Прогнозування викидів діоксиду вуглецю (CO₂) з газотурбінних установок за допомогою моделей машинного навчання

Анотація

У роботі розглядається застосування методів машинного навчання, зокрема моделей XGBoost та Random Forest, для прогнозування рівня викидів вуглецю оксиду (CO₂) з газотурбінного обладнання. Точне передбачення рівня шкідливих викидів є критично важливим завданням у контексті забезпечення енергетичної безпеки та досягнення екологічної стійкості. У дослідженні використано реальний набір даних, зібраний у Туреччині упродовж 2011–2015 років, що містить понад 36 тисяч записів щогодинного моніторингу технічних та атмосферних параметрів газотурбінної установки. З метою покращення якості моделювання було проведено попередню обробку даних, що включала очищення, аналіз кореляції ознак та стандартизацію числових значень. На основі обраних параметрів побудовано дві регресійні моделі: XGBRegressor та RandomForestRegressor, які продемонстрували високу точність при оцінюванні результатів. Найкраще значення коефіцієнта детермінації склало 0,742 для моделі Random Forest, що вказує на її ефективність у відтворенні залежностей між технічними параметрами установки та рівнем викидів CO₂. Аналіз важливості ознак показав, що найбільший вплив на рівень емісій мають параметри, пов’язані з температурними режимами турбіни, тоді як зовнішні атмосферні умови відіграють другорядну роль. Отримані результати мають практичне значення для енергетичної галузі, оскільки можуть бути використані для моніторингу викидів, планування модернізації енергетичних об’єктів, обґрунтування екологічної політики та вибору оптимальних режимів експлуатації устаткування. Впровадження подібних моделей у промислову практику сприятиме зменшенню викидів парникових газів, підвищенню ефективності енергоспоживання та реалізації національних стратегій сталого розвитку. Дослідження підтверджує, що застосування сучасних аналітичних інструментів на основі машинного навчання може зробити вагомий внесок у забезпечення екологічної та енергетичної безпеки країни.