《Sustainable Energy Technologies and Assessments》：Sustainable evaluation of neem–emulsified waste–derived biofuel using interpretable machine learning
编辑推荐：
生物柴油替代品研究：通过水乳化技术优化复合油性能及机器学习验证。摘要：本研究整合可解释机器学习与实验评估，开发20% neem oil、80%废 cooking oil的复合油（CO100），通过添加neem提取物并调节水含量（5%、10%、15%），制备CO10W等乳化燃料。实验表明CO10W热效率仅降低2.75%却提升4.3%能效，HC、CO排放减少达35.9%、37.1%，NOx控制良好。机器学习模型（XGBoost等）基于165组数据验证CO10W性能，SHAP分析显示制动功率、水浓度和负荷为关键预测因子。
Krishnamoorthy Ramalingam|Mohd Sharizal Abdul Aziz|Yong Jie Wong|Mohd Zulkifly Abdullah|Mohan Govindasamy
马来西亚科学大学工程学院，槟城Nibong Tebal校区，邮编14300，马来西亚
摘要
为应对可持续能源需求和智能系统建模的双重挑战，本研究将可解释的机器学习技术与印楝提取物乳化复合油（CO）作为可再生柴油替代品的实验评估相结合。一种复合混合物（20%印楝油，80%废弃食用油，体积比）在三种不同水浓度（5%、10%、15%）下进行了乳化处理。10%水乳化燃料（CO10W）的性能接近柴油，其制动热效率仅比柴油低2.75%，制动比能耗比柴油高4.3%。与纯印楝油（CO100）相比，CO10W的效率提高了8.7%，能耗降低了17.7%，这归因于优化的水分含量促进了微爆和雾化效果。排放分析显示，CO10W的HC、CO和烟雾排放分别减少了35.9%、37.1%和18.2%，同时NOx水平保持适中，CO2排放略有增加，这是由于更完全的氧化作用。基于165个实验数据点训练的增强集成模型（XGBoost、AdaBoost、GBM）证实了其预测可靠性，其中梯度提升算法（Gradient Boosting）的准确率最高（R2 = 0.87–0.99），SHAP解释表明制动功率、水浓度和发动机负荷是关键预测因素。这种结合实验和计算的框架证明了CO10W在化学上的可行性和计算上的有效性，为更清洁的燃烧、减少对化石燃料的依赖以及实现循环经济和可持续发展目标提供了可扩展的途径。
引言
化石燃料成本的不断上升给严重依赖进口的发展中国家带来了重大的经济挑战，而它们的燃烧继续导致环境退化和公共卫生问题[1]、[2]、[3]、[4]。这两种压力加速了全球开发可再生、无毒和可持续替代品的努力。在现有的原料中，废弃食用油（WCO）因其低成本、可再生性和将废物转化为能源的能力而特别具有吸引力，从而推动了循环经济原则的实现并减少了土地污染[5]、[6]、[7]、[8]、[9]。
最近的研究强调了两种或更多生物燃料混合使用在提高稳定性、调整物理化学性质和增强柴油发动机燃烧效率方面的潜力[10]、[11]、[12]、[13]、[14]。然而，纯WCO或复合油的直接使用仍受到其较差的热化学性质的限制。已经探索了诸如酯交换、混合和添加剂掺入等燃料升级技术，其中从农业废弃物（如水果皮和种子残渣）中提取的异质催化剂已成为传统均相催化剂的环境友好替代品[15]、[16]、[17]、[18]、[19]、[20]、[21]。这些催化剂具有无毒性、可重复使用性和更好的催化活性，增强了它们在可持续生物柴油生产中的作用。
与化石柴油相比，基于生物的燃料在减少碳氢化合物和一氧化碳排放方面表现出优势，尽管较高的氧含量通常会导致NOx排放增加[22]、[23]、[24]、[25]、[26]、[27]。已经研究了诸如水乳化、纳米添加剂和废气再循环等适应性策略，其中水乳化作为一种经济有效的方法，通过降低燃烧峰值温度和增强雾化作用来抑制NOx的形成[28]、[29]、[30]。尽管取得了这些进展，但对乳化生物燃料的实验测试仍然需要大量资源，操作参数的变异性和非线性相互作用使得结果难以重复[31]、[32]。
为了克服这些挑战，人工智能（AI）模型越来越多地被用于预测发动机性能和排放。从回归到先进的集成学习技术，使得多变量优化成为可能，减少了对繁琐实验的依赖，并揭示了燃料性质与燃烧结果之间的隐藏关系[33]、[34]、[35]。然而，将生物质衍生催化剂、复合乳化生物燃料和可解释的AI框架结合在一起的研究仍然有限。
本研究通过使用煅烧后的香蕉皮作为异质催化剂合成了一种印楝乳化复合生物燃料，并在其柴油发动机中的性能进行了评估。实验结果通过机器学习模型（XGBoost、AdaBoost、梯度提升）进行了补充，并通过交叉验证和基于SHAP的解释进行了验证。这种结合实验和计算的框架提供了化学上的可行性和基于知识的AI验证，为可持续柴油燃烧提供了可行的见解。除了技术性能外，该研究还强调了技术经济相关性。印楝油和WCO是低成本且广泛可获得的原料，而香蕉皮催化剂利用了丰富的农业废弃物，降低了生产成本和环境负担。机器学习的集成减少了实验开销，加快了优化过程并降低了研究成本。综上所述，这些因素使印楝乳化复合生物燃料成为发展中国家减少对化石燃料依赖的一种可扩展且经济上可行的途径。
部分摘录
催化剂制备
选择香蕉皮生物质作为异质催化剂的前体，因为它储量丰富且成本低廉。收集的香蕉皮用蒸馏水清洗后晾干，并在60°C下烘烤以去除剩余水分。干燥后的生物质在900°C下煅烧以分解有机成分并生成富碳材料。煅烧后的固体被细磨并储存在密封容器中以防止吸湿。制备步骤的示意图如下：
发动机性能评估
图2a显示了五种测试燃料的制动热效率（BTE）变化：柴油、CO100、CO5W、CO10W和CO15W。所有燃料均成功驱动了发动机，但效率各不相同。柴油由于其较高的热值（CV）表现出最高的BTE，而纯复合油（CO100）的BTE最低，大约比柴油低11.5%。这一结果与先前将BTE直接与燃料能量密度联系起来的研究结果一致[40]、[41]。
与CO100相比，所有
结论
本研究提出了一个结合实验和机器学习的框架，用于评估印楝乳化生物燃料混合物的燃烧、排放和预测性能。在测试的燃料中，10%水乳化复合油（CO10W）表现最为出色。其制动热效率仅比柴油低2.75%，制动比能耗比柴油高4.3%。与纯复合油（CO100）相比，CO10W的BTE提高了
CRediT作者贡献声明
Krishnamoorthy Ramalingam：撰写 – 审稿与编辑，撰写 – 原稿，资源准备，方法论，数据分析，概念化。Mohd Sharizal Abdul Aziz：软件开发，资源管理，项目协调，数据分析。Yong Jie Wong：数据验证，资源管理，数据分析，概念化。Mohd Zulkifly Abdullah：数据验证，监督，资源管理，概念化。Mohan Govindasamy：数据验证，资源管理，概念化。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。
致谢
本研究得到了马来西亚科学大学的研究型大学个人（RUI Khas NIC）资助计划（资助编号：R502-KR-ARU001-0000002311-K134）的支持。
