1 |
1
암모니아 수용액이 채워진 교반조;상기 교반조로 유입되는 이산화탄소를 상기 암모니아 수용액과 교반하는 교반기;이산화탄소 포집 공정 동안 상기 교반된 암모니아 수용액로부터 측정될 수 있는 상태변수를 제공하는 센서부; 및상기 이산화탄소 포집 공정 동안 상기 상태변수에 의해 얻어지는 반응생성물의 농도를 예측하기 위한 모델식을 구성하고, 상기 구성된 모델식을 통하여 상기 상태변수의 변화에 따른 반응생성물의 농도를 예측하는 예측 수단을 포함하며,상기 반응생성물은, 수소이온, 수산화이온, 중탄산이온, 탄산이온, 카바메이트이온, 중탄산암모늄염, 탄산암모늄염, 카바메이트암모늄염, 황산염이온 및 질산염이온 중에서 어느 하나인 것을 특징으로 하는 포집 반응기
|
2 |
2
제1항에 있어서,상기 상태변수는,이산화탄소가 흡수된 암모니아수의 pH, 온도, 전기전도도 및 이산화탄소 농도 중에서 적어도 하나인 것을 특징으로 하는 포집 반응기
|
3 |
3
삭제
|
4 |
4
제1항에 있어서,상기 모델식은,열역학적 모델, 회귀분석 모델, 통계학적 모델 및 상기 열역학적 모델과 상기 회귀분석 모델 및 상기 통계학적 모델을 조합한 모델 중에서 적어도 하나에 기초한 모델식인 것을 특징으로 하는 포집 반응기
|
5 |
5
제4항에 있어서,상기 회귀분석모델은,다중회귀분석법, 주성분회귀분석법, 부분최소자승법, 신경회로망-부분최소자승법, 커널-부분최소자승법 및 LS-SVM(Least Square Support Vector Machine) 중에서 적어도 하나를 이용한 모델인 것을 특징으로 하는 포집 반응기
|
6 |
6
제4항에 있어서,상기 열역학적 모델은, Pitzer식 또는 NRTL 식을 포함하는 것을 특징으로 하는 포집 반응기
|
7 |
7
제4항에 있어서,상기 예측 수단은,실시간으로 수집되는 상기 변동변수를 상기 통계학적 모델을 이용하여 상기 열역학적 모델에 적용 가능한 데이터로 변환하고, 상기 변환된 데이터를 상기 열역학적 모델의 입력 데이터로 적용하여 상기 반응생성물의 농도를 예측하는 것을 특징으로 하는 포집 반응기
|
8 |
8
제4항에 있어서,상기 예측 수단은,실시간으로 수집되는 상기 변동변수를 상기 통계학적 모델의 입력 데이터로 적용하여 상기 반응생성물의 농도를 예측하는 것을 특징으로 하는 포집 반응기
|
9 |
9
이산화탄소 포집공정을 통해 측정되는 상태변수를 변동변수로 설정하는 단계;상기 이산화탄소 포집공정을 통해 상기 변동변수에 의해 얻어지는 반응생성물의 농도를 목표변수로 설정하는 단계;상기 목표변수를 예측하기 위해 모델식을 구성하는 단계; 및상기 구성된 모델식을 통하여 상기 변동변수의 변화에 따른 반응생성물의 농도를 예측하는 단계;를 포함하며,상기 반응생성물은, 수소이온, 수산화이온, 중탄산이온, 탄산이온, 카바메이트이온, 중탄산암모늄염, 탄산암모늄염, 카바메이트암모늄염, 황산염이온 및 질산염이온 중에서 어느 하나인 이산화탄소 포집공정의 반응생성물 농도 예측방법
|
10 |
10
제9항에 있어서,상기 상태변수는,이산화탄소가 흡수된 암모니아수의 pH, 온도, 전기전도도 및 이산화탄소 농도 중에서 적어도 하나인 이산화탄소 포집공정의 반응생성물 농도 예측방법
|
11 |
11
삭제
|
12 |
12
제9항에 있어서,상기 모델식은,열역학적 모델, 회귀분석 모델, 통계학적 모델 및 상기 열역학적 모델과 상기 회귀분석 모델 및 상기 통계학적 모델을 조합한 모델 중에서 적어도 하나에 기초한 이산화탄소 포집 공정의 반응생성물 농도 예측방법
|
13 |
13
제12항에 있어서,상기 회귀분석모델은,다중회귀분석법, 주성분회귀분석법, 부분최소자승법, 신경회로망-부분최소자승법, 커널-부분최소자승법 및 LS-SVM(Least Square Support Vector Machine) 중에서 적어도 하나를 이용한 모델인 이산화탄소 포집공정의 반응생성물 농도 예측방법
|
14 |
14
제12항에 있어서,상기 열역학적 모델은, Pitzer식 또는 NRTL 식을 포함하는 이산화탄소 포집 공정의 반응생성물 농도 예측 방법
|
15 |
15
제12항에 있어서,상기 반응생성물의 농도를 예측하는 단계는,실시간으로 수집되는 상기 변동변수를 상기 통계학적 모델을 이용하여 상기 열역학적 모델에 적용 가능한 데이터로 변환하는 단계; 및상기 변환된 데이터를 상기 열역학적 모델의 입력 데이터로 적용하여 상기 반응생성물의 농도를 예측하는 단계;를 포함하는 이산화탄소 포집 공정의 반응생성물 농도 예측 방법
|
16 |
16
제12항에 있어서,상기 반응생성물의 농도를 예측하는 단계는,실시간으로 수집되는 상기 변동변수를 상기 통계학적 모델의 입력 데이터로 적용하여 상기 반응생성물의 농도를 예측하는 단계;를 포함하는 것을 특징으로 하는 이산화탄소 포집 공정의 반응생성물 농도 예측 방법
|