代理模型辅助的核电厂耦合多效蒸馏海水淡化多目标优化：从运行优化到升级改造

《Desalination》：Surrogate-assisted multi-objective optimization of MED desalination coupled to nuclear power plant: From operational optimization to revamping

　　•GPR代理模型与NSGA-II算法对核耦合MED工厂进行了严格的优化。
•对九效工厂进行零投资重新运行，仅使水成本降低0.3%。
•改造为十一效可使水成本降低10.2%，产能提高18.5%。
•改造投资可在5.7年内回收；结果对经济假设具有稳健性。
•选定的最优/折中解在Aspen HYSYS中进行了反向验证。

引言

淡水稀缺是21世纪全球面临的最紧迫挑战之一。海水淡化已成为保障可靠淡水供应的重要技术，尤其是在水资源紧张地区[1]。在热法海水淡化工艺中，与多级闪蒸（MSF）系统相比，集成到核电站（NPP）中的多效蒸馏（MED）因其热力学效率、较低的操作温度和更低的结垢倾向而具有显著优势[2], [3], [4], [5], [6]。

过去几十年中，MED系统精确数学模型的开发一直是广泛研究的主题。El-Dessouky和Ettouney的早期基础工作通过顺序质量与能量平衡建立了热法海水淡化过程模拟的基本框架[7]。在此基础上，Kazemian等人[8]采用实验设计方法对MED工厂进行热力学优化，展示了给水流量、效数和预热器温差等关键参数对产水量的敏感性。在更近期的研究中，Ahmad等人应用包括人工神经网络、支持向量回归、随机森林和梯度提升回归在内的机器学习模型，利用实验数据预测和优化MED系统的产水量[9]。他们的优化基于小型中试工厂的实验数据，未考虑核能热电联产应用中的特殊挑战——其热供应经济性与化石燃料系统存在根本差异。

MED系统的优化越来越多地采用多目标框架，以解决竞争性性能指标之间的固有权衡。Rivera等人应用NSGA-II遗传算法优化了与机械蒸汽压缩系统耦合的MED系统[10]。他们的研究根据优先考虑的目标函数揭示了多个Pareto最优解，最佳结果实现了9效顺流进料系统1.79美元/立方米的单位水成本和12效并流交叉进料（PCF）系统1.94美元/立方米的单位水成本，产水量为128.1千克/秒。类似地，Abdi-Khanghah等人首次开发了考虑热力学损失和闪蒸箱方程的MED-TVC海水淡化工厂综合数学模型[11]。尽管取得了这些进展，这两项研究都以简化的方式处理资本成本，主要关注热力学性能和运行成本，而未通过面积相关成本关联式显式考虑传热面积与热效率之间的权衡。

核能与海水淡化系统或制氢等外部热力单元的集成带来了独特的经济挑战，需要专门处理[12], [13], [14], [15]。Fadaei等人提出了一种结合海水源热泵、MED和压力延迟渗透技术的新型集成系统，进行了全面的能量、?、?经济性和环境分析[16]。虽然他们的研究涉及可再生能源热源的集成，但所采用的经济框架使用传统电价，而非核能热电联产系统所需的機會成本方法。Pietrasanta等人采用混合整数非线性规划方法解决了双用途发电和海水淡化工厂的优化问题[17]。然而，他们的成本模型将海水淡化工厂视为独立单元，未通过功率损失因子（PLF）方法将热能成本与发电机会成本明确联系起来，而这对于准确的核能热电联产经济性分析至关重要。

机器学习和代理建模的最新进展为复杂海水淡化系统的高效优化开辟了新的可能性。Chokshi等人对人工智能和机器学习在海水淡化中的应用进行了全面综述[18]。他们对案例研究的分析表明，AI使能的控制系统通过优化的纳米孔设计可实现高达99%的脱盐率。Di Martino等人开发了基于神经网络的逆渗透海水淡化工厂代理建模方法[19]。他们的方法将神经网络转化为混合整数线性规划公式，以在最大化水利用率的同时最小化能耗。虽然他们的代理方法严谨，Pareto前沿分析有效可视化了能耗与水回收率之间的权衡，但其应用仅限于膜法海水淡化，未涉及热法工艺如MED——其中传热面积优化引入了额外的复杂性。Al-Hamzawi和Al Sailawi提出了一种基于热力学引导的数据驱动框架，采用多目标深度强化学习用于混合MSF-RO海水淡化系统[20]。与遗传算法基线相比，他们的方法实现了淡水产量增加7.1%，?破坏减少4.2%。然而，他们的研究专门针对混合系统，而非独立的MED或核能热电联产配置。此外，这些代理辅助优化研究均未通过严格过程模型反向验证最优解来系统性地解决代理预测的可靠性问题，存在将代理伪影而非物理上有意义的最优点识别出来的潜在风险。

尽管这些研究取得了实质性进展，文献中仍有几个关键空白尚未解决。首先，大多数MED优化研究将资本成本视为固定值或与产能成线性比例，这掩盖了热力学性能与资本强度之间的基本权衡。提高造水比通常需要更大的传热面积，从而增加投资成本，但这种关系很少在经济评估中被捕捉。其次，核能海水淡化研究经常分配任意的热成本，而非应用热电联产关联的PLF方法，导致热价与实际电厂经济性脱节。第三，现有优化主要针对新建项目设计，很少考虑现有流程的操作优化，错失了指导操作人员通过实际可修改参数在不进行资本投资的情况下改善性能的机会。第四，MED各效之间温差的非均匀分布几乎从未被视为决策变量，尽管在运行中改变它无需成本，这代表了性能改善的错失机会。第五，基于机器学习的代理优化论文很少用严格过程模型重新检查代理最优点，存在识别出的最优点可能是代理伪影而非物理上可实现解的风险。最后，物理可行性约束如结垢盐度极限、最小润湿流量要求和沸点升高效应经常被忽略，导致乐观且有时物理上不可行的结果。

本研究通过针对耦合核电站的PCF MED工厂的代理辅助多目标优化框架来解决这些空白，将该工厂视为现有资产，并将热力学性能、资本强度和水成本之间的权衡解析为Pareto最优决策集。具体贡献如下：

（i）开发了无TVC的九效并流交叉进料MED工厂的快速稳态模型，并通过完整的Aspen HYSYS流程模拟进行验证；
（ii）引入比传热面积作为明确的优化目标，通过换热器缩放关联式使资本成本与面积相关，取代先前评估中采用的固定单位成本假设；
（iii）在国际原子能机构（IAEA）经济评估框架内，通过功率损失因子方法（LCOH = LCOE × PLF）对核热供应进行定价，将海水淡化经济性直接与抽汽的热电联产机会成本联系起来；
（iv）通过优化两种场景将运行改善与资本投资分离：在固定硬件约束下仅优化现有流程的运行参数，保证零投资解；以及可变效数的改造方案；
（v）一个结合高斯过程回归（GPR）、可行性分类和NSGA-II的代理辅助框架，用于映射三目标Pareto前沿，其中每个Pareto解都通过严格模型重新验证，前沿基于严格值重新排序，参考设计点通过完整的Aspen HYSYS流程模拟进行反向验证。

该框架从而为考虑核能热电联产海水淡化的工厂运营者和公用事业管理者提供决策支持，量化仅通过运行调整可获得什么收益，以及什么需要投资。

章节片段

工厂描述与参考HYSYS模型

本研究的案例基于利比亚Zuara海水淡化厂，该厂在文献中代表了一种独特配置，是少数无热蒸汽压缩运行的大型MED工厂之一[21]。该工厂由三个相同的MED单元组成，每个单元设计产能为13,334立方米/天（556立方米/小时）。每个单元包括九个按PCF配置排列的蒸发效、八个给水预热器、一个最终冷凝器以及相关的循环泵。

代理建模与多目标优化

使用高保真过程模型优化复杂海水淡化系统面临根本的计算挑战：每次严格MED模型评估都需要求解非线性质量和能量平衡方程组，使得与进化算法的直接耦合在计算上不可行。本节提出克服这一限制的代理辅助优化框架。

结果与讨论

本节展示了应用于耦合核电站的MED工厂的代理辅助多目标优化框架的结果。分析按系统顺序进行。首先，通过留出验证和残差分析评估GPR代理模型和SVM可行性分类器的精度和可靠性，并从GPR长度尺度推断变量重要性。接下来，求解场景A（现有九效工厂的运行优化）。

结论

本研究开发了一个用于耦合核电站的PCF MED工厂的代理辅助多目标优化框架，采用功率损失因子（PLF）方法通过热电联产机会成本对核热进行定价。基于质量、能量和盐度平衡建立了九效MED工厂的严格稳态模型，纳入沸点升高、预热器网络和物理驱动的可行性约束，并与完整的Aspen HYSYS流程模拟进行了验证。

利益冲突声明

作者声明，他们已知无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

本研究由俄罗斯科学基金会资助（项目编号：25-73-00395），授予“圣彼得堡彼得大帝理工大学”联邦国家自主教育机构。

Khashayar Sadeghi | Ekaterina Sokolova | Mehran Abolghasem | Vitaly Sergeev | Zhisheng Liu