[发明专利]脱碳吸收剂降解程度测定方法、装置及船舶管理系统

说明书

本发明提供一种脱碳吸收剂降解程度测定方法、装置及船舶管理系统，所述方法包括将来自所述二氧化碳捕集与封存系统的系统参数样本和目标结果输入至构建的神经网络模型，并对所述神经网络模型进行训练，以得到所述神经网络模型的目标参数；基于所述目标参数，将所述二氧化碳捕集与封存系统监测到的系统参数输入至已训练好的所述神经网络模型，以得到所述脱碳吸收剂降解程度的预测值。本发明通过所述神经网络模型能够直接利用二氧化碳捕集与封存系统输出的系统参数对脱碳吸收剂降解程度提供实时预测。

技术领域

本发明涉及温室气体治理技术领域，尤其涉及一种脱碳吸收剂降解程度测定方法、装置及船舶管理系统。

背景技术

化石燃料的燃烧是大气CO2的主要源头，人类生产生活中的各种设备特别是交通运输工具，例如船舶等每年燃烧大量的碳氢燃料，因此向大气排放着大量CO2温室气体，造成全球平均气温不断攀升。从技术层面来看，相较于物理吸附法等其它技术方案，基于有机胺吸收剂的化学吸收法因为系统成熟度高、经济性好等特点备受关注，但陆用电厂的二氧化碳捕集与封存系统(称为CCS系统)试验已经说明有机胺吸收剂存在降解变质的问题，因而在船舶CCS系统中，也急需开发一种现场实时的脱碳吸收剂降解程度测定方法。

发明内容

本发明提供一种脱碳吸收剂降解程度测定方法、装置及船舶管理系统，用以解决现有技术中不能实时获知脱碳吸收剂是否存在降解变质的问题。

第一方面，本发明提供一种脱碳吸收剂降解程度测定方法，应用于二氧化碳捕集与封存系统，所述方法包括：

将来自所述二氧化碳捕集与封存系统的系统参数样本和目标结果输入至构建的神经网络模型，并对所述神经网络模型进行训练，以得到所述神经网络模型的目标参数；

基于所述目标参数，将所述二氧化碳捕集与封存系统监测到的系统参数输入至已训练好的所述神经网络模型，以得到所述脱碳吸收剂降解程度的预测值。

在本发明一实施例中，所述系统参数包括反映所述二氧化碳捕集与封存系统的状态参数和反映所述脱碳吸收剂降解过程的时间序列参数，

其中，所述状态参数包括以下一种或多种组合：

吸收塔与再生塔的塔高、直径，以及塔内设备的结构参数；

吸收塔与再生塔塔内的压力、温度以及再沸器功率的运行参数；

有机胺的种类、初始浓度、流量的物性与内因参数；

其中，所述时间序列参数包括以下一种或多种组合：

吸收塔与再生塔的塔顶气种类及其浓度；

吸收塔与再生塔的塔底降解物种类及其浓度。

在本发明一实施例中，所述将来自所述二氧化碳捕集与封存系统的系统参数样本和目标结果输入至构建的神经网络模型的步骤包括：

将系统参数样本x＝[x_l1，x_l2，x_l3，x_l4(4)，x_l5(t)]和表示降解程度的目标结果y输入至所述神经网络模型；

其中，x_l1表示吸收塔与再生塔的塔高、直径，以及塔内设备的结构参数，x_l2表示吸收塔与再生塔塔内的压力、温度以及再沸器功率的运行参数，x_l3表示有机胺的种类、初始浓度、流量的物性与内因参数，x_l4(t)表示吸收塔与再生塔的塔顶气种类及其浓度变化时间序列累积数据，x_l5(t)表示吸收塔与再生塔的塔底降解物种类及其浓度变化时间序列累积数据。