溶媒ベース炭素回収パイロットプラントのニューラルネットワークによるグレーボックスモデリングと経済的モデル予測制御

日本語

溶媒ベースのCO2回収パイロットプラントを対象に、ニューラルネットワークを用いたグレーボックスモデルを構築し、経済的モデル予測制御（EMPC）を適用した研究。再現用コードを公開し、炭素回収プロセスの運転最適化と省エネ・コスト低減の可能性を示す。CCUSの実装段階における制御技術の高度化に貢献する。

English

This work develops a neural network-based grey-box model and economic model predictive control (EMPC) for a solvent-based carbon capture pilot plant. It releases reproduction code, demonstrating improved operational optimization and energy/cost savings for CO2 capture processes. It advances control technology for industrial-scale CCUS deployment.

日本のGX文脈において

日本はGX推進でCCUSを重点技術に位置づけ、製鉄・化学・電力など排出集約産業での実装を目指す。本論文の制御最適化手法は、国内パイロット・実証プラントの運転効率とコスト低減に直結し、GX経済移行債や脱炭素技術の社会実装に資する。

In the global GX context

Globally, CCUS is a key pillar of net-zero pathways and transition finance taxonomies (EU, ISSB climate disclosures). This paper's EMPC approach improves capture-plant economics, informing industrial decarbonization projects and the credibility of CCUS as a mitigation lever in corporate climate strategies.