人工智能如何帮助水电实现可持续发展

简介: 自2000 年代初以来,水电一直在关注比较多的一个替代石油的新能源。尽管被宣传为缓解气候变化的优秀解决方案,但当研究人员在 2005 年发现水电大坝造成大量温室气体排放时,水电泡沫破灭了。

水电大坝的围墙限制了河流的流量,并将它们变成了死水池。随着这些水库的老化,藻类生物质和水生植物等有机物积累并最终分解和下沉。这种缺氧环境刺激了甲烷的产生。

e9c372d6579b55b766352290a3e6187e066901.jpg

然后水库表面和涡轮机将甲烷释放到大气中。甲烷约占水电大坝排放的温室气体的80%,在大坝生命周期的前十年达到峰值。

甲烷因在大气中徘徊12 年而臭名昭著,其效力至少是二氧化碳的25 倍。研究人员估计世界上至少 10% 水电大坝每单位能源排放的温室气体与燃煤发电厂一样多。在亚马逊流域,现有的几座大坝的碳排放量是燃煤发电厂 的十倍。

尽管如此,巴西亚马逊和喜马拉雅山仍积极推动建设新的水电大坝。一个国际研究团队在 2019 年Nature Communications研究中写道:“鉴于新水电大坝建设的预期热潮,确定未来的大坝是否会产生低碳能源至关重要。 ”

使用人工智能规划更可持续的大坝
为了确定新水电大坝的环保地点,2019 年团队利用了来自使用人工智能 (AI) 的复杂计算模型的数据。他们观察到巴西(一个以低地为主的国家)的低地水坝往往拥有较大的水库区,从而产生更高的碳强度。与玻利维亚、厄瓜多尔和秘鲁的山区相比,巴西亚马逊地区的碳密集型大坝数量最多。他们发现,更高的海拔和陡峭的地形使得水力发电的碳强度更低。

该团队已经提出了新的项目,目前至少有 351 站点分布在亚马逊河上,那里已经有 158 个水电大坝。为了找到最小化这些项目对环境影响的解决方案,研究人员正在继续利用人工智能利用这些数据训练模型。

基于这些他们发现,不协调的水电扩张会导致生态系统效益的丧失。此外,其他地点的有效大坝布置可以产生四倍的电力。

“人工智能正被华尔街、社交媒体用于各个领域——为什么不使用人工智能来解决可持续发展等严重问题呢?”专家们对此提出了设想。

研究人员认为,在为新项目选择地点时,必须考虑整个亚马逊流域的各种环境标准,如河流流量和连通性、温室气体排放、鱼类多样性和沉积物运输。

虽然基于这些科学证据实施政策对于建设可持续水电大坝至关重要,研究人员同时也在寻找通过甲烷提取减少现有项目温室气体排放的方法。

提取和使用储层甲烷
提取湖泊和大坝水库中积累的甲烷用于能源生产的想法并不新鲜。在东非,充满盐水的基伍湖拥有 60 立方公里的甲烷和另外 300 立方公里的水溶解二氧化碳。在卢旺达的 KivuWatt 发电厂,使用气体分离器从湖的深水中提取甲烷,用于发电。

受到这种可能性的启发,波兰科学院的地球物理学家 Maciej Bartosiewicz 和他的同事建议使用称为沸石的固体矿物吸收剂从储存层沉积物中分离甲烷。在发表在《环境科学与技术》杂志上的一项研究中,他们设计了一种模型机制来研究沸石和可放置在水库底部的活性炭。

到目前为止,科学家们一直无法从湖泊和水库等淡水体中提取甲烷,因为这种气体的浓度要低得多。以前使得小量的甲烷提取成本高得多。但 Bartosiewicz 表示,沸石价格便宜且可广泛使用,为此提供一种可行的解决方案。

“该系统包含一个气化组件,它是一个盒子里的膜。然后沸石可以在去除二氧化碳后捕获甲烷,”Bartosiewicz 说。安装泵送系统可以进一步促进提取。

尽管如此,从水库沉积物中提取甲烷并非没有什么生态环境问题。该过程可能会影响处理沉积物中甲烷的细菌的生长,从而严重破坏生态系统的生物组成,最终影响食物网的生产力。在底部甲烷含量高的水库和湖泊中,这些细菌是微型海洋动物的重要食物和能量来源。尽管如此,Bartosiewicz 认为,水体系统具有非凡的自我调节能力。

“我们需要开发下一代可再生能源生产解决方案。这是一种可能性,”他说。“并非所有水电水库都可以提取甲烷。如果我们能从这种甲烷中生产出 5% 的能源,它就会增加可再生能源的配额。”

目前人工智能在越来越多的领域发挥的重要性越来越大,专家们努力讨论,让AI发挥更大的作用。


本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接
免费体验百种AI能力以及试用热门离线SDK:【点此跳转】

相关文章
|
传感器 机器学习/深度学习 Web App开发
AI之Robot:机器人Robot的简介、发展历史、案例应用之详细攻略
AI之Robot:机器人Robot的简介、发展历史、案例应用之详细攻略
|
机器学习/深度学习 人工智能 城市大脑
AI 工程化发展及趋势-AI 架构师成长计划(一)|学习笔记
快速学习 AI 工程化发展及趋势-AI 架构师成长计划(一)。
860 0
AI 工程化发展及趋势-AI 架构师成长计划(一)|学习笔记
|
机器学习/深度学习 人工智能 编解码
人工智能如何让硬件发展的更好
人工智能的本质是得益于并行处理,大约10年前,人们发现,设计用于在屏幕上显示像素的GPU很适合这一点,因为它们是并行处理引擎,可以在其中放入很多核心。
126 0
人工智能如何让硬件发展的更好
|
机器学习/深度学习 人工智能 供应链
AI:《人工智能+制造(智能制造)产业发展的现状、影响、+互联网、未来展望》演讲听课笔记
AI:《人工智能+制造(智能制造)产业发展的现状、影响、+互联网、未来展望》演讲听课笔记
AI:《人工智能+制造(智能制造)产业发展的现状、影响、+互联网、未来展望》演讲听课笔记
|
机器学习/深度学习 传感器 人工智能
AI:人工智能的多模态融合模型的简介、发展以及未来趋势
AI:人工智能的多模态融合模型的简介、发展以及未来趋势
AI:人工智能的多模态融合模型的简介、发展以及未来趋势
|
机器学习/深度学习 人工智能 自然语言处理
AI:大力出奇迹?Bigger is better?AI下一代浪潮?—人工智能的大语言模型(LLMs)的简介、发展以及未来趋势
AI:大力出奇迹?Bigger is better?AI下一代浪潮?—人工智能的大语言模型(LLMs)的简介、发展以及未来趋势
AI:大力出奇迹?Bigger is better?AI下一代浪潮?—人工智能的大语言模型(LLMs)的简介、发展以及未来趋势
|
人工智能
《无处不在的语音AI 创新发展与价值创造》电子版地址
无处不在的语音AI : 创新发展与价值创造
110 0
《无处不在的语音AI  创新发展与价值创造》电子版地址
|
人工智能
《AI医健中台技术进展及生态发展》电子版地址
AI医健中台技术进展及生态发展.ppt
110 0
《AI医健中台技术进展及生态发展》电子版地址
|
人工智能 达摩院 算法
2022世界人工智能大会大模型主题论坛星光云集,共话大模型的创新与生态发展!
本次“大规模预训练模型”主题论坛由阿里巴巴集团主办,世界人工智能大会组委会指导,整体围绕“大规模预训练模型的创新、落地和开源开放”展开,将探讨的边界延伸至算法模型、大数据及训练框架等方向,邀请到来自阿里巴巴,澜舟科技,清华大学,粤港澳大湾区数字经济研究院,深势科技,复旦大学等机构,在大规模预训练模型领域深耕多年的领军人物,通过keynote演讲和圆桌论坛两个环节,展示国产大模型多元生态下的技术成果和思考。
1712 0
2022世界人工智能大会大模型主题论坛星光云集,共话大模型的创新与生态发展!
|
机器学习/深度学习 存储 人工智能
人工智能下软件测试发展与应用
人工智能下软件测试发展与应用
1025 1