近日，低碳院在煤氣化過程模擬與優(yōu)化領域取得重要研究進展，成功構建了一套基于機器學習算法的煤氣化過程模擬與操作優(yōu)化框架，相關成果以“A Machine Learning Framework for Coal Gasification Process Simulation and Operation Optimization（一種基于機器學習框架的煤氣化流程模擬和優(yōu)化模型）”為題，發(fā)表在能源領域權威期刊《FUEL》（影響因子6.7）。

圖為煤氣化過程模擬與優(yōu)化的機器學習框架

流程模擬仿真通過數學模型模擬和預測實際生產過程，是提升生產效率、預警安全風險、支撐系統(tǒng)全生命周期決策的關鍵工具。該研究選取決策樹的管道優(yōu)化工具為核心算法，創(chuàng)新性構建了煤氣化過程成套仿真模型。模型實現了機器學習算法遴選與參數調優(yōu)的自動化，并整合了數據模型解釋器與優(yōu)化器功能，有效突破了傳統(tǒng)機理模型計算效率低、收斂難度大的瓶頸。同時，模型解決了與DCS系統(tǒng)耦合應用的跨時間尺度難題，為煤氣化單元的在線模擬與實時優(yōu)化提供了技術支撐。

該研究基于包頭化工、科環(huán)集團國能智深和低碳院聯(lián)合申報的集團公司重點研發(fā)項目——“大型現代煤化工自主可控智能監(jiān)控平臺關鍵技術研究及示范應用”。2024年7月，低碳院成立項目工作專班，與包頭化工、科環(huán)集團國能智深研發(fā)團隊深度協(xié)作，取得了上述研發(fā)成果。該研究可助力推動國產自主可控的智能DCS系統(tǒng)研發(fā)和應用示范，有力支撐包頭化工煤制烯烴升級示范項目高標準建設，為集團公司全面構建數字智慧的能源產業(yè)鏈體系貢獻更多力量。

全文內容請點擊“閱讀原文”

聲明：本文系轉載自互聯(lián)網，請讀者僅作參考，并自行核實相關內容。若對該稿件內容有任何疑問或質疑，請立即與鐵甲網聯(lián)系，本網將迅速給您回應并做處理，再次感謝您的閱讀與關注。