• 化预处理将FFA转化为脂肪酸甲基 (FAME),防止副产品.
• 优化预处理条件对于高效的棕油生物柴油产量至关重要.

研究的目的:

• 优化高含FFA (3-90%) 的原始棕油的化预处理条件.
• 开发使用响应表面方法 (RSM) 和机器学习的数学模型来预测最佳条件.
• 为了实现增强生物柴油生产的最终FFA含量低于1%.

主要方法:

• 采用了一个带有四个因素 (反应时间,甲醇:FFA比率,催化剂,初始FFA) 的Box-Behnken实验设计.
• 三个数学模型被开发和验证在不同的FFA范围.
• 机器学习算法 (决策树,随机森林,梯度增强) 用于改进最佳条件.

主要成果:

• 对不同的初始FFA范围 (3-30%,30-60%,60-90%) 确定了最佳预处理条件.
• 决策树模型实现了0.9762的高R平方,表明了强大的预测准确性.
• 一个梯度增强模型确定了新的最佳条件,在最初的3-90%的FFA范围内产生<1%的最终FFA.

结论:

• 优化的化预处理有效降低生物柴油棕油中高FFA含量.
• 机器学习方法显著提高了最佳预处理条件的预测准确性.
• 该研究提供了一种强大的方法,可以从具有挑战性的棕油原料中最大限度地提高生物柴油生产效率.