燃料电池集成可再生能源系统多阶段容量规划与成本敏感性分析

《Sustainability》：An AI-Based Multi-Stage Optimization Framework for Fuel Cell-Integrated Hybrid Renewable Energy Systems

　　

摘要

间歇性可再生能源的渗透率不断增加，亟需将运行预测与长期经济评估相结合的容量规划框架。本文提出了一种针对燃料电池集成可再生能源系统的多阶段优化框架，该框架融合了基于机器学习的电力需求和光伏（PV）发电量预测、基于滞回特性的动态模拟以及组件成本敏感性分析。采用标准气象变量和时间衍生变量，预测模型在通过随机80/20划分获得的评价子集上，电力需求和光伏发电量的决定系数（R²）分别达到0.866和0.876。在预设的电网供电比（GPSR）情景下，使用2011年至2022年的气象数据对光伏组件数量、电池储能系统（BESS）单元数和燃料电池数量进行优化，并利用2023年至2024年的天气数据评估其运行性能。大多数情景满足10%荷电状态（SOC）标准。GPSR为0.5的情景被判定为失败，因为在四个连续的小时步长内SOC低于该标准；尽管如此，在整个验证期间电力供应仍得以维持，未出现短缺。本研究提出的重构增益量化了在保持基准配置与在相同组件单价下重新优化容量之间的平准化度电成本（LCOE）差异。当相应组件的成本比为0.1时，电池成本降低在GPSR为0.4时带来额外35.48%的节省，而燃料电池成本降低在GPSR为0.5时带来额外11.4%的节省。在2030年情景下，若光伏单价保持不变，电池和燃料电池价格分别设定为其当前值的49%和44%，LCOE降至0.1008–0.1286美元/千瓦时。