党的二十大报告提出，推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。生物质能作为国际公认的零碳可再生能源，具有绿色、低碳、清洁等特点。厌氧消化是在厌氧条件下将有机质转化为绿色能源的过程，但其影响参数多、关系复杂，仅靠传统的人力去找到数据间的内在关系困难重重，而传统的模型如ADM1也因为其计算速度等缺陷而难以广泛应用。中国石油大学（北京）电氢化工团队李叶青组近年来在人工智能+厌氧（干式、湿式厌氧消化、厌氧促进剂、水热预处理、沼气制氢、大语言模型等）方向取得了系列进展。
针对工业沼气厂参数的高度非线性和不平衡问题，我们提出了一种混合极端学习机模型(SMOTER-GA-ELM)，通过将机器学习技术与数据平衡技术和优化算法相结合，可解决不平衡数据来实现了对不同负荷下工厂沼气产量的准确预测。相关成果开发成软件助力湿式厌氧工厂高效产沼气 (软著号：2022SR0903828)，并以“Plant-scale biogas production prediction based on multiple hybrid machine learning technique”为题，于2022年9月在国际知名学术期刊Bioresource Technology上发表。论文链接：https://doi.org/10.1016/j.biortech.2022.127899.
此外，我们开发了基于树的机器学习模型来描述生物炭特性与厌氧消化之间的复杂关系，通过特征可解释技术对生物炭对厌氧消化的影响提出了新的见解，并开发一项软件助力生物炭厌氧消化的性能预测(软著号：2022R11L2047794)。相关成果以“Tree-based machine learning model for visualizing complex relationships between biochar properties and anaerobic digestion”为题，于2023年2月在国际知名学术期刊Bioresource Technology上以当期封面论文的形式发表。论文链接：https://doi.org/10.1016/j.biortech.2023.128746.
针对工业规模车库干发酵系统具有极强非线性的问题，我们提出了一种新型机器学习智能系统，它采用两种自动机器学习算法(AutoGluon和H2O)进行沼气性能预测，并采用SHAP进行可解释性分析，同时采用多目标粒子群优化对工业规模车库干发酵进行预警指导，为下一代智能工业系统铺平了道路（软著号：2023SR0452517）。相关成果以“Novel intelligent system based on automated machine learning for multi objective prediction and early warning guidance of biogas performance in industrial-scale garage dry fermentation”为题，于2023年5月在国际知名学术期刊ACS ES&T Engineering上发表。论文链接：https://doi.org/10.1021/acsestengg.3c00079.
基于先前基础，我们研究了多层面关键因素对复杂厌氧消化系统的影响。提出了一个多层自动机器学习框架，通过在多层次进行性能预测以了解厌氧消化系统中复杂的相互作用，并探索了环境因素、微生物和系统层面的关键因素，有望为理解各规模（工业和实验室）厌氧消化系统的复杂结构提供指导。相关成果以“Using automated machine learning techniques to explore key factors in anaerobic digestion: At the environmental factor, microorganisms and system levels”为题，于2023年9月在国际知名学术期刊Chemical Engineering Journal上发表。论文链接：https://doi.org/10.1016/j.cej.2023.146069.
基于对于人工智能和厌氧消化的理解，我们开发了国内首个厌氧消化大语言模型ChatAD，借助开源大模型，可实现无限长文本输入、图片与视频和文本的相互转换、实时网络搜寻及提供专业解答，可为整个厌氧行业的高速发展提供支持。
中国石油大学（北京）电氢化工科研团队成立于2007年，依托重质油国家重点实验室、生物燃气高值利用北京市重点实验室、生物能源北京高等学校工程研究中心、生物天然气北京市国际科技合作基地、碳中和联合研究院、垦利绿碳创新研究院、濮阳联合研究院等国家级和省部级科研创新平台开展科学研究和人才培养。团队由徐春明院士领衔、周红军教授为学术带头，利用氢与绿电使钢铁、炼化及合成氨等工业脱碳研究优势突出，主要在新能源、新材料、绿碳与环保、光催化、电化工等领域开展低碳技术开发。
