Uncertainty‐aware robust optimization of <scp> NH ₃ </scp> / <scp> CO ₂ </scp> cascade refrigeration systems: A path toward sustainable and low‐carbon industrial cooling

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:This paper provides a robust optimization framework combining Gaussian Process Regression and Grey Wolf Optimizer for refrigeration systems, with validation against multiple datasets.

🏢実務担当者:The derived high-precision polynomial correlations enable easy implementation on low-cost controllers for improved energy efficiency and reduced environmental impact.

🏛政策担当者:The study demonstrates that robust optimization can significantly reduce Total Equivalent Warming Impact and costs, supporting policies for natural refrigerant adoption.

抄録 キガリ改正のもと、自然冷媒への移行は世界的な必須課題である。しかし、認識論的不確実性に起因するアンモニア/二酸化炭素カスケードシステムの運転不安定性が、その広範な持続可能な採用をしばしば妨げている。本研究は、ガウス過程回帰とグレイウルフオプティマイザを統合した新規の不確実性認識ロバスト最適化フレームワークを導入し、産業用冷凍のエネルギー的、エクセルギー的、および環境経済的パフォーマンスを向上させる。4つの独立したデータセットに対して検証され（平均相対偏差 <6.4%）、本モデルは公称蒸発温度-40°Cに対するロバストな最適カスケード温度（T cas）-6.2°Cを特定した。詳細な第二法則解析により、凝縮器と高温回路圧縮機が不可逆性の主要な発生源であることが特定され、それぞれ全エクセルギー破壊の26.9%と18.8%に寄与している。重要なことに、新規の感度指数（SI）解析により、システム効率は圧縮機の健全性に決定的に依存する一方（SI >11）、提案戦略は内部制御偏差に対して卓越した安定性（SI <0.02）を維持することが明らかになった。3000のオフデザイン運転データパターンにわたる環境経済評価は、このロバスト戦略が、実用的な産業ベースラインと比較して、総等価温暖化影響と総ライフサイクルコストの両方において平均6.2%の削減を達成し、厳しい環境変動下では最大19.4%の性能およびコスト改善を実現し、それにより脱炭素化された産業用冷却へのスケーラブルでリスク回避的な経路を提供することを実証している。最後に、低コストコントローラでのリアルタイム産業実装を容易にするため、高精度の多項式相関式（R² >0.999）が導出され、理論的最適化と実践的持続可能性の間のギャップを埋めている。同時に、本研究は定常状態の性能仮定と数値的簡略化によって制約されるが、即時の実用的応用価値を提供する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Abstract The transition toward natural refrigerants is a global imperative under the Kigali Amendment; however, the operational instability of ammonia/carbon dioxide cascade systems due to epistemic uncertainties often hinders their widespread sustainable adoption. This study introduces a novel Uncertainty‐Aware Robust Optimization framework, integrating Gaussian Process Regression with the Grey Wolf Optimizer to enhance the energetic, exergetic, and enviro‐economic performance of industrial refrigeration. Validated against four independent datasets (Mean Relative Deviation &lt;6.4%), the model identified a robust optimal cascade temperature ( T cas ) of −6.2°C for a nominal evaporation temperature of −40°C. A detailed Second Law analysis pinpointed the condenser and high‐temperature circuit compressor as the primary sources of irreversibility, contributing 26.9% and 18.8% to total exergy destruction, respectively. Crucially, a novel Sensitivity Index (SI) analysis revealed that while system efficiency is critically dependent on compressor health (SI &gt;11), the proposed strategy maintains exceptional stability (SI &lt;0.02) against internal control deviations. Enviro‐economic assessments across 3000 off‐design operational data patterns demonstrate that this robust strategy achieves an average reduction of 6.2% in both the Total Equivalent Warming Impact and total life‐cycle costs compared to a practical industrial baseline, while delivering a maximum performance and cost improvement of up to 19.4% under severe environmental fluctuations, thereby offering a scalable and risk‐averse path toward decarbonized industrial cooling. Finally, high‐precision polynomial correlations ( R 2 &gt;0.999) are derived to facilitate real‐time industrial implementation on low‐cost controllers, bridging the gap between theoretical optimization and practical sustainability. Concurrently, while this study is bounded by steady‐state performance assumptions and numerical simplifications, it delivers immediate practical application value.

• openalex https://doi.org/10.1002/ep.70561first seen 2026-06-20 05:33:54