Development of a Digital Twin Model for a Hydrogen Production Plant Based on Artificial Intelligence Techniques

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

🔬研究者:Demonstrates integration of AI and digital twin for hydrogen process optimization, suitable for further development and scale-up studies.

世界的なエネルギー転換により、産業の脱炭素化と再生可能エネルギー源の統合における主要なエネルギー媒体として、グリーン水素の採用が促進されている。本研究では、人工知能技術を統合したシミュレーション、予測、および適応的更新を備えた、プロトン交換膜（PEM）水素製造プラントに適用されるデジタルツインモデルの開発を提示する。提案モデルは、国立工科大学の実験施設から取得した電気的、熱的、および水力的なデータというマルチドメイン変数を、人工ニューラルネットワーク（ANN）アルゴリズムと統合し、水素収率とシステム全体の効率を予測する。方法論には、データ取得、前処理、正規化、および段階的学習の各段階が含まれており、デジタルツインが新たな運転条件に適応し、データドリフトを考慮することを可能にする。結果は、実測値と推定値の間に高い相関を示し、異なる運転シナリオにおけるモデルの精度と堅牢性を確認している。したがって、これらの結果は、提案されたデジタルツインが水素製造プラントの監視、予測、および性能分析のための信頼性の高いツールであることを確認するものである。

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。

The global energy transition has driven the adoption of green hydrogen as a key energy vector for industrial decarbonization and the integration of renewable energy sources. This work presents the development of a Digital Twin model applied to a Proton Exchange Membrane (PEM) hydrogen production plant, integrating artificial intelligence techniques for simulation, prediction, and adaptive updating. The proposed model integrates multi-domain variables —specifically electrical, thermal, and hydraulic data acquired from the National University of Engineering’s experimental facility—with artificial neural network (ANN) algorithms to predict hydrogen yield and overall system efficiency. The methodology includes data acquisition, preprocessing, normalization, and incremental learning stages, allowing the digital twin to adapt to new operating conditions and account for data drift. The results demonstrate a high correlation between real and estimated values, confirming the accuracy and robustness of the model under different operating scenarios. Therefore, the results confirm that the proposed digital twin represents a reliable tool for monitoring, prediction, and performance analysis of hydrogen production plants.

• semanticscholar https://doi.org/10.1109/access.2026.3673299first seen 2026-05-15 19:14:48 · last seen 2026-08-11 05:01:19