高斯过程代理建模在快速热解中向技术经济指标的不确定性传播

《Biomass and Bioenergy》：Uncertainty propagation to techno-economic outcomes through Gaussian process surrogate modeling of fast pyrolysis

　　

研究人员将高斯过程（GP）预测不确定性转化为经济风险分布。在相关性产率与公用工程不确定性下，揭示了依赖于原料的下侧风险。息税折旧摊销前利润（EBITDA）与最低销售价格（MSP）被估计为概率分布而非单一数值。在550?°C下，组成与干燥成本对EBITDA风险的影响强于730?°C。化学工程设计依赖仿真结果，故模型与参数不确定性需被量化。复杂过程的首原理模型计算昂贵，迭代优化中受限；代理建模以少量高保真运行训练快速近似。GP作为非参数贝叶斯方法，输出含均值与后验标准差的全分布，稀疏区不确定性自发增大。快速热裂解产物分布受停留时间、温度、加热速率、粒径与生物质组成共同影响，纤维素、半纤维素、木质素与灰分分解行为差异使产率难测，进而传导至技术经济分析（TEA）可靠性。既往TEA多在参数区间或情景层引入不确定性，未与过程模型预测不确定性直连。本研究目标为：训练文献快速热解数据上的多输出GP代理模型，估计产物产率与热需求并保留输出间联合预测不确定性，再将其系统传播进简化TEA，使EBITDA与MSP以概率分布评估。数据含103个文献点，输入为停留时间、反应器温度、粒径及纤维素、半纤维素、木质素、灰分含量（归一化至100?wt%），输出为生物油、气体、焦炭产率及热、冷热需求；输入标准化，输出同标准化。多输出GP用GPyTorch的ExactGP，均值用MultitaskMean加ConstantMean，协方差用Matérn ν=1.5的MultitaskKernel包ScaleKernel，ARD分维长程，任务间相关性以rank?three共区域化建模；5折交叉验证重复20次，负精确边际对数似然为损失，全量重训为终模型。热需求由Hess定律与298?K基准焓变算得，形成焓由元素分析与高位热值（HHV）推。GP后验不确定性作为联合分布采样，经简化TEA算EBITDA与MSP分布。结果显示：GP预测不确定性可译为经济风险分布；产率与公用工程相关不确定性暴露原料依赖型下侧风险；EBITDA与MSP成分布而非点估；550?°C下组成与干燥成本塑形EBITDA风险甚于730?°C。该框架在早期数据稀缺设计阶段，以概率而非单点评估工艺可行性。

研究背景方面，化学工程设计与操作决策高度依赖仿真结果，因此模型本身及其参数选择所固有的不确定性必须被量化。复杂工艺的首原理模型虽准确，但计算成本在迭代优化中往往 prohibitive，工业级仿真常耗时数小时至数天，导致可行运行次数仅数十次，陷入数据稀缺困境。快速热解作为生物质热化学转化过程，其生物油、气体与焦炭产率受反应器温度、升温速率、蒸气停留时间、粒径及生物质组成（纤维素、半纤维素、木质素、灰分）共同控制，一次与二次反应网络复杂，跨原料与工况的产率预测难度高。产率预测不确定性会直接削弱后续技术经济分析（TEA）的可靠性。既往TEA研究多通过对关键输入参数赋予概率分布或定义情景来引入不确定性，但其不确定性并非源自过程模型本身的预测不确定性。遗留缺口在于：不仅要在不确定性下做TEA，更要把代理过程模型的预测不确定性经TEA计算正向传播。本研究发表于《Biomass and Bioenergy》，旨在建立并演示一套将多输出高斯过程（GP）代理模型预测不确定性传播至TEA指标的框架。

关键技术方法上，研究人员汇集103个文献衍生的快速热解数据点，输入特征涵盖停留时间、反应器温度、粒径及纤维素、半纤维素、木质素、灰分含量（先归一化至100?wt%再标准化），输出为生物油产率、气体产率、焦炭产率、热公用工程需求（Q_Hot）与冷公用工程需求（Q_Cold）；其中Q_Hot与Q_Cold由Hess定律与298?K基准焓变自物料与能量平衡推算，形成焓由元素分析与高位热值（HHV）反演。代理模型采用GPyTorch的ExactGP多输出框架：成分变量经PCA保留95%方差降为三正交分量，连同三过程变量共六输入；均值用MultitaskMean嵌ConstantMean，协方差用Matérn ν=1.5的MultitaskKernel包ScaleKernel并启ARD，任务间相关性以rank?three共区域化核刻画；以负精确边际对数似然为损失，5折交叉验证重复20次后全量重训。不确定性传播阶段，从GP联合后验抽样产率与热需求，送入以1?kg干生物质为基准的简化TEA，计算息税折旧摊销前利润（EBITDA）与最低销售价格（MSP）的概率分布。

研究结果部分，引言指出代理建模与GP在化学工程小数据场景的适配性，以及快速热解产率不确定性的经济传导缺口。方法节表明：数据预处理通过归一化与标准化稳定训练；PCA将成分冗余压至三正交轴；GP架构以非参数贝叶斯后验提供每点均值与标准差，后验标准差在稀疏区自然放大；热负荷节用标准热力学关系补全文献缺失的Q_Hot、Q_Cold。主体结论可归纳为四点：其一，GP预测不确定性可被翻译成经济风险分布，而非仅停留在产率置信区间；其二，产率与公用工程需求的相关不确定性揭示出随原料而变的下侧风险，即某些原料组合在经济指标左尾更脆弱；其三，EBITDA与MSP以概率分布呈现，使可行性判断从单点估计转为分位数与违约概率评估；其四，在550?°C工况下，生物质组成与干燥成本对EBITDA风险形态的塑造强于730?°C，说明低温工况对经济侧不确定性的敏感度更高。讨论部分强调，该框架的价值在于早期设计阶段数据稀缺且模型不确定性不可消除时，仍能以概率方式而非单点方式评估工艺生存性；把过程模型预测不确定性显式接入TEA，弥补了既往参数情景式不确定性分析与底层模型脱节的缺陷。结论确认：多输出GP保留的输出间联合不确定性经TEA传播后，可产出EBITDA与MSP的分布，相关性结构会暴露原料依赖型下行风险，且温度工况改变组成与干燥成本对经济效益风险的相对权重。