面向协同能源系统中改进天然气网络模型的机器学习方法
系统与控制
2022-09-27 v1 机器学习
系统与控制
摘要
当前的能源转型推动了电力系统与天然气系统之间运行的融合。在此方向上，改进协同电力与天然气调度中非凸天然气流动动态的建模变得至关重要。在这项工作中，我们提出了一种神经网络约束优化方法，该方法基于监督机器学习，包含了Weymouth方程的回归模型。Weymouth方程通过二次等式将每条管道的燃气流量与入口和出口压力联系起来，并由神经网络刻画。后者通过易处理的混合整数线性规划编码进约束集中。此外，我们提出的框架能够考虑双向流动，而无需借助复杂且可能不准确的凸化方法。我们通过引入激活函数的重构进一步增强了模型，从而提高了计算效率。基于真实比利时电力与天然气系统的广泛数值研究表明，所提方法在精度和易处理性方面取得了有前景的结果。
引用
@article{arxiv.2209.12731,
title = {Machine Learning for Improved Gas Network Models in Coordinated Energy Systems},
author = {Adriano Arrigo and Mihály Dolányi and Kenneth Bruninx and Jean-François Toubeau},
journal= {arXiv preprint arXiv:2209.12731},
year = {2022}
}