基于多源数据融合的氢燃料加注站选址优化研究——以中国广东省为例

本研究针对氢燃料加注站选址优化难题，构建了经济-社会-基础设施三维评估框架，结合GIS-OR（地理信息系统-运筹学）集成模型与机器学习（RF-SVR）预测技术，提出覆盖需求与成本最优的混合建站策略。结果显示，油氢合建站可降本17.2%-18.5%，但205年运输成本将增至80万美元/站，为广东省及全球氢能基础设施规划提供科学依据。

　　

在全球加速碳中和的背景下，氢能因其清洁、高热值特性成为交通领域替代化石燃料的理想选择。然而，氢燃料加注站（HRS）的建设严重滞后于发展目标——以中国广东省为例，2023年仅建成40座，远低于2030年300座的目标。核心矛盾在于：传统选址模型难以兼顾经济性、社会需求和基础设施限制，且缺乏对未来需求的动态预测能力。为此，中国科学院团队在《Sustainable Energy Technologies and Assessments》发表研究，首次提出融合GIS空间分析与运筹学优化（OR）的集成框架，结合机器学习预测，为氢能基础设施规划提供新范式。

研究方法上，作者采用三大关键技术：1）基于模拟退火的最大覆盖选址模型（MCLP）优化站点布局；2）随机森林-支持向量回归（RF-SVR）混合算法预测2030/2050年氢需求；3）三维评估体系量化经济（如运输成本）、社会（人口分布）和基础设施（道路网络）因素权重。数据来源于广东省多源POI（兴趣点）数据及能源统计年鉴。

研究结果部分：

1. 性能评估：RF-SVR模型在加油站POI预测中表现最优（MSE=3.23，MAPE=24.98%），显著优于单一模型。
2. 空间格局演变：2023年站点集中于珠三角，但2030年需求向粤东/西/北扩散，主因私家车氢能化进程加速。
3. 成本效益分析：油氢合建站策略可降低17.2%-18.5%成本，但单站运输成本将从2023年33万美元激增至2050年80万美元，凸显氢产能提前布局的紧迫性。

结论与讨论指出，该研究的创新性体现在：1）首次将城市功能分区（如商业区权重）纳入选址模型；2）验证混合建站策略（新建+油氢合建）的均衡优势；3）揭示运输成本将成为未来氢能推广的瓶颈。局限性在于未考虑政策突变对需求的影响，后续研究可引入强化学习提升动态适应性。这项成果不仅为广东省实现“双碳”目标提供路径，其GIS-OR-ML方法论框架更可为全球氢能基建规划提供通用工具，尤其适用于高人口密度区域的能源转型。

（注：全文数据与结论均源自原文，专业术语如MCLP、RF-SVR等首次出现时已标注解释，作者单位采用中文名称，未保留文献引用标识）