Prediction of syngas and exergy data from gasification of lignite coal and biomass blends with machine learning algorithms
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, KİMYA MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: İngilizce
Öğrenci: MİSLİNA ÇAKAR
Asıl Danışman (Eş Danışmanlı Tezler İçin): Hasan Sadıkoğlu
Eş Danışman: Özgün Yücel
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Dünya, iklim değişikliği, hava kirliliği ve habitat bozulması gibi ekolojik dengeyi tehdit eden ciddi çevresel sorunlarla karşı karşıyadır. Bu etkileri azaltmak için sera gazı emisyonlarına neden olan süreçlerin ortadan kaldırılması gerekmektedir. Bu bağlamda, biyokütle gazlaştırma yoluyla sentez gazı (syngas) üretimi, temiz hidrojenin sürdürülebilir bir enerji taşıyıcısı olarak elde edilmesinde önemli bir rol oynamaktadır. Biyokütle gazlaştırma, karbon bazlı malzemeleri CH₄, H₂, CO₂, H₂O, CO, katran ve ağır hidrokarbonlara dönüştüren termo-kimyasal bir süreç olup, yüksek karbon dönüşüm verimi sağlarken sera gazı emisyonlarını da azaltmaktadır. Bu çalışmada, dokuz farklı biyokütle numunesinin linyit kömürü ile karıştırılarak gazlaştırılması, sabit yataklı (fixed-bed) ve akışkan yataklı (fluidized-bed) gazlaştırıcılar olmak üzere iki model kullanılarak incelenmiştir. ASPEN Plus® yazılımında gerçekleştirilen simülasyonlar kapsamında biyokütle-linyit oranı, denklik oranı (ER), buhar-biyokütle oranı (SBR) ve sıcaklık gibi işlem parametreleri değerlendirilerek sentez gazı bileşimi ve sistem verimliliği üzerindeki etkileri analiz edilmiştir. Ayrıca, sentez gazının kimyasal ekserji değerleri ve ürün gazı bileşimleri, dört farklı makine öğrenmesi algoritması—Destek Vektör Makinesi (SVM), Rastgele Orman (RF), Gauss Süreç Regresyonu (GPR) ve Karar Ağacı (DT)—kullanılarak tahmin edilmiştir. MATLAB ortamında uygulanan bu modeller, süreç parametreleri ile gazlaştırma performansı arasındaki karmaşık ilişkileri analiz ederek veri odaklı bir optimizasyon yaklaşımı sunmayı amaçlamaktadır. Bu çalışma, süreç simülasyonları ile makine öğrenmesi tekniklerini entegre ederek sentez gazı verimi ve kalitesini artırmayı, çevresel etkileri en aza indirmeyi hedeflemektedir. Elde edilen bulgular, biyokütle gazlaştırma teknolojisinin geliştirilmesine katkı sağlayarak temiz hidrojen üretimine yönelik sürdürülebilir çözümleri destekleyecektir. Anahtar Kelimeler: Biyokütle gazlaştırma, hidrojen, ekserji, simülasyon, makine öğrenmesi