Гибридное моделирование и AI для оптимизации улавливания углерода

Вот перевод и адаптация исходного текста на русский язык в развернутом, профессиональном стиле с сохранением всех технических деталей, цифр, дат и имен.

---

Оптимизация реакций со сложной кинетикой: гибридное моделирование на установке улавливания CO₂ в ISU Chemical

Оптимизация химических реакций, характеризующихся сложной кинетикой, исторически представляла собой серьезную проблему для систем математического моделирования технологических процессов. Традиционные подходы, основанные исключительно на фундаментальных законах, часто не справляются с нелинейными зависимостями и изменчивостью реальных условий эксплуатации.

С этой проблемой столкнулась южнокорейская компания ISU Chemical при эксплуатации установки улавливания углерода после сжигания (Post-Combustion Carbon Capture, PCCC). В качестве абсорбента на установке используется моноэтаноламин (МЭА). Высокие энергозатраты, связанные с регенерацией растворителя и поддержанием стабильности процесса, потребовали принципиально нового подхода к моделированию.

Для решения данной задачи компания внедрила гибридный подход к моделированию, объединив фундаментальные термодинамические модели (first-principles models) с алгоритмами машинного обучения (Machine Learning, ML). Интеграция была реализована в среде AVEVA Process Simulation.

Ключевым элементом инновации стало использование адаптера Open Neural Network eXchange (ONNX). Этот инструмент позволил ISU Chemical напрямую интегрировать нейросетевые модели, предварительно обученные в сторонних фреймворках (например, TensorFlow или PyTorch), в классический симулятор химических процессов. Таким образом, отпала необходимость в создании специализированного ПО или упрощении математического аппарата.

Архитектура гибридной модели работает следующим образом:

• Алгоритм искусственного интеллекта (ИИ) отвечает за прогнозирование сложных нелинейных параметров, таких как скорость деградации катализатора и кинетика поглощения CO₂.
• Строгие уравнения сохранения массы и энергии, заложенные в симуляторе AVEVA, выполняют роль физического ограничителя. Они предотвращают выдачу системой рекомендаций, которые являются физически невозможными или нарушают законы термодинамики.

Внедрение гибридной модели обеспечило беспрецедентную точность прогнозирования. В частности, прогнозирование выхода реакции в реакторе достигло 99,7% даже в условиях изменяющихся режимов эксплуатации и вариативного состава сырья.

Производительность вычислений также была кардинально улучшена. Время расчета одной симуляции сократилось с 20 секунд (в традиционной постановке) до практически мгновенного отклика — единиц миллисекунд.

Кроме того, система продемонстрировала способность с высокой достоверностью прогнозировать спад активности катализатора (catalyst decay). Это позволило ISU Chemical перейти от планово-предупредительных ремонтов к управлению жизненным циклом катализатора на основе реальных данных (data-driven lifecycle management). Такой подход минимизирует внеплановые простои установки и оптимизирует графики замены катализатора, что напрямую снижает эксплуатационные расходы.

Источник

Источник

Теги

• #ЦифровойДвойник
• #Моделирование
• #УлавливаниеУглерода
• #AVEVA

Источник: https://www.aveva.com/en/perspectives/success-stories/isu-chemical/

#ЦифровойДвойник #Моделирование #УлавливаниеУглерода #AVEVA