燃气网络排放感知优化：输入凸神经网络方法
机器学习
2022-09-20 v1 最优化与控制
摘要
排放约束下的燃气网络规划优化优先选择 CO 强度最低的燃气供应。由于该问题包含燃气流动的复杂物理定律，标准优化求解器无法保证收敛到可行解。为解决此问题，我们开发了输入凸神经网络 (ICNN) 辅助的优化流程，其融入一组经过训练的 ICNN，以高精度逼近燃气流动方程。在比利时燃气网络上的数值测试表明，ICNN 辅助优化优于非凸与基于松弛的求解器，且更严格的排放目标带来更大的最优性增益。此外，当非凸求解器失败时，ICNN 辅助优化可为网络规划提供可行解。
引用
@article{arxiv.2209.08645,
title = {Emission-Aware Optimization of Gas Networks: Input-Convex Neural Network Approach},
author = {Vladimir Dvorkin and Samuel Chevalier and Spyros Chatzivasileiadis},
journal= {arXiv preprint arXiv:2209.08645},
year = {2022}
}