Developing an online composition prediction for an HI-I-HO system using deep neural network

深層ニューラルネットワークモデルを用いたHI-I-HO系のオンライン組成予測法の開発

田中 伸幸 ; 竹上 弘彰 ; 野口 弘喜  ; 上地 優; Myagmarjav, O.  ; 小野 正人 ; 杉本 千紘 

Tanaka, Nobuyuki; Takegami, Hiroaki; Noguchi, Hiroki; Kamiji, Yu; Myagmarjav, O.; Ono, Masato; Sugimoto, Chihiro

熱化学水素製造法ISプロセスでは、溶液組成を制御して安定な運転を行うため、溶液組成を把握することが求められる。本研究では、深層ニューラルネットワークモデルによる機械学習を用いて、計測可能な物性値から組成をオンラインで予測する手法を開発した。本手法は、従来のサンプリングによる滴定分析と比べて、迅速に溶液組成に関する情報を取得することが出来る。ISプロセスで主要な溶液組成であるHI-I-HO系において、温度、圧力、溶液密度の測定値から組成を予測できるモデルを作成し、トレンドデータから組成を推定可能であることを示した。また、得られたモデルを解析することで、組成制御に効果的な運転パラメータを明らかにした。

We developed a deep neural network method to predict the composition of the iodine-sulfur process of thermochemical water-splitting hydrogen production using measurable properties. Unlike conventional titration analysis, this approach allows a quick understanding of fluid composition, providing essential information for controlling operating conditions. This study focused on the HI-I-HO three-component system within the IS process. Using Gibbs phase rule, the DNN model was constructed using online measurable parameters, such as temperature, pressure, and density, as input conditions. The model was trained with experimental data, and the structural parameters were tuned. Composition prediction using actual trend data demonstrated good correlation with titration analysis measurements. Furthermore, the local interpretable model-agnostic explanations method was incorporated to gain insights into the significance of input parameters for compositions from the DNN model, providing valuable information on crucial parameters for effective composition control.