面向全球天然气电站 CO$_2$ 减排潜力的神经网络驱动的领域一致稳健优化
机器学习
2025-10-17 v1
摘要
我们引入了一个神经网络驱动的稳健优化框架，将数据驱动的领域约束集成到非线性规划技术中，解决了参数化神经网络模型与优化求解器相互作用导致的领域不一致解的被忽视问题。应用于 1180 MW 容量的热-gas复合循环电站， Our 框架提供了领域一致的稳健最优解，实现了 0.76 个百分点的能源效率平均提升。首次将此效率提升比例扩展至全球天然气电站群，我们估计年减排 CO 约 26 Mt（亚洲 10.6 Mt，美洲 9.0 Mt，欧洲 4.5 Mt）。这些结果凸显了机器学习在为全球气候行动提供近期可扩展减排路径方面的协同作用。
引用
@article{arxiv.2510.14125,
title = {Neural Network-enabled Domain-consistent Robust Optimisation for Global CO$_2$ Reduction Potential of Gas Power Plants},
author = {Waqar Muhammad Ashraf and Talha Ansar and Abdulelah S. Alshehri and Peipei Chen and Ramit Debnath and Vivek Dua},
journal= {arXiv preprint arXiv:2510.14125},
year = {2025}
}