基于物理约束的多任务神经网络辅助的地热多联产系统多目标4E优化——集成CO?动力循环与LNG冷能回收

《ENERGY CONVERSION AND MANAGEMENT》：Physics-regularized multi-task neural network assisted multi-objective 4E optimization of a geothermal multigeneration system integrating a CO 2 power cycle and LNG cold energy recovery

　　

摘要本研究提出了一种用于整合闪蒸汽回收、超临界二氧化碳发电循环、液化天然气（LNG）冷能回收和多级闪蒸淡化的地热能多联产系统的物理正则化多任务神经网络（PR-MTNN）辅助 4E 优化框架。由第一性原理热力学模型生成的拉丁超立方设计集经过物理可行性筛选，并利用基于 Delta 的全局敏感性分析来识别主导系统性能和可行性相关瓶颈的变量。PR-MTNN 联合学习四个优化目标和辅助瓶颈变量，与非支配排序遗传算法 II（NSGA-II）耦合，随后进行精确热力学重新评估和混合 CRITIC-熵权-TOPSIS 选择。在 20,000 个采样的工作点中，有 15,516 个在物理上是可行的。在保留的测试集上，PR-MTNN 在四个主要目标上的平均归一化均方根误差（NRMSE）为 0.1815%，而原生单任务神经网络集成为 0.1916%，正则化二次响应面模型为 0.8859%。代理辅助搜索产生了 320 个候选方案；所有方案均成功进行了重新评估，319 个满足精确物理可行性标准，309 个在精确过滤后保持非支配状态。与参考案例相比，TOPSIS 选择的折中方案将净功率从 6667.8 增加到 23038.3 千瓦，淡水产量从 13.57 增加到 130.53 千克/秒，?效率从 56.59% 提高到 59.20%，净年二氧化碳节约量从 36.66 增加到 116.45 千吨/年，同时将碳强度从 44.81 降低到 33.15 克二氧化碳/千瓦时。这些增益需要更高的资本成本、总换热器面积和平准化有用能成本（LCUE），揭示了容量 - 可持续性 - 成本之间的权衡。结果表明，瓶颈感知、域边界受限的代理建模可以在保留对最终候选方案的第一性原理验证的同时加速设计探索。

引言能源系统的脱碳不仅取决于降低一次能源供应的碳强度，还取决于提高可用热能资源转化为有用服务的效率。政府间气候变化专门委员会（IPCC）的最新评估强调，本十年需要深度且持续的温室气体减排，才能使缓解途径保持在可达范围内 [1]，[2]。与此同时，国际能源署（IEA）的近期评估继续表明，在能源转换和终端使用部门仍存在大量低效率现象，这意味着脱碳挑战的很大一部分仍然是一个资源利用问题 [3]，[4]。这增强了对集成多联产架构的兴趣，在这种架构中，单一资源被依次用于电力、加热、冷却、淡水或其他有用输出，而不是在单一目的的转换步骤中被耗尽 [5]，[6]。

地热能源特别适合此类架构，因为它是可调配的、寿命长，并且能够提供中到高品位的热输入，而不受太阳能和风能主导来源所涉及的间歇性惩罚。更重要的是，地热系统自然地产生了一个级联回收问题：高品位热势能可以先用于做功生产，而剩余的较低品位物流仍可用于加热、冷却或淡化 [7]。这正是多联产在热力学上具有吸引力的结构类型。因此，近期的研究考察了由地热能驱动的系统，用于联合生产电力、冷却、淡水和氢气，并表明集成布局可以显著增加总资源利用率，相较于独立的转换模块 [8]，[9]，[10]，[11]，[12]，[13]，[14]。同时，这些研究也表明，集成的热力学效益只有在多个强耦合子系统同时保持可行时才能获得，这将设计问题变成了一个受限的非线性搜索，而不是简单的循环参数调整练习 [10]，[11]，[12]。

超临界二氧化碳和低温回收子系统的集成在地热能多联产中变得越来越相关，因为这两个要素都直接影响主要做功提取后剩余热质量的重新分配。超临界二氧化碳循环在中品位热条件下具有吸引力，因为它们紧凑且具有良好的热匹配特性，正如 Fiaschi 等人 [15] 在地热应用中展示的，以及最近 Di Michele 等人 [16] 所展示的；类似地，LNG 冷能回收提供了宝贵的源侧机会，用于强化冷却生产并提高集成布局中剩余热物流的利用率 [8]，[9]。一旦这些子系统与地热热回收耦合，更深的级联引入了明显的权衡。源可以依次被利用进行闪蒸汽做功提取、下游超临界二氧化碳回收和 LNG 辅助冷却，但每个增加的回收阶段都会加强换热器相互依赖性，增加对夹点约束的敏感性，并减少可行操作的热力学裕度 [10]，[11]，[13]。因此，结果问题不是原则上增加更多单元，而是确定组合配置是否仍能在额外有用输出证明更严格的约束和附加不可逆性合理的制度下操作。

当加入淡水生产时，同样的问题变得更加突出。多级闪蒸淡化（MED）对于地热集成具有吸引力，因为它可以从剩余的低至中品位热中回收有用价值 [13]，[17]。同时，其行为不仅取决于有多少热负荷可用，还取决于效数、来自上游回收阶段的入流状态，以及这些阶段如何重塑剩余的温度和质量流量水平 [12]，[18]。因此，淡水产量、增益输出比、换热器尺寸和终端温差与闪蒸条件、透平侧压力水平和低温回收选择紧密耦合 [7]，[17]。

因此，地热能多联产系统的优化不能简化为单一的热力学目标。更广泛的 4E 文献表明，集成的地热和多能源厂必须通过能量、?、经济和环境标准同时进行评估，并且最优解通常是折中解，而不是均匀占优的操作点 [10]，[19]，[20]，[21]。这一点变得更加关键，因为地热设计的表面排名在不同的热电经济或?表述下可能会发生偏移 [22]，[23]，而环境负担本身也不是固定的：地热碳强度已被证明会随辅助电力需求、年度利用基准和配置选择而变化 [24]，[25]，[26]，简化以及敏感性导向的生命周期评估（LCA）研究进一步证实，这些影响可能会随着操作点和设计结构而发生显著变化 [27]，[28]，[29]，[30]。综合来看，文献表明主要差距不在于缺乏 4E 分析，而在于设计探索过程中如何处理可行性。在高维热力学问题中，标称域只有有限部分是物理上可行的，但这种结构并不总是被明确纳入探索框架本身。

一旦引入数据驱动代理，困难变得更加明显。物理感知机器学习方法表明，神经代理可以减少昂贵非线性模型的计算负担 [31]，[32]，而多任务学习在通过共享潜在结构学习相关输出时显示出明显优势 [33]。代理辅助优化也已在更广泛的能源系统设置中成功应用 [34]。尽管如此，对于紧密约束的地热能多联产系统，两个问题仍然是核心。首先，直接采样标称决策空间会产生许多热力学上不可行的点，因此在未筛选域上训练的代理可能会继承对物理相关响应流形的失真表示。其次，主导局部可行性的量（如换热器面积和终端温差）与主要的 4E 目标并不相同。因此，仅学习聚合输出的代理可能在数值上表现良好，但对实际决定可行操作的瓶颈变量保持盲目。

本研究通过针对整合闪蒸汽回收、超临界二氧化碳发电循环、LNG 冷能回收和多级闪蒸淡化的地热能多联产系统，提出了物理正则化多任务神经网络辅助的 4E 优化框架来解决这一差距。核心理念不是用通用的黑盒回归器取代热力学模型，而是构建并学习筛选后的可行流形。为此，工作流程从大的拉丁超立方设计集开始，该集合经过严格的现象学筛选，仅保留热力学上可行的样本 [35]，[36]。然后在可行数据集上进行基于 Delta 的全局敏感性分析，以识别主导聚合性能和局部瓶颈行为的变量 [37]，[38]，[39]。这些结果被嵌入到物理正则化多任务神经网络（称为 PR-MTNN）中，其中四个主要优化目标与携带可行性的辅助输出联合学习。随后，该代理与非支配排序遗传算法 II（NSGA-II）耦合以进行帕累托搜索，并进行严格的第一性原理物理重新验证和混合 CRITIC-熵权-TOPSIS 决策 [40]，[41]，[42]，[43]。

因此，本研究的贡献既在系统层面也在方法论层面。在系统层面，它开发并评估了一种紧密集成的地热架构，其中闪蒸回收、超临界二氧化碳转换、LNG 冷能回收和 MED 淡化在单一的 4E 框架内统一。在方法论层面，它引入了一种专为热力学约束多联产优化而设计的、筛选可行、全局敏感性分析知情的、物理正则化多任务代理工作流程。这种区别的重要性是实际的：提出的代理不仅被训练为重现优化目标，还被训练为保留主导可行操作和瓶颈形成的局部可行性结构。因此，该代理被用作筛选后可行流形上的域边界受限加速器，而最终优化结果仅在通过第一性原理热力学重新验证后才进行解释。此外，通过使用相同的可行数据集、数据划分、输入和主要输出，将所提出的公式与原生单任务神经网络集成和正则化二次响应面模型进行受控比较，评估了其预测性能和计算特性。

本文其余部分组织如下。第 2 节介绍了系统定义以及控制热力学、经济和环境公式。第 3 节介绍了筛选数据生成策略、全局敏感性分析、PR-MTNN 代理以及代理辅助多目标优化框架。第 4 节报告了参考案例行为、可行空间结构、代理验证结果以及物理验证的帕累托优化结果。最后，主要结论在第 5 节中总结。

章节片段系统描述本研究调查的系统是一个基于地热的多联产工厂，旨在同时生产电力、有用加热、冷却和淡水。如图 1 所示，该配置由四个主要子系统热耦合构成：地热闪蒸汽和回灌分支、闭环超临界二氧化碳动力回路、LNG 辅助甲烷分支和多级蒸馏（MED）淡化单元。这种系统架构遵循...

数据生成和现象学筛选方法论的第一阶段是为代理训练构建热力学可行的数据集。相关的响应面研究还表明，结构化的多变量探索对于能源转换系统中的受限性能和排放优化是有用的 [57]。虽然底层过程模型是确定性的，因此没有测量噪声，但设计空间的任意采样并不能保证物理上意义明确的操作...

结果与讨论本节呈现了参考案例的热力学行为、可行设计空间结构、全局敏感性结果、PR-MTNN 代理的预测保真度以及最终的代理辅助多目标优化结果。

结论本研究开发了一种用于整合闪蒸汽回收、超临界二氧化碳发电循环、LNG 冷能回收和多级闪蒸淡化的地热能多联产系统的 PR-MTNN 辅助 4E 优化框架。主要目标是在强约束的设计空间内结合热力学可行性、敏感性知情的代理构建和物理验证的多目标优化。

现象学筛选显示，可行的操作...

CRediT 作者贡献声明 Veli Bak?rc?o?lu：写作 – 审阅与编辑，写作 – 初稿，可视化，软件，方法论，数据管理，概念化。Fatih Yilmaz：写作 – 审阅与编辑，写作 – 初稿，监督，方法论，调查，形式分析，数据管理，概念化。

利益冲突声明作者声明他们没有任何已知的竞争财务利益或个人关系可能影响本文报告的工作。

Veli Bak?rc?o?lu|Fatih Yilmaz 阿克萨赖大学技术科学职业学院，土耳其阿克萨赖