Wyniki wyszukiwania - BazTech

1

Wykorzystanie osadu ściekowego do produkcji paliw gazowych

Żogała Alina, Głodniok Marcin

Przemysł Chemiczny

|

2019

|

T. 98, nr 3

389--393

PL

Przeanalizowano zagadnienia związane z termicznym przekształcaniem osadów ściekowych. W ramach badań własnych przeprowadzono modelowanie zgazowania osadów ściekowych, charakteryzujących się wysoką zawartością frakcji organicznej. Uzyskane wyniki zestawiono z rzeczywistymi parametrami biogazu celem wskazania optymalnych kierunków zagospodarowania osadów.

EN

Sewage sludge samples from sewage treatment plant were dewatered by centryfuging, and analyzed for chem. compn. and phys. properties. The gasification conducted in presence of 3 gazyfying agents (O₂, air and steam) was math. modeled. Compn. of the syngas was calcd. by using the stoichiometric equil. model of the gasification process. Combustion of the syngas and biogas showed much lower CO₂ emission than of sewage sludge.

2

Potencjał technologiczny polskich węgli kamiennych : nowe podejście do oceny przydatności dla czystych technologii węglowych

Rzychoń Maciej, Żogała Alina

Przemysł Chemiczny

|

2019

|

T. 98, nr 2

226--233

PL

Zaprezentowano ideę potencjału technologicznego, czyli wieloaspektowego zbioru parametrów i wskaźników opisujących możliwość wykorzystania węgli w określonych technologiach przetwórczych. Wartości tego potencjału obliczono dla sześciu polskich węgli kamiennych, a następnie dokonano oceny ich przydatności w technologiach spalania oraz zgazowania. Stwierdzono, że nowe podejście, bazujące na idei potencjału technologicznego może stanowić uzupełnienie do klasycznej klasyfikacji węgli. Ze względu na swoją elastyczność metodyka ta może być również rozwijana o dodatkowe parametry i składowe oraz modyfikowana na potrzeby innych technologii wykorzystania węgla.

EN

An idea of a technol. potential was defined as a set of parameters and indicators describing the possibility of using coal in sp. technol. The values of technological potential were evaluated for six Polish hard coals and then suitability of the coals for combustion and gasification was assessed. The new approach, based on the idea of technol. potential, was used for classification of coals. The algorithm may be modified with addnl. parameters and adjusted to another technols. of coal utilization.

3

Selection of optimal coal blends in terms of ash fusion temperatures using Support Vector Machine (SVM) classifier - a case study for Polish coals

Żogała Alina, Rzychoń Maciej, Łączny Jacek M., Róg Leokadia

Physicochemical Problems of Mineral Processing

|

2019

|

Vol. 55, iss. 5

1311--1322

EN

One of the most important criteria for selecting coal for a given technology are the ash Fusion temperatures (AFTs). An effective way to regulate the AFTs so that they meet the criteria for a given industrial application is to form blends of different coals. The values of the AFTs in the blends are nonadditive, therefore they can't be calculated using the weighted average of the blend components. On the other hand, direct determination of ATFs values requires many additional time-consuming and expensive laboratory tests. Therefore, it is important to develop a solution that, in addition to the effective prediction of the values of AFTs, will also enable optimal selection of components of the blend in terms of its key parameters. The aim of the work was to develop an algorithm for the selection of the optimal coal blends in terms of AFTs for given industrial applications. This algorithm uses nonlinear classifying model which was built using machine learning method, support vector machine (SVM). To carry out the training samples of Polish hard coals from different mines of the Upper Silesian Coal Basin were used. The accuracy of the developed model is 92.3%. The results indicate the effectiveness of the proposed solution, which can find practical application in the form of an expert system used in the coal industry. The paper presents the concept of developed IT tool which has been tested for a selected case.

4

Prediction of quality parameters of a dry air separation product using machine learning methods

Żogała Alina, Rzychoń Maciej

Gospodarka Surowcami Mineralnymi

|

2019

|

T. 35, z. 2

119--138

EN

The purpose of the work was to predict the selected product parameters of the dry separation process using a pneumatic sorter. From the perspective of application of coal for energy purposes, determination of process parameters of the output as: ash content, moisture content, sulfur content, calorific value is essential. Prediction was carried out using chosen machine learning algorithms that proved to be effective in forecasting output of various technological processes in which the relationships between process parameters are non-linear. The source of data used in the work were experiments of dry separation of coal samples. Multiple linear regression was used as the baseline predictive technique. The results showed that in the case of predicting moisture and sulfur content this technique was sufficient. The more complex machine learning algorithms like support vector machine (SVM) and multilayer perceptron neural network (MPL) were used and analyzed in the case of ash content and calorific value. In addition, k-means clustering technique was applied. The role of cluster analysis was to obtain additional information about coal samples used as feed material. The combination of techniques such as multilayer perceptron neural network (MPL) or support vector machine (SVM) with k-means allowed for the development of a hybrid algorithm. This approach has significantly increased the effectiveness of the predictive models and proved to be a useful tool in the modeling of the coal enrichment process.

PL

Celem pracy było prognozowanie wybranych parametrów produktu procesu suchej separacji za pomocą sortera pneumatycznego. Z punktu widzenia zastosowania węgla do celów energetycznych niezbędne jest określenie parametrów procesowych wydobycia, takich jak: zawartość popiołu, zawartość wilgoci, zawartość siarki czy wartość kaloryczna. Prognozowanie przeprowadzono przy użyciu wybranych algorytmów uczenia maszynowego, które okazały się skuteczne w prognozowaniu wyjścia różnych procesów technologicznych, w których zależności między parametrami procesu są nieliniowe. Źródłem danych wykorzystanych w pracy były eksperymenty procesu suchej separacji węgla. Zastosowano wieloraką regresję liniową jako bazową metodę predykcyjną. Wyniki pokazały, że w przypadku przewidywania zawartości wilgoci i siarki technika ta była wystarczająca. Bardziej złożone algorytmy uczenia maszynowego, takie jak maszyna wektorów nośnych (SVM) i perceptron wielowarstwowy (MLP) zostały wykorzystane i przeanalizowane w przypadku zawartości popiołu i wartości opałowej. Ponadto wdrożono technikę k-średnich. Rolą analizy skupień było uzyskanie dodatkowych informacji na temat próbek węgla będących wejściem procesu. Połączenie technik, takich jak perceptron wielowarstwowy (MLP) lub maszyna wektorów nośnych (SVM) z metodą k-średnich pozwoliło na opracowanie hybrydowego algorytmu. Takie podejście znacznie zwiększyło efektywność modeli predykcyjnych i okazało się użytecznym narzędziem w modelowaniu procesu wzbogacania węgla.