《Sustainable Energy Technologies and Assessments》：Economic and environmental feasibility of methane hydrate as an alternative fuel for steam power systems: a chance-constrained robust programming approach
编辑推荐：
•开发了一种针对蒸汽动力系统的机会约束鲁棒规划模型。•较高的碳价格使得甲烷水合物在 1400 美元/吨时能够完全替代天然气。•更严格的可靠性约束反直觉地增加了水合物库存作为缓冲。•提出的 CRSP 模型捕捉到了水合物的战略储备作用，而确定性模型则忽略了这一点。引言近年来，甲烷
- •
开发了一种针对蒸汽动力系统的机会约束鲁棒规划模型。
- •
较高的碳价格使得甲烷水合物在 1400 美元/吨时能够完全替代天然气。
- •
更严格的可靠性约束反直觉地增加了水合物库存作为缓冲。
- •
提出的 CRSP 模型捕捉到了水合物的战略储备作用，而确定性模型则忽略了这一点。
引言
近年来，甲烷水合物（MH）由于其巨大的储量和作为潜在低碳能源的高能量密度，引起了广泛关注 [1], [2]。包括中国、日本和美国在内的几个国家已经相继进行了试采试验。虽然大规模商业开采尚未实现，但这些现场试验验证了其技术可行性 [3]。中国目前严重依赖石油和天然气进口，这给国家能源供应带来了潜在风险。相比之下，南海蕴藏着丰富的 MH 资源，其储量大致相当于传统化石燃料资源 [4]。随着开采和配套运输条件的逐步改善，在全球能源转型和碳中和的背景下，MH 有望成为一种有前景的替代燃料。因此，有必要对其工业应用进行前瞻性研究。然而，现有关于 MH 的研究主要集中在开采、储存和运输等技术挑战上 [3], [4], [5]，而很少探索其在实际工业能源系统中的经济和环境可行性。实际生产涉及复杂的因素，且在不确定条件下对 MH 的经济、运营和环境性能进行定量评估仍然不足。
蒸汽动力系统（SPS）是石化企业中的关键辅助单元，消耗大量化石燃料为生产过程提供稳定的蒸汽和电力 [6], [7]。在实际运行中，SPS 不可避免地受到各种不确定性的影响，包括波动的燃料价格、时变的蒸汽和电力负荷、设备故障以及更严格的环境法规。这些波动可能导致能源短缺并扰乱正常生产。因此，在 SPS 的优化设计和运行中必须充分考虑不确定性，以实现经济和环境可持续性。
当 MH 作为燃料引入时，SPS 面临更复杂的耦合不确定性。由于 MH 尚未商业化开采且缺乏成熟市场，其价格保持高度不确定，波动较大，可能导致成本大幅不稳定。同时，恶劣的开采环境和脆弱的运输链带来了供应中断风险，可能导致燃料供应不足。此外，工业蒸汽和电力需求随生产计划、季节和天气变化，表现出强烈的随机性。这三类不确定性严重制约了以 MH 为燃料的 SPS 的经济评估、环境性能和可靠运行。面对如此复杂的耦合不确定性，传统的确定性优化无法准确量化将 MH 整合到 SPS 中的实际价值。
迄今为止，能源系统中的不确定性优化已进行了广泛研究。早期处理不确定性的努力主要采用随机规划、鲁棒优化和区间优化等方法。Sun 等人 [8] 建立了一个两阶段随机模型来解决设备故障和动态负荷波动。Lajos 等人 [9] 开发了一个多阶段随机优化框架，用于分布式热电联产系统的风险感知运行，以降低运营风险和碳排放。Sun 等人 [10] 进一步将 SPS 不确定性分为时间依赖型和基于概率型，并提出了一种带有递归变量的多周期随机规划模型。Wang 等人 [11] 开发了一种基于 ATC 分解和两阶段自适应鲁棒优化的多利益相关方微电网鲁棒分布式优化方法。Su 等人 [12] 提出了一种针对集成需求响应和容忍度的户用多能源系统的区间优化方法，将不确定性建模为区间数。Sun 等人 [13] 提出了一种考虑热惯性不确定性的多能源系统鲁棒协调优化方法，提高了风电集成度和系统灵活性。Wang 等人 [14] 开发了一种太阳能辅助 SPS 优化设计的两阶段随机规划模型，考虑了太阳辐射和实时需求不确定性，并比较了确定性与随机方法。Niu 等人 [15] 构建了一个区间两阶段随机规划模型，以在复杂不确定性下平衡 SPS 的经济效率和运营稳定性，随后引入鲁棒优化以增强系统的风险抵抗能力 [16]。Yan 等人 [17] 开发了一种用于 CCHP 系统的两阶段随机 - 鲁棒优化模型，结合场景生成与鲁棒箱型不确定性集。Fan 等人 [18] 提出了一种考虑风电不确定性的综合能源系统双层优化模型，使用鲁棒优化提高系统适应性。
近年来，数据驱动的鲁棒优化方法，特别是基于机器学习技术的方法，已被广泛应用于能源系统的不确定性优化。Shen 等人 [19] 首次将数据驱动的鲁棒优化应用于工业能源系统，在混合整数非线性规划框架内使用支持向量聚类从工厂数据构建不确定性集。Zhang 等人 [20] 开发了一种针对多能源系统的数据驱动分布鲁棒优化模型，使用凸包不确定性集捕捉风电时空相关性，并使用基于范数的约束处理分布不确定性。Shen 等人 [21] 进一步开发了一种针对工业能源系统的数据驱动自适应鲁棒优化框架，使用鲁棒核密度估计从大数据构建不确定性集。Han 等人 [22] 提出了一种针对 SPS 的多场景数据驱动鲁棒优化方法，其中使用聚类对时间范围进行划分，并使用鲁棒核密度估计构建不确定性集。Zhang 等人 [23] 开发了一种用于区域综合能源系统的混合随机 - 分布鲁棒优化方法，通过 C&CG 求解。Gao 等人 [24] 提出了一种针对阶梯型碳交易区域综合能源系统的数据驱动两阶段鲁棒优化策略，通过改进的 C&CG 算法求解。Han 等人 [25] 提出了一种针对数据中心能源系统的数据驱动两阶段分布鲁棒优化框架，使用 GAN 生成场景来管理可再生能源不确定性。Yadav 等人 [26] 采用机器学习回归模型，其中随机森林实现了最高精度，以预测和优化并网太阳能光伏系统的电能质量。Tusher 等人 [27] 评估了机器学习和深度学习模型在网络攻击下对风力涡轮机故障的预测，对抗训练使 XGBoost 最具韧性。Do?an 等人 [28] 开发了一种数据驱动的 GIS-机器学习框架，使用无监督深度自动编码器和自助重采样进行岸上电池储能的最优选址。Li 等人 [29] 开发了一种机器学习框架，以预测混合光伏 - 热电和地耦合通风系统在建筑能源应用中的性能。Sarni?k 等人 [30] 采用基于集成的机器学习方法，其中 XGBoost 表现最佳，以预测混合风光发电，并使用 SHAP 分析识别关键环境驱动因素。Qin 等人 [31] 构建了一个历史数据驱动的多面体不确定性集，具有可调整保守性，用于建筑能源系统的鲁棒优化。
尽管取得了这些进展，但仍存在几个研究空白。首先，对于具有完善历史数据的传统燃料，现有研究开发了各种方法来表征燃料价格，包括确定性假设、概率分布和数据驱动机器学习方法等。然而，MH 是一种新兴燃料，没有成熟市场或足够的历史数据来支持此类方法，使其价格不确定性与传统燃料根本不同，需要替代的建模策略。其次，虽然供应中断对于此类新兴燃料至关重要，但很少被纳入能源系统的优化框架中。第三，需求随机性、价格波动和供应中断风险的综合作用尚未被系统探索，燃料切换情景下的环境含义也未得到充分评估。为了解决这些空白，本文提出了一种以 MH 为候选燃料的 SPS 机会约束鲁棒规划模型，将多场景鲁棒优化和机会约束规划整合到一个统一框架中。该模型通过机会约束处理需求波动和供应中断，而通过多场景鲁棒分析处理价格不确定性。然后展示了一个炼油厂案例研究，其中进行了碳价格和置信水平敏感性分析，以量化系统可靠性、经济性能和环境影响之间的权衡。此外，提供了确定性模型比较，以作为基准评估不确定性对燃料选择和成本的影响。这些分析共同评估了 MH 作为替代燃料的经济和环境可行性。
章节摘要
优化模型
SPS 的运行受多种不确定因素影响，如工艺蒸汽和电力需求、波动的燃料价格以及意外的燃料供应中断。由于这些不确定因素存在明显的季节性变化，本研究首先采用多时段调度策略，将整个年度运行周期划分为几个独立的时间段。基于实际运行实践和历史统计记录，本研究考虑的不确定因素在本
案例描述
提出的 CRSP 方法应用于一个炼油工程项目，该项目考虑了工艺蒸汽和电力需求、燃料供应中断和燃料价格三类不确定性。案例研究旨在：(i) 确定最佳系统配置；(ii) 获得最低的系统总成本；(iii) 评估系统经济性与运营可靠性之间的权衡。SPS 的优化设计采用两阶段超结构优化框架：一个完整集
结论
本研究基于炼油厂案例研究，在价格波动、负荷波动和供应中断三类不确定性下，评估了 MH 作为 SPS 替代燃料的经济和环境可行性。结果为工业能源管理者和决策者提供了关于燃料切换和可靠性规划的定量指导。提出的 CRSP 模型可轻松扩展到其他工业环境，如炼钢、化工厂和区域供热
CRediT 作者贡献声明
牛腾：写作 – 审查与编辑，写作 – 初稿，验证，方法论，资金获取，形式分析，概念化。苗华全：可视化，验证，软件，调查。
利益冲突声明
作者声明，他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能影响本论文报告的工作。
致谢
本工作得到了 山东省自然科学基金，中国（项目编号：ZR2024QA072）的支持。
牛腾 | 苗华全
