双碳微电网规划求解器

降本减排同时优化

用分解式多目标强化学习同时给出微电网的成本、碳排放与交互强度权衡方案，比传统方法更适应气候变化下的长期负荷波动。

朱建勇 · Lijun, Guan · 杨辉 · 徐芳萍 · 聂飞平

Renewable Energy 2026

参数信息

总成本降幅

6.2 %

碳排放降幅

4.8 %

可再生能源利用率提升

5.6 %

设备效率退化导致的成本增加

3.1 %

设备效率退化导致的排放增加

2.4 %

技术优势

负荷预测更准

CNN–LSTM–attention 模型融合时空特征与注意力机制，在上海办公楼案例中预测误差低于对比基线模型。

规划更抗气候风险

通过气候响应负荷建模，系统配置与调度随气候情景调整，避免按历史负荷设计导致的适配偏差。

求解效率有保障

MOADQL/DP 结合分解搜索与强化学习辅助算子选择，能处理约束和非线性三目标优化问题。

应用场景

• 微电网规划：在规划阶段直接权衡成本、碳排放与电网交互强度，避免方案投运后因气候负荷偏移而失效。
• 园区综合能源系统：为园区电冷热多能耦合系统提供面向未来气候情景的联合配置与调度方案，提升整体能效。
• 多能负荷预测：用 CNN–LSTM–attention 模型提供计及气候变量的电冷热负荷与可再生能源出力预测，降低规划不确定性。
• 低碳建筑运营：通过气候响应规划与双向电网交互提高可再生能源利用率，帮助园区建筑降低生命周期碳排放。