一种用于燃气网络的协同优化框架:整合了凸松弛技术和神经网络代理方法
《Computers & Chemical Engineering》:A Synergistic Optimization Framework for Gas Networks Unifying Convex Relaxation and Neural Network Surrogates
【字体:
大
中
小
】
时间:2026年05月02日
来源:Computers & Chemical Engineering 3.9
编辑推荐:
周军|秦灿|梁光川|何颖|刘世涛|彭敬红|陈龙宇
中国成都,西南石油大学石油工程学院副教授
**摘要**
大规模天然气网络的最优运行是一个计算上具有挑战性的NP难题,通常被表述为一个非凸混合整数非线性程序(MINLP),这对现代求解器来说是一个考验。本文提出了一种整
周军|秦灿|梁光川|何颖|刘世涛|彭敬红|陈龙宇
中国成都,西南石油大学石油工程学院副教授
**摘要**
大规模天然气网络的最优运行是一个计算上具有挑战性的NP难题,通常被表述为一个非凸混合整数非线性程序(MINLP),这对现代求解器来说是一个考验。本文提出了一种整体的重构框架,从根本上改变了问题的数学结构,以确保重构模型的计算可行性和全局最优性。我们的策略通过兼容的设计协同整合了两种成熟的技术:我们对管道水力约束应用了凸二次松弛方法,并用高保真的人工神经网络(ANN)替代了复杂的压缩机物理模型。关键在于,该ANN被专门设计为使用与管道松弛兼容的平方压力变量,然后被精确地重构为混合整数线性程序(MILP)约束。这种对所有主要非凸性的整体处理方法将原始的不可解MINLP转化为具有凸连续松弛的混合整数二次约束程序(MIQCP)。在GasLib基准实例上(最多135个节点),我们的方法使用商业求解器在7秒内找到了MIQCP的证明最优解,而最先进的MINLP求解器在指定时间内未能收敛到证明最优解。这项工作展示了一种通过整体重构数学结构来转化不可解优化问题的有效方法。
**引言**
作为清洁高效的能源,天然气在全球能源结构中占据着至关重要的战略地位,因此其管道网络的安全运行对经济稳定和能源安全至关重要(Yang等人,2020年;Zhou等人,2021年)。网络运行的主要目标是以最低成本安全地满足所有供需合同。这项任务被称为运行优化,被表述为一个大规模的非凸混合整数非线性程序(MINLP)问题,该问题被正式认定为NP难题(Behrooz和Boozarjomehry,2017年;Ouyang和Aziz,1996年)。
这个问题的计算复杂性直接源于系统组件的复杂物理特性,如图1所示。主要挑战来自两个方面:(1)管道水力学,其中压力和流量之间的关系由非线性和非凸方程控制;(2)压缩站,它们引入了离散的操作决策(例如,各个单元的开启/关闭状态)以及受特定操作范围限制的高度复杂的非线性性能特性(Zhou等人,2023年;Osiadacz和Chaczykowski,2001年)。随着网络规模的扩大和拓扑复杂性的增加,这些耦合的数学挑战造成了一个根本性的困境。高保真的基于物理的模型导致的MINLP公式往往过于复杂,现代求解器难以在合理的时间内找到可行解,更不用说高质量解了。相反,简化这些模型以提高计算性能会牺牲准确性,从而得到的解可能在数学上是“最优的”,但在物理上不可行或次优的(López-Benito等人,2016年;Herrán-González等人,2009年)。模型保真度与计算可行性之间的权衡是阻碍大规模天然气网络有效优化的核心挑战。
非凸MINLP公式的计算复杂性是天然气网络运行优化的核心挑战。历史上,研究主要分为两个方向:提高基于物理的模型的可行性和利用数据驱动的方法。在基于物理的建模中,策略集中在简化和数学重构上(Zhou等人,2023年)。常见的简化技术包括假设状态参数恒定(Osiadacz和Chaczykowski,2001年)、简化压缩机建模(López-Benito等人,2016年)、假设单向管道流动(Herrán-González等人,2009年)以及采用等温假设(Wen等人,2023年)。然而,虽然模型简化减少了计算负担,但也降低了模型准确性,使得难以反映实际系统条件(Marfatia和Li,2022年)。更复杂的方法侧重于通过线性化(Yang等人,2019年)或凸松弛(Manshadi和Khodayar,2018年;Wu等人,2017年)进行重构。线性化通常使用分段线性段来近似非线性函数,但要达到高精度需要大量的分段,这会指数级增加问题的组合复杂性和求解时间(Correa-Posada,2014年;Mikolajkova等人,2018年;Peng等人,2024年)。凸松弛技术(Xue等人,2016年;Liang和Hui,2018年)可以提高求解效率,但可能会过度松弛,从而降低解决方案的质量,或者无法细致地模拟压缩机等关键设备的详细约束(Martin等人,2006年;Low,2014年)。
近年来,数据驱动技术为解决这一问题提供了新的视角。这些方法已广泛应用于系统监控、预测和决策支持。例如,研究人员开发了混合深度学习模型来预测实时管道条件(Su等人,2018年)并从传感器数据计算网络水力学(Cui等人,2020年)。其他人则专注于预测天然气需求和供应,这是任何优化模型的关键输入(Sharma等人,2021年;Chen等人,2020年)。除了预测之外,数据驱动方法还提高了系统可靠性,应用于大规模能源系统的异常检测和脆弱性分析(Hu等人,2020年;Zhang等人,2021年)。该领域的一个关键应用是使用机器学习为复杂的物理组件创建准确的替代模型。通过对运行数据或模拟数据的训练,模型可以学习压缩机等设备的行为,提供了一种以数据为中心的替代复杂物理方程的方法(Chi等人,2021年;Yang等人,2022年)。因此,机械模型和数据驱动模型的融合,或混合建模,已成为一个重要的研究方向(Xiang等人,2021年;Wang等人,2022年)。然而,将这些不同的方法整合到一个连贯的优化问题中仍然是一个挑战。大多数混合方法采用“预测-然后优化”的两步过程,这分离了预测和优化阶段,可能会影响解决方案的质量(Zhou等人,2024年)。还提出了基于深度强化学习的其他框架,但这些方法没有将模型嵌入到允许找到公式证明最优解的正式数学编程框架中(Liu等人,2024年;Fan等人,2022年)。一种更综合的方法是将机器学习模型直接嵌入到数学程序中。将基于ReLU的神经网络重构为混合整数线性程序(MILP)约束是优化和机器学习社区中的成熟技术(Fischetti和Jo,2018年;Tsay等人,2021年)。一些研究使用神经网络作为压缩机替代模型(Marfatia和Li,2022年)。尽管这些应用具有创新性,但它们通常只关注组件层面,而没有同时解决其他系统级别的非凸性问题,如管道水力学中的问题。因此,这些研究中的最终问题公式通常仍然是非凸MINLP。
对现有技术的回顾表明存在研究空白。虽然存在针对管道凸松弛和压缩机替代模型嵌入的个别技术,但缺乏一个系统性的框架,能够协同结合这些方法将整个大规模天然气网络优化问题重构为计算上可行的形式。为了解决这一空白,本文提出了一种物理-数据混合优化框架。如图2所示,该框架系统地分解问题约束并应用定制的数学变换。我们对管道水力约束应用凸松弛,产生以平方压力变量表示的二次约束。同时,用于复杂压缩机物理的人工神经网络(ANN)替代模型被特意设计为接受相同的平方压力变量作为输入。这些处理后的约束随后被重构为一个统一的数学程序。这一过程将原始的不可解MINLP转化为具有凸连续松弛的混合整数二次约束程序(MIQCP)。这种重构的公式属于现代求解器可以有效求解到证明最优解的问题类别,从而解决了大规模网络模型准确性和可行性之间的权衡。
**本文的具体贡献如下:**
(1)开发了一种用于稳态天然气网络优化的整体重构框架。该框架结合了管道水力的凸松弛和压缩机替代模型的精确MILP嵌入,从而将基准非凸MINLP转化为具有凸连续松弛的重构MIQCP。
(2)构建了四种轻量级的基于ReLU的替代模型,用于压缩机速度、功率、喘振边界和阻塞边界。它们的输入定义被设计为与松弛后的水力模型中使用的平方压力表示兼容,允许直接进行优化嵌入而无需引入额外的非线性方程。
(3)在最多135个节点的基准实例上评估了重构模型的计算性能和物理一致性。报告的结果表明,重构的MIQCP可以在短时间内求解到声明公式的证明最优解,而基准MINLP在更大规模下难以可靠求解。进一步使用基于残差的后期检查和细化来评估与原始水力方程的一致性。
本文的其余部分组织如下:第2节阐述了传统的基于物理的MINLP模型,作为比较基准。第3节详细介绍了本文的核心方法。第4节概述了案例研究和场景设置。第5节展示了结果,包括模型验证、性能比较和敏感性分析。最后,第6节总结了本文并提出了未来研究的方向。
**问题公式**
本节详细介绍了用于天然气网络稳态运行优化的基准模型的数学公式。该模型代表了一种传统的基于物理的方法,称为“通用模型”。其目标是通过优化关键操作参数来最小化运行成本,同时受到一系列严格的物理和操作约束。从数学上讲,它构成了一个大规模的非凸MINLP。这种公式是...
**优化方法**
第2节中建立的非凸MINLP公式对大规模网络提出了重大的计算挑战。为了克服这些限制,本文提出了一种系统的重构方法,将原始问题转化为更易处理的数学结构。核心思想是战略性地用计算效率高的公式替换难以处理的非凸约束,将原始MINLP转化为具有凸连续...
**案例描述**
本节详细描述了用于验证所提出的PHNGO模型性能的实验设置。我们评估了该框架的计算效率、解决方案质量和在一系列基准实例上的可扩展性。所有计算都在配备AMD 7745HX CPU和32 GB RAM的工作站上完成。MINLP和MIQCP模型使用SCIP 9.0.0和Gurobi 11.0求解器进行求解。尽管如此,直接在特定的工业计算机上部署...
**基于ANN的压缩机替代模型有效性**
为了确保所提出的PHNGO模型的物理保真度,第一步是构建一个高精度的压缩机替代模型。本节定量评估了所提出的ANNCM的性能,并将其与文献中使用的代表性基于物理的替代模型BPCM进行了比较(Westerlund等人,1994年)。评估的核心是比较两种模型在预测四个关键压缩机操作参数(速度、功率...)方面的准确性:
**结论**
本研究提供了一个计算上有效的稳态天然气网络优化重构框架。随后通过基于残差的后期检查和细化评估了其与原始非凸模型的物理一致性。主要结论如下:
(1)所提出的整体重构框架是一种非常有效的方法,可以使之前无法解决的MINLP问题在计算上变得可行。通过同时应用凸松弛...
**利益冲突**
作者声明本文的发表不存在利益冲突。
**数据可用性声明**
所有数据和模型可以在合理请求下从作者处获得。
**未引用的参考文献**
(Kaleem等人,2024年;Su等人,2021年;Humpola和Fügenschuh,2015年;Yang等人,2019年)
**CRedI作者贡献声明**
周军:撰写——审稿与编辑、方法论、资金获取、形式分析、概念化。
秦灿:撰写——原始草稿、可视化、验证、方法论、调查、形式分析。
梁光川:撰写——审稿与编辑、验证、监督、项目管理、方法论、概念化。
何颖:撰写——原始草稿、可视化、验证、调查。
刘世涛:可视化、验证、方法论、调查。
彭敬红:
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