微电网能量管理优化：LSTM与改进鲸鱼算法实践

1. 项目概述与背景

在能源结构转型的大背景下，微电网系统作为分布式能源的重要载体，其能量管理优化一直是学术界和工业界关注的焦点。冷热电联供型微电网（Combined Cooling, Heating and Power Microgrid, CCHP-MG）因其能同时满足多种能源需求而备受青睐。然而，这类系统通常包含光伏、风电等具有强不确定性的可再生能源，以及燃气轮机、储能装置等可控设备，其运行优化面临以下核心挑战：

1. 多时间尺度耦合：需要同时考虑日前调度计划和实时功率调整
2. 多目标冲突：经济成本最小化与碳排放减少之间存在权衡关系
3. 强不确定性：可再生能源出力与负荷需求预测存在误差

针对这些问题，我们提出了一种融合LSTM预测与改进鲸鱼优化算法（IWOA）的混合优化框架。实测结果表明，该方法在某商业楼宇微电网应用中，相比传统方法可降低4.03%的综合成本，同时保持更好的供电可靠性。

2. 系统建模与问题 formulation

2.1 微电网系统架构

典型的冷热电联供微电网包含以下关键组件：

1. 供能侧：

   • 光伏阵列（PV）：直流功率输出，受光照强度影响
   • 风力发电机（WT）：交流功率输出，依赖风速特性
   • 燃气轮机（MT）：可控CHP设备，热电比可调
   • 余热锅炉（WHB）：回收MT排气废热

2. 储能侧：

   • 蓄电池（BESS）：存储电能，充放电效率约90%
   • 蓄热罐（TES）：存储热能，效率约85%

3. 负荷侧：

   • 电负荷：基础负荷+可调节负荷
   • 热负荷：供暖/热水需求
   • 冷负荷：吸收式制冷机需求

2.2 目标函数构建

优化目标为最小化总运行成本，包含三项：

1. 燃料成本：

   math复制C_{fuel} = \sum_{t=1}^{T} (c_{gas}·P_{MT}(t)/η_{MT} + c_{grid}·P_{grid}(t))
   

   其中c_gas为天然气价格（元/kWh），P_MT为MT出力，η_MT为发电效率，P_grid为购售电功率

2. 设备损耗成本：

   math复制C_{wear} = \sum_{