РАЗРАБОТКА ПРИЛОЖЕНИЯ ДЛЯ ВИЗУАЛИЗАЦИИ И МОДЕЛИРОВАНИЯ ВЛИЯНИЯ ПОВЫШЕНИЯ ДАВЛЕНИЯ НА СОСТАВ ГАЗА ПРИ КОМПРИМИРОВАНИИ
DOI:
https://doi.org/10.52167/1609-1817-2024-134-5-124-133Ключевые слова:
биогаз, моделирование, анаэробное сбраживание, энергетическая система, выбросы углекислых газовАннотация
Процесс компримирования биогаза играет ключевую роль в его использовании как возобновляемого источника энергии. Компримирование, или сжатие, биогаза необходимо для улучшения его транспортабельности, хранения и последующего использования в различных энергетических системах. Моделировать процесс компримирования является сложным процессом, так как имеется множество динамических параметров в установки биогазовой установки. В частности изменения давления в физическом процессе компримирования влияет на физические свойства газа, но и на его химический состав. В данном исследовании рассматриваются подходы к моделированию с точки зрения энергетической системы, а также с точки зрения оптимизации процессов установки. Мы используем язык Python для среды моделирования процесса компримирования, в частности мы моделируем изменения давления на состав газа при компримировании. Данная разработанная среда моделирования позволяет визуализировать изменения в составе газа в трехмерном пространстве и времени. Разработанная информационная система позволяет моделировать и визуализировать изменения в составе газа при его компримировании под воздействием повышения давления. Данная модель может быть полезной для моделирования и последующего влияния процесса компримирования на химический состав газа и его потенциальное использование в различных приложениях.
Библиографические ссылки
[1] Heiker, M., Kraume, M., Mertins, A., Wawer, T., & Rosenberger, S. (2021). Biogas plants in renewable energy systems—A systematic review of modeling approaches of biogas production. Applied Sciences, 11(8), 3361. doi: 10.3390/app11083361
[2] Ge, Y., Tao, J., Wang, Z., Chen, C., Liang, R., Mu, L., ... & Chen, G. (2023). Simulation of integrated anaerobic digestion-gasification systems using machine learning models. Bioresource Technology, 369, 128420. doi: 10.1016/j.biortech.2022.128420
[3] Younessi, H. S., Bahramara, S., Adabi, F., & Golpîra, H. (2023). Modeling the optimal sizing problem of the biogas-based electrical generator in a livestock farm considering a gas storage tank and the anaerobic digester process under the uncertainty of cow dung. Energy, 270, 126876. doi: 10.1016/j.energy.2023.126876
[4] Rudakov, V., Timur, M., Yedilkhan, A., & Perizat, O. (2023, August). Time Series Analysis of Biogas Monitoring with Deep Learning Approaches. In 2023 5th International Conference on Problems of Cybernetics and Informatics (PCI) (pp. 1-4). IEEE. doi: 10.1109/PCI60110.2023.10325955
[5] Rudakov, V., Timur, M., & Yedilkhan, A. (2023, June). Comparison of Time Series Databases. In 2023 17th International Conference on Electronics Computer and Computation (ICECCO) (pp. 1-4). IEEE. doi: 10.1109/ICECCO58239.2023.10147153
[6] Merembayev, T., & Amanbek, Y. (2022, June). Time-series event prediction for the uranium production wells using machine learning algorithms. In ARMA US Rock Mechanics/Geomechanics Symposium (pp. ARMA-2022). ARMA. doi: doi.org/10.56952/ARMA-2022-0415
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Едилхан Амиргалиев, Тимур Мерембаев, Владислав Рудаков

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.