Solventbaseret CO₂-fangst har vist sig at være en af de eneste teknologier, der kan opskaleres inden 2030. Dog står den nuværende solventteknologi over for udfordringer som høj energibeskatning, solventnedbrydning og korrosivitet. Hvis disse udfordringer ikke løses inden 2030, er der en risiko for, at omkostningerne ved CO₂-fangstanlæg bliver for høje.
Formålet med dette projekt er at forbedre et eksisterende forudsigelsesværktøj med unikke egenskaber til at forudsige solventers egenskaber og udvikle en kunstig intelligens (AI)-værktøj, der kan screene mere end 1 milliard solventformuleringer og opfylde følgende kriterier:
- Høj CO₂-absorptionskapacitet og absorptionshastighed for at minimere udstyrsstørrelse
- Høj selektivitet til at fange CO₂
- Lav regenereringsenergi
- Høj stabilitet mod solventnedbrydning
- Lav miljøpåvirkning
- Omkostningseffektivitet for at minimere fangstomkostninger
- Ikke-korrosivitet
Det udviklede værktøj bliver det første, der muliggør screening baseret på den samlede effektivitet og omkostninger ved CO₂-fangstanlæg i fuld skala.
Baseret på forudsigelserne vil de tre mest lovende solventkandidater blive valideret på laboratorieniveau og demonstreret i pilotskala på Skærbækværkets biomasseforbrændingsanlæg.
Vi forventer, at den bedst ydende solvent vil give >25% forbedret anlægseffektivitet, >15% lavere omkostninger og have forbedret korrosions- og miljøprofil sammenlignet med den nuværende førende teknologi.