文献

J-GLOBAL ID：202202282446109184   整理番号：22A0321995

ガス化統合固体酸化物燃料電池サイクルにおける人工知能アプローチ【JST・京大機械翻訳】

Artificial Intelligence Approach in Gasification Integrated Solid Oxide Fuel Cell Cycle

著者 (3件)： Sezer Senem (Department of Chemical Engineering, Marmara University, Goztepe Campus, 34722 Kadikoy, Turkey) ,  Kartal Furkan (Department of Chemical Engineering, Marmara University, Goztepe Campus, 34722 Kadikoy, Turkey) ,  OEzveren Ugur (Department of Chemical Engineering, Marmara University, Goztepe Campus, 34722 Kadikoy, Turkey)
資料名： Fuel  (Fuel)
巻： 311  ページ： Null  発行年： 2022年 
JST資料番号： C0023A  ISSN： 0016-2361  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 世界の人口と産業の発展に伴い,経済的に実現可能で広く利用可能な資源からのエネルギーの供給が重要である。バイオマスガス化は,低い排出を生成し,効率的な変換を可能にする有望な技術である。ガス化プロセスから得られたガスは,特に水蒸気ガス化において,かなりの量のH_2から成り,燃料電池,特に固体酸化物燃料電池(SOFC)で使用され,電力を発生する。SOFCは,化学エネルギーを電力に変換することができ,バイオマスガス化誘導燃料のための最も適切な燃料電池タイプと考えられている。文献における統合ガス化-SOFCシステムに関する多くの研究がある。しかし,これらのシステムは,まだ開発中であり,高いエネルギー効率を達成するために適切な設計パラメータと運転条件で研究が行われている。熱力学法を用いた統合ガス化とSOFCシステムのモデリングは,プロセス挙動を決定する最も単純な方法である。今日,人工ニューラルネットワーク(ANN)は,熱力学ベースのガス化とSOFCシステムを表現するための最も一般的なモデリング方法の1つである。本研究では,統合バブリング流動層ガス化装置とSOFCモデルを,Aspen PlusシミュレーションでANNモデルを訓練するためのデータを生成するために作成した。ANNモデルは,入力パラメータとして変化する操作条件と30の異なるバイオマスタイプを用いて,電気効率,正味電圧と電流密度に関して性能パラメータを予測した。結果は,開発したANNモデルが,訓練試験および検証データセットに対して,0.999以上のR2,MAPE<0.053およびRMSE<0.751によって,高い精度で出力パラメータを推定したことを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *気体 ,  シミュレーション ,  電圧 ,  熱力学 ,  流動層 ,  電力 ,  装置 ,  *燃料電池 ,  ニューラルネットワーク ,  *ガス化 ,  モデリング ,  電流密度 ,  バイオマス ,  *固体酸化物燃料電池
準シソーラス用語： ガス化装置 ,  バイオマスガス化 , 【Automatic Indexing@JST】

著者キーワード (5件)： バイオマスガス化 ,  人工ニューラルネットワーク ,  固体酸化物燃料電池 ,  気泡流動層ガス化装置 ,  Aspen Plus

分類 (1件)： ガス化,ガス化プラント  (YE02040Q)

タイトルに関連する用語 (5件)： ガス化 ,  統合 ,  固体酸化物燃料電池 ,  サイクル ,  人工知能