Integrated modeling of biomass-based hydrogen production via pyrolysis and gasification with sorption enhanced reforming using machine learning
Makine öğrenimi kullanılarak piroliz ve sorpsiyon destekli reformlamayla gazlaştırma yoluyla biyokütle tabanlı hidrojen üretiminin entegre modellemesi
- Tez No: 1016228
- Danışmanlar: DOÇ. DR. NADİR JAVANİ, DOÇ. DR. ÖZGÜN YÜCEL
- Tez Türü: Doktora
- Konular: Kimya Mühendisliği, Makine Mühendisliği, Mühendislik Bilimleri, Chemical Engineering, Mechanical Engineering, Engineering Sciences
- Anahtar Kelimeler: Biomass, Gasification, Sorption-enhanced reforming (SER), Hydrogen production, Machine learning, Biyokütle, Gazlaştırma, Sorpsiyon destekli reforming (SER), Hidrojen üretimi, Makine öğrenmesi
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Enerji Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
This thesis presents an integrated framework combining thermochemical modeling and data-driven approaches for sustainable hydrogen production from biomass. The study focuses on important gaps in the literature, including the lack of integrated modeling approaches, limited data diversity, and insufficient investigation of complex system interactions. The research was conducted in three main stages. First, hydrogen production through the integration of biomass gasification and sorption-enhanced reforming (SER) was investigated using an Aspen Plus-based thermodynamic model. The results showed that in-situ CO₂ capture using CaO significantly enhanced hydrogen production by shifting the reaction equilibrium toward hydrogen formation. Hydrogen purity above 99% was achieved under optimum conditions. Second, an integrated fast pyrolysis–SER system was developed for hydrogen production from phenol-derived bio-oil. The results demonstrated that separating the pyrolysis and hydrogen production stages increased process flexibility. While bio-oil yield was largely dependent on pyrolysis temperature, hydrogen production was mainly influenced by the CaO/bio-oil ratio and SER temperature. Hydrogen mole fractions above 90% were obtained at high sorbent ratios. Van Krevelen and C–H–O analyses indicated that biomass composition was significant at low sorbent levels. Third, a novel simulation machine learning framework integrating Aspen Plus simulations with machine learning algorithms was developed. A total of 1296 datasets were generated for 48 different biomass feedstocks under various operating conditions. The Gradient Boosting model achieved the highest prediction accuracy for bio-oil yield (RMSE = 0.0129, R² = 0.982), while tree-based models showed high performance in hydrogen prediction (R² ≈ 0.99). SHAP analysis revealed that pyrolysis temperature was the dominant factor for bio-oil production, whereas the CaO/bio-oil ratio and SER temperature were the key parameters affecting hydrogen production. Overall, this study demonstrates that integrating thermochemical processes with machine learning provides a scalable and highly accurate approach for sustainable energy systems.
Özet (Çeviri)
Bu tez, biyokütleden sürdürülebilir hidrojen üretimi amacıyla termokimyasal modelleme ile veri odaklı yaklaşımları birleştiren bütünleşik bir çerçeve sunmaktadır. Çalışma, bütünleşmiş modelleme eksikliği, sınırlı veri çeşitliliği ve karmaşık sistem etkileşimlerinin yeterince incelenmemesi gibi literatürdeki önemli boşluklara odaklanmaktadır. Araştırma üç temel aşamada gerçekleştirilmiştir. İlk olarak, biyokütle gazlaştırma ile sorpsiyon destekli reforming (SER) entegrasyonu Aspen Plus tabanlı termodinamik model ile incelenmiştir. Sonuçlar, CaO ile gerçekleştirilen yerinde CO₂ yakalamanın reaksiyon dengesini hidrojen oluşumu yönüne kaydırarak hidrojen üretimini önemli ölçüde artırdığını göstermiştir. Optimum koşullarda %99'un üzerinde hidrojen saflığı elde edilmiştir. İkinci olarak, fenol türevi biyoyağdan hidrojen üretimi amacıyla bütünleşmiş hızlı piroliz–SER sistemi geliştirilmiştir. Sonuçlar, piroliz ve hidrojen üretim aşamalarının ayrılmasının süreç esnekliğini artırdığını ortaya koymuştur. Biyoyağ verimi büyük ölçüde piroliz sıcaklığına bağlıyken, hidrojen üretimi özellikle CaO/biyoyağ oranı ve SER sıcaklığından etkilenmiştir. Yüksek sorbent oranlarında %90'ın üzerinde hidrojen mol fraksiyonu elde edilmiştir. Van Krevelen ve C–H–O analizleri, düşük sorbent seviyelerinde biyokütle bileşiminin önemli olduğunu göstermiştir. Üçüncü olarak, Aspen Plus simülasyonları ile makine öğrenmesi algoritmalarını birleştiren yeni bir simülasyon–makine öğrenmesi çerçevesi geliştirilmiştir. 48 farklı biyokütle ve çeşitli işletme koşulları için 1296 veri seti oluşturulmuştur. Gradient Boosting modeli biyoyağ tahmininde en yüksek doğruluğu sağlarken (RMSE = 0.0129, R² = 0.982), ağaç tabanlı modeller hidrojen tahmininde yüksek performans göstermiştir (R² ≈ 0.99). SHAP analizi, biyoyağ üretiminde piroliz sıcaklığının, hidrojen üretiminde ise CaO/biyoyağ oranı ve SER sıcaklığının belirleyici olduğunu göstermiştir. Bu çalışma, termokimyasal süreçler ile makine öğrenmesinin entegrasyonunun sürdürülebilir enerji sistemleri için ölçeklenebilir ve yüksek doğruluklu bir yaklaşım sunduğunu ortaya koymaktadır.
Benzer Tezler
- Bazı tekstil boyalarının penicillium funiculosum küfü ile biyosorpsiyon ve biyoakümülasyon özelliklerinin incelenmesi
Investigation of biosorption and bioaccumulation properties of some textile dyes with penicillium funiculosum
NURSENA DEMİR
Yüksek Lisans
Türkçe
2025
BiyokimyaSakarya ÜniversitesiKimya Ana Bilim Dalı
DOÇ. DR. SEMRA YILMAZER KESKİN
- Fischer-tropsch ile hafif olefin üretimi prosesi için kinetik modelleme ve optimizasyon çalışması
Kinetic modeling and optimization study for light olefin production process with fischer-tropsch
SELİN ERTUNAN GÜMÜŞBOĞA
Yüksek Lisans
Türkçe
2023
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GAMZE GÜMÜŞLÜ GÜR
- Kentsel atıksu arıtma tesisi anaerobik çamur çürütücülerinin dinamik proses modelleme yaklaşımı ile analizi
Analysis with dynamic process modeling approach of anaerobic sludge digesters of the urban wastewater treatment plant
KERİM EKİCİ
Yüksek Lisans
Türkçe
2018
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. HAYRETTİN GÜÇLÜ İNSEL
- Hafif olefin üretimi için destekli demir temelli fıscher tropsch katalizörleri üzerinde bir kinetik çalışma ve model analizi
A kinetic study and model analysis on supported iron based fischer-tropsch catalysts for light olefin production
KEREM BÜLBÜL
Yüksek Lisans
Türkçe
2023
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER SARIOĞLAN
DR. ABDULLAH Z. TURAN
- Artificial intelligence application in integrated gasification solid oxide fuel cell cycle
Gazlaştırıcı ile entegre edilmiş katı oksit yakıt hücresi çevriminde yapay zeka uygulaması
SENEM SEZER
Yüksek Lisans
İngilizce
2021
Kimya MühendisliğiMarmara ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UĞUR ÖZVEREN