KR20110078156A - 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법 - Google Patents
회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법 Download PDFInfo
- Publication number
- KR20110078156A KR20110078156A KR1020090134893A KR20090134893A KR20110078156A KR 20110078156 A KR20110078156 A KR 20110078156A KR 1020090134893 A KR1020090134893 A KR 1020090134893A KR 20090134893 A KR20090134893 A KR 20090134893A KR 20110078156 A KR20110078156 A KR 20110078156A
- Authority
- KR
- South Korea
- Prior art keywords
- carbon dioxide
- regression analysis
- reaction product
- analysis model
- capture process
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/30—Controlling by gas-analysis apparatus
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/46—Removing components of defined structure
- B01D53/62—Carbon oxides
-
- C—CHEMISTRY; METALLURGY
- C01—INORGANIC CHEMISTRY
- C01B—NON-METALLIC ELEMENTS; COMPOUNDS THEREOF; METALLOIDS OR COMPOUNDS THEREOF NOT COVERED BY SUBCLASS C01C
- C01B32/00—Carbon; Compounds thereof
- C01B32/50—Carbon dioxide
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P20/00—Technologies relating to chemical industry
- Y02P20/151—Reduction of greenhouse gas [GHG] emissions, e.g. CO2
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Organic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Environmental & Geological Engineering (AREA)
- Inorganic Chemistry (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
Abstract
회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법이 제공된다.
상기 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법은, 온라인상에서 이산화탄소 포집공정을 통해 측정되는 상태변수를 변동변수로 설정하는 단계; 온라인상에서 이산화탄소 포집공정을 통해 상기 변동변수에 의해 얻어지는 반응생성물의 농도를 목표변수로 설정하는 단계; 상기 목표변수를 예측하기 위해 회귀분석모델을 모델링하는 단계; 및 상기 회귀분석모델을 통하여 상기 변동변수의 변화에 따른 반응생성물의 농도를 예측하는 단계;를 포함하여 구성된다.
회귀분석모델, 이산화탄소, 반응생성물, 변동변수, 목표변수
Description
본 발명의 일 측면은 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법에 관한 것으로, 특히 온라인상에서 이산화탄소 포집공정을 통해 얻어지는 반응생성물의 농도를 예측하는 방법에 관한 것이다.
대기중 이산화탄소의 농도는 산업화에 따른 화석연료의 사용으로 급격히 증가하고 있으며, 이산화탄소의 발생량 감축을 위해 교토 의정서가 발효되었고 다양한 이산화탄소 포집 및 저장에 관한 기술을 개발하고 있다.
이러한 이산화탄소의 포집 중 가장 상용화에 근접한 공정은 아민계열의 흡수제를 이용한 흡수법이 있다. 그러나, 아민을 이용한 흡수법은 대상 가스 중에 포함된 산성가스에 의해 아민이 분해되고, 흡수과정에서 사용된 아민을 재생하기 위해 높은 에너지가 소요되며, 약품의 단가가 비싼 단점이 있다.
이에, 최근에는 아민계 흡수제를 대체하기 위해 암모니아수를 이용한 이산화탄소 포집기술이 주목받고 있다. 암모니아는 화학적으로 안정하여 산성가스 등에 의해 분해되지 않으며, 높은 이산화탄소 흡수능을 갖는다.
또한, 약품비용이 비교적 낮고, 재생에 필요한 에너지가 아민계 흡수제에 비해 낮다는 등의 다양한 장점을 갖는다.
암모니아수를 이용한 이산화탄소 포집공정은 크게 이산화탄소를 흡수하는 공정과 흡수된 이산화탄소 및 암모니아를 회수 및 재생하는 공정으로 분류된다. 이산화탄소 흡수과정에서 암모늄 염 및 암모늄 이온이 형성되며, 형성된 암모늄 염 및 암모늄 이온은 재생과정에서 이산화탄소와 암모니아로 각각 회수될 수 있다.
암모니아수를 이용한 이산화탄소 포집공정은 크게 이산화탄소를 흡수하는 공정과 흡수된 이산화탄소 및 암모니아를 회수 및 재생하는 공정으로 분류된다. 이산화탄소 흡수과정에서 암모늄 염 및 암모늄 이온이 형성되며, 형성된 암모늄 염 및 암모늄 이온은 재생과정에서 이산화탄소와 암모니아로 각각 회수될 수 있다.
그러나, 이와 같은 이산화탄소 포집공정에서 온라인상에서 실시간으로 얻어지는 반응생성물의 농도를 예측하는 방법에 관한 연구는 미흡한 실정이다.
본 발명의 일 측면은 온라인상에서 실시간 모니터링을 통하여 이산화탄소 포집공정을 통해 측정되는 상태변수가 누락되는 일없이 반응생성물의 농도를 예측하는 방법을 제공하는 것을 목적으로 한다.
본 발명의 일 측면은, 온라인상에서 이산화탄소 포집공정을 통해 측정되는 상태변수를 변동변수로 설정하는 단계; 온라인상에서 이산화탄소 포집공정을 통해 상기 변동변수에 의해 얻어지는 반응생성물의 농도를 목표변수로 설정하는 단계; 상기 목표변수를 예측하기 위해 회귀분석모델을 모델링하는 단계; 및 상기 회귀분석모델을 통하여 상기 변동변수의 변화에 따른 반응생성물의 농도를 예측하는 단계;를 포함하여 구성된 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법을 제공한다.
본 발명의 일 실시예에서, 상기 상태변수는 이산화탄소가 흡수된 암모니아의 pH, 온도, 전기전도도 또는 이산화탄소 농도 중에서 적어도 하나인 것을 특징으로 하는 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법을 제공한다.
본 발명의 다른 실시예에서, 상기 반응생성물은 수산화이온, 중탄산염이온, 탄산염이온, 카바메이트이온, 황산염이온 또는 질산염이온 중에서 어느 하나인 것을 특징으로 하는 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예 측방법을 제공한다.
본 발명의 또 다른 실시예에서, 상기 회귀분석모델은 수리적 모델, 통계적 모델, 수리적 모델과 통계적 모델을 조합한 모델 중에서 어느 하나인 것을 특징으로 하는 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법을 제공한다.
본 발명의 또 다른 실시예에서, 상기 회귀분석모델은 다중회귀분석법, 주성분회귀분석법, 부분최소자승법, 신경회로망-부분최소자승법, 커널-부분최소자승법 또는 LS-SVM(Least Square Support Vector Machine) 중에서 적어도 하나를 이용한 모델인 것을 특징으로 하는 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법을 제공한다.
본 발명의 일 측면에 따르면, 실험자나 관련업무 종사자들이 경험적인 방법이나 이론적인 방법에 의존하여 어려움을 겪었던 이산화탄소 포집공정에서 얻어지는 목표변수인 반응생성물의 참값 또는 정확한 예측치의 신속한 습득이 가능하다.
본 발명의 다른 측면에 따르면, 온라인상에서 다양한 회귀분석모델을 통하여 최적의 회귀분석모델을 찾아내어 이산화탄소 포집공정의 최적화에 적용할 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시형태를 설명한다. 그러나, 본 발명의 실시형태는 여러 가지의 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시형태로만 한정되는 것은 아니다. 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있으며, 도면상의 동일한 부호로 표시되는 요소는 동일한 요소이다.
도 1은 본 발명의 이산화탄소 흡수 및 재생을 위한 이산화탄소 포집반응기의 구성도이다. 도 1을 참조하면, 암모니아가 채워져 있는 교반조(10)에 질소(N2)와 산소(O2)가 유입되면 교반조(10) 하부의 자석교반기(900)에 의해 교반되고, 질소(N2)와 산소(O2)가 흡수된 암모니아 수용액은 pH 센서(400) 및 온도센서(500)에 의해 각각 pH 및 온도가 측정된다. 자석교반기(900)는 흡수공정에서 흡수효율을 높이기 위한 것인데, 재생공정에서는 재생효율을 높이기 위해 히팅 멘틀(heating mentle)에 의해 열을 공급한다.
또한, 교반조(10)의 질소(N2)와 산소(O2)가 흡수된 암모니아는 모터에 의해 펌프(600)가 구동하여 흡수탑(300) 상부로 보내어지고, 이 과정에서 전기전도도 센서(700)에 의해 전기전도도가 측정된다.
또한, 흡수탑(300) 상부에서 암모니아는 응축기(200)에서 응축되어 이산화탄소 농도 검출기(100)로 보내어져 이산화탄소의 농도가 분석되고, 응축기(200)에서 응축된 암모니아는 순환기(800)에 의해 응축기(800) 하부로 보내어진다.
연산수단(1000)은 온라인상에서 이산화탄소 포집공정을 통해 pH 센서(400), 온도센서(500), 전기전도도 센서(700), 이산화탄소 농도 검출기(100)로부터 각각 검출된 pH, 온도, 전기전도도, 이산화탄소 농도에 관한 데이터를 수신한다. 그리 고, 연산수단(1000)은 상태변수인 pH, 온도, 전기전도도, 이산화탄소 농도를 변동변수로 설정하고, 변동변수에 의해 얻어지는 반응생성물의 농도를 목표변수로 설정한다. 반응생성물은 수산화이온, 중탄산염이온, 탄산염이온, 카바메이트이온, 황산염이온, 질산염이온일 수 있다.
또한, 연산수단(1000)은 목표변수를 예측하기 위해 회귀분석모델을 모델링하고, 회귀분석모델을 통하여 변동변수의 변화에 따른 반응생성물의 농도를 예측한다.
도 2는 본 발명의 다양한 회귀분석모델을 통하여 흡수공정 및 재생공정에서 얻어지는 수산화이온, 중탄산염이온, 탄산염이온의 농도 보정결과 및 예측결과이다. 실험방법을 설명하면, 이산화탄소 포집공정에 기반한 암모니아로부터 샘플들을 추출하였다. 추출된 샘플들은 총 73개인데, 39개는 흡수공정에서 추출되었고, 34개는 재생공정에서 추출되었다.
RMSEC(Root Mean Square Error of Calibration)는 이산화탄소가 흡수된 암모니아의 pH, 온도, 전기전도도, 이산화탄소 농도를 변동변수로 하여 수산화이온, 중탄산염이온, 탄산염이온의 농도를 보정하여 얻은 결과이고, RMSEP(Root Mean Square Error of Prediction)는 RMSEC의 보정결과를 이용하여 수산화이온, 중탄산염이온, 탄산염이온의 농도를 예측하여 얻은 결과이다.
이때, 습식분석방법을 사용하였으며, 임의의 농도의 산용액으로 pH를 8.2와 4.5까지 낮추기까지 소요된 산용액의 소모량을 바탕으로 수산화이온(OH-), 중탄산염이온(HCO3 -), 탄산염이온(CO3 2-)의 농도를 결정하였다.
도 2를 살펴보면, RMSEC(Root Mean Square Error of Calibration)와 RMSEP(Root Mean Square Error of Prediction)의 각각의 경우에 흡수공정과 재생공정에 대하여 각각 수산화이온(OH-), 중탄산염이온(HCO3 -), 탄산염이온(CO3 2-)의 농도가 표기되어 있다. 이때, 사용된 회귀분석모델은 다중회귀분석법 (Multiple Linear Regression, MLR), 주성분회귀분석법(Principle Component Regression, PCR), 신경회로망-부분최소자승법(Neural Network Partial Least Squares, NNPLS), 커널-부분최소자승법(Kernel Partial Least Squares, KPLS), LS-SVM(Least Square Support Vector Machine)이 이용되었다.
각 회귀분석모델을 통해 예측된 농도를 비교해보면, LS-SVM가 가장 오차가 적은 결과를 보이고 있으므로, LS-SVM이 최적의 회귀분석모델이라고 할 수 있으며, 이산화탄소 포집공정의 최적화에 적용할 수 있다.
도 3은 본 발명의 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법의 흐름도이다.
먼저, 연산수단(1000)을 이용하여 온라인상에서 이산화탄소 포집공정을 통해 측정되는 상태변수를 변동변수로 설정한다(S100). 이때, 연산수단(1000)을 이용하 여 측정되는 상태변수는 데이터 마이닝(data mining)을 이용하여 측정된다.
그 이후에, 연산수단(1000)을 이용하여 온라인상에서 이산화탄소 포집공정을 통해 변동변수에 의해 얻어지는 반응생성물의 농도를 목표변수로 설정한다(S200).
그 이후에, 연산수단(1000)을 이용하여 목표변수를 예측하기 위해 수학식 1과 같은 회귀분석모델을 모델링한다(S300). 즉, 연산수단(1000)을 이용하여S100 단계의 설정된 변동변수와 S200 단계에서 설정된 목표변수를 이용하여 수학식 1과 같은 회귀분석모델을 모델링하는 것이다.
여기서, x1, x2, x3, x4는 변동변수이고, y는 목표변수이며, a, b, c, d는 상수이다. 즉, x1, x2, x3, x4는 이산화탄소가 흡수된 암모니아의 pH, 온도, 전기전도도, 이산화탄소 농도에 해당하고, y는 수산화이온, 중탄산염이온, 탄산염이온, 카바메이트이온, 황산염이온, 질산염이온과 같은 반응생성물의 농도에 해당한다.
S300 단계의 회귀분석모델은 수리적 모델, 통계적 모델, 수리적 모델과 통계적 모델을 조합한 모델일 수 있으며, 다중회귀분석법, 주성분회귀분석법, 부분최소자승법, 신경회로망-부분최소자승법, 커널-부분최소자승법, LS-SVM (Least Square Support Vector Machine)이 사용될 수 있다.
그 이후에, 연산수단(1000)을 이용하여 회귀분석모델을 통하여 변동변수의 변화에 따른 반응생성물의 농도를 예측한다(S400). 즉, 수학식 1에서 변동변수 x1, x2, x3, x4가 정해지면 연산수단(1000)이 회귀분석모델을 통하여 목표변수인 반응생성물의 농도 y를 예측할 수 있는 것이다.
본 발명은 상술한 실시형태 및 첨부된 도면에 의해 한정되지 아니한다. 첨부된 청구범위에 의해 권리범위를 한정하고자 하며, 청구범위에 기재된 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 형태의 치환, 변형 및 변경이 가능하다는 것은 당 기술분야의 통상의 지식을 가진 자에게 자명할 것이다.
도 1은 본 발명의 이산화탄소 흡수 및 재생을 위한 이산화탄소 포집반응기의 구성도이다.
도 2는 본 발명의 다양한 회귀분석모델을 통하여 흡수공정 및 재생공정에서 얻어지는 수산화이온, 중탄산염이온, 탄산염이온의 농도 측정결과 및 예측결과이다.
도 3은 본 발명의 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법의 흐름도이다.
<도면의 주요 부분에 대한 부호의 설명>
10 : 교반조 100 : 농도 검출기
200 : 응축기 300 : 흡수탑
400 : pH 센서 500 : 온도센서
600 : 펌프 700 : 전기전도도 센서
800 : 순환기 900 : 교반기 또는 히팅 멘틀
1000 : 연산수단
Claims (5)
- 온라인상에서 이산화탄소 포집공정을 통해 측정되는 상태변수를 변동변수로 설정하는 단계;온라인상에서 이산화탄소 포집공정을 통해 상기 변동변수에 의해 얻어지는 반응생성물의 농도를 목표변수로 설정하는 단계;상기 목표변수를 예측하기 위해 회귀분석모델을 모델링하는 단계; 및상기 회귀분석모델을 통하여 상기 변동변수의 변화에 따른 반응생성물의 농도를 예측하는 단계;를 포함하여 구성된 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법.
- 제1항에 있어서,상기 상태변수는 이산화탄소가 흡수된 암모니아의 pH, 온도, 전기전도도 또는 이산화탄소 농도 중에서 적어도 하나인 것을 특징으로 하는 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법.
- 제1항에 있어서,상기 반응생성물은 수산화이온, 중탄산염이온, 탄산염이온, 카바메이트이온, 황산염이온 또는 질산염이온 중에서 어느 하나인 것을 특징으로 하는 회귀분석모델 을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법.
- 제1항에 있어서,상기 회귀분석모델은 수리적 모델, 통계적 모델, 수리적 모델과 통계적 모델을 조합한 모델 중에서 어느 하나인 것을 특징으로 하는 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법.
- 제1항에 있어서,상기 회귀분석모델은 다중회귀분석법, 주성분회귀분석법, 부분최소자승법, 신경회로망-부분최소자승법, 커널-부분최소자승법 또는 LS-SVM(Least Square Support Vector Machine) 중에서 적어도 하나를 이용한 모델인 것을 특징으로 하는 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090134893A KR101107301B1 (ko) | 2009-12-30 | 2009-12-30 | 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090134893A KR101107301B1 (ko) | 2009-12-30 | 2009-12-30 | 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20110078156A true KR20110078156A (ko) | 2011-07-07 |
KR101107301B1 KR101107301B1 (ko) | 2012-01-20 |
Family
ID=44917657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020090134893A KR101107301B1 (ko) | 2009-12-30 | 2009-12-30 | 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101107301B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101483514B1 (ko) * | 2013-04-23 | 2015-01-20 | 재단법인 포항산업과학연구원 | 적외선 분광법을 이용한 이산화탄소 포집공정의 반응 생성물 농도 예측방법 및 이를 이용한 포집 반응기 |
CN116127729A (zh) * | 2022-12-28 | 2023-05-16 | 青芥一合碳汇(武汉)科技有限公司 | 基于线性动态模型的二氧化碳捕集精准预测方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100682888B1 (ko) * | 2004-02-11 | 2007-02-15 | 삼성전자주식회사 | 가중된 회귀모델 결정 방법 및 이를 이용한 혼합물의 성분농도 예측 방법 |
KR100851520B1 (ko) | 2005-12-28 | 2008-08-11 | 한국건설기술연구원 | 통계적 분석기법을 이용한 지하 공간의 대기 환경 예측장치 및 방법 |
KR100912345B1 (ko) * | 2008-01-07 | 2009-08-14 | 주식회사 실트론 | 단결정 성장 공정 파라미터를 이용한 산소농도 예측방법 및그 프로그램이 기록된 기록매체 |
-
2009
- 2009-12-30 KR KR1020090134893A patent/KR101107301B1/ko active IP Right Grant
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101483514B1 (ko) * | 2013-04-23 | 2015-01-20 | 재단법인 포항산업과학연구원 | 적외선 분광법을 이용한 이산화탄소 포집공정의 반응 생성물 농도 예측방법 및 이를 이용한 포집 반응기 |
CN116127729A (zh) * | 2022-12-28 | 2023-05-16 | 青芥一合碳汇(武汉)科技有限公司 | 基于线性动态模型的二氧化碳捕集精准预测方法及系统 |
CN116127729B (zh) * | 2022-12-28 | 2023-08-15 | 青芥一合碳汇(武汉)科技有限公司 | 基于线性动态模型的二氧化碳捕集精准预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
KR101107301B1 (ko) | 2012-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | Current status and challenges of the ammonia-based CO2 capture technologies toward commercialization | |
Niu et al. | Experimental studies and rate-based process simulations of CO2 absorption with aqueous ammonia solutions | |
Bui et al. | Flexible operation of CSIRO's post-combustion CO2 capture pilot plant at the AGL Loy Yang power station | |
Mathias et al. | Quantitative evaluation of the chilled-ammonia process for CO2 capture using thermodynamic analysis and process simulation | |
Aronu et al. | Solubility of CO2 in 15, 30, 45 and 60 mass% MEA from 40 to 120 C and model representation using the extended UNIQUAC framework | |
Helei et al. | Technology development and applications of artificial intelligence for post-combustion carbon dioxide capture: Critical literature review and perspectives | |
CN114191953B (zh) | 一种基于卷积神经网络和XGBoost的烟气脱硫脱硝控制方法 | |
Ahn et al. | Determination of ammonium salt/ion speciation in the CO2 absorption process using ammonia solution: Modeling and experimental approaches | |
Kalatjari et al. | Experimental, simulation and thermodynamic modeling of an acid gas removal pilot plant for CO2 capturing by mono-ethanol amine solution | |
Darde et al. | CO2 capture using aqueous ammonia: kinetic study and process simulation | |
Ortiz | A simple realistic modeling of full-scale wet limestone FGD units | |
Liu et al. | Toward rational selection of amine solutions for PCC applications: CO2 absorption kinetics and absorption heat in tertiary aqueous solutions | |
Leimbrink et al. | Pilot scale testing and modeling of enzymatic reactive absorption in packed columns for CO2 capture | |
KR101107301B1 (ko) | 회귀분석모델을 통한 이산화탄소 포집공정의 반응생성물 농도 예측방법 | |
CN116983819A (zh) | 烟气脱硫洗涤塔及其方法 | |
KR101254978B1 (ko) | 모델식을 이용한 이산화탄소 포집공정의 반응생성물 농도 예측방법 및 이를 이용한 포집 반응기 | |
Amirkhosrow et al. | Rigorous rate-based model for CO2 capture via monoethanolamine-based solutions: effect of kinetic models, mass transfer, and holdup correlations on prediction accuracy | |
CN113505497B (zh) | 湿法烟气脱硫吸收塔浆液品质监测方法及系统 | |
CN103529161A (zh) | 选择性催化还原法脱硝系统催化剂活性的检测装置和方法 | |
Atzori et al. | CO2 absorption in aqueous NH3 solutions: Novel dynamic modeling of experimental outcomes | |
Hosseinpour et al. | Machine learning in absorption-based post-combustion carbon capture systems: A state-of-the-art review | |
du Preez et al. | Determining the liquid phase equilibrium speciation of the CO2–MEA–H2O system using a simplified in situ fourier transform infrared method | |
Aouini et al. | Study of carbon dioxide capture from industrial incinerator flue gas on a laboratory scale pilot | |
WO2017077914A1 (ja) | アミン吸収液の二酸化炭素濃度分析システム、二酸化炭素回収システムおよびその運転方法 | |
KR101483514B1 (ko) | 적외선 분광법을 이용한 이산화탄소 포집공정의 반응 생성물 농도 예측방법 및 이를 이용한 포집 반응기 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20141104 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20160105 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20170103 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20180108 Year of fee payment: 7 |
|
FPAY | Annual fee payment |
Payment date: 20190104 Year of fee payment: 8 |