論文の概要: Domain Consistent Industrial Decarbonisation of Global Coal Power Plants

• arxiv url: http://arxiv.org/abs/2503.03571v1
• Date: Wed, 05 Mar 2025 15:00:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:50:42.981905
• Title: Domain Consistent Industrial Decarbonisation of Global Coal Power Plants
• Title（参考訳）: グローバル石炭発電プラントのドメイン一貫性産業脱炭
• Authors: Waqar Muhammad Ashraf, Vivek Dua, Ramit Debnath,
• Abstract要約: 機械学習と最適化技術(MLOPT)は、産業システムの脱炭を加速する大きな可能性を秘めている。 しかし、産業環境におけるMLOPTの実践的応用は、ドメインコンプライアンスの欠如とシステム固有の一貫性の欠如によってしばしば妨げられる。 本稿では,ドメインの専門知識とデータ駆動手法を統合したHuman-in-the-loop(HITL)制約に基づく最適化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Machine learning and optimisation techniques (MLOPT) hold significant potential to accelerate the decarbonisation of industrial systems by enabling data-driven operational improvements. However, the practical application of MLOPT in industrial settings is often hindered by a lack of domain compliance and system-specific consistency, resulting in suboptimal solutions with limited real-world applicability. To address this challenge, we propose a novel human-in-the-loop (HITL) constraint-based optimisation framework that integrates domain expertise with data-driven methods, ensuring solutions are both technically sound and operationally feasible. We demonstrate the efficacy of this framework through a case study focused on enhancing the thermal efficiency and reducing the turbine heat rate of a 660 MW supercritical coal-fired power plant. By embedding domain knowledge as constraints within the optimisation process, our approach yields solutions that align with the plant's operational patterns and are seamlessly integrated into its control systems. Empirical validation confirms a mean improvement in thermal efficiency of 0.64\% and a mean reduction in turbine heat rate of 93 kJ/kWh. Scaling our analysis to 59 global coal power plants with comparable capacity and fuel type, we estimate a cumulative lifetime reduction of 156.4 million tons of carbon emissions. These results underscore the transformative potential of our HITL-MLOPT framework in delivering domain-compliant, implementable solutions for industrial decarbonisation, offering a scalable pathway to mitigate the environmental impact of coal-based power generation worldwide.
• Abstract（参考訳）: 機械学習と最適化技術(MLOPT)は、データ駆動の運用改善によって産業システムの脱炭を加速する大きな可能性を秘めている。 しかし、産業環境でのMLOPTの実践的応用は、ドメインコンプライアンスの欠如とシステム固有の一貫性の欠如によってしばしば妨げられ、現実の応用性に制限のある準最適解が生まれる。 この課題に対処するために、ドメインの専門知識をデータ駆動手法に統合し、ソリューションが技術的に健全かつ操作可能であることを保証する、新しいHuman-in-the-loop(HITL)制約ベースの最適化フレームワークを提案する。 熱効率の向上と660MW超臨界石炭火力発電所のタービン熱速度の低減に焦点をあてたケーススタディにより, 本枠組みの有効性を実証した。 ドメイン知識を最適化プロセス内に制約として埋め込むことで、当社のアプローチは、プラントの運用パターンと整合し、その制御システムにシームレスに統合されたソリューションを提供します。 実験による検証では、熱効率0.64\%の平均改善とタービン熱速度93kJ/kWhの平均低下が確認されている。 我々の分析を、容量と燃料タイプに匹敵する59の世界の石炭発電所に拡張し、累積寿命を156.4万トン削減すると見積もった。 これらの結果は,世界規模の石炭発電の環境影響を緩和するスケーラブルな経路を提供する産業脱炭のための,ドメイン準拠で実装可能なソリューションの提供において,我々のHITL-MLOPTフレームワークの変革的ポテンシャルを浮き彫りにしている。

関連論文リスト

• Improving Power Plant CO2 Emission Estimation with Deep Learning and Satellite/Simulated Data [0.0]
  発電所からのCO2排出は、重要なスーパーエミッターとして、地球温暖化に大きく貢献する。 本研究では、Sentinel-5PからのNO2データの統合、連続したXCO2マップの生成、OCO-2/3からの実際の衛星観測をデータスカース領域における71以上の発電所に組み込むことにより、利用可能なデータセットを拡張することによる課題に対処する。
  論文  参考訳（メタデータ） (2025-02-04T08:05:15Z)
• Optimizing Carbon Footprint in ICT through Swarm Intelligence with Algorithmic Complexity [0.0]
  2022年、化石燃料の燃焼とセメント生産による地球規模の排出が記録され、パンデミック前の水準への回復が示唆された。 このことは、ICT内の炭素フットプリントを測定し最適化するために、Swarm Intelligenceアプリケーションをさらに探究する必要があることを示している。
  論文  参考訳（メタデータ） (2025-01-20T02:34:55Z)
• PV-faultNet: Optimized CNN Architecture to detect defects resulting efficient PV production [0.0]
  本研究では,太陽光発電(PV)セルの高効率かつリアルタイムな欠陥検出に最適化された,軽量な畳み込みニューラルネットワーク(CNN)アーキテクチャであるPV-faultNetを提案する。 このモデルにはわずか292万のパラメータが含まれており、精度を犠牲にすることなく処理要求を大幅に削減している。 91%の精度、89%のリコール、90%のF1スコアを達成し、PV生産におけるスケーラブルな品質管理の有効性を実証した。
  論文  参考訳（メタデータ） (2024-11-05T10:58:37Z)
• Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
  ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている 本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。 本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
  論文  参考訳（メタデータ） (2024-04-28T05:46:28Z)
• Efficient Strategies on Supply Chain Network Optimization for Industrial Carbon Emission Reduction [0.0]
  本研究では, 産業用炭素排出量削減を目的としたサプライチェーンネットワーク最適化の効率化戦略について検討した。 本稿では, リアルタイムの炭素排出量データを活用したアダプティブカーボン排出量指数(ACEI)を導入し, サプライチェーン運用における即時調整を行う。
  論文  参考訳（メタデータ） (2024-04-17T14:53:55Z)
• A Safe Genetic Algorithm Approach for Energy Efficient Federated Learning in Wireless Communication Networks [53.561797148529664]
  フェデレートラーニング(FL)は、従来の集中型アプローチとは対照的に、デバイスが協調的にモデルトレーニングを行う分散技術として登場した。 FLの既存の取り組みにもかかわらず、その環境影響は、無線ネットワークへの適用性に関するいくつかの重要な課題が特定されているため、まだ調査中である。 現在の研究は遺伝的アルゴリズム(GA)アプローチを提案しており、FLプロセス全体のエネルギー消費と不要な資源利用の両方を最小化することを目標としている。
  論文  参考訳（メタデータ） (2023-06-25T13:10:38Z)
• Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model [72.65502770895417]
  176ビリオンパラメータ言語モデルBLOOMの炭素フットプリントを,そのライフサイクルにわたって定量化する。 BLOOMの最終訓練で約24.7トンのカルボネックが放出されたと推定する。 本稿では,機械学習モデルの炭素フットプリントを正確に推定することの難しさについて論じる。
  論文  参考訳（メタデータ） (2022-11-03T17:13:48Z)
• Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
  強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。 我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
  論文  参考訳（メタデータ） (2022-08-12T17:13:25Z)
• Modelling the transition to a low-carbon energy supply [91.3755431537592]
  気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。 二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。 排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
  論文  参考訳（メタデータ） (2021-09-25T12:37:05Z)
• Estimating air quality co-benefits of energy transition using machine learning [5.758035706324685]
  大気質の改善から化石燃料の使用を減らすという健康上の利点を推定することは、二酸化炭素排出量の削減に重要な根拠となる。 本研究では, 高精度かつ堅牢な平均粒径(PM2.5)濃度推定が可能な, 高精度かつ簡潔な機械学習フレームワークを開発した。 本研究は, 炭素中性エネルギーシステムへの移行における費用対効果を最大化するために, 慎重な政策設計を促すものである。
  論文  参考訳（メタデータ） (2021-05-29T14:52:57Z)
• Enforcing Policy Feasibility Constraints through Differentiable Projection for Energy Optimization [57.88118988775461]
  本稿では,ニューラルポリシー内での凸操作制約を強制するために,PROF(Projected Feasibility)を提案する。 エネルギー効率の高い建築操作とインバータ制御の2つの応用についてPROFを実証する。
  論文  参考訳（メタデータ） (2021-05-19T01:58:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。