可解释机器学习建模的存储能量物理验证与关键驱动因素识别：一项聚变等离子体案例研究

《Journal of Energy Storage》：Interpretable machine learning modeling of stored energy with physical validation and key driver identification: A fusion plasma case study

　　

对复杂储能系统进行准确且可解释的建模对于有效的监控和控制至关重要。本论文提出了一种潜在可应用的、物理一致的可解释机器学习框架，其核心基于LightGBM，旨在识别并稳健地对托卡马克等离子体中存储能量的关键驱动因素进行排序，同时确保高预测精度、物理一致性和低计算成本下的可解释性。传统的基于回归的方法具有良好的物理可解释性，但在高维特征空间下表现不佳。相比之下，现代机器学习方法可以处理高维数据，但往往缺乏物理可解释性。本框架弥合了这一差距，通过模型无关的解释工具高效处理高维数据，同时保持物理一致性。利用来自EAST托卡马克的大规模等离子体数据集（41,544条记录，204个特征），该框架在独立测试集上实现了R²=0.994，并与XGBoost和CatBoost进行了公平比较。在相同硬件条件下，LightGBM表现出最均衡的性能——结合了优越的测试集泛化能力、更紧凑的残差以及显著更低的训练成本。沙普利加性解释（SHAP）分析在交叉验证折上产生了稳定且物理一致的排序，其中等离子体电流（Ip）、总吸收功率（P_total）和线平均电子密度（n_el）一致地被确定为最主要的贡献因素。多项补充分析——包括与理论的Spearman相关性、部分依赖图、SHAP依赖分析和受控敏感性研究——均证实了这些归因的物理有效性，揭示了阈值效应、非线性相互作用以及与等离子体物理一致的运行区域。聚变等离子体作为一个具有挑战性的案例研究，展示了在高维、多物理耦合条件下的性能。梯度提升树与SHAP分析的组合可为其他能源系统中类似问题的建模提供参考。

复杂储能系统的可靠建模对于现代能源基础设施中的稳定运行、高效控制和长期可持续性至关重要。托卡马克等离子体中的存储能量（W）建模面临高维诊断空间（204个特征）、强非线性耦合以及物理可解释性需求等挑战。传统回归方法（如ITER98y2定标律）虽具有良好的物理可解释性，但难以处理高维特征空间和非线性交互；而现代机器学习方法虽能处理高维数据，却往往缺乏物理透明性，且难以获得稳定的关键驱动因素排序。为此，研究人员提出一种基于LightGBM（轻量级梯度提升机）的可解释机器学习框架，结合沙普利加性解释（SHAP）分析，旨在同时实现高预测精度、物理一致性和低计算成本。利用EAST（实验先进超导托卡马克）的41,544个准稳态样本（204个特征）进行验证，框架在独立测试集上达到R²=0.994，并识别出等离子体电流（Ip）、总吸收功率（P_total）和线平均电子密度（n_el）为存储能量的三个关键驱动因素，其排序与等离子体物理理论一致。该研究为聚变能系统及其他复杂储能系统的可部署建模提供了参考，论文发表在《Journal of Energy Storage》。

研究人员采用了以下关键技术方法：首先，基于LightGBM构建梯度提升树模型，并在相同硬件条件下与XGBoost和CatBoost进行公平对比；其次，利用SHAP分析生成全局特征贡献排序，并通过交叉验证评估稳定性；第三，采用部分依赖图（PDP）和SHAP依赖分析法揭示特征之间的非线性交互及阈值效应；第四，通过Spearman相关性分析将SHAP重要性排序与ITER98y2定标律的理论预期进行统计比较；最后，进行受控敏感性研究，分别扫描Ip、P_total和n_el在固定其他特征时的模型输出变化，验证物理合理性。样本队列来源于EAST托卡马克，包含41,544条准稳态H模（高约束模式）放电记录，涵盖204个物理变量。

研究结果部分包含以下三个子节：

**模型精度与算法效率**：通过五折交叉验证和独立测试集评估，LightGBM在测试集R²（0.994）、均方根误差（RMSE）和平均绝对百分比误差（MAPE）上均优于XGBoost和CatBoost，且训练时间仅为XGBoost的0.67倍、CatBoost的0.84倍，内存占用也最小（0.71 GB），表现出最均衡的性能。

**关键驱动因素识别**：基于SHAP全局重要性分析，在交叉验证中Ip、P_total和n_el稳定占据前三名，其SHAP值总和占总贡献的68%以上。SHAP归因与ITER98y2定标律中对应参数的指数符号完全一致（Ip和n_el正相关，P_total负相关），且与Spearman相关性分析得出的方向一致（ρ分别为Ip: 0.977、P_total: -0.935、n_el: 0.948）。

**SHAP驱动排名的物理验证**：通过部分依赖图（PDP）发现Ip和P_total对W分别具有单调递增和递减效应，n_el呈现非线性饱和效应，且存在阈值（如Ip>0.6 MA时增益放缓）。SHAP依赖分析进一步揭示了特征间的交互作用，例如n_el与边界安全因子q₉₅的耦合。受控敏感性研究在固定其他特征时，模型输出随Ip、P_total和n_el的变化趋势与理论预期一致，且当三者同时变化时，模型预测与ITER98y2定标律的相对偏差在0.55%以内。

讨论部分指出，该框架的主要贡献在于将梯度提升树与SHAP归因相结合，实现了复杂系统中存储能量的可解释且物理一致的建模。虽然已在EAST聚变等离子体数据上验证，但该方法论可推广至电化学电池、氢存储和热系统等其他储能领域，这些领域同样面临高维监控、非线性耦合及模型可解释性的需求。框架的稳定性通过交叉验证与多种补充分析得到确认，确保了关键驱动因素排序的可重复性和物理有效性。未来工作可探索深度集成方法以加速推理，或扩展至实时控制应用。

研究结论部分翻译如下：本研究通过结合梯度提升树模型与基于SHAP的特征归因，提出了一个统一且可解释的复杂储能系统存储能量建模框架。在包含41,544个准稳态样本和204个保留变量的EAST H模大规模数据集上的验证表明，该框架能够同时实现高预测精度和高维、强耦合等离子体环境下的物理可解释性。在三个梯度提升算法中，LightGBM在预测精度、训练效率和推理性能上取得了最佳平衡。SHAP分析稳定地识别出Ip、P_total和n_el为存储能量的三个关键驱动因素，且其归因与ITER98y2定标律及等离子体物理理论一致。多种互补分析——包括Spearman相关性、PDP、SHAP依赖分析和受控敏感性研究——进一步证实了这些归因的物理有效性。本方法在聚变装置中展现的良好性能表明，将可解释机器学习融入储能模型具有更广泛的适用性，可为面临类似挑战的能源系统建模提供参考。