Les chercheurs estiment qu’un modèle d’intelligence artificielle peut augmenter la fiabilité et l’efficacité des technologies de capture et de stockage du carbone.
La capacité et la fiabilité des énergies renouvelables ont connu une croissance substantielle. Cependant, les importantes émissions du secteur de l’énergie actuel soulignent la nécessité pour les nations de traiter les émissions liées à l’énergie et de s’aligner sur les objectifs climatiques mondiaux. La capture et le stockage du carbone (CSC) sont importants dans la transition vers des émissions nettes nulles. Cela implique de capturer et de stocker les émissions de carbone provenant des processus industriels et de génération d’énergie.
La centrale électrique de Boundary Dam en Saskatchewan utilise la capture et le stockage du carbone. Image utilisée avec l’aimable autorisation de Wikimedia Commons
Malgré plusieurs projets CSC à l’échelle industrielle capables de capturer et de stocker plus d’un million de tonnes de dioxyde de carbone (CO2) par an, son adoption généralisée est freinée par les coûts énergétiques élevés associés aux méthodes de capture de carbone à base de solvant utilisées dans ces systèmes.
Des chercheurs de l’Université de Surrey ont utilisé un modèle d’intelligence artificielle pour gérer les variations de l’approvisionnement énergétique et de la concentration de dioxyde de carbone afin d’améliorer l’efficacité globale des systèmes de capture du carbone.
Technologie de capture du carbone inefficace
La combustion de combustibles dans les centrales électriques libère du CO2 en tant que sous-produit. Si elle n’est pas traitée, cette émission contribue à l’accumulation des gaz à effet de serre dans l’atmosphère. Diriger les gaz de combustion à travers de l’eau contenant du calcaire peut capturer le CO2 et former du bicarbonate, un sous-produit inoffensif. Cette technique de CSC est appelée altération renforcée.
Le fonctionnement continu des systèmes de CSC repose sur l’approvisionnement énergétique à partir de sources renouvelables et doit faire face à des défis en raison de la volatilité de la disponibilité de l’énergie. Les fluctuations de la quantité de CO2 émise aggravent davantage ces problèmes, entraînant d’importantes pertes d’efficacité et des inefficacités énergétiques dans de nombreux systèmes de CSC en fonctionnement continu.
Processus conventionnel de capture et de stockage du carbone. Image utilisée avec l’aimable autorisation de Laboratoire national de technologie énergétique
Pour réduire certains des défis associés à la capture de carbone industriel, des scientifiques de l’Université de Surrey ont proposé un cadre de contrôle prédictif basé sur un modèle centré sur l’optimisation à la fois du taux de capture du dioxyde de carbone et de la consommation d’énergie dans un réacteur spécifiquement conçu pour capturer les émissions de CO2 des gaz de combustion d’une centrale électrique à charbon.
Développé et démontré initialement à l’aide d’un réacteur à électrolyse et lavage humide, ce cadre peut être appliqué à d’autres technologies CSC et concerne des domaines plus larges de la chimie de réaction et de l’ingénierie des applications.
Application de l’IA pour la capture du carbone
Le cadre des chercheurs de Surrey se concentrait principalement sur l’efficacité de la technologie de capture du carbone et l’utilisation de l’énergie. Ils ont instruit le système d’IA à surveiller les variations de l’approvisionnement énergétique et de la concentration de CO2 et à apporter des ajustements aux CSC afin de réaliser des économies d’énergie significatives.
Pour relever ces défis, les chercheurs ont créé un cadre d’optimisation prédictive multi-objectifs visant à optimiser proactivement les conditions du réacteur, en particulier les débits de gaz et de liquide superficiels. Cette optimisation vise à maximiser le taux de capture du CO2 tout en minimisant simultanément la consommation d’énergie non renouvelable.
Le cadre de contrôle prédictif amélioré par l’IA. Image utilisée avec l’aimable autorisation des auteurs
Les scientifiques ont entraîné le système modèle à anticiper les fluctuations des événements, lui permettant ainsi de réduire le pompage d’eau lorsque les besoins de capture de CO2 sont plus faibles ou lorsque les approvisionnements en énergie renouvelable sont réduits.
Bien que ce modèle ait été testé sur un système CSC ayant subi une altération renforcée, les chercheurs espèrent que les principes du cadre peuvent être appliqués de manière plus large. Le modèle pourrait potentiellement aider quiconque cherchant à capturer et stocker davantage de CO2 avec des besoins énergétiques réduits, indépendamment du processus spécifique.