利用并网混合可再生能源系统实现乳品加工的低碳化:一种代理模型辅助的多目标框架
《Renewable Energy Focus》:Decarbonizing dairy processing with grid-connected hybrid renewable energy systems: a surrogate-assisted multi-objective framework
【字体:
大
中
小
】
时间:2026年10月01日
来源:Renewable Energy Focus 10.8
编辑推荐:
•针对乳制品加工脱碳优化了一个并网型混合动力可再生能源系统(HRES)。
•与仅依赖电网的基准方案相比,生命周期成本降低了79.26%。
•最优HOMER配置实现了98.3%的可再生能源比例。
•使用梯度提升方法将代理优化时间减少了81.55%。
•在相同预算下,MO-FWS
•针对乳制品加工脱碳优化了一个并网型混合动力可再生能源系统(HRES)。
•与仅依赖电网的基准方案相比,生命周期成本降低了79.26%。
•最优HOMER配置实现了98.3%的可再生能源比例。
•使用梯度提升方法将代理优化时间减少了81.55%。
•在相同预算下,MO-FWSC被证明优于NSGA-II和MOPSO。
引言
工业脱碳受到高且通常连续的能量需求、电价波动风险以及化石燃料依赖型公用事业系统更替缓慢等因素的制约。能源密集型产业的研究证据表明,必须将场地特异性效率提升与供给侧干预措施结合起来进行评估,而非作为孤立措施分别处理[1]、[2]。澳大利亚是一个具有代表性的研究背景:2021-2022年化石燃料仍供应了全国66.1%的电力,而2022-2023年总发电量达到274 TWh[3]。这些条件强化了工业设施进行技术可靠且经济合理的可再生能源整合的必要性。
全球部署趋势进一步凸显了工业可再生能源整合的紧迫性。2024年全球电力需求达到30,856 TWh,其中化石燃料供应59.1%的发电量,可再生能源占32.0%,核能占9.0%[4]。截至2025年底,全球可再生能源装机容量同比增长15.5%,达到5,149 GW,其中包括2,392 GW太阳能和1,291 GW风能;太阳能和风能合计占可再生能源净增量的96.8%[5]。这一快速扩张标志着向可再生能源电力的结构性转变。然而,化石燃料发电的持续主导地位以及太阳能和风能的波动性,使得储能、电网协调以及经济稳健的系统规模设计成为必要。这些条件催生了设施规模的混合动力可再生能源框架需求,旨在将全球部署增长转化为可靠且可验证的工业脱碳成果。
混合动力可再生能源系统(HRESs)通过整合互补的发电、储能、转换和电网资源来管理可再生能源波动性和工业负荷波动。HRES及工业可再生公用事业系统的综述表明,此类架构可供应电力,并在需要时提供工艺加热和冷却,同时提高灵活性并降低电网依赖风险[6]、[7]。然而,工业设计方案不能仅从成本角度评判。技术可靠性、生命周期经济性、排放和社交成果应联合考量,正如技术-环境-社会-经济(TEES)评估框架所证明的那样[8]。
最近的场地特异性研究进一步表明,HRES性能强烈依赖于电网条件、可再生资源可用性、负荷特征和所选评估标准。Nassar等人[9]研究了HRES在缓解公共电网短缺方面的作用,通过集成经济、环境和技术优化进行分析;而El-Khozondar等人[10]使用技术、经济和环境指标评估了一个并网型可再生能源电力系统。Nassar等人[11]评估了更广泛的可再生资源潜力和可持续性路径,而Aqila等人[12]使用实测气候和运行数据为住宅负荷设计了一个光伏-风-电池系统。这些研究共同强调了场地特异性资源评估和多标准系统设计的重要性。然而,它们的公共电网、区域或住宅应用场景并未涉及连续工业乳制品加工负荷、社交绩效指标、代理辅助多目标优化以及在统一框架内进行基于仿真的重新验证。
与食品加工最接近的证据基础仍然有限。Sifakis等人[13]使用光伏、风能、生物质和热水技术对希腊乳制品行业的九种HRES配置进行了评估;其首选配置使能源成本降低64%,碳足迹减少55%,但选择依据场景模拟和多标准排名,而非代理辅助搜索。Jahangir等人[14]研究了工业畜牧场的可再生能源整合,展示了可观的碳减排潜力,尽管其应用涉及农业生产而非向乳制品加工厂供电。意大利船厂和菲律宾港口的工业研究进一步证实了并网太阳能-风能替代方案的经济价值[15]、[16],但其海事负荷、可靠性要求和费率结构与乳制品加工存在实质性差异。
在方法论方面,先前的研究虽拓宽了HRES评估范围,但未完全整合本文所需的各项要素。Bouendeu等人[8]整合了技术、经济、环境和社会指标,而Sifakis等人[13]使用多标准决策分析对工业乳制品场景进行排名。最近,Dheda等人[17]将就业创造直接纳入使用NSGA-II和MOPSO的并网型多目标HRES公式中。这些研究确立了多维评估的重要性,但未能将详细的工业HOMER数据集与学习代理模型和协同进化优化器相结合。
代理建模解决了另一个局限性:重复长周期仿真的计算成本问题。Zhang等人[18]在多模态多目标进化算法中使用高斯过程代理模型进行HRES设计。Ghandehariun等人[19]将机器学习与混合动力多联供系统优化相结合,而Tariq等人[20]开发了基于ANN和GMDH的代理数字孪生用于多目标HRES优化。在更大的空间尺度上,Prina等人[21]将机器学习与EnergyPLAN结合,在保持接近基准准确性的同时将优化时间减少了64%。这些研究共同证实了代理加速的价值,但均未通过统一的TEES和代理辅助协同进化框架解决澳大利亚乳制品加工设施的并网型问题。
本研究的主要贡献在于方法论:一个透明的管线,将场地特异性HOMER仿真、经验证的梯度提升代理模型、约束多目标Fig树-黄蜂共生协同进化算法(MO-FWSC)和HOMER重新验证联系起来。三个目标分别是:(i)使用技术、经济、环境和社会指标比较四种渐进式并网架构;(ii)量化在采样Colac设计域内训练的代理模型的准确性和完整计算成本;(iii)在相同边界和预算下,将所提出的约束多目标扩展与代理辅助的NSGA-II和MOPSO进行基准比较。乳制品案例提供了一个以持续制冷为主、按工艺计划执行的333 kWh/日示范负荷;这并不意味着代理模型可不变地迁移到其他场地、费率、技术或负荷曲线。因此,其新颖性在于集成且可审计的优化工作流,澳大利亚乳制品设施作为应用特定示范。
相应地,尚未解决的研究空白并非仅仅是另一个HRES案例研究的缺失。而是一个缺乏工业基础框架的问题,该框架能够比较渐进式并网配置、量化技术、经济、环境和社会绩效,并在不将完整HOMER仿真放入每次进化评估的情况下探索约束设计空间。这一空白对乳制品加工尤为相关,因为持续制冷和生产负荷在脱碳决策对当地可再生资源、费率和资本成本高度敏感的同时,要求可靠性。
因此,本研究追求三个目标:(i)使用技术、经济、环境和社会指标以及资源/负荷敏感性分析,为澳大利亚乳制品加工设施比较四种渐进式并网电力供应配置——仅电网、电网-光伏、电网-光伏-电池和电网-光伏-风-电池;(ii)开发并验证基于HOMER输出训练的梯度提升代理模型,用于快速预测经济目标和约束相关性能;(iii)应用约束MO-FWSC算法识别帕累托最优设计,并通过帕累托质量指标、计算时间和HOMER重新验证,将其性能与HOMER、NSGA-II和MOPSO进行基准比较。新颖性在于将这些要素整合在单一的工业基础框架内:澳大利亚乳制品加工应用、渐进式配置评估、包含就业效应的四维TEES评估、HOMER训练的代理预测、约束协同进化搜索以及对选定折衷方案的基于仿真的重新验证。这种整合能够在不过度夸大准确性或取代底层HOMER验证的情况下,量化代理辅助优化的效益。
章节摘要
材料与方法
本研究针对澳大利亚Colac地区一家乳制品加工设施的并网型HRES设计,开发并比较了三种优化范式。所提出的系统包括光伏板、风力涡轮机、电池储能、功率转换器和电网连接。如图1所示,方法论框架从基于HOMER的传统内部优化方法逐步过渡到更先进的进化策略和代理辅助方法。第一种范式依赖于
研究地点、可再生资源和负荷曲线
本研究以澳大利亚维多利亚州Colac(38°20.2′S, 143°35.1′E)为示范案例展示该方法。场地特异性源于Colac的太阳能、温度和风速系列数据,维多利亚州购电/售电费率,以及一个工程推导的乳制品生产计划,需求为333 kWh/日,峰值32.31 kW。制冷提供24小时基础负荷,而牛奶接收、巴氏杀菌、分离、均质化、加工、原位清洗和包装产生有计划的日间需求(补充表A1)
系统配置和技术性能
表3a、表3b报告了每种架构的规模和年度闭合能量平衡。"发电量"专指光伏和风能输出;公用事业电力报告为电网进口。在本地负荷和储能/转换损耗后的剩余可再生能源分为电网出口和弃风弃光。前者获得所述的上网费率和替代信用,而弃风弃光电量则无此收益。"未满足负荷"为所有可用资源之后的剩余需求
结论
本研究通过HOMER Pro集成TEES评估,确定了澳大利亚Colac地区乳制品加工设施的最优电力供应配置,随后进行了代理辅助多目标优化框架。系统比较了四种并网型HRES配置,以识别在不同资源和需求条件下的最具成本效益和可持续性的解决方案。
结果表明,从仅依赖电网的基准方案(案例1)开始,性能有明确提升,至
CRediT作者贡献声明
Amir Ghasemi:撰写–审阅与编辑,撰写–初稿,可视化,监督,资源,方法论,调查,形式分析,概念化。Hima Nikafshan Rad:撰写–审阅与编辑,撰写–初稿,可视化,验证,形式分析,数据整理,概念化。Jaspreet Singh:撰写–审阅与编辑,撰写–初稿,验证,软件,数据整理,概念化。
利益冲突声明
作者声明不存在已知的可能影响本文所报告工作的竞争性经济利益或个人关系。
致谢
本工作作为澳大利亚墨尔本SavvyScience Tech Pty Ltd.内部研发项目的一部分进行,专注于智能能源系统、可再生能源整合和工业脱碳。
Amir Ghasemi|Hima Nikafshan Rad|Jaspreet Singh
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号