Biyokütle Pirolitik Sıvısı Üst Isıl Değerinin Hammadde Özellikleri ve Proses Koşullarına Bağlı Olarak İleri Beslemeli Yapay Sinir Ağları Kullanılarak Tahmini

Abstract

Fosil yakıtlar; çevre kirliliğine, olumsuz iklim değişikliklerine, yüksek düzeyde istenmeyen gazlara ve karbondioksit artışına neden olan en yaygın problemlerin başında gelmektedir. Biyo-yağ üretmek için biyokütlenin pirolizinin kullanılması, çevre kirliliği ve küresel ısınma sorunlarını çözmek için en umut verici çözümlerden biridir. Biyo-yağlar, düşük maliyetleri ve doğadaki bollukları ile fosil yakıtlardan ayrılmaktadır. Biyo-yağların üst ısıl değerinin ölçülmesi, enerji analizlerinin önemli bir yöntemi olan bomba kalorimetre yardımıyla gerçekleştirilir ancak bu yöntem uygulanışının uzun sürmesi ve deneysel hataya çok düşülmesi gibi birçok dezavantajı da içerir. Bunedenle bu çalışmada yapay sinir ağı ve bazı yapay zeka algoritmaları kullanılarak biyo-yağ üst ısıl değerini tahmini için bir model oluşturulmuştur. Bunun için daha önceki literatür çalışmalarından 137 biyokütle örneğine ait sonuçlar toplanarak bir veri tabanı oluşturulmuştur. Bu veriler, biyokütle türü için yakın analiz ve nihai analiz sonuçları, piroliz sıcaklığı, biyo-yağ üretim verimi, kullanılan ısıtma hızı ve biyo-yağın ölçülen üst ısıl değerden oluşmaktadır. Kullanılan veri tabanı, kanalizasyon çamurundan tarımsal atıklara, orman kalıntılarından yosunlara kadar farklı biyokütle türlerini içerir.Çalışmamızda modelleme sürecinden elde edilen tahmin sonuçları deneysel olarak ölçülen verilerle karşılaştırılmıştır. R2> 0.99 ve RMSE sıfıra yaklaşık olarak elde edilmiştir.Yakın analiz ve proses koşullarına ait veriler kullanılarak oluşturulan model için MSE, MAPE, RMSE, MAE ve R2 değerleri sırasıyla 0.417, 1.072, 0.646, 0.287 ve 0.9920 olarak hesaplanmıştır. Sunulan model, Nihai analiz ve proses koşullarına ait veriler kullanılarak oluşturulan model için MSE, MAPE, RMSE, MAE ve R2 değerleri sırasıyla 0.11, 0.821, 0.332, 0.199 ve 0.9980 olarak hesaplanmıştır.Geliştirilen bu model, biyo-yağ üst ısı değerinin hesaplanmasında hızlı ve yüksek doğrulukta sonuç veren bir alternatif yöntem olarak kullanım potansiyeline sahiptir.Fossil fuels are among the most common problems that cause environmental pollution, negative climate changes, high levels of unwanted gases, and an increase in carbon dioxide. The use of pyrolysis of biomass to produce bio-oils is one of the most promising solutions to solve the problems of environmental pollution and global warming. Bio-oils are distinguished from fossil fuels by their low cost and abundance in nature .The higher heating value of bio-oils is one of the most important basic characteristics of energy analysis, which is measured using a bomb calorimeter, but this method contains many disadvantages as it takes a longer time in addition to that it results in many experimental errors during measurement.In this study, thus, a model for the prediction of bio-oil HHV was created by applying the artificial neural network and using some artificial intelligence algorithms. For this, a database was created by collecting the results of 137 biomass samples from previous literature studies. These data consist of the proximate analysis and the ultimate analysis results for biomass type, pyrolysis temperature, bio-oil production , heating rate and the higher heating value of bio-oil measured. The database used includes different types of biomass, from sewage sludge to agricultural wastes, from forest residues to algae. In our study, the estimation results obtained from the modeling process were compared with the experimentally measured data. R2 > 0.99 and RMSE nearly zero.MSE, MAPE, RMSE, MAE and R2 values were calculated as 0.417, 1.072, 0.646, 0.287 and 0.9920, respectively, for the model created using proximate analysis and process conditions data. MSE, MAPE, RMSE, MAE and R2 values were calculated as 0.11, 0.821, 0.332, 0.199 and 0.9980, respectively, for the model created using the presented model, ultimate analysis and process conditions data.This developed model has the potential to be used as an alternative method that provides fast and high accuracy in calculating the higher heating value of bio-oil.