การผลิตน้ำมันดิบชีวภาพจากไฮโดรเทอร์มอลลิควิแฟคชั่นของชีวมวลด้วยการจำลองแบบการเรียนรู้ของเครื่องจักรและการทดลอง

Production of biocrudes from hydrothermal liquefaction of biomass via machine learning modelling and experimentation

Name: ทศพล กาทองทุ่ง

ThaSH: ปิโตรเลียม -- การผลิต

ThaSH: ไฮโดรเทอร์มอลลิควิแฟคชั่น

ThaSH: ชีวมวล

Abstract: ถึงแม้มีการระบาดของโควิด-19 ความต้องการพลังงานทั่วโลกยังคงสูงขึ้น ในขณะเดียวกัน การผลิตพลังงานจากเชื้อเพลิงฟอสซิลก็ทำลายสิ่งแวดล้อมและความสมดุลของระบบนิเวศอย่างเห็นได้ชัด สิ่งนี้บังคับให้มนุษย์มองข้ามเชื้อเพลิงฟอสซิลและค้นหาแหล่งพลังงานทางเลือก นอกจากนี้ ตาม COP26 กลาสโกว์ หลายประเทศได้รับการร้องขอให้บรรลุเป้าหมายการลดการปล่อยมลพิษให้เป็นศูนย์สุทธิทั่วโลกภายในปี 2593 และรักษาการเปลี่ยนแปลงอุณหภูมิของโลกไม่ให้เกิน 1.5°C ในบรรดาแหล่งพลังงานหมุนเวียนและยั่งยืน ชีวมวลถือว่ามีบทบาทสำคัญ กาก/ของเสียทางการเกษตร พืชพลังงาน และชีวมวลลิกโนเซลลูโลสอาจเป็นวัตถุดิบหลักสำหรับโรงกลั่นชีวภาพ ในประเทศไทย พืชพลังงานที่น่าสนใจที่สุดชนิดหนึ่งคือ หญ้าสายพันธุ์ 4190 ซึ่งเป็นหญ้าที่ให้พลังงานสูงและมลพิษน้อยกว่าหญ้าชนิดอื่น ใช้เวลาปลูกและเจริญเติบโตไม่นานให้ผลผลิตสูง จึงทำให้เกิดความสนใจในการนำหญ้าชนิดนี้มาใช้ในการผลิตน้ำมันดิบชีวภาพจากกระบวนการไฮโดรเทอร์มอลลิควิแฟคชั่นของชีวมวลด้วยการจำลองแบบการเรียนรู้ของเครื่องจักรและการทดลอง จากการทำวิทยานิพนธ์ในครั้งนี้พบว่าการจำลองแบบการเรียนรู้ของเครื่องจักรช่วยลดเวลา งบประมาณในการทำการทดลอง และช่วยให้เข้าใจผลกระทบทั้งทางตรงและเชิงซ้อนของคุณลักษณะที่ใช้ในกระบวนการไฮโดรเทอร์มอลลิควิแฟคชั่นซึ่งมีความซับซ้อนสูงได้ และจากผลการทดลองพบว่าการเรียนรู้ของเครื่องจักรให้ผลการทำนายค่าผลผลิตและค่าความร้อนสูงสุดที่แม่นยำถึง 87.11% โดยมีค่าความผิดพลาดอยู่ที่ 5.414 และตรงกับผลการทดลองที่ได้ นอกจากนี้ได้มีการตรวจสอบองค์ประกอบทางเคมีของผลผลิตที่ได้จากกระบวนการไฮโดรเทอร์มอลลิควิแฟคชั่นประกอบไปด้วยการตรวจสอบด้วยเทคนิคแก๊สโครมาโทกราฟี-แมสสเปกโตรเมทรี เทคนิคนิวเคลียร แมกเนติก เรโซแนนซ สเปกโทรสโคป และ เทคนิคฟูเรียร์ทรานส์ฟอร์มอินฟราเรดสเปกโตรสโคปี

Abstract: Despite the COVID-19 outbreak, global energy demand continues to rise. meanwhile The production of energy from fossil fuels is also clearly detrimental to the environment and ecosystem balance. This forces humans to look beyond fossil fuels and look for alternative energy sources. Additionally, according to COP26 Glasgow, many countries have been asked to meet their global net zero emissions reduction targets by 2050 and maintain temperature changes of the Earth not to exceed 1.5°C. Among renewable and sustainable energy resources, biomass will play a vital role. Agricultural residues/wastes, energy crops, and lignocellulosic biomass, could potentially be major feedstocks for biorefineries. In Thailand, one of the most interesting energy crop is Grass species 4190, which is a high energy grass and less pollution than other grasses. It does not take long to grow, giving high yields. This has led to interest in using this grass to produce biocrude from hydrothermal liquefaction through machine learning simulations and experiments. From this thesis, it was found that machine learning simulation reduces time, budget for experimentation and help understand the direct and complex effects of features used in highly complex hydrothermal liquefaction processes. From the experimental results, it was found that machine learning gave a precise prediction of the yield and higher heat values of 87.11% with an error of 5.414 and matched the results obtained. In addition, the chemical composition of the products obtained from the hydrothermal liquefaction process was investigated by Gas Chromatography – Mass Spectrometry, Nuclear Magnetic Resonance Spectroscopy and Fourier Transform Infrared Spectroscopy.

มหาวิทยาลัยเชียงใหม่. สำนักหอสมุด

Address: เชียงใหม่

Email: cmulibref@cmu.ac.th

Name: ชวัลณัฎฐ์ เจริญเขษมมีสุข

Role: ประธานกรรมการ

Name: นคร ทิพยาวงศ์

Role: กรรมการ

Name: ปฏิรูป ผลจันทร์

Role: กรรมการ

Name: วรเดช มโนสร้อย

Role: กรรมการ

Created: 2565

Modified: 2565-10-30

Issued: 2565-10-30

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมพลังงาน

Grantor: มหาวิทยาลัยเชียงใหม่

©copyrights มหาวิทยาลัยเชียงใหม่

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	640631024.pdf	7.85 MB	5	2025-01-07 10:19:08

ใช้เวลา

0.042368 วินาที