近日，低碳院在煤氣化過程模擬與優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化模型）”為題，發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、支撐系統全生命周期決策的關鍵工具。該研究選取決策樹的管道優化工具為核心算法，創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的自動化，并整合了數據模型解釋器與優化器功能，有效突破了傳統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化提供了技術支撐。

該研究基于包頭化工、科環集團國能智深和低碳院聯合申報的集團公司重點研發項目——“大型現代煤化工自主可控智能監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、科環集團國能智深研發團隊深度協作，取得了上述研發成果。該研究可助力推動國產自主可控的智能DCS系統研發和應用示范，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。