Машинное обучение для расширенного мониторинга выбросов и стратегий их сокращения на электростанциях, работающих на ископаемом топливе

Электростанции, работающие на ископаемом топливе, являются значительным источником глобальных выбросов диоксида углерода (CO2) и оксидов азота (NOx). Точный мониторинг и эффективное сокращение этих выбросов имеют решающее значение для смягчения последствий изменения климата. В настоящем систематическом обзоре рассматривается современное состояние исследований применения методов машинного обучения для оценки выбросов электростанций, работающих на ископаемом топливе. Сначала кратко представлены системы непрерывного мониторинга выбросов (CEM) и системы прогнозного мониторинга выбросов (PEM), обычно используемые на электростанциях, и показано, что модели машинного обучения способны значительно совершенствовать системы PEM благодаря интеллектуальной обработке и интерпретации больших массивов данных, преобразуя традиционные системы мониторинга выбросов за счет повышения их точности, эффективности и экономичности. В отличие от ранее опубликованных обзорных статей, ключевой вклад и новизна настоящего обзора заключаются в систематическом обсуждении моделей машинного обучения для прогнозирования выбросов CO2/NOx в зависимости от используемых алгоритмов, включая их преимущества и недостатки, что должно помочь будущим исследователям разрабатывать более эффективные модели машинного обучения. К наиболее распространенным моделям машинного обучения относятся обучение с подкреплением, нейронные сети прямого распространения, нейронные сети с долговременной кратковременной памятью и метод опорных векторов для регрессии. Хотя каждый метод имеет собственные преимущества и недостатки, важную роль играют качество обучающих данных и правильный выбор параметров модели. Выявлены такие проблемы и пробелы в исследованиях, как переносимость моделей, более глубокое понимание физики формирования выбросов CO2/NOx и доступность высококачественных данных для обучения моделей машинного обучения; также предложены и обсуждены рекомендации и потенциальные направления дальнейших исследований для решения этих проблем.