基于深度学习的农业园区综合能源系统运行优化方法
刘曌煜
王蕾
王坤
浙江省电力有限公司 经济技术研究院,浙江 杭州 310008
摘要：[目的]农业园区可再生能源资源禀赋丰富,在"双碳"目标驱动下,其综合能源系统(IES)的高效运行对于推动绿色低碳转型具有重要意义.然而,当前农业园区普遍存在能源利用效率低、多能源系统调配不均、可再生能源就地消纳能力不足等问题,严重制约了农业生产效率和可持续发展水平.为此,提出了一种基于深度学习的农业园区IES运行优化方法,旨在构建更具经济性与低碳性的能源调度机制.[方法]首先,构建农业园区IES多目标优化调度模型,综合考虑燃气轮机燃料成本、电网交互成本及设备运维成本,形成涵盖多种能源形式的系统数学模型;其次,针对风光(风电、光伏)出力及负荷预测需求,设计改进型长短时记忆(LSTM)神经网络功率预测模型,并引入量子粒子群优化算法(QPSO)对网络的隐含单元数量、学习率等超参数进行动态优化,以提升预测精度;最后,针对传统黄金正弦算法(GSA)易陷入早熟收敛的问题,引入Lévy飞行机制提升更新效率,结合动态权重策略优化全局与局部搜索能力,构建改进GSA实现系统调度优化.[结果]在实例分析中,改进的QPSO-LSTM预测模型将预测误差稳定控制在5％以内,相较传统方法具有更高的预测精度和更强的全局搜索能力.在调度优化方面,改进GSA使系统日运行成本较未优化方案下降69.7％,风光就地消纳率提升27.9％,显著优于传统GSA,展现出优良的多能调度协调能力.[结论]所提出的基于深度学习的农业园区综合能源系统运行优化方法,能够实现对系统功率的高精度预测,并在此基础上有效降低系统运行成本,提升可再生能源就地消纳能力,在经济性与低碳性协同优化方面具有显著优势,为农业园区IES的高效、绿色运行提供了可靠的技术路径.
关键词：农业产业园区综合能源系统运行优化数学模型量子粒子群优化算法长短时记忆神经网络Lévy飞行黄金正弦算法
分类号：TP18(自动化基础理论)TM715(输配电工程、电力网及电力系统)
资助基金：国家重点研发计划(2016YFB0900101-1)国家电网公司科技项目(5211JY190012)
论文发表日期：2025-07-25
在线出版日期：2025-09-18（本平台首次上网日期，不代表文献的发表时间）
页数：8( 470-477 )
英文信息