PHYSICS-INFORMED HYBRID LEARNING FOR HOURLY POWER-PLANT EMISSIONS: A MULTI-POLLUTANT BENCHMARK WITH UNCERTAINTY AND TRANSFER

Аннотация

В работе проверяется, можно ли использовать один и тот же подход для почасовой оценки выбросов CO₂, NOx и SO₂ на электростанциях или выбор модели должен зависеть от загрязняющего вещества и сценария применения. Бенчмарк объёмом 10 144 680 агрегато-часов для 583 генерирующих установок в Джорджии, Кентукки и Техасе за 2022 и 2024 годы сформирован путём объединения U.S. EPA Clean Air Markets Program Data с метаданными EIA-860 через EPA/EIA Power Sector Crosswalk. Модели на основе коэффициентов выбросов, статистические методы, машинное обучение и физически информированные гибриды оценивались на разбиениях blocked-time, plant-holdout и seasonal-holdout, ограничивающих временную утечку данных и пересечение установок между обучением и тестированием. Предложенный PHASE использует масштабированную оценку по коэффициенту выбросов как физический априор, а оставшееся отклонение обучает по данным и дополняет оценкой неопределённости. Результаты существенно различаются по загрязняющим веществам. Для CO₂ факторная модель уже объясняет основную часть вариации (R² = 0,992), тогда как для NOx (R² = 0,394) и SO₂ (R² = 0,413) её точность значительно ниже. XGBoost достиг R² = 0,999, 0,973 и 0,980 для CO₂, NOx и SO₂ соответственно. Для NOx наибольшее ухудшение возникало при исключении недавней временной истории, а удаление простого физического априора немного снижало среднюю внутридоменную MAE. При этом PHASE-lite уменьшал часть крупных ошибок по тесту Диболда-Мариано (p < 10⁻³), обеспечивал 89,2% эмпирического покрытия для номинального 90%-го интервала и сохранял R² = 0,965 на ранее не встречавшихся установках. Полученные результаты указывают на необходимость дифференцированного подхода: для CO₂ прозрачная факторная модель уже является сильным решением, тогда как NOx и SO₂ требуют обучаемого представления изменяющихся режимов работы. Гибрид наиболее полезен там, где важны неопределённость, устойчивость к крупным ошибкам и перенос между электростанциями, а не минимальная средняя внутридоменная ошибка. Также определён протокол будущего сопоставления с наблюдениями Sentinel-5P TROPOMI NO₂ над тепловыми электростанциями Казахстана.