cattura della CO2

l’apprentissage automatique peut prédire les émissions d’amines

Image par Valentin Baciu à partir de Pixabay

(Rinnovabili.it) – Parmi les technologies impliquées dans la lutte contre le changement climatique, celles de captage et de séquestration du CO2 (CSC) des fumées industrielles continuent de gagner du terrain. Le problème avec cette solution est qu’elle implique souvent le aminescomposés organiques dont les émissions sont potentiellement nocives.

lire aussi Captage du carbone, boom des projets en 2022 : +44%

Les amines sont utilisées pour le captage du dioxyde de carbone, pour la transformation et le raffinage du gaz naturel mais aussi dans le secteur pharmaceutique comme dans les résines époxy et les colorants. Ce sont des produits chimiques très utiles, mais leur libération doit être surveillée avec précision et la quantité d’émissions prévue.

Le problème la prédiction des émissions d’amines

La prévision des émissions d’amines est une tâche complexe car elle varie selon les installations et les substances concernées. Un groupe de scientifiques de la Faculté des Sciences de Base de l’Ecole Polytechnique Fédérale de Lausanne (EPFL) et du Carbon Solutions Research Center de l’Université Heriot-Watt en Ecosse développent une méthode qui implique l’utilisation de l’apprentissage automatique.

La méthode utilise des données expérimentales fournies par un stress test réalisé en Allemagne. «Les expériences ont été menées à Niederhausen, sur l’une des plus grandes centrales au charbon d’Allemagne», explique Berend Smit de l’EPFL. solution d’amine a été testée pendant plus d’un an. Mais l’un des problèmes en suspens est que les amines peuvent être émises avec les gaz d’échappement, et ces émissions d’amines doivent être contrôlées. »

Le professeur Susana Garcia de Heriot-Watt est intervenue pour surveiller les émissions d’amines. La chercheuse, avec les propriétaires des centrales, a mis au point une expérience de mesure dans différentes conditions : « Nous avons développé une campagne expérimentale pour comprendre comment et quand les émissions d’amines seraient générées – dit-elle – Mais certaines de nos expériences ont également provoqué des interventions des opérateurs. de l’usine pour s’assurer qu’elle fonctionnait en toute sécurité ». La nécessité d’interventions de sécurité a conduit à des difficultés d’interprétation des données, étant donné que le niveau d’influence anthropique dans les résultats obtenus n’était pas certain ; le problème d’avoir des données « impures » a aggravé les difficultés fondamentales dues au manque de compréhension des mécanismes d’émission d’amines : « En bref – a expliqué Smit – nous avons eu une campagne coûteuse et réussie qui a démontré que les émissions d’amines peuvent être un problème, mais sans outils pour analyser plus en profondeur les données.

lire aussi Captage et stockage du CO2 : les ¾ des centrales ne sont pas fiables

L’apprentissage automatique a transformé des données « impures » en un modèle

Le problème de la contamination des données semblait impossible à résoudre, mais Kevin Maik Jablonka, un doctorant qui a développé un système d’apprentissage automatique capable de transformer l’énorme quantité de données produites en un problème celui de la définition et de l’apprentissage des modèles. « Nous voulions savoir quelles auraient été les émissions si nous n’avions pas effectué le test de résistance, mais seulement les interventions des opérateurs », a expliqué Smit.

À ce stade, grâce à l’apprentissage automatique, Jablonka a pu faire un calcul pour la prédiction des émissions d’amines à partir des données fournies par Garcia : « Avec ce modèle, nous avons pu prédire les émissions causées par les interventions des opérateurs, puis les démêler de celles induite par le test d’effort. De plus, nous pourrions utiliser le modèle pour exécuter toutes sortes de scénarios sur la réduction de ces émissions. »

Les résultats de l’expérience ont surpris l’équipe de scientifiques : bien que l’usine pilote ait été conçue pour de l’amine pure, le test a utilisé deux substances, le 2-amino-2-méthyl-1-propanol et la pipérazine (CESAR1) . Des expériences ont montré que les deux amines, contre toute attente, répondent de manière opposée aux contraintes et, en réduisant les émissions de l’une, augmentent celles de l’autre. « Je suis très enthousiaste quant à l’impact potentiel de ce travail ; c’est une toute nouvelle façon d’aborder un processus chimique complexe », a conclu Smit. « Ce type de prédiction ne peut être fait avec aucune des approches conventionnelles, il peut donc changer la façon dont nous exploitons les usines chimiques. »

A lire également