基于深度神经网络的变工况下综合能源系统低碳经济调度

设备变工况特性给综合能源系统(integrated energy system,IES)经济调度的准确性带来了严峻挑战。为此，提出了一种基于深度神经网络(deep neural network,DNN)的变工况下IES低碳经济调度方法。首先，基于能量枢纽模型(energy hub,EH)和效率修正模型，建立具有可变效率的动态能量枢纽模型(dynamic energy hub,DEH)。其中，EH模型刻画多能源之间的耦合关系，基于DNN的效率修正模型提取设备效率的非线性特征。在此基础上，提出了以总运行成本最小为目标函数的IES低碳经济调度模型。算例分析表明，所提方法能实现IES低碳经济运行，有效提高调度模型的求解速度和精度。