Dec, 2023
优化压力摆动吸附装置中的 $CO_{2}$ 捕捉：一种深度神经网络方法，具有优化评估和操作图用于决策
Optimizing $CO_{2}$ Capture in Pressure Swing Adsorption Units: A Deep Neural Network Approach with Optimality Evaluation and Operating Maps for Decision-Making
Carine Menezes Rebello, Idelfonso B. R. Nogueira
TL;DR该研究提出了一种用于循环吸附过程的替代优化的方法，主要关注提高压力摆动吸附单元对二氧化碳（$CO_2$）的捕获效果。研究开发并应用了一个多输入单输出（MISO）框架，包括两个深度神经网络（DNN）模型，用于预测关键过程性能指标。这些模型随后被整合到一个优化框架中，利用粒子群优化（PSO）和统计分析生成了一个全面的 Pareto 前沿表示。该方法绘制了可行操作区域（FORs），并突出了最佳决策制定方案的谱系。而研究方法的一个关键方面是评估优化效果。通过将 Pareto 前沿产生的决策变量与一种现象模型进行测试，验证了替代模型的可靠性。随后，研究探讨了这些决策变量的可行操作域。构建了详细的相关图以阐明这些变量之间的相互作用，从而揭示了影响过程行为的最具影响力因素。该研究提供了一个实用、富有洞察力的操作地图，帮助操作员确定最佳的过程位置并优先考虑特定的操作目标。