《Digital Chemical Engineering》：Energy efficiency modeling considered chemical process anomalies using contrastive learning-guided generative adversarial imputation network for operation-aligned data reconstruction
编辑推荐：
为应对石油化工过程中因传感器故障和多速率采样导致的系统性数据缺失问题，研究人员开展了一项结合自监督对比学习（SSCL）与生成对抗插补网络（GAIN）的研究，以提升长短期记忆（LSTM）模型在能源效率预测中的数据重建与预测准确性。该模型在大型粗甘油精炼案例中验证，实现了0.9585的测试R2值，RMSE为216.36 kJ/kg，百分比误差为1.04%，即使在高达60%的缺失率下仍能保持高精度。通过运行调整，模型指出能源效率可降低10.43%，相当于每年减少约1550吨二氧化碳排放，这对工业节能减碳具有重要实际意义。
在能源密集型产业如石油化工领域，高效管理能源消耗是降低运营成本和减少环境足迹的战略核心。然而，一个长期困扰产业实践的难题在于数据本身的质量：测量传感器并非总是可靠的，故障、通讯中断、采样频率不一等问题，导致过程数据常常出现系统性缺失。这些缺失的数据点，如同拼图中丢失的关键一块，严重影响了设备能耗与生产活动之间关系的精确量化，使得评估和优化特定能源消耗变得异常困难。传统的应对策略，比如直接丢弃包含缺失值的样本或采用简单的统计插补方法，在高比例数据缺失的情况下要么会导致模型训练数据量锐减，要么难以捕捉复杂变量间的非线性关系和动态时序特征，预测精度大打折扣。更麻烦的是，即便模型结构本身很先进，如果输入的是不准确或不完整的数据，其预测结果也可能偏离物理现实，使得基于模型指导的节能决策失去根基。因此，开发一种能够有效重建缺失数据、并确保重建值与实际工艺操作状态一致的方法，是提升工业能源效率预测模型稳健性和实用价值的关键。
为了回答这一问题，一项发表于《Digital Chemical Engineering》的研究提出了一种新颖的集成框架。研究团队认识到，单纯最小化数值重建误差（例如均方误差）的插补方法，可能忽略了重建值与当前工艺操作状态之间应有的物理一致性。举例来说，在相似的工艺条件下（如相似的进料流率、温度和压力），设备能耗通常也处于相似范围。因此，理想的数据重建不应仅追求数值上的逼近，还应考虑重建值是否符合其相邻数据点所代表的“运行状态”。基于这一洞见，研究人员将自监督对比学习与生成对抗插补网络相结合，并后续接续长短期记忆网络用于预测，构建了名为LSTM-SSCL-GAIN的模型。其核心思想是利用对比学习在未标记数据中“自我发现”相似与不相似的样本对（正负对），并以此为指导，引导生成对抗网络在进行数据插补时，使生成的数据点更靠近物理上相似的操作条件（正对），而远离不相似的操作条件（负对）。这样一来，模型重建出的不仅是数学上合理的数据，更是与当前操作状态相协调、符合工艺规律的数据，从而为后续的时序预测模型提供更高质量的输入。
为了验证其有效性，该研究利用泰国一家大型甘油精炼厂的实际工业数据进行案例研究。研究人员采用了多种关键技术和分析策略来构建和评估模型。首先，数据预处理是基础，所有过程变量数据通过最小-最大归一化进行标准化，确保不同量纲的特征在模型训练中权重一致，随后将数据集按照60%/20%/20%的比例划分为训练集、验证集和测试集。模型的核心在于其创新的训练目标函数，它由三部分构成：1. 对抗损失，驱使生成器生成让鉴别器难以分辨真伪的数据，以提高插补的“真实性”；2. 重构损失，确保模型能够尽可能准确地还原已知的观测值；3. 对比损失，这是本研究的亮点，它将通过自监督学习识别出的正样本对与负样本对信息融入训练，使生成的数据在潜在特征空间与正样本更近、与负样本更远，从而保证操作状态的一致性。整个模型（SSCL-GAIN + LSTM）以及用于比较的基准模型（如KNN、SVD、标准GAIN、GRU-D等）的超参数均通过贝叶斯优化进行精细调优，以在最小化预测误差的同时，将插补误差控制在可接受的阈值内。
研究通过一系列对比实验和深入分析，系统地展示了LSTM-SSCL-GAIN模型的优越性能，并揭示了其背后的机理。
4.1 能源效率预测结果
将提出的LSTM-SSCL-GAIN模型与多种主流机器学习和深度学习方法进行对比。结果显示，在测试集上，LSTM-SSCL-GAIN模型取得了最佳的预测性能：其决定系数（R2）高达0.9585，均方根误差（RMSE）为216.36 kJ/kg，平均绝对百分比误差（MAPE）仅为1.04%。相比之下，传统的统计插补方法（如KNN、SVD）与预测模型结合后性能明显不足，而先进的深度学习方法（如标准GAIN、GRU-D）虽有提升，但在R2和RMSE指标上均不及所提模型。这表明，融入对比学习指导的插补策略能够显著提升LSTM预测器在数据缺失场景下的精度。
4.2 插补性能分析
研究进一步分析了模型的插补能力。在对比GAIN、SSCL-GAIN以及结合了LSTM的SSCL-GAIN等多种架构后，发现带有对比学习组件的模型在数据重建上表现更优。通过计算重建数据与真实完整数据之间的归一化均方根误差（NRMSE）和平均绝对误差（MAE），证实了SSCL的引入能够有效降低插补误差，尤其是在处理高比例缺失数据时。这直观地说明，对比学习施加的“语义一致性”约束，确实引导生成器产生了更贴近真实工艺状态的重建值。
4.3 稳健性分析
为了检验模型在极端数据缺失情况下的可靠性，研究模拟了从10%到60%不等的随机缺失率。结果显示，LSTM-SSCL-GAIN模型在高达60%的缺失率下，其预测精度（R2）和插补质量（NRMSE）的下降幅度明显小于所有对比基线模型。特别是在高缺失率下，标准GAIN的性能急剧恶化，而SSCL-GAIN则表现出了卓越的稳健性。这一结果证明，通过对比学习学习到的操作状态表征，为模型提供了强有力的先验信息，使其在数据极度匮乏时仍能做出合理的推断。
4.4 消融研究
为了深入理解模型中各个组件的贡献，研究进行了消融实验，分别测试了仅使用正样本对、仅使用负样本对以及同时使用正负样本对的对比损失对最终性能的影响。结果表明，同时结合正负样本对的完整对比损失函数带来了最佳的预测和插补效果。仅使用正样本对时，模型倾向于让所有样本的表示过于接近，可能导致模式崩溃；仅使用负样本对则无法有效拉近相似样本。二者的结合实现了最优的平衡，既学习了数据的内在聚类结构，又保证了不同簇类间的有效分离，从而获得了最强的泛化能力。
4.5 能源效率优化潜力分析
基于训练好的高精度预测模型，研究进行了过程变量敏感性分析，以识别对特定能耗（SEC）影响最大的关键操作参数。分析发现，甘油精炼过程中的塔底温度和再沸器负荷是影响能源效率的最主要因素。通过在这些关键变量的操作范围内进行模拟优化，研究表明，在保持产品质量的前提下，可以实现高达10.43%的能源效率提升。折合到年度运营，这一优化相当于减少约1550吨的二氧化碳排放，并显著降低公用工程消耗成本，为工厂的节能减排提供了明确且可量化的操作指导。
这项研究的主要结论在于，成功开发并验证了一种能够有效处理工业过程数据中传感器异常（表现为缺失值）的新型集成预测框架LSTM-SSCL-GAIN。该框架的创新之处在于，它超越了传统数据插补仅关注数值逼近的局限，通过自监督对比学习将操作状态的物理一致性作为约束引入生成对抗网络的训练中。这种方法确保了重建的数据不仅在数值上准确，更在工艺语义上与相邻工况保持一致。大量实验证明，该模型在预测精度、插补质量和面对高缺失率时的稳健性方面均显著优于现有方法。更重要的是，基于该高保真模型进行的工艺优化分析，为实际工厂指明了切实可行的节能路径，预计可实现超过10%的能耗降低和可观的碳减排。该研究为解决工业大数据中普遍存在的数据质量问题提供了一个强有力的工具，其将数据驱动的机器学习与过程领域知识（通过操作状态一致性）相结合的思路，对推动流程工业的数字化与智能化转型具有重要的理论和实践意义。
