风-光-氢系统协调定容与运行：耦合电堆级调度与状态机的IMOPSO

《International Journal of Hydrogen Energy》：Coordinated sizing and operation of wind-solar-hydrogen system: Coupling stack-level dispatch and state machine with IMOPSO

　　

•PEM电解堆簇的分派与驻留时间状态机控制相耦合。•改进的多目标粒子群优化支持容量定容。•典型日与七日能量流分析揭示了电力—氢的协同机制。

## 引言

近年来，能源部门的深度脱碳要求减少化石燃料的使用[1]。可再生能源系统（RES）因其丰富性和清洁性，被广泛视为实现这一目标的关键路径。到2024年底，全球已安装的太阳能装机容量达到1865 GW，风能装机容量达到1283 GW，中国在两类能源中均位居第一[2]。在国家"碳达峰、碳中和"战略目标和"十四五"规划等政策的推动下，预计可再生能源的部署将持续增长。

然而，风力涡轮机（WT）和光伏（PV）发电由于依赖天气，天生具有随机性和波动性。在大规模并网条件下，这种波动性给系统运行和调度带来了巨大挑战，弃风弃光问题日益突出[3]。为提升可再生能源的利用率和供应可靠性，将多种可再生能源整合到混合可再生能源系统中已成为一个重要方向[4]。此外，电池与氢储能的协调配置可进一步缓解可再生能源发电与负荷之间的时间错配，并提升系统的整体技术经济性能[5]。因此，混合可再生能源系统（HRES）通常由多种可再生能源单元与储能组件协调构成，其中的多能互补特性可降低单一能源的不确定性，提升系统可靠性与运行效率[6]。电池非常适合短时功率平衡，而氢储能由于其自放电可忽略不计，是大规模、长时能量转移的更理想选择，能够实现跨多个时间尺度的电—氢耦合[7]。

在风光氢系统中，关键组件的装机容量直接决定了经济与环境影响。因此，需要建立协调多组件定容的容量优化模型[8]。现有研究已探讨了电解槽选型、定容建模形式和求解算法。Zheng等[9]对比了碱性水电解槽与质子交换膜（PEM）电解槽的动态响应特性，强调了PEM电解槽在动态调节下的灵活性优势；Xu等[10]在发电与用氢需求波动的条件下，协调多个光伏阵列和电解槽进行可再生制氢；Liu[11]建立了双层模型，对风光氢系统的容量与运行进行联合优化；Sahab[12]以及Zhao[13]、[14]分别从双层规划、离网运行和互补性利用、不确定用户负荷以及制造阶段碳排放等角度建立了定容模型。总体而言，近期进展主要集中在优化目标、算法求解器和精细化建模方面[15]，其中目标通常包括成本、利润或平准化指标[16]、[17]。Renaudineau等[18]以氢的平准化成本（LCOH）为目标，研究了离网光伏制氢系统的最佳定容。该研究建立了包含高精度PEM电解槽、交错式DC-DC变换器和光伏组件的精细化模型，并采用1分钟分辨率的气象数据以提升仿真精度。Gül[19]评估了光伏制氢系统在土耳其战略区域的技术经济可行性，并证明技术进步与规模效应将进一步降低系统成本。Li等[20]进一步研究了电—氢综合能源系统的协同规划，表明组件容量与系统运行的联合优化可提升整体经济性。

更近期的研究将容量优化从单目标定容扩展到定容—运行协同建模。例如，Xu等[21]建立了带电池储能的风光制氢系统，并联合优化了电解槽容量与年度能量调度，考虑了电解槽分组与切换频率。对于并网混合可再生能源系统，混合整数线性规划与混合整数二阶锥规划模型被用于协调可再生能源发电、电池调度、电解槽运行、氢储能与电网交换，表明系统定容与能量管理之间的交互直接影响成本、排放和可再生能源消纳[22]、[23]。集成绿氢的多目标HRES研究进一步表明，基于Pareto的优化可平衡经济成本、可靠性和可再生能源利用率，但所得配置对储能策略和氢链建模较为敏感[24]。对于离网风光氢储能系统和光伏制氢系统也得出类似结论，其中精细的控制规则、高分辨率数据和详细的电解槽建模会显著影响系统收益、LCOH和最优定容比的估计[24]。近期研究还表明，与负荷相关的电解槽效率会实质性地影响制氢量的估计[25]、[26]。除规划层面的定容外，运行策略对稳定高效运行同样至关重要。Niu等[27]研究了以电解槽效率为导向的风电制氢控制策略，Huang等[28]引入基于状态机的调度以提高电解槽利用率和运行利润。在系统协调层面，Torreglosa等[29]开发了一种预测性调度策略，协调可再生能源发电、电池储能、电解制氢、氢储能和燃料电池；而Muyeen等[30]表明，用多个小型电解槽替代单个大型电解槽可提高效率并平抑并网风电的波动。此外，从经济调度和功率分配的角度，Du等[31]将动态电价纳入容量配置，Wang等[32]开发了电解槽之间的实时功率分配策略，在减少启停循环的同时增加制氢量。这些研究表明，运行策略同时直接影响系统层面的能量协调与电解槽层面的动态行为。近期针对PEM电解槽的研究进一步表明，动态运行不仅是能量管理问题，也是设备可靠性问题。功率输入的波动、启停运行和负荷循环可能影响效率、热行为、气体 crossover（气体渗透）和退化特性[33]。在堆簇层面，近期的多堆PEM研究开始同时考虑能效和退化以优化功率分配，表明电站层面的聚合控制可能掩盖堆级差异，从而导致不够真实的运行评估[34]。这些发现为本研究将堆级分派、最小负荷约束和状态转移保护引入风光氢系统的定容仿真提供了直接动因。

尽管风光氢系统在定容目标、运行策略和优化方法方面已取得重大进展，现有研究仍存在两点局限。第一，许多研究仍将电解槽电站表示为聚合的氢电转换单元，而多堆PEM电解槽簇的运行特性——包括堆级功率分配、最小稳定负荷约束、部分负荷效率差异以及启停行为——往往被简化。此类简化可能导致不切实际的低负荷运行、频繁切换以及电耗和制氢量估计的偏差，从而削弱容量定容与实际制氢运行之间的一致性。第二，电解槽运行逻辑通常与定容问题分离，而传统的多目标粒子群优化在处理涉及状态切换和高维容量搜索的约束多目标问题时可能表现出有限的性能。因此，有必要将堆级PEM运行与状态转移约束嵌入到容量定容过程中。

为解决上述局限，本研究提出了一种并网风光氢系统的定容—运行协同优化框架。主要贡献总结如下：第一，将堆级PEM电解槽分派嵌入到容量定容过程中，使定容模型能够反映电解槽簇的功率分配、最小负荷可行性、部分负荷运行和制氢行为。第二，开发了驻留时间状态机控制策略，以限制频繁的启停运行、过早停机以及过度的连续过载，从而提升波动可再生功率下PEM运行的工程可行性。第三，采用改进的多目标粒子群优化算法求解容量定容问题，并在统一评估模型下将其性能与传统MOPSO进行对比。最后，开展典型日和七日能量流分析，揭示可再生能源发电、电池储能、PEM制氢和氢储能之间的协同机制。

### 章节片段

#### 系统描述

本文构建的并网风光氢系统结构如图1所示。所提出的风光氢系统由WT、PV、电池储能、PEM电解槽、储氢罐、燃料电池、电力负荷、氢气负荷和公共电网组成。在可再生能源富余时段，风电和光伏发电首先满足电力负荷，随后为电池充电，剩余电力则通过PEM电解槽转化为氢气储存。

#### 决策变量

本研究选择系统主要组件的额定容量作为决策变量，具体包括PV、WT、PEM电解槽、电池、储氢罐和燃料电池。设计向量定义如下：

x=[PPVrat, PWTrat, PPEMrat, EBATrat, MTankrat, PFCrat]

其中PPVrat、PWTrat、PPEMrat、PFCrat分别表示PV、WT、PEM电解槽和燃料电池的额定功率；EBATrat为电池的额定能量容量，MTankrat为储氢罐的额定容量。

#### 算法性能对比与优化结果

图8展示了对代表性优化运行过程的两项过程级诊断。如图8(a)所示，IMOPSO的外部存档初期增长较慢，但随后比传统MOPSO更早达到其容量上限。这一结果表明，IMOPSO在后期的搜索阶段更快地累积了可行的非支配候选解。因此，图8(b)通过迄今为止的最佳OPEX轨迹提供了补充信息。传统MOPSO……

#### 结论

本研究为并网风光氢系统提出了一种定容—运行协同框架，整合了PEM电解槽机理建模、堆级分派、驻留时间状态机控制和基于IMOPSO的系统优化。

(1)在系统优化方面，IMOPSO产生的Pareto解集比传统MOPSO更具竞争力，向联合非支配前沿贡献了684个解，而MOPSO仅贡献445个。IMOPSO支配了34.60%的MOPSO候选解，相比之下MOPSO仅支配19.23%……

### CRediT作者贡献声明

Shuheng Li：撰写—原稿，软件，方法论。Guoqing Gong：撰写—审阅与编辑，软件，数据整理。Wenbo Gu：撰写—原稿，验证，资源，方法论，调查，获取经费，数据整理。

### 利益冲突声明

作者声明不存在已知的、可能影响本文所述工作的竞争性经济利益或个人关系。

### 致谢

本工作由新疆维吾尔自治区天山人才培育计划青年支持项目（项目编号2024TSYCQNTJ0018）以及新疆维吾尔自治区重大科技项目（项目编号2025A01006-2）资助。

Shuheng Li｜Guoqing Gong｜Wenbo Gu