Biomass Briquettes for Sustainable Steam Production in Industries: Experiments, Thermodynamics Simulation and Explainable AI

技術要約：産業における持続可能な蒸気生産のためのバイオマスブリケット

問題提起
産業部門は、非再生可能資源への依存を減らし、汚染を軽減するために、従来の化石燃料や伝統的な薪から持続可能な代替品へと移行するという極めて重要な課題に直面している。バイオマスブリケット（BB）は、農業および産業廃棄物から派生した再生可能な解決策を提供するが、その採用は、高い水分含有量、高い灰分、および不安定なエネルギー出力といった制限によって阻まれることが多い。さらに、既存の文献は、ブリケットの品質予測や燃焼変数の最適化を単独で行うことに主眼を置いている。燃料特性評価、ボイラー効率、排出プロファイル、熱力学モデリング、および説明可能な人工知能（AI）を統合して、産業用蒸気ボイラーにおける薪の直接的な代替品としてのバイオマスブリケットの実現可能性を評価する包括的な評価に関する研究には、大きな空白が存在する。

手法
本研究では、バイオマスブリケットを評価するために、実験的分析、熱力学シミュレーション、および機械学習（ML）を組み合わせた統合的なアプローチを採用している。

1. バイオマスブリケットの調製と特性評価:

   • 原料: 農業および産業廃棄物を収集、洗浄し、水分含有量を10〜12 wt.%に乾燥させた。
   • 加工: 材料を3〜5 mmの粒子にサイズ低減し、化学的な結合剤を使用せず、バイオマス中の天然のリグニンを利用して、高圧スクリュー/ピストンプレスを用いて高密度化した。
   • 特性評価: ASTM規格に従い、近接分析（水分、揮発分、灰分、固定炭素）、元素分析（C、H、N、S、O）、および発熱量測定を実施した。

2. 実験的ボイラー性能:

   • 実験は高圧産業用蒸気ボイラーを用いて実施された。
   • 指標: 燃料消費量、蒸気発生率、圧力、炉内温度、および排ガス成分（CO、CO₂、煙の可視性）を記録した。
   • 比較: バイオマスブリケットを、熱効率、比燃料消費量（SFC）、および経済的実現可能性（日次および年次コスト）の観点から、薪、石炭、および重油と比較した。

3. Pythonベースの熱力学シミュレーション:

   • Python（NumPy, Pandas, SciPy）を用いたシミュレーションモデルを開発し、熱入力、温度分布、蒸気発生、および排出量を予測した。
   • 入力: 燃料特性（水分、灰分、固定炭素など）、運転条件（燃料供給率、空気燃料比）、およびボイラーパラメータ。
   • 出力: 熱入力、蒸気量、効率、および特定排出量（CO₂、NOx）。

4. 機械学習および説明可能なAI（XAI）:

   • データ: 実験およびシミュレーションデータから、120件の観測値からなるデータセットを構築した。
   • モデル: 3つのアンサンブル学習アルゴリズム（XGBoost、LightGBM、CatBoost）を、ボイラー効率、CO₂、およびNOx排出量の予測のために学習させた。
   • 解釈性: 最も優れた性能を示したモデルに対して、SHAP（SHapley Additive exPlanations）分析を適用し、入力特徴量が予測結果に与える寄与度を定量化した。

主な貢献

• 統合フレームワーク: 本研究は、実験的テスト、熱力学シミュレーション、および説明可能なAI（XAI）を統合してバイオマスブリケットを評価する新しいワークフローを提示しており、現在の文献における包括的な評価の欠如に対処している。
• 経済的および環境的検証: 産業現場において、薪をバイオマスブリケットに置き換えることで達成可能なコスト削減と排出削減に関する具体的なデータを提供している。
• 予測モデリング: 燃料および運転パラメータに基づき、ボイラーの性能と排出量を正確に予測する上でのMLアルゴリズム、特にXGBoostの有効性を実証している。
• 特徴量の重要度: SHAP分析を通じて、ボイラー効率に最も大きな影響を与える特定の運転パラメータを特定し、プロセス制御のための実行可能な洞察を提供している。

結果

• 燃料特性: 調製されたバイオマスブリケットは、低い水分含有量（8〜12%）と高い発熱量（3500〜4800 kcal kg⁻¹）を示し、薪（水分20〜60%、発熱量2500〜3500 kcal kg⁻¹）を上回った。
• ボイラー性能:
  • 効率: バイオマスブリケットは、実験値で78%、シミュレーション値で81.6%のボイラー効率を達成し、薪（62%）よりも大幅に高かった。
  • 比燃料消費量（SFC）: 薪の0.34 kg/kWhに対し、ブリケットでは0.21 kg/kWhに減少した。
  • 排出量: シミュレーションによる排出量はCO₂が512 kg h⁻¹、NOxが182 ppmであり、薪と比較してよりクリーンな燃焼と低煙を実現した。
• 熱力学シミュレーション:
  • 最大炉内温度：1678 K、平均炉内温度：1320 K。
  • 蒸気発生率：2120 kg h⁻¹。
  • シミュレーションにより、燃料供給率と熱入力の間の線形関係、および水分含有量とボイラー効率の間の逆相関が確認された。
• 機械学習の性能:
  • XGBoostはLightGBMおよびCatBoostを上回り、ボイラー効率でR²=0.98、CO₂で0.95、NOxで0.96を達成した。
  • SHAP分析: ボイラー効率にとって最も重要なパラメータとして炉内温度を特定し、次いで燃料供給率、水分含有量、空気燃料比、過剰空気量の順となった。

意義および主張
本論文は、バイオマスブリケットが産業用蒸気生産において、薪に代わる実行可能で持続可能、かつ経済的に優れた選択肢であることを主張している。本研究は、熱力学シミュレーションと説明可能なAI（XGBoostおよびSHAP）の統合が、インテリジェントなボイラー監視および最適化のための強力なツールを提供することを断言している。バイオマスブリケットを用いることで、高い熱効率（81.6%）を達成しながら、日次の運用コストを7,333ルピー（年間26.76ラックの節約）削減し、排出量を低減できることを実証することで、本研究は分散型および産業用グリーンエネルギー生成への移行を支持している。著者らは、この多角的なアプローチが、燃料特性評価と運転最適化の間の溝を効果的に埋め、バイオマスの産業用ボイラーへの持続可能な採用に向けたデータ駆動型の経路を提供すると結論付けている。