効率的な廃熱回収に向けた熱化学エネルギーネットワークの調査

廃熱を隠れたエネルギー資源に変える

工場や発電所は常に暖かい空気やガスを大気中に放出しています。多くの廃熱は温度が低く、回収するには弱すぎると見なされがちで、そのまま捨てられてしまいます。本研究は、特別な流体ネットワークがその忘れられた熱を吸収・蓄積し、空気の乾燥や有用な冷暖房に利用できることを示しています。日常生活では、新たな発電所を建てることなく、より効率的な建物やよりクリーンな産業が実現できる可能性を意味します。

作動流体を中心に組まれたネットワーク

研究者たちは、実験室で完全な熱化学流体エネルギーネットワークを構築しました。従来の暖房システムのように単なる水を使うのではなく、空気中の水分をよく吸収する塩類溶液を循環させます。この流体は需要側の除湿カラムと供給側の再生カラムという二つの主要区画を通ります。除湿カラムでは、室内やプロセスから来る湿った空気が流体によって乾燥されます。再生カラムでは廃熱が流体を温め、水分が蒸気として押し出されることで流体は再び高濃度となり、再吸湿できる状態になります。タンク、ポンプ、ファン、ヒーターがこれらを閉ループでつなぎ、熱と湿気を必要な場所へ移動させます。

廃熱が到来する異なる様式の探究

実際の工場では、廃熱は一定で穏やかな流れとして来るとは限りません。滑らかな上昇と下降を示すこともあれば、ほぼ一定の場合や、鋭い突発的なパルスとして現れることもあります。この多様性を再現するために、チームは三つの加熱パターンを試しました。一定プロファイルは温度を固定したまま維持します。ガウス（ベル型）プロファイルは制御された温かさのパルスのようにゆっくりとピークに達してから下降します。三つ目は再生熱酸化装置（RTO）に似た、温度が繰り返し上下するパターンを模したものです。同じネットワークを三つのパターンで動かし、空気・溶液流量や再生温度を変化させることで、現実的で時間変動する廃熱に対するシステムの挙動を評価しました。

流量と温度が性能をどう決めるか

性能評価にはいくつかの単純な指標が用いられました：空気の水分変化量、供給された熱あたり除去された水量、理想的な乾燥能力への到達度などです。一般に液体流量が低いほど効率は高くなりました。少量の流体が利用可能な熱をより効果的に受け取り利用するためです。溶液流量が約0.03キログラム毎秒のとき、ネットワークは理論上利用可能なエネルギーの約30％を回収しました。再生温度を上げることは強い影響を及ぼしました：およそ80℃付近では、流体は空気湿度に大きな変化をもたらし、液体対気体流量比の正確な値に対して鈍感になります。言い換えれば、高温の廃熱はシステムをより強力にするだけでなく、より広い動作条件で扱いやすくします。

どの加熱パターンが最適か

三つの廃熱パターンを直接比較したところ、ある一つが際立ちました。ガウス型のベル状加熱は、低い液体対気体比で供給熱単位当たりの除去水量が最も多く、一定加熱や酸化装置風の急速なオンオフサイクルを上回りました。一定パターンは低流量では依然良好でしたが、流体量が増えると性能が低下しました。一方、急速なオンオフパターンは概して遅れを取りました。すべてのケースで液体対気体比を上げると性能は低下しました：より多くの溶液を流すと、限られた追加乾燥のためにより多くの熱が必要になります。これらの傾向は明確な設計方針を示します：適度またはパルス状の廃熱には比較的低い流体流量を組み合わせることで最大の効果が得られます。

人工知能を使ったスマート予測

将来の設計支援のために、チームは多層パーセプトロンに基づく軽量の人工知能シミュレータも構築しました。複雑な物理方程式をリアルタイムで解く代わりに、このモデルは実験データから空気・流体流量、温度、時間の組み合わせに対するシステムの応答を学習します。一度訓練されると、湿度変化や乾燥効果といった重要な出力を瞬時に推定できます。シミュレータは特に低い液体対気体比や一定・ガウス加熱の下で良好に機能し、予測値と実測値の誤差は小さく収まりました。高い液流では精度がやや低下し、将来的な改良の方向性を示しています。

クリーンな産業への含意

広い視点で見ると、この研究はしばしば役に立たないと切り捨てられる低温廃熱が、熱化学流体ネットワークと組み合わせることで価値ある資源に変わり得ることを示します。適切な流量を選び、再生温度を約70〜80℃に設定することで、産業は捨てられるはずの排気流から有意な量のエネルギーと湿度制御を回収できます。AIベースの予測ツールにより、こうしたシステムを複雑で変化する工場環境で計画・運用することが容易になります。広く見れば、既存の熱をより有効に使い、CO2排出を減らし、より効率的に稼働する産業現場への道を示しています。

引用: Bhowmik, M., Giampieri, A., Ma, Z. et al. Investigation on thermochemical energy network for efficient waste heat recovery. Sci Rep 16, 8523 (2026). https://doi.org/10.1038/s41598-026-39243-7

キーワード: 廃熱回収, 熱化学流体, 産業エネルギー効率, 液体吸湿剤, AIエネルギーモデリング