综上所述,对工厂规模的车库式干发酵系统进行性能预测和预警优化对提升系统的沼气产量至关重要。本研究基于最佳AutoGluon的堆叠集成模型开发了新型智能系统,针对消化池和渗滤液池沼气性能实现了精准预测和预警优化。以下是本研究的主要贡献:
i). 将自动化机器学习算法模型用于干发酵系统领域,利用广泛数据对众多模型进行模拟与预测,算法自动选择最佳模型。
ii). 评估了各个模型的性能,得到了适用于干发酵系统的最佳AutoGluon的堆叠集成模型WeightedEnsemble,取得了优秀的精度性能。
iii). 采用SHAP值法对消化池和渗滤液池数据集的变量进行了可解释分析,以获得工艺参数的最佳组合来提高干发酵系统的沼气性能。
iv). 基于测试数据,智能系统检查异常生产条件的准确率为100%,并可以提供基于MOPSO的工艺优化指导。
v). 开发了基于智能系统的软件(预测误差小于15%),以支持后续研究人员和工厂人员进行实际应用(图5)。
相关论文发表在ACS ES&T Engineering上,中国石油大学(北京)硕士研究生张一和赵云共同为文章的第一作者,中国石油大学(北京)李叶青副教授为通讯作者。