多站点可再生能源基地与绿氢–氨生产系统的随机选址与容量协同优化：多切割Benders分解方法

《Processes》：Multi-Site Planning of Renewable Energy Bases and Green Hydrogen–Ammonia Production Systems: A Stochastic Location and Capacity Optimization Approach

　　

绿色氢–氨（green hydrogen–ammonia）生产为大规模可再生能源利用和能源密集型行业脱碳提供了有前景的路径。可再生能源资源与合适工业地点之间的地理错配，对可再生能源与绿色氢–氨生产的协同规划构成关键挑战。本文提出了一个多站点随机规划框架（multi-site stochastic planning framework），其中多个可再生能源基地通过站点间输电（inter-site transmission）共同为一个氢–氨生产基地供电。研究人员建立了一个选址与容量优化模型（location and capacity optimization model），用于确定生产基地位置以及风电（wind power）、光伏发电（photovoltaic generation, PV）、站点间输电、电解槽（electrolyzers）、储氢（hydrogen storage）和氨合成设施（ammonia-synthesis facilities）的容量，同时保持电、氢和氨平衡。由此形成的两阶段随机规划（two-stage stochastic program）采用多切割Benders分解方法（multi-cut Benders decomposition method）求解，该方法将选址与容量决策同基于场景的运行子问题（scenario-based operational subproblems）分离。案例研究表明，所提框架利用了地理分散可再生资源的空间互补性（spatial complementarity）。与传统单站点规划（conventional single-site planning）相比，该框架通过协调本地可再生供电与远程电力输送，提高了系统经济性（system economics），并降低了对储氢的平衡需求（balancing requirement for hydrogen storage）。

论文解读

研究背景与问题。绿色氢–氨（green hydrogen–ammonia，指以可再生电力制氢并合成氨）生产系统为大规模可再生能源利用和能源密集型行业脱碳提供了有前景的路径。可再生能源电力可通过水电解转化为氢，再用于氨合成，从而将波动的风电和光伏（photovoltaic, PV）发电与可储存、可运输的化学能载体相连接。可再生发电和电解槽成本下降改善了绿氢生产的经济前景，但可再生发电的强时间变异仍难以与氨合成相对稳定的运行要求相协调。因此，协调规划可再生发电、电解、储氢和氨合成，对提高绿色氢–氨生产系统的经济性和运行可行性至关重要。除时间变异外，可再生资源与合适氢–氨生产地点之间的地理错配也构成空间规划挑战。风或太阳能资源有利的地区不一定最适合氢–氨生产，因为工业选址还受电网接入、输电距离和本地基础设施条件影响。已有研究多集中于预定单站点配置下的设备容量和运行，或区域能源规划中的网络扩展与氢基础设施规划，而多个候选可再生能源基地共同供应一个选定的氢–氨生产基地，并同时优化生产基地位置和主要系统容量的问题仍研究不足。可再生不确定性还要求集成规划框架，因此研究人员提出随机选址与容量优化框架。

研究人员开展的研究、结论与意义。研究人员提出了面向可再生能源基地和绿色氢–氨生产系统的多站点规划框架。多个候选区域可进行风电和PV投资，并从候选地点中选择一个氢–氨生产基地。生产基地可利用本地可再生发电，通过站点间输电接收远程基地的可再生电力，并与外部电网交互。研究人员建立了两阶段随机选址与容量优化模型，联合确定生产基地位置以及风电、PV、站点间输电、电解槽、储氢和氨合成设施容量；场景相关运行子问题描述可再生分配、电力输送、电网交互、制氢储氢和氨生产，并保持电、氢、氨平衡。主要贡献包括：多站点规划框架、两阶段随机选址与容量优化模型，以及多切割Benders分解方法。案例研究表明，该框架可利用地理分散可再生资源的空间互补性；与传统单站点规划相比，可改善系统经济性并降低储氢平衡需求。其意义在于为大规模可再生能源利用和能源密集型行业脱碳提供空间协调规划工具。

关键技术方法概括。研究人员构建多站点绿色氢–氨生产系统规划模型，采用两阶段随机混合整数线性规划（two-stage stochastic mixed-integer linear program, MILP）联合优化选址与容量；利用区域风/光年度曲线生成168 h时序样本，通过平衡聚类与矩细化得到5个代表性场景（representative scenarios）；采用多切割Benders分解（multi-cut Benders decomposition）将第一阶段选址容量决策与场景运行子问题分离，并使用并行子问题、初始多切割和连续松弛下界等加速；模型在Python 3.12和Gurobi Optimizer 10.0.1中求解，Benders相对容差为0.001，最大迭代300次。测试系统来源为三个候选区域R1–R3，扩展压力测试包括5/7区域和10–160场景；无样本队列。

研究结果

5.1 测试系统与案例设置。研究人员设置三个候选区域R1、R2和R3，各区域可安装风电和PV，并从中选择一个氢–氨生产基地；生产基地配置电解槽、储氢和氨合成设施。年度可再生数据以168 h时序样本表示，并缩减为5个代表性场景。区域容量因子显示R2风电容量因子最高，R1的PV容量因子最高；空间相关性显示R2与R3的风电相关系数为0.730、PV日能量相关系数为0.756，表明二者空间互补性最强。案例比较包括多站点规划与常规单站点规划，并设置固定位置测试和单因素敏感性分析。

5.2 规划结果与空间配置。通过优化，R2被选为氢–氨生产基地。R1成为远程PV基地，R2承担生产基地并配置主导本地风电，R3提供额外远程风电；R1和R3的可再生电力通过站点间输电送至R2。多站点方案安装R1的PV 11.294 MW、R2风电74.031 MW、R3风电10.533 MW；生产基地配置10台电解槽、20,646.738 Nm³储氢和10,000 Nm³-H₂/h氨合成额定氢耗，期望年净成本为15.754百万CNY/年。与单站点规划相比，单站点也在R2建生产基地，并全部配置84.417 MW风电和12.611 MW PV；多站点使年净成本从16.014降至15.754百万CNY/年，年节约约0.260百万CNY/年，相对降低1.62%；储氢容量从27,765.835降至20,646.738 Nm³，降低25.64%。总可用可再生功率变异系数从0.335降至0.326。平准化氢成本（levelized cost of hydrogen, LCOH）从6.497降至6.469 CNY/kg-H₂，平准化氨成本（levelized cost of ammonia, LCOA）从2099.13降至2092.61 CNY/t-NH₃，电解槽和氨合成容量因子均高于96%。固定位置测试显示，单站点下R2最经济；若固定在R1或R3，年净成本分别增加12.92%和27.53%。多站点协调相对对应单站点，使R1–R3年净成本分别降低11.12%、1.52%和21.52%，储氢容量分别降低21.33%、23.71%和28.13%。当生产基地固定在R3时，72.514 MW风电容量转移至R2、10.538 MW PV转移至R1，并由60.142 MW和10.538 MW站点间输电容量支持。最终解中紧急电力、紧急氢、氢泄漏和氨短缺均为零，表明容量与运行调度可行。

5.3 关键经济技术参数敏感性分析。研究人员对站点间输电成本、储氢投资成本、电网购电价、可再生投资成本和输电损失进行单因素敏感性分析，各参数取基线的80%、100%和120%。结果表明，多站点配置在所有测试中均保持较低期望年净成本，成本降低范围为1.21%–3.06%。提高站点间输电成本会降低远程可再生输电收益，提高储氢投资成本会增加空间协调价值；经济优势对电网购电价和可再生投资成本更敏感，而输电损失在测试范围内影响较小。Region 2在两种规划中始终为最优生产基地。可再生投资成本取90%和110%时，年净成本降低分别为1.85%和1.54%。多站点储氢需求在所有敏感性情形下均低于单站点。

5.4 代表场景运行性能。研究人员选取一个代表性场景进行168 h运行分析。电力侧，生产基地负荷由本地可再生发电以及来自R1和R3的远程可再生电力供给，该场景下电网购电为零；总供电功率范围为8.110–66.532 MW，电力销售和弃电吸收可再生盈余。氢侧，电解制氢速率范围为315.726–12,000 Nm³/h，供氨合成的氢流范围为9930.380–10,000 Nm³/h，储氢库存范围为2064.674–18,582.064 Nm³；储氢吸收电解制氢与相对稳定氨合成需求之间的短期不匹配。储氢轨迹保持在规定界限内，紧急电力、紧急氢、氢泄漏和氨短缺均为零，验证了所得经济与储氢收益对应可行小时运行。

5.5 计算性能。两个规划案例均使用5个代表性场景、每场景168 h，相对最优容差为0.001。多站点规划需要82次Benders迭代和30.22 s，单站点需要29次迭代和13.87 s；多站点和单站点平均主问题时间分别为0.026 s和0.014 s，平均场景子问题墙钟时间分别为0.253 s和0.250 s。两个五场景案例均在一分钟内求解，最终最优间隙低于规定容差。

5.6 计算可扩展性。研究人员进行两组压力测试：固定40个场景，将候选区域从3增至5和7；固定3个候选区域，将场景从10增至160。所有实例保留168 h，Benders相对容差为0.1%，并与直接确定性等价（deterministic equivalent）形式比较。区域数增加时，Benders迭代从49增至121，平均主问题时间从0.135增至1.114 s，平均场景子问题墙钟时间从1.944增至5.210 s；Benders总求解时间从134.67增至882.15 s，直接形式从142.41增至1209.24 s；Benders相对直接形式在3、5、7区域分别减少约5.44%、22.67%和27.05%。场景数从10增至160时，平均主问题时间从0.035增至0.584 s，平均场景子问题墙钟时间从0.507增至7.572 s，迭代数保持49–61次；10场景时直接形式更快，20场景以上Benders更快，总求解时间减少从约4.85%增至16.11%。结果表明，多切割Benders方法在空间和随机维度增大时仍保持收敛，并逐渐体现计算优势。

讨论与结论部分总结。论文结论指出，研究人员提出了面向可再生能源基地与绿色氢–氨生产系统的多站点规划框架。所提两阶段随机模型在可再生能源不确定性下，联合优化生产基地位置以及区域可再生发电、站点间输电、电解槽、储氢和氨合成的容量。案例研究表明，相对于常规单站点规划，协调本地与远程可再生资源可改善系统经济性并降低储氢需求。固定位置、敏感性、平准化成本和小时运行分析进一步支持了选址决策价值、空间协调收益稳健性以及所得运行调度的可行性。多切割Benders方法利用随机模型可分离的场景结构，并随着空间和随机维度增长而更具优势。当前框架受简化输电表示、有限候选集、仅可再生能源不确定性、代表性场景近似和规划级过程模型限制。未来工作将把框架扩展至更大系统、更丰富不确定性、详细网络约束和更精细过程表示。