摘要:
当前过量的CO2排放已经引发了严重的气候危机,其中燃煤电厂的CO2排放占据了较大比例,因此针对烟气碳捕集的研究成为关键。化学吸收法在碳捕集领因其成熟的技术,有望成为大规模碳减排应用的技术之一,但是较高的能耗和投资成本限制了其进一步发展。传统的碳捕集与利用(Carbon Capture and Utilization,CCU)工艺中,捕集与利用两个步骤往往是分开进行的,前人们通过研发新型吸收剂、开发节能工艺等手段对捕集过程进行优化,同时开发更加高效安全的CO2利用和封存技术。但是单独优化每个过程带来的能源效率回报不断减少。因此研究人员开始考虑综合碳捕集和利用技术的经济和能源效益,有学者提出使用电化学转化代替传统的吸收剂在解析塔内升温再生,将CO2捕集和电化学转化利用整合在一起。基于传统的MEA湿法捕集工艺,利用Aspen Plus对基于有机胺的电解质来实现CO2捕集与转化利用一体化(Integrated Carbon Capture and Utilization,ICCU)的方法建模分析,对两种工艺进行了技术经济分析。结果表明:相对于常规的CCU工艺,ICCU工艺的CO2转化率和CO产量分别提升了6%和33%;同时ICCU工艺的能源效率(38.94%)也略高于CCU工艺(37.8%),伴随着电解能耗的相应增加,因此总体能源效益的改善并不显著。对电解温度进行灵敏度分析,发现当电解温度的升高,两种工艺的能源效率均呈下降趋势,但ICCU工艺的能效一直高于工艺;并且ICCU工艺的成本不断增加,当温度升高5℃,成本增加2%左右。在整体成本方面,ICCU工艺也具有一定的优势(6399.17元/吨CO),并且系统能耗的下降是进一步降低成本的关键。综合来看,ICCU工艺在经济和能源效益都实现了一定的提高。
摘要:
针对传统维护方法在处理不完全观测和多状态系统时在计算上易遭受维度灾难的问题,提出了一种基于深度强化学习的多状态不完全观测系统维护策略。首先,构建基于不完全观测马尔可夫决策过程的维护策略模型;然后,采用深度学习框架进行求解,在该框架下提出了改进的DDQN(Double Deep Q-Network)算法,通过采用优先经验回放技术优化经验回放过程并通过深度神经网络估计价值函数,有效地解决了传统DDQN在训练过程中样本利用率低的问题,从而提高了DDQN算法的学习效率和收敛速度。为验证模型的有效性和改进算法的高效性,以实际的焦炉气制甲醇工艺系统为研究对象给出数值算例。算例结果显示,改进算法在维护效率和系统可靠性方面显著优于传统方法,证明了模型的有效性,为复杂系统的维护问题提供决策支持。