Clear Sky Science · nl

Onderzoek naar een thermochemisch energienetwerk voor efficiënte terugwinning van restwarmte

· Terug naar het overzicht

Restwarmte omzetten in een verborgen energiebron

Fabrieken en energiecentrales stoten continu warme lucht en gassen uit in de atmosfeer. Veel van die warmte is laag in temperatuur en wordt doorgaans als te zwak beschouwd om te benutten, dus gaat ze simpelweg verloren. Deze studie laat zien hoe een speciale vloeistof in een netwerk die vergeten warmte kan opnemen, opslaan en vervolgens gebruiken om lucht te drogen of nuttige verwarming en koeling te leveren. Voor het dagelijks leven kan dat betekenen dat gebouwen efficiënter worden en de industrie schoner, zonder dat er nieuwe energiecentrales hoeven te komen.

Figure 1
Figure 1.

Een netwerk gebouwd rond een werkvloeistof

De onderzoekers bouwden een volledig thermochemisch vloeistof-energienetwerk in het laboratorium. In plaats van gewoon water te gebruiken zoals in traditionele verwarmingssystemen, circuleert het netwerk een zoute oplossing die sterk de neiging heeft vocht uit de lucht op te nemen. Deze vloeistof stroomt door twee hoofdzones: ontvochtigingskolommen aan de vraagzijde en regeneratiekolommen aan de aanbodzijde. In de ontvochtigers wordt vochtige lucht uit een ruimte of proces gedroogd terwijl de vloeistof waterdamp opneemt. In de regenerators verwarmt restwarmte de vloeistof, waardoor het water weer als damp vrijkomt en de vloeistof weer geconcentreerd en klaar is om opnieuw te absorberen. Tanks, pompen, ventilatoren en verwarmers verbinden deze onderdelen tot een gesloten lus die zowel warmte als vocht kan verplaatsen naar waar ze nodig zijn.

Verschillende aankomsten van restwarmte verkennen

In echte fabrieken komt restwarmte niet altijd aan als een gelijkmatige, zachte stroom. Soms varieert het in geleidelijke stijgingen en dalingen, andere keren is het bijna constant, en in sommige systemen verschijnt het als scherpe uitbarstingen. Om deze variatie na te bootsen testte het team drie verwarmingspatronen. Een constant profiel hield de temperatuur op een vast niveau. Een Gaussisch, of belvormig, profiel steeg langzaam naar een piektemperatuur en daalde daarna weer, als een gecontroleerde warmtepuls. Een derde profiel imiteerde een regeneratieve thermische oxidator, een veelgebruikt apparaat voor emissiebeheersing, waarin de temperatuur in herhalende cycli omhoog en omlaag springt. Door hetzelfde netwerk met alle drie de patronen te runnen en lucht- en oplossingsstromen en regeneratietemperaturen te variëren, konden de auteurs zien hoe goed het systeem omgaat met realistische, in de tijd wisselende restwarmte.

Hoe stromingssnelheden en temperatuur de prestaties vormen

Verschillende eenvoudige maatstaven werden gebruikt om de prestaties te beoordelen: hoe sterk het vochtgehalte van de lucht veranderde, hoeveel water werd verwijderd per eenheid toegevoerde warmte, en hoe dicht het systeem bij zijn ideale droogcapaciteit kwam. Lagere vloeistofstromen gaven over het algemeen een hogere efficiëntie, omdat een kleinere hoeveelheid vloeistof de beschikbare warmte effectiever ontving en gebruikte. Bij een oplossingsstroom van ongeveer 0,03 kilogram per seconde herwon het netwerk ruwweg 30% van de theoretisch beschikbare energie. Het verhogen van de regeneratietemperatuur had een sterk effect: rond 80 graden Celsius kon de vloeistof grote veranderingen in luchtvochtigheid teweegbrengen en tegelijk minder gevoelig worden voor de exacte vloeistof‑tot‑gasstroming. Met andere woorden: warmere restwarmte maakte het systeem niet alleen krachtiger, maar ook gemakkelijker te bedienen over een breder scala aan omstandigheden.

Welk verwarmingspatroon werkt het beste

Wanneer de drie restwarmtepatronen rechtstreeks werden vergeleken, stak er één bovenuit. De belvormige Gaussische verwarming leverde de grootste hoeveelheid verwijderde watermassa per eenheid warmte bij lage vloeistof‑tot‑gasverhoudingen, en overtrof zowel constante verwarming als de scherpe aan‑/uitcycli van het oxidator‑achtige profiel. Het constante patroon presteerde nog steeds goed bij lage vloeistofstromen maar liep terug naarmate er meer vloeistof werd gepompt, terwijl het snelle aan‑/uitpatroon over het algemeen achterbleef. In alle gevallen leidde een hogere vloeistof‑tot‑gasverhouding tot lagere prestaties: meer oplossing door het systeem pompen vergde extra warmte terwijl slechts beperkte extra droging werd bereikt. Deze trends geven een duidelijk ontwerpprincipe aan: combineer matige of pulserende restwarmte met relatief lage vloeistofstromen om het meeste voordeel te behalen.

Figure 2
Figure 2.

Slim voorspellen met kunstmatige intelligentie

Om ontwerpers in de toekomst te helpen bouwde het team ook een lichtgewicht kunstmatig‑intelligentie‑simulator gebaseerd op een multi‑layer perceptron, een vorm van neuraal netwerk. In plaats van complexe fysische vergelijkingen in realtime op te lossen, leert dit model van experimentele gegevens hoe het systeem reageert op verschillende combinaties van lucht- en vloeistofstromen, temperatuur en tijd. Eenmaal getraind kan het direct belangrijke uitgangen schatten zoals verandering in luchtvochtigheid en droogeffectiviteit. De simulator presteerde bijzonder goed bij lagere vloeistof‑tot‑gasverhoudingen en onder constante en Gaussische verwarming, met kleine fouten tussen voorspelde en gemeten waarden. De nauwkeurigheid nam enigszins af bij hogere vloeistofstromen, wat aanwijzingen geeft voor toekomstige verfijning.

Wat dit betekent voor een schonere industrie

In brede zin toont het werk aan dat laagtemperatuurs restwarmte, vaak afgedaan als nutteloos, kan worden omgezet in een waardevolle hulpbron wanneer ze gekoppeld wordt aan een thermochemisch vloeistofnetwerk. Door geschikte stromingen te kiezen en regeneratietemperaturen rond 70 tot 80 graden Celsius na te streven, kunnen bedrijven betekenisvolle hoeveelheden energie en vochtterugwinning uit uitlaatstromen terugwinnen die anders verloren zouden gaan. De extra mogelijkheid om prestaties te voorspellen met een op AI gebaseerd hulpmiddel maakt het eenvoudiger om zulke systemen te plannen en te bedienen in complexe, veranderlijke fabrieken. Voor het grote publiek wijst dit op industriële locaties die efficiënter draaien, minder kooldioxide uitstoten en elk beetje warmte dat ze al produceren beter benutten.

Bronvermelding: 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

Trefwoorden: terugwinning van restwarmte, thermochemisch vloeistof, industriële energie-efficiëntie, vloeibaar desiccant, AI energie-modellering