近日，低碳院在煤气化过程模拟与优化领域取得重要研究进展，成功构建了一套基于机器学习算法的煤气化过程模拟与操作优化框架，相关成果以“A Machine Learning Framework for Coal Gasification Process Simulation and Operation Optimization（一种基于机器学习框架的煤气化流程模拟和优化模型）”为题，发表在能源领域权威期刊《FUEL》（影响因子6.7）。
图为煤气化过程模拟与优化的机器学习框架
流程模拟仿真通过数学模型模拟和预测实际生产过程，是提升生产效率、预警安全风险、支撑系统全生命周期决策的关键工具。该研究选取决策树的管道优化工具为核心算法，创新性构建了煤气化过程成套仿真模型。模型实现了机器学习算法遴选与参数调优的自动化，并整合了数据模型解释器与优化器功能，有效突破了传统机理模型计算效率低、收敛难度大的瓶颈。同时，模型解决了与DCS系统耦合应用的跨时间尺度难题，为煤气化单元的在线模拟与实时优化提供了技术支撑。
该研究基于包头化工、科环集团国能智深和低碳院联合申报的集团公司重点研发项目——“大型现代煤化工自主可控智能监控平台关键技术研究及示范应用”。2024年7月，低碳院成立项目工作专班，与包头化工、科环集团国能智深研发团队深度协作，取得了上述研发成果。该研究可助力推动国产自主可控的智能DCS系统研发和应用示范，有力支撑包头化工煤制烯烃升级示范项目高标准建设，为集团公司全面构建数字智慧的能源产业链体系贡献更多力量。
