モデル予測制御に基づく低炭素プロセス産業における石炭・電力消費の協調動的最適化
Model Predictive Control-Based Coordinated Dynamic Optimization of Coal and Electricity Consumption for Low-Carbon Process Industry (原題)
Gengwu Zhang, Yihe Feng, Muzi Su
🤖 gxceed AI 要約
日本語
セメント製造のクリンカ焼成を対象に、MPC（モデル予測制御）を用いた石炭・電力消費の協調最適化フレームワークを提案。ReliefFによる変数選別、VMDとスライディングウィンドウによる動的特徴量構築、HHO-ELMによる消費予測、GWOによる省エネ参照軌道探索を組み合わせる。実プラントのDCSデータとオフライン閉ループシミュレーションで評価し、石炭・電力消費の協調削減を示唆した。
English
This paper proposes a receding-horizon MPC framework to jointly optimize coal and electricity consumption in cement clinker calcination. It combines ReliefF variable screening, VMD-based multiscale features, an HHO-ELM predictor, and a GWO optimizer to generate energy-efficient reference trajectories tracked by a data-driven MPC. Evaluated on archived industrial DCS data via offline closed-loop simulation, it indicates coordinated reductions in coal and electricity use.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
日本の製造業（特に素材・セメント）はScope1排出削減とエネルギーコスト最適化の両立が課題。本手法はDCSデータを活用した制御最適化であり、国内プラントの省エネ・脱炭素投資判断やGX推進に示唆を与える。
In the global GX context
For global GX, this work illustrates how advanced process control can deliver measurable Scope 1 emission reductions in hard-to-abate heavy industry, complementing disclosure frameworks like TCFD/ISSB with operational decarbonization pathways.
👥 読者別の含意
🔬研究者:MPCと機械学習を組み合わせた産業プロセスの省エネ最適化手法に関心のある研究者に有用。
🏢実務担当者:セメント等のプロセス産業の環境・生産技術担当者が、DCSデータを活用した省エネ制御の可能性を検討する際の参考になる。
🏛政策担当者:産業部門の脱炭素政策において、デジタル制御技術による排出削減ポテンシャルを示す事例として参考になる。
📄 Abstract（原文）
As a typical high-emission process industry, cement manufacturing features strong non-linearity, time-varying delays, and nonstationary dynamics, with clinker calcination dominating energy costs and carbon emissions. This paper proposes a receding-horizon MPC coordinated optimization framework for reducing coal and electricity consumption during calcination. First, ReliefF screening extracts key energy-related state variables from high-dimensional DCS data under process-mechanism constraints. VMD and sliding windows are then used to construct multiscale dynamic features describing nonstationary and delayed process responses. An HHO-ELM model predicts future energy-consumption trajectories, while a GWO-based upper-layer optimizer searches for energy-efficient reference trajectories under operating constraints. A data-identified discrete-time plant-response model serves as the internal dynamic model of the lower-layer MPC, which calculates constrained control moves for tracking these references. The framework is evaluated using archived industrial DCS data and an offline receding-horizon closed-loop simulation. VMD-HHO-ELM yields the lowest prediction errors among the compared predictors, and GWO shows favorable convergence for economic reference generation. The simulated MPC results indicate coordinated reductions in coal and electricity consumption within the observed operating region.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.3390/eng7100498first seen 2026-09-26 04:42:51
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。