Концептуальний фреймворк універсальної ші для оптимізації робіт біогазових установок

Abstract

Метанова ферментація є ключовою технологією для перетворення органічних відходів на біогаз, однак ефективне управління процесом ускладнюється через його нелінійність та варіативність сировини. Моделі штучного інтелекту (ШІ) демонструють високий потенціал для прогнозування та оптимізації виробництва біогазу, але їх розробка для кожної окремої установки є ресурсозатратною та вимагає великих масивів історичних даних. Більше того, моделі, навчені на даних однієї установки, погано генералізуються на інші через унікальність операційних умов, що створює проблему "ізольованих даних". У цій роботі запропоновано концептуальний фреймворк операційного навчання, що базується на принципах трансферного та федеративного навчання для передачі знань між різними біогазовими установками. Метою є створення масштабованих, адаптивних та даних-ефективних моделей ШІ, здатних до швидкої адаптації до нових умов з мінімальним обсягом локальних даних. Фреймворк включає етап уніфікації даних, для якого розроблено прототип системи збору, та механізм передачі параметрів моделі, що дозволяє уникнути прямого обміну конфіденційними даними. Такий підхід не лише підвищує точність прогнозування на установках з обмеженою історією даних, але й закладає основу для створення колаборативної екосистеми, де знання, отримані на одній установці, посилюють ефективність інших, прискорюючи перехід до стабільної та сталої біоенергетики