基于机器学习的碳捕获工艺的混合动态建模与经济预测控制

在船舶上实施碳捕获技术作为国际航运碳强度降解的解决方案具有潜力。本文提出一种基于混合建模的经济预测控制方案，以提高船舶碳捕获工艺的能源效率。具体而言，我们考虑了包含船舶发动机系统和船舶后燃碳捕获厂的综合性碳捕获工艺。为准确且稳健地表征该船舶工厂的动态行为，我们开发了一种混合动态过程模型，将可用且不完美的物理知识与使用工艺运行数据训练的神经网络相结合。基于混合模型提出了一种经济模型预测控制方法，以确保碳捕获效率的同时最小化碳捕获工艺运行所需的能源消耗。采用交叉熵方法有效求解基于混合模型的经济模型预测控制方法所涉及的复杂非凸优化问题。进行大量仿真、分析和比较，验证了所提出框架的有效性并展示了其优越性。