基于卷积神经网络的分布式多能源系统能效计算方法研究

钟建英，张一茗，张友鹏，李泽坤，雷炳银

（1.平高集团有限公司，河南平顶山 467001；2.华北电力大学，北京 102206）

随着热电联产（Combined Heat and Power，CHP）、电热泵（Electric Heat Pumps，EHP）等分布式技术的发展，电、气、热/冷网络之间的相互作用日趋复杂[1]。近年来，多能源系统(Multi-Energy Systems，MES)的集成越来越受到重视，尤其是随着间歇式可再生能源（例如光伏、风力发电等）的快速普及[2]。与原有的能源系统相比，电、燃料、热和冷却相互作用的MES 不仅可以利用能源替代的灵活性容纳更多的可再生能源或多种类型的储能系统，还可以提高一次能源（包括可再生能源）的转换效率和利用率[3-4]。

目前，已有众多专家学者针对MES 的能效以及如何削弱分布式能源对系统的影响展开研究。文献[5]针对可再生能源利用及不同能源质量的有效衡量等问题，设计了一种能源质量系数，用于综合能源效率的评价。文献[6]提出了一种燃气-电力综合配电系统的协调运行策略，基于CCHP 系统的非线性多能量耦合外部特性模型，通过多CCHP 的协调运行，可再生能源的功率波动被传递到燃气分配网络及制冷或供热系统。文献[7]提出了一种基于凸优化的分布式算法，以解决耦合能量分配系统中的多周期最优燃气-发电效率问题。在气体分配系统侧，通过迭代二阶锥规划（Second-Order Cone Programming，SOCP）程序求解最优气体流量（OGF）问题，该程序的效率较传统的非线性方法有显著提升。

但目前已有的方法存在对潜在MES 配置参数依赖过大，且能效较低等问题。为此，设计了一种基于卷积神经网络（Convolution Neural Network，CNN）的分布式多能源系统能效计算方法。……