10.16085/j.issn.1000-6613.2022-2119
基于机器学习的煤层气组成预测及液化过程的实时优化
撬装式液化装置是解决小、偏、散煤层气利用难题的途径之一.煤层气性质不断变化,给液化过程的最优操作带来挑战.研究煤层气组分流量的预测可及时提供优化所需的煤层气参数,使实时优化成为可能.本文基于流程模拟和软测量思想,开展煤层气液化过程模拟及煤层气组分流量预测的研究,建立一种混合制冷剂液化过程实时优化方法,并对随机生成的三组气源数据进行案例分析.结果表明:基于流程模拟方法获得的数据集具有较好的一致性及可信度;针对随机森林的调参显示,决策树数量处于20~40时,模型能获得最优或者接近最优的准确度,继续增大这一参数,提升的准确度极为有限;基于预测-优化的方法能够获得近似最优的运行参数,对实际生产的实时调优具有重要意义.
计算机模拟、过程系统、煤层气、粒子群、随机森林
42
TQ021.8(一般性问题)
国家自然科学基金21908173
2023-11-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
5059-5066