当前位置：首页 > 论文 > 2024 > 05

论文

基于机器学习的废塑料热解制燃料模型构建研究

收稿日期：2024-05-20 修回日期：2024-06-24 接受日期：2024-10-10

DOI:10.20078/j.eep.20240704

免费下载 免费下载 2024年05期

    摘要：废塑料热解制油(如航空燃料)与合成气(一氧化碳和氢气)是回收利用废塑料的重要途径。原料类型、工况条件等因素对热解产物产生重要影响,这使得热解过程的反应机理较为复杂,需通过大量实验数据探究反应规律,且实验成本高。机器学习具有数据处理量大、便于... 展开+
    摘要：

    废塑料热解制油(如航空燃料)与合成气(一氧化碳和氢气)是回收利用废塑料的重要途径。原料类型、工况条件等因素对热解产物产生重要影响,这使得热解过程的反应机理较为复杂,需通过大量实验数据探究反应规律,且实验成本高。机器学习具有数据处理量大、便于提炼统计规律的优势,可降低成本与研究难度。因此,基于多种机器学习算法,利用以无催化和分子筛催化剂催化为主体的数据构建模型,对原料热解进行研究。结果表明,在选取的几种模型中,梯度提升回归算法(GBR)对热解油产率的预测具有最好的拟合性能(R^2=0.91,RMSE=7.78),而自适应提升算法(AdaBoost)对热解气产率的预测具有最好的拟合性能(R^2=0.83,RMSE=6.42),因此用于预测反应条件。通过排列重要性分析与单依赖性分析,在加热速率约为20℃/min、温度为500℃时,油料的产率较高。同时,对热解油产率与反应温度、加热速率和反应时间3个条件进行了双依赖性分析。量化了加热速率、热解温度等反应条件对废塑料热解油气产率的影响,为废塑料回收的生产实践提供了理论基础。

    收起-

    作者：

    • 谌思罕1
    • 袁志龙1
    • 王晔1
    • 孙轶斐1,2,3,*

    作者简介

    作者简介：谌思罕(2003—),男,贵州贵阳人,硕士研究生,主要研究方向为固体废物能源转化。E-mail:20375266@buaa.edu.cn
    通讯作者：孙轶斐(1973—),女,辽宁丹东人,教授,主要研究方向为固体废物能源转化。E-mail:sunif@buaa.edu.cn

    单位

    • 1. 北京航空航天大学 能源与动力工程学院, 北京 102206
    • 2. 海南大学 环境科学与工程学院, 海南海口 570228
    • 3. 北京航空航天大学 国际交叉科学研究院 先进能源与碳中和研究中心, 北京 100191

    关键字

    • 废塑料热解
    • 分子筛催化剂
    • 机器学习
    • 梯度提升算法
    • 依赖性分析

    基金项目

    国家自然科学基金资助项目(U23B20166,22206011)

    引用格式

    谌思罕, 袁志龙, 王晔, 等. 基于机器学习的废塑料热解制燃料模型构建研究[J]. 能源环境保护, 2024, 38(5): 127-134.

    CHEN Sihan, YUAN Zhilong, WANG Ye, et al. Study of model construction of fuel production from waste plastic pyrolysis based on machine learning[J]. Energy Environmental Protection, 2024, 38(5): 127-134.

    • 作者中心
    • 在线期刊

    最新更新

    地址：浙江省杭州市萧山区拱秀路288号煤科大厦
    邮编：311201
    编辑部电话：0571-82989702；19558121964
    编辑部邮箱：office@eep1987.com
    网站版权©《能源环境保护》编辑部  浙ICP备06000902号-4