用于可持续氢能微电网的计算智能：一种非线性优化框架

《Sustainable Computing: Informatics and Systems》：Computational Intelligence for Sustainable Hydrogen Microgrids: A Nonlinear Optimization Framework

　　萨尔曼·哈比布 | 马德·沙菲乌拉 | 穆罕默德·马吉德·古尔扎尔 | 索海布·塔希尔·乔杜里 | 比拉尔·汗 | 阿里·费萨尔·穆尔塔扎
沙特阿拉伯达兰市法赫德国王石油与矿业大学控制与仪器工程系，31261

**摘要**
以氢为中心的可持续无碳微电网是复杂的适应性能源系统，其特点包括强非线性耦合、非凸运营约束以及多尺度时间动态。因此，对这些系统进行调度是一个高维的非线性优化问题，传统的确定性方法往往无法提供可扩展且稳健的解决方案。本文提出了一个智能决策支持框架，用于优化基于氢的无碳微电网的调度，该框架整合了电解槽、燃料电池、可再生能源、电池、电动汽车、需求响应和氢储存设施。由此产生的系统表现出由电气子系统和氢子系统之间的非线性相互作用所引发的新兴运营行为。为了解决这种复杂性，采用了增强型自适应高尔夫优化算法（EAGOA）来高效地导航非凸和多模态搜索空间。基准测试表明，EAGOA在收敛可靠性和解决方案质量方面优于粒子群优化、遗传算法、JAYA和灰狼优化器。所提出的框架将系统成本降至最低1.02亿美元，收敛时间为207秒，与基准方法相比，显著降低了计算时间并提高了收敛可靠性。此外，该模型在7至365天的规划范围内都具有可扩展性。敏感性和鲁棒性分析进一步揭示了系统对不确定性、组件退化以及可再生能源变化的响应，突显了所提出方法在捕捉复杂系统动态方面的有效性。这些结果证实了非线性进化优化在管理大规模基于氢的微电网方面的适用性，并为无碳能源系统的非线性行为提供了新的见解。

**引言**
随着世界能源系统向可持续性的转变，以氢为中心的无碳微电网被视为实现零排放能源系统的有效手段。这些微电网使用氢技术，包括将多余的电力转化为氢气的电解槽以及从氢气产生电力的燃料电池。此外，还配备了来自风力涡轮机和光伏电池的清洁能源、电池和氢储存装置，以确保能源和电力的可用性。这一主题的相关性在于它能够促进脱碳和能源安全的电力系统，因此在应对气候变化的需求日益增长的背景下具有关键意义。然而，这类微电网的运营调度是一项非平凡的任务。由于涉及的各种组件的非线性动态和运营约束，这个问题自然变得复杂。例如，电解槽和燃料电池有自己的效率曲线和约束条件，而可再生能源具有间歇性和不确定性。传统方法并不适合处理这种复杂性，其应用可能导致计算复杂度较高的解决方案。

从非线性科学的角度来看，基于氢的无碳微电网可以被视为复杂的适应性系统，其中包括电力网络、氢生产和储存、电化学转换器以及需求侧灵活性在内的强耦合子系统在多个时间尺度上相互作用。这些相互作用产生了非凸的运营景观、涌现的调度模式以及对初始条件和参数变化的敏感性。由此产生的调度问题具有非线性动力系统的特征，包括多模态性、参数变化下的分岔类行为以及非平衡运行状态。因此，需要先进的非线性优化和进化计算技术来发现稳定且成本高效的运行模式。

**研究的动机**
随着对克服基于氢的无碳微电网（CFMs）设计和控制难题的需求不断增加，这些微电网成为减少碳排放和提高能源可靠性的有吸引力的选择。然而，进一步研究和发展这项技术的需求由以下几个关键因素驱动：

1. **迫切的气候行动需求**：应对气候变化和减少温室气体排放的紧迫性进一步凸显了无碳能源来源的重要性。基于氢的CFMs由于其零排放的能源生产能力，在这一领域处于领先地位。寻找有效利用这些技术的方法在环境效益和全球可持续性贡献方面的重要性不可低估。
2. **集成系统的挑战**：多种组件（如电解槽、燃料电池、可再生能源、电池和氢储存）的结合导致了一个复杂的运营系统。对这些子系统的适当管理和调度对于CFMs的性能和可靠性至关重要。这种复杂性要求采用能够捕捉这些系统异质性、动态性和不确定性的先进优化方法。
3. **现有优化方法的不足**：许多现有的优化技术无法处理CFMs的非线性和大规模特性。现有方法的弱点，如收敛速度慢以及无法处理复杂的相互作用，表明需要更好的方法。增强型自适应高尔夫优化算法（EAGOA）提供了高效的解决方案，其在收敛性和稳健性方面表现出色，使其成为这项工作的有希望候选者。
4. **技术和计算工具的发展**：新的计算工具和算法为进一步提升CFMs的性能提供了潜力。考虑到这些发展，例如EAGOA可以为基于氢的微电网的设计和运营规划带来更优的解决方案。
5. **实际和经济影响**：CFMs效率和服务可靠性的提高也在实际和经济方面具有重要意义，使环境可持续性成为更可实现的目标。系统性能的提高可能会带来成本节约、能源效率提升和能源供应可靠性增加。通过解决优化问题，我们期望为能源管理的研究和实践提供指导。

总体而言，这项工作的动力源于希望在环境、技术和现实约束的背景下促进对基于氢的微电网的理解和改进。该工作试图通过使用高尔夫优化算法来弥补现有差距，从而实现更好的控制和性能提升。

**相关工作回顾**
迄今为止，已有大量研究深入探讨了集成氢技术、可再生能源发电和混合存储系统的微电网的优化模型和控制策略。在[1]中提出了一种基于氢的社区微电网的交易能源合作调度范式，该范式支持氢动力车辆在能源补给偏好内的协调能源交易。在此基础上，[2]提出了一种无需预测结果即可实现混合氢-电池存储系统长期运营的协调运行框架。为了解决（i）互连网络之间的能源共享挑战以及（ii）在共享氢存储的情况下优化多能源微电网集群管理的碳水平问题，[3]提出了一个三级控制框架。同样，在[4]中开发了一种事件触发的多时间尺度控制方案，用于电氢直流微电网，该方案在不影响系统可靠性的前提下减轻了通信负担。在[5]中，提出了一种用于住宅微电网的分层实时能源管理方法，通过动态氢-电力存储控制来权衡成本、可靠性和舒适性。在[6]中提出了一个基于负载的、灵活的点对点交易模型，其经济激励与负载灵活性相一致。对于高比例可再生能源的孤立MG，[7]提出了一种演化控制调度方法，以确保在不确定性下的运行安全性；[8]通过整合氢储存和需求响应来处理鲁棒的能源管理。考虑到可再生能源的时变特性，[9]提出了一种多阶段管理方法，用于协调混合微电网中的光伏输出和氢储存。同时，[10]开发了一种两阶段全数据处理方法，用于优化以可再生能源为主导的规划问题。在[11]中强调了代表性地获取时间数据的重要性，采用了一种典型日选择方法来降低独立混合系统的规划复杂性。[12]研究了以氢为中心的基础设施规划，开发了一种两级容量规划模型。此外，[13]提出了一种三层规划模型，用于考虑成本和弹性的网络化微电网。在[14]中为基于光伏的独立微电网开发了一个MILP模型。在[15]中研究了水和氢基础设施的集成问题，提出了在孤立电网约束下的两阶段协同优化。在[16]中研究了带有季节性和热存储的电-氢规划的多向量问题。[17]进行了一次系统性技术分析，介绍了与氢能源管理系统创新相关的专利分析。为了提高可靠性，[18]开发了一种动态存储调度算法，用于混合系统。在[19]中优化了氢站智能电动汽车充电，以促进需求侧管理。进一步地，[20]分析了不同市场情景下PV-电池-氢系统的技经可行性。

**本文的贡献**
[21]考虑了微电网的规划和运营成本，采用了两级设计方法，用于集成冷却、加热和电力（CCHP）系统。在[22]和[23]等生物制药和工业领域，进一步展示了进化算法和MILP模型在调度等过程中的应用可行性。在[24]中研究了氢在车辆集成动力系统中的重要性，提出了一个两阶段随机公式。在[25]中提出了基于聚类的紧凑单元承诺模型，以减少电力系统问题的规模。在[26]和[27]中发现了改进代表性日选择方法，以支持在变化性面前的良好且可行的投资规划。在[28]中提出了一个基于机会约束的鲁棒微电网规划框架，并在[29]中使用了分层聚类来表征代表性运行时期。在[30]中强调了在多区域电力网络中控制负载频率的运营问题。在[31]中提出了用于混合电网设计的新型规划算法。在[32]中使用了虚拟能源存储，以提高海水淡化厂的系统灵活性。在[33]和[34]中分别开发了具有生成和需求不确定性的鲁棒优化方法。在[35]中提出了基于岛屿控制的微电网控制策略，在[36]中提出了一个详细的氢供应链模型，结合了电动车辆（EV）部署。在[37]中获得了凸松弛结果，允许在小型氢微电网中进行可行的优化；[38]对瑞典微电网在负载不确定性下的投资风险进行了技经分析。此外，[39]提出了一种基于HVDC和微电网集群的低碳系统概率规模方法；[40]对独立混合系统优化技术进行了广泛调查。在[41]中阐述了更广泛的运营挑战，并提出了一个通用单元承诺问题。在[42]中回顾了氢作为燃料的可持续性，重点考虑了生产路线和环境影响。在[43]中研究了具有储备要求的投资和运营规划。最近在[44]中引入了一种连接式元启发式算法，提高了基于Resilient Energy Commitment（REC）的能源资源规划的收敛率和解决方案质量。在[45]中提出了一个针对Prosumer型智能电网的强大负载和能源控制框架，确保在不确定性存在下的稳定运行。参考研究[46]提出了一个基于鲁棒MISOCP的优化模型，用于集成能源系统，并采用了一种新颖的列和约束生成算法来提高解决方案效率和经济效益。最后，在[47]中提出了一个考虑用户停车行为的电动汽车充电基础设施规划模型，结合了充电-放电调度和动态能源管理策略，以提高利用率和降低运营成本。

**表格（1）**对本文与最近几项关于基于氢的微电网调度和优化的相关工作进行了全面比较。该表格依据16个关键参数对20篇最新参考文献进行了评估，这些参数包括氢系统集成、多能源协调、需求响应（DR）、电动汽车管理（EV Management）、长期可扩展性、不确定性建模、经济和环境分析、混合存储系统、实时 operating 可靠性、组件级建模、敏感性研究以及计算效率。

**本文的独特之处**
本文的独特之处在于采用了全面且综合的建模方法，考虑了混合能源存储（氢和电池）系统、需求侧管理、电动汽车充电以及基于增强型自适应高尔夫优化算法（EAGOA）的不确定性感知调度。EAGOA是一种新颖且在该领域研究較少的元启发式算法。与大多数当前研究不同，这些研究主要关注其中的少数特征，我们的解决方案考虑了从能源源建模到转换器级别细节的所有主要运营层，并结合了多目标分析（经济、环境和技术）。此外，所提出的方法在建模精度和计算效率之间取得了独特的平衡，并且具备实时能力，适用于长期运营，并通过全面的灵敏度和鲁棒性研究得到了验证。这种系统表示和性能验证的水平，在深度和广度上，迄今为止还没有任何单一研究工作同时实现过，这使得我们的贡献不仅在应用潜力和理论严谨性方面是新颖的，而且也是卓越的。图1显示了独立氢基CFM优化的流程图。该方法从输入数据步骤开始，包括负载要求、可再生能源（风能和太阳能）的信息、组件的可用性（例如电解器、燃料电池）。这是之后系统设计和运营调度的基础。下一阶段是系统组件集成，添加了关键的微电网组件，如利用多余的电力生产氢气的电解器（PtH）、生产电力的燃料电池（FCs）、电动汽车（EVs）、光伏电池（PVs）、需求侧管理（DSM）技术、风力涡轮机（WTs）、氢储存罐（HSTs）和电池（Bas）。将这些组件组合起来的结果是一个功能齐全的网络，可以管理微电网内的电力生成、存储和消耗。在组件集成之后，运营规划和调度解决了调度问题。在这个阶段，算法利用了涉及的能源、存储和负载的多变量和多约束特性，以稳定且节能的方式运营微电网。提出的框架的核心是优化阶段，在该阶段采用了增强的自适应高尔夫优化算法（EAGOA）。EAGOA通过解决非线性问题并有效分配资源来提升运营规划。这个增强算法为各自微电网元素的最优调度提供了更好的收敛性和鲁棒性。第六步是输出结果分析阶段，用于分析微电网的整体性能，如效率提升、无碳可持续性和系统可靠性。在最后阶段，性能评估中，将提出的优化结果与传统方法进行比较，以说明该框架在收敛率和鲁棒性方面的更好表现。总体而言，该图表示了提出的多步优化框架及其如何构建和操作基于氢的CFM。尽管在基于氢的无碳微电网（CFM）的生产和应用方面已经取得了巨大进展，但文献和实践中仍存在一些关键差距，这些差距限制了这些解决方案的性能和效果。1. 运营调度的复杂性：当前的研究往往集中在CFM的单一方面（例如，可再生能源的整合或氢储存），并没有充分考虑多个相互作用元素的调度复杂性。传统优化方法没有考虑到电解器、燃料电池、可再生能源、电池和其他系统元素之间的复杂相互作用，这可能会导致运营效率低下和不足。2. 传统优化方法的缺点：传统优化方法在高效解决CFM的非线性和高维问题方面存在困难。像线性规划和启发式方法这样的方法可能需要大量的计算工作，并且无法处理可再生能源的时间变化特性和储能系统的约束。因此，计算时间增加，解决方案的准确性降低。3. 非线性的处理不当：电解器和燃料电池的转换效率或可再生能源的间歇性等非线性问题成为一个巨大挑战。针对这些非线性的最先进优化方法往往不够有效，导致能源资源和系统性能的控制不佳。4. 平衡不同元素：在一个CFM中平衡不同元素（如风力涡轮机、光伏面板、电池、需求侧管理方案、电动汽车等）增加了复杂性。研究尚未完全解决如何配置这些单元以获得协同效应，从而达到系统范围内的最大值。5. 可扩展性和收敛性挑战：几种用于CFM研究的优化方法已被证明无法适应大规模实际应用。此外，收敛到最优解的速度可能较慢，且算法所需的迭代次数较多，这不利于规划。填补这些差距需要一种新的范式，能够有效应对CFM的复杂性。增强的自适应高尔夫优化算法（EAGOA）在这方面是一个重要的贡献。EAGOA通过解决非线性问题并提供更好的收敛性，为解决大规模问题提供了有效的工具，可以被认为是克服当前CFM建模和解决方案限制的有效工具。本研究旨在通过验证EAGOA作为优化基于氢的微电网日常运营的有效方法，来提高其效率、可靠性和可持续性。本研究通过使用增强型自适应高尔夫优化（EAGOA）算法，在基于氢的CFM系统和优化技术方面提出了一些重要贡献。主要贡献如下：1. 将EAGOA引入CFM优化：在本文中，我们首次引入了增强型自适应高尔夫优化算法（EAGOA）来优化基于氢的微电网的运营规划。结合了GOA和GA的最佳特性，该研究提供了一种新的方式来管理CFM的复杂调度和运营问题，利用EAGOA更好的收敛性和鲁棒性。2. 非线性问题的改进管理：研究表明EAGOA可以处理CFM中的非线性问题。不同组件（如电解器、燃料电池和可再生能源发电机）之间的非线性对传统优化技术来说可能是一个挑战。结果表明，EAGOA在准确性方面优于这些解决方案。3. 完整的系统：该研究工作关注包括电解器、燃料电池、风力涡轮机、光伏电池、电池、需求侧管理方案、电动汽车和氢储存罐在内的CFM的形成。研究了这些元素之间的相互作用以及如何提高它们的整体性能。4. 提高运营效率：通过使用EAGOA，本文在提高CFM效率方面取得了显著改进。此外，结果还展示了EAGOA在资源管理方面的优势，它通过在整个系统中找到有效的资源分配，最小化能源消耗，并最大化系统可靠性。5. 与其他传统方法的比较：将EAGOA与其他传统的元启发式优化算法进行了比较，分析了获得的解决方案的质量和收敛行为。这种基准测试展示了可以从EAGOA中期望的性能提升类型，提高了CFM优化的标准。6. 对可持续能源解决方案的影响：这项工作对于通过更好地管理基于氢的微电网来促进可持续能源解决方案的一般目标具有重要意义。结果为开发更高效、可靠和清洁的能源系统铺平了道路，这些系统将满足全球可持续性目标。7. 对能源管理的相关性：在能源管理方面，研究结果的相关性对于能源管理领域的学术和非学术读者都应该是显而易见的。从EAGOA在CFM优化中的应用中获得的见解可以用于指导未来的研究和开发，包括系统设计、运营策略和无碳能源解决方案的实现。总之，这项研究通过提出和验证增强型自适应高尔夫优化算法来优化基于H2的微电网，克服了关键问题，并提供了实际解决方案，以改善系统性能和可持续性。