深度学习增强的微电网-海水淡化系统经济调度：多约束协同优化与实时决策新方法

《Journal of Water Process Engineering》：Deep learning-enhanced economic dispatch for integrated microgrid-water systems with desalination

本研究针对气候变化下淡水资源短缺问题，开发了混合整数非线性规划(MINLP)经济调度(ECD)模型，集成海水淡化(RO/ED)与可再生能源微电网(WMs)。通过多通道卷积神经网络(MCNN)实现实时优化，在维护约束下使日运营成本降低8.4美元，性能较基线提升94%，为水-能联供系统提供了创新解决方案。

　　

随着全球气候变化加剧和人口快速增长，淡水资源短缺已成为制约社会可持续发展的关键因素。传统淡水供应方式日益难以满足需求，特别是在沿海地区，海水淡化技术逐渐成为重要的替代方案。然而，海水淡化过程需要消耗大量能源，其中高压泵等设备能耗尤为显著，这不仅推高了运营成本，还可能导致温室气体排放增加。与此同时，能源系统本身也面临水资源短缺的挑战，例如发电过程中的冷却用水需求。这种水-能相互依存关系使得单独优化其中一个系统往往难以实现整体效益最大化。

在此背景下，美国利哈伊大学(Lehigh University)的Oluwabunmi Iwakin和Faegheh Moazeni在《Journal of Water Process Engineering》上发表研究，提出了一种创新性的解决方案。他们开发了一个混合整数非线性规划(MINLP)经济调度(ECD)模型，用于协同优化集成水-微电网系统(WMs)，同时将维护、可靠性和环境约束纳入统一框架。该研究特别关注了海水淡化单元（包括反渗透(RO)和电渗析(ED)）与可再生能源（如太阳能光伏(PV)和风力发电）的协同运行问题。

为开展这项研究，作者主要应用了以下几个关键技术方法：首先，构建了集成水-微电网系统的数学模型，包括微电网侧的发电单元（常规发电机、光伏、风电）、电池储能系统(BESS)以及电网交互，和水系统侧的淡水源、水泵、RO及ED脱盐单元。其次，针对MINLP模型求解复杂度高的问题，开发了一种基于多通道卷积神经网络(MCNN)的数据驱动替代模型，利用历史调度数据和外部特征（如气象、电价）进行训练，以实现快速、准确的实时经济调度。此外，还采用了三次样条插值进行数据增强，以扩充训练数据集。

2.1. 水-微电网系统(WMs)布局

研究人员设计了一个包含水供应系统和微电网的集成系统架构。微电网由太阳能光伏(PV)、风力涡轮机、两台常规发电机和电池储能系统(BESS)组成，并与主电网连接。水系统则通过整合传统淡水源和海水淡化厂（包括并联运行的ED和RO单元）来满足每日用水需求。淡化后的水被储存并分配至需求节点。该ECD模型旨在最小化总能源生产成本，同时满足所有物理和运行约束。

2.2. 目标函数

目标函数旨在最小化总能源生产成本，包括常规发电成本（采用二次成本函数建模）、可再生能源运行成本（线性函数）、电池储能系统(BESS)运行成本以及基于动态电价的电网交互成本。在后续案例研究（CS4）中，目标函数还加入了温室气体排放成本函数(ECF)，以量化环境外部性。

2.3. 微电网约束

系统的运行受到一系列约束条件的限制。功率平衡约束确保了在任何时刻，发电总量（常规发电机、PV、风电、BESS、电网）等于负荷总量（居民负荷、水泵、ED单元、RO单元）。常规发电机的运行受到机组组合(Unit Commitment)约束，包括爬坡率限制、最小启停时间约束等。光伏发电输出采用考虑辐照度和温度的经验模型，风力发电输出则表示为风速的分段函数。电池储能系统(BESS)的建模包含了其能量存储动态和充放电功率限制。

2.4. 水分配系统约束

水系统模型包含了质量平衡约束，确保产水量（来自淡水泵、RO单元、ED单元）等于管网中节点间流量和需求节点出水量的总和。水泵的功耗被建模为流量和压头的函数，其中压头增益由泵的特性曲线（二次多项式）描述。对于海水淡化单元，RO单元的功耗通过一个简化的模型计算，该模型考虑了进水盐度、水回收率和高压泵效率。ED单元的建模则更为复杂，需要满足体积和质量平衡、溶质质量平衡等约束，其功耗计算涉及膜对厚度、溶液电导率、膜电阻、电流密度等多个参数。

3. 数据驱动的经济调度

为了解决大规模集成WMs优化问题的计算复杂性，本研究开发了一种数据驱动的方法。该方法基于多通道卷积神经网络(MCNN)，能够利用外生特征（如气象数据、电价、负荷预测）和历史调度决策数据，快速预测未来的最优经济调度方案。研究人员采用了滑动窗口采样技术生成训练数据，并利用三次样条插值进行数据增强以弥补数据量的不足。MCNN模型包含两个独立的CNN通道，分别用于从外生特征数据集和历史调度数据集中提取特征，然后将提取的特征融合后进行最终预测。

4. 结果

研究通过多个案例研究验证了所提模型的有效性。案例研究1(CS1)作为基线，展示了在不考虑维护和排放约束下的基本调度结果，总运行成本为4238美元，可再生能源渗透率达到53%。案例研究2(CS2)引入了发电机维护约束，要求发电机不能在一天内持续运行，必须有停运时段。这导致运行成本增加了约6%，达到4493美元，但实现了发电机更均衡的使用，提升了系统可靠性。案例研究3(CS3)分析了每日结束时BESS的荷电状态(SOC)对多日运营总成本的影响。敏感性分析表明，将EOD SOC维持在15%左右可以获得最大的运营成本节约（较CS2最高可节省6美元/天），而过高的EOD SOC要求（如>25%）则会因限制了BESS的日内套利能力而产生负面效益。案例研究4(CS4)在目标函数中加入了排放成本，以货币化发电产生的温室气体环境影响。这使得总成本（运行成本+排放成本）上升至6353美元，排放率为0.1555吨/小时。调度策略倾向于增加电网购电和减少常规发电机出力以降低排放。案例研究5(CS5)探索了ED-RO混合淡化配置，其中ED用于预处理海水，其产出的低盐度稀释液再进入RO进行深度淡化。结果表明，这种混合配置增加了系统的总能耗和运营成本（总成本6885美元），但可能通过提高水回收率带来其他效益。进一步地，研究还考虑了混合配置下对ED产生的浓盐水进行结晶处理，以实现零液体排放，但这会进一步增加能耗。案例研究6(CS6)评估了数据驱动MCNN模型在解决CS1和CS4调度问题上的性能。结果显示，MCNN模型能够高度准确地预测各发电单元的出力，在测试集上的平均绝对误差(MAE)和均方根误差(RMSE)均远低于对比模型（如多层感知机(MLP)、单通道CNN(SCNN)和多通道长短期记忆网络(MLSTM)），性能提升最高达94%，凸显了引入历史调度信息对于提升预测精度的重要性。

本研究通过构建一个综合考虑维护、可靠性和环境因素的统一优化框架，为集成水-微电网系统(WMs)的高效、经济和环保运行提供了重要的方法论支持。所提出的MINLP模型能够有效协调传统能源、可再生能源、储能以及海水淡化等复杂单元的运行策略。尤为重要的是，针对大规模系统优化计算耗时长的挑战，开发的数据驱动MCNN模型展现出了卓越的实时决策潜力，为解决类似复杂系统的“维数灾”问题提供了新思路。研究结果强调了战略性管理电池储能系统(BESS)的荷电状态可以带来显著的经济效益，同时表明，将环境成本内部化（如CS4）会改变调度策略，促使系统向更清洁的能源结构转变。尽管ED-RO混合配置在特定情况下可能增加能耗，但其在提高水回收率和实现零液体排放方面的潜力值得进一步探索。总之，这项工作不仅推进了水-能纽带关系领域的量化分析与优化理论，也为实际系统的设计和实时调度提供了实用的工具和深刻的见解，对促进资源可持续管理具有重要意义。