Ein Kraftwerk mit KI. (Quelle: Kevin Maik Jablonka (EPFL), CC BY-SA 4.0)

Ein Kraftwerk mit KI. (Quelle: Kevin Maik Jablonka (EPFL), CC BY-SA 4.0)

Einsatz von maschinellem Lernen zur Vorhersage von Aminemissionen

Publiziert

Maschinelles Lernen sagt potenziell schädliche Aminemissionen aus kohlenstoffabscheidenden Anlagen genau vorher

Die globale Erwärmung ist zum Teil auf die enormen Mengen an Kohlendioxid zurückzuführen, die wir freisetzen, vor allem bei der Stromerzeugung und bei industriellen Prozessen wie der Stahl- und Zementherstellung. Seit einiger Zeit befassen sich Chemieingenieure mit der Kohlenstoffabscheidung, einem Verfahren, mit dem Kohlendioxid abgetrennt und so gespeichert werden kann, dass es nicht in die Atmosphäre gelangt. Dies geschieht in speziellen Anlagen zur Abscheidung von Kohlendioxid, deren chemischer Prozess Amine umfasst, Verbindungen, die bereits zur Abscheidung von Kohlendioxid aus Erdgasverarbeitungs- und Raffinerieanlagen verwendet werden. Amine werden auch in bestimmten Arzneimitteln, Epoxidharzen und Farbstoffen verwendet.

Potenziell umwelt- und gesundheitsschädlich
Das Problem ist, dass Amine auch potenziell umweltschädlich und gesundheitsgefährdend sein können, so dass es wichtig ist, ihre Auswirkungen zu verringern. Dies erfordert eine genaue Überwachung und Vorhersage der Aminemissionen einer Anlage, was sich als keine leichte Aufgabe erweist, da Kohlenstoffabscheidungsanlagen komplex sind und sich voneinander unterscheiden. Eine Gruppe von Wissenschaftlern hat eine maschinelle Lernlösung für die Vorhersage von Aminemissionen aus Kohlenstoffabscheidungsanlagen entwickelt, die auf experimentellen Daten aus einem Stresstest in einer realen Anlage in Deutschland beruht. Die Arbeit wurde von den Gruppen von Professor Berend Smit an der School of Basic Sciences der EPFL und Professor Susana Garcia am Research Centre for Carbon Solutions der Heriot-Watt University in Schottland geleitet.
"Die Experimente wurden in Niederhaussen durchgeführt, in einem der grössten Kohlekraftwerke Deutschlands", sagt Berend Smit. "Von diesem Kraftwerk aus wird ein Windschatten in eine Pilotanlage zur Kohlenstoffabscheidung geleitet, wo die nächste Generation von Aminlösungen seit über einem Jahr getestet wird. Eine der offenen Fragen ist jedoch, dass Amine mit dem Rauchgas emittiert werden können, und diese Aminemissionen müssen kontrolliert werden.
Professor Susana Garcia entwickelte zusammen mit dem Eigentümer der Anlage, RWE, und TNO in den Niederlanden einen Stresstest, um die Aminemissionen unter verschiedenen Prozessbedingungen zu untersuchen. Professor Garcia beschreibt, wie der Test ablief: "Wir entwickelten eine Versuchskampagne, um zu verstehen, wie und wann Aminemissionen entstehen würden. Einige unserer Experimente führten aber auch zu Eingriffen der Anlagenbetreiber, um einen sicheren Betrieb der Anlage zu gewährleisten."

Interpretation der Daten
Diese Eingriffe führten zu der Frage, wie die Daten zu interpretieren sind. Sind die Aminemissionen das Ergebnis des Stresstests selbst, oder haben die Eingriffe der Betreiber die Emissionen indirekt beeinflusst? Erschwerend kam hinzu, dass wir die Mechanismen, die den Aminemissionen zugrunde liegen, im Allgemeinen nicht verstanden haben. "Kurz gesagt, wir hatten eine teure und erfolgreiche Kampagne, die zeigte, dass Aminemissionen ein Problem sein können, aber keine Instrumente, um die Daten weiter zu analysieren", sagt Smit. Er fährt fort: "Als Susana Garcia mich darauf ansprach, klang es in der Tat wie ein unmöglich zu lösendes Problem. Aber sie erwähnte auch, dass sie alles alle fünf Minuten messen und viele Daten sammeln. Und wenn es in meiner Gruppe jemanden gibt, der unmögliche Probleme mit Daten lösen kann, dann ist es Kevin." Kevin Maik Jablonka, ein Doktorand, entwickelte einen Ansatz des maschinellen Lernens, der das Rätsel der Aminemissionen in ein Mustererkennungsproblem verwandelte.
"Wir wollten wissen, wie die Emissionen aussehen würden, wenn wir nicht den Stresstest, sondern nur die Eingriffe der Betreiber hätten", erklärt Smit. Das ist ein ähnliches Problem, wie wir es im Finanzwesen haben können; wenn man zum Beispiel die Auswirkungen von Änderungen im Steuerrecht bewerten will, möchte man die Auswirkungen des Steuerrechts von den Interventionen trennen, die zum Beispiel durch die Krise in der Ukraine verursacht wurden."

Maschinelles Lernen für die Vorhersage
Im nächsten Schritt nutzte Jablonka leistungsstarkes maschinelles Lernen, um aus den Daten der Anlage künftige Aminemissionen vorherzusagen. Er sagt: "Mit diesem Modell konnten wir die durch die Eingriffe der Betreiber verursachten Emissionen vorhersagen und sie dann von den durch den Stresstest verursachten Emissionen trennen. Darüber hinaus konnten wir mit dem Modell alle möglichen Szenarien zur Reduzierung dieser Emissionen durchspielen."
Die Schlussfolgerung wurde als "überraschend" bezeichnet. Wie sich herausstellte, war die Pilotanlage für reines Amin konzipiert worden, die Messversuche wurden jedoch mit einem Gemisch aus zwei Aminen durchgeführt: 2-Amino-2-methyl-1-propanol und Piperazin (CESAR1). Die Wissenschaftler fanden heraus, dass diese beiden Amine entgegengesetzt reagieren: Wird die Emission des einen Amins reduziert, erhöht sich die Emission des anderen.
"Ich bin von den potenziellen Auswirkungen dieser Arbeit sehr begeistert; es ist eine völlig neue Art, einen komplexen chemischen Prozess zu betrachten", sagt Smit. "Diese Art der Vorhersage ist mit keinem der herkömmlichen Ansätze möglich und könnte daher die Art und Weise, wie wir Chemieanlagen betreiben, verändern."

Literatur
Kevin Maik Jablonka, Charithea Charalambous, Eva Sanchez Fernandez, Georg Wiechers, Peter Moser, Juliana Monteiro, Berend Smit, Susana Garcia. Machine learning for industrial processes: Forecasting amine emissions from a carbon capture plant. Science Advances 04 January 2023

EVENTS

drupa

Weltweit führende Fachmesse für Drucktechnologien

Datum: 28. Mai-07.Juni 2024

Ort: Düsseldorf (D)

ArbeitsSicherheit Schweiz

Fachmesse für Arbeitssicherheit, Gesundheitsschutz und Gesundheitsförderung am Arbeitsplatz

Datum: 05.-06. Juni 2024

Ort: Zürich (CH)

Achema

Internationale Leitmesse der Prozessindustrie

Datum: 10.-14. Juni 2024

Ort: Frankfurt am Main (D)

EPHJ-EPMT-SMT

Internationale Ausstellung für Uhrenindustrie, Mikrotechnologie und Medizinaltechnik

Datum: 11 – 14 Juni 2024

Ort: Genf (CH)

SENSOR + TEST

Internationale Fachmesse für Sensorik, Mess- und Prüftechnik

Datum: 11.-13. Juni 2024

Ort: Nürnberg (D)

all about automation

Fachmesse für Industrieautomation

Datum: 28.-29. August 2024

Ort: Zürich (CH)

maintenance Schweiz

Schweizer Fachmesse für industrielle Instandhaltung und Facility Management

Datum: 28.-29. August 2024

Ort: Zürich (CH)

Ilmac Lausanne

Networking. Forum. Aussteller

Datum: 18.-19. September 2024

Ort: Lausanne (CH)

FachPack

Europäische Fachmesse für Verpackung, Technik, Veredelung und Logistik

Datum: 24.-26. September 2024

Ort: Nürnberg (D)

W3+ Fair Jena

Europas führende Plattform für Forschung und Innovationskraft

Datum: 25.-26. September 2024

Ort: Jena (D)

Cleanzone

Internationale Fachmesse und Kongress für Reinraumtechnologie

Datum: 25.-26. September 2024

Ort: Frankfurt am Main (D)

Rehacare

Die REHACARE ist die internationale Fachmesse für Rehabilitation, Prävention, Inklusion und Pflege.

Datum: 25.-28. September 2024

Ort: Düsseldorf (D)

IN.STAND

Die Messe für Instandhaltung und Services

Datum: 08.-09. Oktober 2024

Ort: Stuttgart (D)

VISION

Weltleitmesse für Bildverarbeitung

Datum: 08.-10. Oktober 2024

Ort: Stuttgart (D)

IFAS

Fachmesse für den Gesundheitsmarkt

Datum: 22.-24. Oktober 2024

Ort: Zürich (CH)

ALL4PACK EMBALLAGE

The global marketplace for Packaging Processing Printing Handling

Datum: 04.-07. November 2024

Ort: Paris (F)

electronica

Weltleitmesse und Konferenz der Elektronik

Datum: 12.-15. November 2024

Ort: München (D)

SEMICON Europa

Europäische Leitmesse für Mikroelektronik

Datum: 12.-15. November 2024

Ort: München (D)

VALVE WORLD EXPO

Weltweite Leitmesse für Industrie-Armaturen

Datum: 03.-05. Dezember 2024

Ort: Düsseldorf (D)

Additive Manufacturing Forum

Die Entscheider- und Expertenkonferenz bringt das gesamte Wertschöpfungssystem rund um die additive Fertigung zusammen.

Datum: 17.-18. März 2025

Ort: Berlin (D)

LABVOLUTION

Europäische Fachmesse für innovative Laborausstattung und die Optimierung von Labor-Workflows

Datum: 20.-22. Mai 2025

Ort: Hannover (D)

Automatica

Die Leitmesse für intelligente Automation und Robotik

Datum: 24.-27. Juni 2025

Ort: München (D)

LASER World of PHOTONICS

Weltleitmesse und Kongressfür Komponenten, Systeme und Anwendungen der Photonik

Datum: 24.-27. Juni 2025

Ort: München (D)

SINDEX

Schweizer Messe für industrielle Automatisierung

Datum: 02.-04. September 2025

Ort: Bern (CH)

Ilmac

Fachmesse für Prozess- und Labortechnologie

Datum: 16.-18. September 2025

Ort: Basel (CH)

CMS Berlin

Internationale Leitmesse für Reinigung und Hygiene

Datum: 23.-26. September 2025

Ort: Berlin (D)

POWTECH

Pharma.Manufacturing.Excellence

Datum: 23. - 25. September 2025

Ort: Nürnberg (D)

A + A

Messe und Kongress für Arbeitsschutz und Arbeitssicherheit

Datum: 04.-07. November 2025

Ort: Düsseldorf (D)

AQUA Suisse

Die Schweizer Fachmesse für kommunales und industrielles Wassermanagement.

Datum: 26.-27. November 2025

Ort: Zürich (CH)

Pumps & Valves

Die Fachmesse für industrielle Pumpen, Armaturen & Prozesse

Datum: 26. - 27. November 2025

Ort: Zürich (CH)

aqua pro

B2B-Plattform in der Schweiz für Fachkräfte des globalen Wasserkreislaufs

Datum: 04.-06. Februar 2026

Ort: Bulle (CH)

analytica

Weltleitmesse für Labortechnik, Analytik, Biotechnologie und analytica conference

Datum: 24.-27. März 2026

Ort: München (D)

interpack

Führende Messe für Prozesse und Verpackung

Datum: 07.-13. Mai 2026

Ort: Düsseldorf (D)

Bezugsquellenverzeichnis