Zastosowanie sztucznej inteligencji do estymacji parametrów fizycznych gazu ziemnego z dodatkiem wodoru

• Autorzy: Łaciak Mariusz , Panek Wojciech

Identyfikatory

DOI

10.15199/62.2025.5.4

Warianty tytułu

EN

Application of artificial intelligence to estimate physical parameters of natural gas with hydrogen addition

• Języki publikacji: PL

Abstrakty

PL

Przedstawiono możliwość wykorzystania wybranych modeli uczenia maszynowego do estymacji parametrów fizycznych gazu ziemnego, opisujących jego jakość, na podstawie której następuje rozliczanie się z odbiorcami. Obecnie często stosowane na szeroką skalę metody wykorzystują w tym celu założony skład gazu ziemnego oraz równania wirialne. Są przez to opatrzone pewną niedokładnością. Prezentowane rozwiązanie może być alternatywą. Metodologia zakładała użycie ograniczonej liczby danych wejściowych, które są zbierane na stacjach redukcyjno-pomiarowych oraz wykorzystywała zmiany temperatury gazu w wyniku efektu Joule'a i Thompsona, zachodzącego podczas redukcji ciśnienia. Modele stworzone na danych syntetycznych pokazują, że estymacja takich parametrów, jak współczynnik ściśliwości Z oraz gęstość gazu może być bardzo dokładna.

EN

The possibility of using selected machine learning models (multiple regression - MLR, random forest - RF, artificial neural network - ANN) to estimate phys. parameters (compressibility coeff. Z, d. of the gas mixt., heat of combustion of the mixt., H2 content in the mixt.) of natural gas describing its qual. was presented. The methodology assumed the use of a limited amt. of input data, which were collected at redn. and measurement stations, and used changes in gas temp. as a result of the Joule-Thompson effect, occurring during pressure redn. Models built on synthetic data show that the estimation of parameters such as the compressibility factor Z and gas d. can be very accurate.

Słowa kluczowe

PL

gaz ziemny; uczenie maszynowe; wodór; termodynamika

EN

natural gas; machine learning; hydrogen; thermodynamics

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przemysł Chemiczny
• Rocznik: 2025
• Tom: T. 104, nr 5
• Strony: 560--565
• Opis fizyczny: Bibliogr. 35 poz., tab., wykr.

Twórcy

autor

Łaciak Mariusz

• Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

• https://orcid.org/0000-0002-7450-7045

autor

Panek Wojciech

• Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, al. Adama Mickiewicza 30, 30-059 Kraków

• https://orcid.org/0009-0001-6405-4628

Bibliografia

• [1] P. Martin i in., Energy Sci. Eng. 2024, 12, 3995.
• [2] K. Ligęza, M. Łaciak, B. Ligęza, Energies 2023, 16, 6301.
• [3] J. Jaworski i in., Nafta-Gaz 2019, 10, 625.
• [4] A. Jedlikowski i in., Gaz Woda Tech. Sanitarna 2023, nr 12, 10.
• [5] D. Koroteev, Z. Tekic, Energy AI 2021, 3, 100041.
• [6] F. I. Syed i in., J. Petroleum Explor. Prod. Technol. 2021, 11, 3509.
• [7] W. Panek, T. Włodek, Energies 2022, 15, 348.
• [8] J. Grzegorzewska, W. Grządzielski, T. M. Mróz, Instal 2014, 6, 10.
• [9] Rozporządzenie Ministra Gospodarki z dnia 26 kwietnia 2013 r. w sprawie warunków technicznych, jakim powinny odpowiadać sieci gazowe i ich usytuowanie, Dz.U. 2013, poz. 640.
• [10] Certyfikat badania typu WE PL-MI002-1450CQ0001, Instytut Nafty i Gazu, 2015.
• [11] T. Włodek, K. Polański, W. Panek, Przem. Chem. 2019, 98, nr 5, 817.
• [12] A. Raj i in., Int. J. Hydrogen Energy 2024, 60, 136.
• [13] Ł. Zabrzeski, P. Janusz, K. Liszka, M. Łaciak, A. Szurlej, Mat. Międzynarodowej Konf. „International Conference on the Sustainable Energy and Environmental Development”, Kraków, 14–17 listopada 2017 r., 214.
• [14] J. Li, Y. Su, P. Weng, D. Sun, ACS Omega 2021, 6, 26.
• [15] M. Farzaneh-Gord, M. Farsiani, A. Arabkoohsar, J. Nat. Gas Sci. Eng. 2015, 26, 1018.
• [16] S. Nuthakki, C. Kulkarni Shripad, S. Kathiriya, Y. Nuthakki, Int. J. Eng. Adv. Tech. (IJEAT) 2024, 13, 3.
• [17] M. Farzaneh-Gord i in., J. Petrol. Sci. Eng. 2021, 202, 108427.
• [18] J. Szopik, P. Muchel, Energy 2023, 12, 263.
• [19] J. Hu, Z. Yang, H. Su, Energies 2023, 16, 2.
• [20] A. Ghanem, M.F. Gouda, R.D. Alharathy, S.M. Desouky, Energies 2022, 15, 5.
• [21] A. Khosravi, L. Machado, R.O. Nunes, J. Petrol. Sci. Eng. 2018, 168, 201.
• [22] Rozporządzenie Ministra Klimatu i Środowiska z dnia 6 sierpnia 2022 r. zmieniające rozporządzenie w sprawie szczegółowych warunków funkcjonowania systemu gazowego, Dz.U. 2022, poz. 1899.
• [23] C. Wang, A. Jia, Z. Guo, S. Huang, X. Shi, F. Cui, Energies 2023, 16, 105.
• [24] M. Farzaneh-Gord, B. Mohseni-Gharyehsafa, A. Toikka, I. Zvereva, J. Nat. Gas Sci. Eng. 2018, 57, 310.
• [25] P. Ulbig, D. Hoburg, Thermochim. Acta 2002, 328, 27.
• [26] Obwieszczenie Ministra Energii z dnia 16 maja 2018 r. w sprawie ogłoszenia jednolitego tekstu rozporządzenia Ministra Gospodarki w sprawie szczegółowych warunków funkcjonowania systemu gazowego, Dz.U. 2018, poz. 1158.
• [27] R. M. Pratt, Chem. Eng. Edu. 2001, 35, 112.
• [28] L. Fahrmeir, T. Kneib, S. Lang, B. Marx, Regression. Models, methods and applications, Springer, Berlin 2013.
• [29] M. Pal, P. Bharati, Introduction to correlation and linear regression analysis [in:] Applications of regression techniques, Springer, Berlin 2019.
• [30] L. Breiman, Machine Learning 2001, 45, 5.
• [31] A. F. Agarap, arXiv 2019, 1803.08375.
• [32] A. Saha, V. C. Raykar, Mat. Międzynarodowej Konf. „ECML-PKDD”, Porto, 7-11 września 2015 r., 9284.
• [33] T. Hastie, R. Tibshirani, J. Freidman, The elements of statistical learning, Springer, Berlin 2009.
• [34] J. Gareth, D. Witten, T. Hastie, R. Tibshirani, J. Taylor, An introduction to statistical learning with applications in Python, Springer, Berlin 2023.
• [35] M. Farzaneh-Gord i in., Renew. Energy 2019, 147, 179.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki (2025).