【顶刊好文|能源+农业】APEN: 突破水产养殖能源瓶颈:机器学习增强的随机规划框架助力可持续养殖系统设计

实验以苏格兰洛钦弗地区的鲑鱼养殖场为案例，系统评估了所提方法的性能。该养殖系统包含三个并联的500立方米}养殖单元，目标在15个月养殖周期内产出36吨活鲑鱼。基准负荷为28千瓦，需通过空气源热泵将水温维持在16°C。研究团队设置了五个关键不确定性参数：光伏资本成本、电网电价、风电资本成本、鲑鱼价格和特殊参数SEG，通过200个场景全面捕捉风险特征。

在系统配置方面，随机规划方案展现出显著优势。与确定性设计相比，随机优化推荐的系统配置增加了储能容量投资，光伏、风电和电池的优化容量分别达到88.3千瓦、313千瓦和173千瓦。这种配置策略体现了"以储促优"的设计理念，通过储能系统的灵活调节能力平抑可再生能源波动，降低对电网的依赖。在严格的二氧化碳排放约束下（50公斤/天），随机设计的平均成本比确定性设计低35%，凸显了灵活性投资的经济价值。

图4. 最优DES配置

经济性分析结果尤为引人注目。随机设计方案的预期净收益比确定性设计提高24%，盈利概率从71%提升至89%。条件风险价值（CVaR95%）分析进一步证实，优化解具有受控的风险轮廓和显著的隐含风险厌恶特性。这种风险抵御能力主要源于系统能源自主性的战略投资，不仅有效对冲了高电价风险，还为鲑鱼市场价格低迷时期提供了关键财务缓冲。

能源份额分析揭示了系统的运行智慧。如图8所示，随着碳排放约束收紧，系统运行策略明显向可再生能源倾斜。在50公斤二氧化碳/天的严格约束下，电网依赖度持续低于25%，风光发电占比显著提升。三元图清晰展示了不同场景下能源结构的自适应调整能力，随机设计在"激进"减排策略下形成更集中的运行区域，表明系统在各种不确定性条件下都能稳健满足排放目标。

敏感性分析验证了方案的鲁棒性。当关键参数波动范围扩大±50%时，最优配置保持稳定，仅需微调即可适应变化。这种稳定性得益于两阶段决策结构的内在灵活性：第一期投资决策为长期容量规划，第二期运行策略则可根据不确定性实现情况进行实时调整，形成自然的风险对冲机制。