近期,，我校工學院電氣工程及其自動化系教師吳夏來（第一作者）與臺灣中原大學陳榮輝教授合作，以湖州師范學院為第一單位在能源領域知名學術期刊《Energy》（JCR,、中科院雙一區(qū)Top期刊, IF9）發(fā)表了題為“Fast robust optimization of ORC based on an artificial neural network for waste heat recovery”的研究成果,。

　　通過余熱回收可有效提高能源的綜合利用率，進而減少二氧化碳等氣體的排放,。有機朗肯循環(huán)（ORC）因具有較高的余熱利用效率在中低溫余熱回收領域中備受關注。來自工業(yè)過程的余熱資源及ORC復雜工作過程通常具有不確定,，該不確定的存在給ORC過程操作參數(shù)的優(yōu)化帶來挑戰(zhàn),。因此，如何對ORC過程建模及快速求得最優(yōu)操作點是該領域亟待解決的難題,。

　　針對以上難題,，該文章采用神經(jīng)網(wǎng)絡建立ORC復雜過程的替代模型，利用分布參數(shù)估計循環(huán)變量的不確定,，建立以最大化循環(huán)熱力性能期望為目標的魯棒優(yōu)化模型,。通過將所建立的優(yōu)化模型轉(zhuǎn)化為帶機會約束的混合整數(shù)線性優(yōu)化問題，實現(xiàn)ORC過程魯棒操作點的快速求解,。實驗結果顯示所提方法能獲得高質(zhì)量的過程操作點,，其求解ORC魯棒優(yōu)化問題的時間約為1.4秒，遠小于基于ORC機理模型的魯棒優(yōu)化求解時間,。本研究利用數(shù)據(jù)驅(qū)動方式實現(xiàn)ORC系統(tǒng)的準確建模和快速魯棒優(yōu)化,，具有重要的理論和應用價值。

　　論文鏈接：https://doi.org/10.1016/j.energy.2024.131652

　　通訊員：姚玲虹