可再生能源不确定性下含氢能与POWER-SONIC蓄电池储能的综合能源系统两阶段随机优化
2026-06-05 14:12:52 点击： 次
在碳中和方针的驱动下，氢能与高比例可再生动力的交融已成为必然趋势，但是受杂乱能流影响，氢能耦合机制与随机性多能流调度研讨仍存缺乏。针对上述挑战，本研讨构建了氢能集成多动力体系模型，并提出两阶段随机优化结构以和谐内部调度与外部能量交互。经过改善的嗅觉引导差分粒子群优化算法（SGD-PSO）求解所得非凸问题。根据曼彻斯特大学校园的案例研讨标明，相较于确定性优化，所提战略可使日均运转本钱下降32.6%-46.1%。敏感性剖析标明，最优可再生动力容量坐落0.9-1.1标幺值区间内，可完成99.8%以上的可再生动力利用率，一起下降归纳本钱。总体而言，本研讨为氢能交融的多动力体系提供了一个有用的随机优化结构，阐明了氢能驱动的协同机制，并为调度、可再生动力规划及低碳动力体系集成提供了辅导。
在碳达峰与碳中和方针的驱动下，构建清洁低碳、高效安全的动力体系已成为战略重点。但是，可再生动力在归纳动力体系中的高浸透率带来了明显的间歇性与不确定性，对体系安全经济运转构成挑战。在此背景下，氢能作为一种灵活的二次动力载体，有望支撑可再生动力消纳与深度脱碳进程。
多性能量流体系整合了天然气、电能与热水等多种能量载体，以及供热管网和输配电网等基础设施，构成杂乱的能量传递与转化联系。Beuzekom等人体系阐述了各类建模工具的特性及其适用体系规模，以树立精细化的能量体系数学模型[1]。Martinez Cesena团队经过引入直流或沟通约束条件构建了潮流计算模型[2]。Shabanpour-Haghighi等人则...选用牛顿-拉夫逊法进行电-热-燃料费网络潮流剖析，但在内部参数耦合剖析方面存在局限性[3]。%% 但是，现有研讨首要针对传统电-热-燃料费体系，对氢能的考量有限，限制了对动力体系演进态势的适应能力。
氢气作为一种优质的二次动力载体，在发电、供热、工业进程和交通运输范畴展现出广泛的应用远景。在制氢技能方面，Rahman等人体系比较了低温电解与高温蒸汽电解工艺，选用根据氢-电可逆循环的等效能量法进行48小时测验，证明氢能存储密度最高可达电池的200倍[5]。Bellocchi等研讨者进一步探索了氢能的多元化利用办法，将其应用于组成天然气(SNG)和二甲基醚(DME)的生产中，这些产物可注入天然气管网或供应重型货车使用，明显提高了氢能储运的便利性[6]。随着制氢、储氢和用氢技能的成熟，大规模氢能整合已成为可能，使氢能成为具有灵活性的体系级储能媒介。Khaligh等人提出了氢-电-气耦合的循环氢经济模型，该模型将可再生动力发电、碳捕集与化学甲烷化进程联结成闭环体系，其间氢能与电池储能协同效果可有用代替液化天然气并提高可再生动力利用率[7]。Kotb等人提出了一个面向工业脱碳的归纳绿氢整合结构，经过和谐电解槽、储氢体系、燃料电池与可再生动力发电，以管理动力动摇并保证运转可靠性；储氢设备可消纳过剩可再生动力电力，并在用电高峰时段供能，从而减少电池循环次数并提高全体经济性[8]。该协同机制充分发挥了各技能的互补优势——电池擅长快速功率调理，而高能量密度的储氢体系则能完成跨日及季节性平衡。这有用缓解了供需不确定性。但是，当时仍缺乏对外部动力分配与和谐机制的体系性剖析。
在触及杂乱能流联系与储能设备的体系优化问题中，一起考虑供需双侧不确定性时，建模进程极为杂乱。Fan等人选用蒙特卡洛算法与生成对立网络处理可再生动力与读档的不确定性以生成场景集[9]。针对由此发生的不确定优化问题，Lu等人比照剖析了随机优化、鲁棒优化及数据驱动的散布鲁棒模型[10]。Song等人开发了多粒度模型，在粗粒度层面选用随机优化进行长期猜测，在细粒度层面选用鲁棒优化进行短期批改[11]。Zhou等比照了单阶段确定性鲁棒办法与两阶段自适应鲁棒办法，证明自适应结构能有用缓解不确定性带来的风险[12]。针对这些优化问题的求解，Gao等提出了电-热-氢混合储能动力纽带体系的双层随机优化结构，以解决组件容量配备与运转调度之间的非线性耦合问题[13]。但是，现有研讨在生成典型场景时往往疏忽气象因素间的相关性，且缺乏对不同典型场景怎么影响调度战略的剖析。
为应对这些挑战，本研讨开发了一种以氢为中心的集成动力体系（HIES），该体系整合了氢储能体系（HESS）、惯例储能体系（ESS）以及天然气-氢气双燃料热电联产（GHDCHP）机组以完成协同运转。经过两阶段Vine Copula-MCMC办法生成具有代表性的风力和光伏场景，以一起捕捉边沿散布和变量间依靠联系。研讨构建了一个两阶段随机规划结构。第一阶段在不确定性完成前拟定日前调度决策，第二阶段则执行根据场景的实时动作，包括可再生动力分配、储能调整和外部动力交换。由此发生的非凸优化问题经过交融差分变异与模拟退火的气味引导差分粒子群优化算法求解。全体结构如图1所示。
本研讨的首要贡献可概括如下。
- 1)提出了一种集成氢电混合储能与GHDCHP机组的多能流体系架构，完成了电、热、燃料费与氢流的四维耦合，支撑转化设备与储能设备的和谐运转以及与外部动力的交互。
- 2)提出了一种根据典型可再生动力场景的两阶段随机规划模型，这些场景经过Vine Copula办法生成，该模型有助于和谐配备调度、动力交换以及包括储能容量在内的归纳本钱考量。
- 3)设计了一种混合智能SGD-PSO算法，该算法交融了大局最优气味引导、差分扰动和根据模拟退火的状态接受机制，旨在提高具有强非线性和耦合特性的大规模优化问题的求解效率与鲁棒性。