In this paper, several numerical models have been presented for predicting the water content of natural gases in equilibrium with liquid water. Machine learning approaches including multilayer perceptron (MLP) neural network, radial basis function (RBF) neural network, and least squares support vector machine (LSSVM) algorithm have been utilized for precise determination of water content of natural gases. The presented models work for pressures up to 69 MPa and temperatures between 298.15 and 450.15 K as well as acid gas mole fractions up to 0.4. With accordance to the error analysis results it was found that the proposed LSSVM, RBF, and MLP models reproduce targets with the average absolute relative deviations (%AARD) being less than 2.8%, 4.1%, and 7.7%, respectively. Coefficients of determination values of the developed models are found to be greater than 0.99, illustrating good association of the predictions with corresponding reported data in the literature.

The semiconductor industry is experiencing rapid growth and has become one of the largest sectors in the world. Propylene glycol monomethyl ether acetate (PGMEA) is prized for its exceptional properties and its ability to meet the stringent requirements as a solvent for electronic processing. This work aims to enhance the production of electronic-grade PGMEA through a practical and advanced intensified configuration. First, the kinetic reactor for propylene glycol monomethyl ether (PGME) synthesis has been modeled and pinpointed optimal operating conditions through sensitivity analysis. Subsequently, several process alternatives incorporating intensified techniques, such as the dividing wall column (DWC), pressure swing distillation (PSD), reactive DWC (RDWC), and side-reactor DWC (SR-DWC), have been investigated. These processes have been systematically designed and optimized through a sequential design procedure. Response surface methodology, a practical optimization method, has been employed to optimize the complex column's structure with the help of Aspen Plus and Minitab. Energy requirements and costs of all process alternatives were evaluated for a fair comparison. The SR-DWC-RD process has emerged as the most promising option, as it can save up to 11.5% in energy requirements and 19.9% in total annual costs. This practical design, complete with detailed optimal design parameters, presents significant opportunities for improving industrial PGMEA production.

Sustainable and cost-effective transportation of hydrogen is one of the major challenges to futuristic hydrogen value chain. Hydrogen, in its produced form, exhibits low energy density and large volume, rendering it highly unsuitable for transportation, particularly over extended distances. Liquefaction is one of the promising approaches to improve hydrogen's energy density and to make it more compact. However, liquefaction is an energy intensive process, raising the cost of transportation. In this study, the specific energy consumption of the hydrogen liquefaction process is aimed to reduce through knowledge-based optimization followed by optimization using the multivariate Coggin's algorithm to improve energy and economic profiles of the process. Design variables, composite curve, exergy, and economic analyses are performed to evaluate and compare the thermodynamic, economic, and environmental feasibility of the optimized process. The results depict a significant reduction (14.3%) in specific energy consumption to 9.40 kW/kgLH2 without increasing process complexity. Further key improvements include a massive drop in refrigerant flowrates (9.2%), annualized cost (m$ 0.15), and annual CO2 emissions (1008.45 tCO2/annum). The largest exergy destruction is observed in CHX-201, reflecting further room for improvement. These results underscore the potential for optimizing hydrogen liquefaction processes to enhance energy efficiency, process economics and environmental impact, providing valuable insights for researchers and industry professionals seeking to advance hydrogen liquefaction technologies. However, challenges remain in the comprehensive evaluation of chemical exergy for ortho- and para-hydrogen and in conducting advanced exergy analyses to further optimize hydrogen liquefaction processes without adding complexity.

This study aims to optimize a multi-energy production system that utilizes sustainable geothermal energy as its primary power source. The system comprises several subsystems, including a geothermal well, an organic rankine cycle (ORC) unit, an absorption chiller, and a proton exchange membrane (PEM) electrolyzer. The study examined the impact of variations in seven key parameters, including turbine inlet temperature, evaporator pinch point temperature, pump inlet temperature, evaporator inlet temperature, evaporator inlet mass flow rate, turbine efficiency, and pump efficiency, on the overall system performance. The Response Surface Methodology (RSM) was employed to find the optimum point of the system. To facilitate the practical implementation of the system, the research team assessed its viability in 10 different Iranian cities, all known for their substantial geothermal energy potential. Among the cities, Zahedan emerged as the most suitable location for deploying the system, given its robust energy production potential. The results showed that January, with a production of 626.4MWh of electricity, and November, with a production of 622.8 MWh of electricity, are the best months for the system to operate in Zahedan city. The environmental aspect of the system also yielded noteworthy results. By setting up the proposed system in Zahedan city, it is possible to prevent the emission of 1472.411 tons of carbon dioxide by producing 7217.7 MWh of electricity throughout the year at a cost of 35337.86 $. Additionally, the proposed system can help expand 7 hectares of green space, providing the electricity needed by 2349 people throughout the year.

The present article introduces and investigates a new approach for shaving the peak electricity demand and mitigating energy instability. At the heart of this concept is a smart integration for efficient hydrogen production/storage/usage to minimize energy costs and maximize the renewable penetration in the local electricity grid. The system is driven by a wind farm integrated with proton exchange membrane (PEM) electrolyzers and reverse osmosis desalination units for efficient electricity, hydrogen, and freshwater production. It also combines with PEM fuel cells equipped with a hydrogen tank to meet the demand constantly when renewable electricity is unavailable or unstable. The system's practicality is assessed and compared for various Swedish cities with high wind potential from thermodynamic, economic, and environmental aspects to see where it works effectively. The comparative results of various scenarios show that integrating 32 wind turbines, 2 electrolyzers, and 2 reverse osmosis units, with 25% of electricity going to electrolyzers, 20% to reverse osmosis, and 55% to the grid, is the most optimal configuration/allocation. Optimal locations for the power plant are identified in Visby, Halmstad, and Lund due to favorable wind conditions. Setting up the system in Visby could prevent 1878.2 tonnes of CO2 emissions, generate 93,910 MWh of electricity annually, and create 213 ha of green space. The proposed system in Visby could boast the biggest electricity generation capacity, reaching 11,263 MWh, sufficient to power 938 households. Scaling this model to 12 cities in Sweden could provide the electricity needs of 4500 households, demonstrating the potential for widespread impact.