耦合电力 - 燃气 - 氢气 - 交通系统中自主氢电出租车车队的分布式鲁棒协调

《Sustainable Cities and Society》：Distributed Robust Coordination of Autonomous Hydrogen-Electric Taxi Fleets in Coupled Power-Gas-Hydrogen-Transportation Systems

　　

• 新模型将清洁能源与智能交通联动，实现城市更优平衡。 • 系统利用价格信号引导电动与氢动力出租车充电。 • 基于博弈的方法将用户出行选择与能源系统目标相协调。 • 该方法有效减少拥堵并提高可再生能源利用。 • 结果显示成本节约、能源稳定性和社会福利均有改善。

引言

城市能源-交通系统正在快速数字化转型，但现有的协调框架在经济与技术能力方面仍然碎片化，限制了自主氢-电动出租车在多利益相关方互动中的有效整合。传统方法通常依赖集中式调度或确定性假设，因此在分布式计算环境中对能源结算、碳排放以及能源经济碳强度的联合处理支持有限。这一局限在智能与可持续城市中日益凸显，因为清洁交通、分布式能源资源、可再生能源发电以及智能充电站和加注设施在多个城市基础设施中相互交织（Li和Chen，2026）。自主交通不再能被视为孤立的出行服务，因为其运营直接影响同一信息物理城市系统中的电力分配、氢气供应、交通拥堵、基础设施利用、环境表现以及利益相关方福利（Wang等，2026）。

自主氢-电动出租车引入了一个尤为耦合的运行问题。其路线选择、电动充电、氢燃料加注及能源需求同时影响交通网络和能源网络，而可再生能源的可用性和本地基础设施条件又影响这些车辆在哪里和何时获取能源。尽管这种耦合为低碳出行和更高可再生能源利用创造了机遇，但出租车需求在空间上存在异质性，且具有时间依赖性。公共充电行为在城市网络中已表现出明显的时空变化，而以氢为能源的社区则进一步引入了燃料电池运行、氢能生产与储存、碳交易、能源结算以及绿色交通服务等方面的交互（去中心化离网车对楼（V2B）运营2026）。这些相互依赖关系需要交通运营商、电力网络参与者、氢气供应商、分布式能源运营商及其他利益相关方之间的协调，而非在各自基础设施内部独立决策。

因此，合适的城市协调架构必须将交通、电力、氢气和碳相关决策连接起来，同时考虑不确定性和分布式信息所有权。该结构应协调经济运行与利益相关方结算，兼顾网络可行性、可再生能源利用、碳足迹减排及社会福利目标。它还应避免依赖完整的集中式信息交换，尤其是在多个基础设施运营商保留私有运营数据的情况下。这些需求促使我们提出一种集成的、数据驱动的、分布式的决策支持结构，用于自主氢-电动出租车交通，能够在不确定的运行条件下协调交互的城市网络，同时支持具有韧性、低碳和社会响应能力的能源-交通运营（Yildirim等，2026）。

关于可持续城市能源与交通系统的文献涵盖了动态定价、清洁交通基础设施、多能中心、氢能网络、分布式优化以及碳感知运营。这些领域在城市级信息物理系统中日益相互依存，出行行为、能源可用性、基础设施容量、环境足迹和利益相关方福利相互交织。

电动出行的动态定价将充电需求、拥堵、电网压力和用户响应联系起来。Matkovic等（Matkovic等，2025）使用了日前充电预测，但排除了交通、电力、氢气和碳的耦合。Mahmud等（Mahmud等，2025）将预测与深度强化学习结合用于充电价格优化，采用了放松的约束条件。Silva和Bessa（Silva和Bessa，2025）引入了碳感知电价，但需要碳强度预测且排除了氢出行。Shariatzadeh等（Shariatzadeh等，2025）表明充电行为取决于成本、出行目的、可达性和用户响应。Xuan等参考文献（Xuan等，2025）提出了基于ADMM的电力-燃气规划，但遗漏了交通和氢-电动出行。

城市电动汽车-电网研究加强了清洁交通的框架。Palaniyappan等（Palaniyappan等，2024）使用机器学习需求响应减少充电影响，但仍以电力为中心。Zheng等（Zheng等，2025）综述了电动汽车-电网市场机制，但排除了氢-电动车队和碳核算。Hamim等（Hamim等，2026）揭示了充电站使用的空间异质性。Khattak和Caulfield（Khattak和Caulfield，2026）将电动汽车采用建模与政策解读联系起来。Sakib等（Sakib等，2025）为智能停车增加了需求弹性。Abibou等（Abibou等，2026）使用混合深度强化学习进行充电站选址，Teng等（Teng等，2026）研究了地铁-电动汽车充电集成。这些研究未在不确定性条件下协调自主电动和氢气出租车与电力、燃气、氢能及碳核算层。

另一系列研究探讨了虚拟电厂、能源枢纽和多能市场。Song等（Song等，2025）提出了分布鲁棒虚拟电厂竞标，改善了风险处理但缺乏出行驱动的灵活性。Siqin等（Siqin等，2025）将鲁棒竞标扩展到能源、备用和碳市场，但仍缺少交通诱导需求。Ning等（Ning等，2025）通过多阶段DRO调度将可再生能源与氢气消耗联系起来，但城市适用性有限。Wang等（Wang等，2025）增加了电力-热-燃气-氢耦合，但未解决交通交互。Cao等（Cao等，2025）增加了能源、碳和绿证交易，但农村背景限制了城市相关性。

进一步的虚拟电厂研究涉及鲁棒性和协作。Lei等（Zhao等，2026）在配侧竞标中纳入了V2G，但出行被视为充放电。Zhao等（Li等，2025）使用LSSVM-AKDE和自适应鲁棒竞标改善了多市场对冲，但计算负担较高。Li等（Wen等，2025）协调了现货和调峰辅助服务市场的DRO竞标，未涉及拥堵-碳关税耦合。Wen等（Lv等，2025）使用分布鲁棒机会约束进行共享多虚拟电厂运营。Lv等（Guzzo等，2025）将虚拟电厂协调与燃煤电厂转型意愿联系起来。Liu等（Liu等，2026）通过分布式优化将能源枢纽集成到智慧城市。Zhang等（Zhang等，2026）将智能建筑视为隐私感知的城市能源基础设施。Wang等（Wang等，2026）将排放感知能源管理与碳中和城市目标联系起来。出行衍生的氢-电动需求和拥堵反馈仍然不足。

富氢燃气网络研究将清洁燃料部署与安全及转型风险联系起来。Guzzo等（Joshi等，2025）将掺混与管道流量和压力行为联系起来，但侧重于管道物理。Joshi等（Liao等，2025）增加了风险分析和监管建议，但未涉及市场或出行风险耦合。Liao等（Han等，2025）评估了氢-天然气储存循环。Han等（Tang等，2025）研究了海底管道混合中的注入角效应。Tang等（López等，2025）评估了压缩机站的爆轰风险。López等（Xie等，2025）使用机器学习估计渗透损失。

分布式和鲁棒调度支持信息物理城市能源管理。Wen等（Zhang等，2025）提出了最接近的前作，整合了交通、电力、燃气和氢层，包括自主出租车、动态充电价格和多种氢气用途；然而，行为响应、福利、足迹核算、隐私治理和决策支持仍不完善。Zhang等（Zhang等，2025）研究了微网群的鲁棒分布式运营，但不含交通-氢出行。Zhang等（Yang等，2025）考虑了光伏电池换电、充电和储能，但排除了出租车路线和氢燃料加注。Yang等（Fan等，2025）开发了电力-燃气-氢系统的场景信息间隙规划，但未涉及实时运营。城市出行、氢能需求、碳管理和社会福利仍然分离。

近期研究还考察了质子交换膜（PEM）燃料电池作为关键氢能转化技术。Taner（Taner，2021）从热力学角度评估了一种新型氢燃料PEM燃料电池设计，证明了运行条件和电池配置对提高转化效率的重要性。在另一项研究中，Taner（Taner，2018）通过建模和仿真研究了PEM燃料电池的能与?性能。结果突出了运行参数对氢能燃料电池系统能量和?行为的影响。在微观尺度上，实验建模被用于研究不同运行条件下PEM燃料电池的性能（Taner，2017）。该研究强调了氢流量、压力和水管理行为对燃料电池性能的影响。另一项研究使用Nafion膜材料研究了PEM燃料电池流道设计（Ali和Taner，2019）。该工作将技术性能评估与经济考量相结合，为PEM燃料电池配置的实用可行性提供了额外见解。

行业耦合的氢-电应用提供了部分洞见。Fan等（Tang等，2025）优化了数据中心混合系统的能源和计算任务调度，但其负载与出租车需求不同。Tang等（Zhong等，2025）在港口层面调度耦合的氢-电系统，未考虑拥堵、充电竞争或自主出租车行为。Zhong等（Chen等，2025）使用自适应ADMM和动态氢定价进行协作低碳决策，但出行层仍然有限。Chen等（Chen等，2025）研究了本地电力-热-燃气混合储能微电网运营。这些工作展示了氢-电耦合的优势，但未涉及自主氢-电动出租车车队的协调、站点拥堵、可再生能源、氢气掺混、碳交易以及隐私保护的多网络优化。

所综述的文献在电动汽车定价、行为和空间清洁交通分析、鲁棒能源枢纽运营、氢基础设施安全、分布式调度以及行业耦合氢-电系统方面取得了进展。从可持续与韧性城市角度看，主要差距在于缺乏将出行、能源、氢气和碳视为相互依赖决策层的集成城市框架。四个核心差距如下。第一，电动和氢出行通常被分别建模，而自主出租车车队可能对道路、充电站和加注基础设施施加同时压力。第二，定价机制主要调节充电需求或市场参与，而可再生能源可用性、氢利用和社会福利未被纳入同一价格响应过程。第三，鲁棒和数据驱动的能源枢纽模型改善了不确定性处理，但交通诱导灵活性、拥堵传播和自主车队行为往往缺失。第四，分布式优化支持隐私和可扩展性，但很少有研究将这些属性与智慧城市治理、环境足迹核算和多利益相关方福利联系起来。这些差距促使我们提出一种分布式的、碳感知的、福利导向的协调框架，用于嵌入耦合电力、燃气、氢能及交通基础设施中的自主氢-电动出租车交通。

最后，一个新兴的工作群体正在处理具体行业中的行业耦合氢-电应用，如港口、炼油厂和混合转化站点。参考文献（Ning等，2025）提出了一种数据驱动的多阶段调度器，协调炼油厂的氢利用与可再生能源发电，通过有限的数据访问减少弃电。扩展工业焦点，参考文献（Fan等，2025）将多种储能与数据中心计算转移结合，实现了成本和排放减少，但其向城市级系统的可迁移性未知。参考文献（Tang等，2025）引入了港口级氢-电交易的三时间尺度调度器，以排放减少为代价，且未考虑详细的海运交通和市场模式。作为一种互补方法，参考文献（Zhong等，2025）通过自适应ADMM开发了利益相关方间的联合决策模型，采用内生氢价格，提供了碳和成本节约，但对波动的敏感度不高。最后，参考文献（Chen等，2025）提出了一种涉及两阶段电转气转化的综合电力-热-燃气网络，增强了系统经济性和催化剂运行动态。这些示范共同突显了氢-电耦合的可行性，但缺乏对交通动态或实时价格响应能力的考虑。

所综述的文献在动态定价、电动出行协调、氢能集成能源系统、分布鲁棒调度和去中心化优化方面取得了实质进展。然而，当这些发展应用于自主氢-电动城市交通时，仍存在若干局限性。在许多模型中，交通动态和氢基础设施仍然只有部分连接，导致路线选择、交通拥堵、电动充电、氢燃料加注和氢能生产之间的交互未能完整表示。可再生能源不确定性和分布式发电通常在不同时考虑出行诱导需求和拥堵反馈的情况下进行研究，而碳相关成本、氢分配和利益相关方福利很少在同一运营结构内评估。现有的综合能源系统框架因此提供了重要的方法论基础，但其向自主电动出租车（AET）和自主氢出租车（AHT）运营的直接转移需要大量重新构建。在这种情境下，电动和氢出租车产生了不同的出行和能源需求模式，而氢必须在竞争性用途之间分配，如AHT加注、HFC运行、燃气机组掺混、储存和P2H2转化。这些交互跨越了分别保留独立运营职责和信息的HTN、PDN、GDN和SES基础设施。对于这些共同交互网络，隐私保护的分布式协调仍然有限。因此，由此产生的研究差距主要是一个系统集成和协调问题，而非缺乏成熟的优化技术。

相应地，本工作并未声称Stackelberg博弈、基于Wasserstein距离的DRO、碳交易或ADMM为新的方法；其贡献在于将这些方法针对具体问题情境进行整合，并将TM-ADMM-AOP协调过程适配到本耦合多利益相关方的能源-交通场景中。表1展示了可持续城市能源-交通协调的代表性研究与本工作的比较分类。基于对关键文献的回顾和已识别的研究空白，本研究提出的贡献旨在解决自主电动与氢动力交通工具与互联电力、燃气、氢能及交通基础设施之间尚未解决的协调问题。本研究明确区分了已有方法学组件与本工作的科学贡献。Stackelberg博弈、基于Wasserstein距离的DRO、碳交易以及ADMM均取自既有的方法学基础，并未在本研究中被声称为独立的方法学发明。贡献之处在于这些既有要素如何被重新表述并在自主氢-电动出租车交通系统的单一运行架构内相互连接。该框架联合表征了路线选择、电动充电、氢燃料加注、电制氢转化、氢储存与掺混、可再生能源利用、碳相关运营决策以及HTN、PDN、GDN与SES运营商之间的交互作用。这种系统级建模方式使交通需求成为耦合城市能源运行的内生化组成部分，而非外部负荷，并能够在同一决策过程中表征出行决策与能源网络状态之间的相互交互。本研究做出两项主要科学贡献。第一，建立了城市尺度的多网络协调模型，将AET与AHT的出行决策与电力、燃气、氢能、可再生能源及碳管理过程耦合在一起。所构建的框架结构为分析交通拥堵、充加能需求、氢利用率、可再生能源可用性与利益相关方福利在互联城市基础设施之间如何相互影响提供了分析基础。第二，开发了一种分布式决策架构，将既有的Stackelberg博弈与DRO建模方法与增强型TM-ADMM-AOP协调机制相结合。方法学贡献并非在于ADMM或DRO的单独使用，而在于将这些工具适配到耦合多利益相关方场景中，通过自适应惩罚调整、对二元变量与耦合变量的交替处理以及有限的跨网络信息交换来协调HTN、SES、GDN与PDN子问题。本文其余部分组织如下：第2节展示耦合能源-交通网络的集成优化架构；第3节说明TM-ADMM-AOP算法下的分布式协调框架；第4节介绍Stackelberg博弈优化框架；第5节引入社会福利评估；第6节讨论结果与分析；最后在第7节给出结论与评述。章节片段：耦合能源-交通网络的集成优化架构——本文所研究的集成能源-交通系统（如图1所示）由4个互联子系统组成：HTN、SES、GDN和PDN。AETs和AHTs不同的出行时间和目的地将动态改变公路阻抗，影响路线选择与充电决策。这些时空交互影响PDN中充电站的电力需求以及SES廊道中的氢需求，进而影响PDN的电压稳定性和SES的可再生能源……改进型TM-ADMM-AOP协调方案——基于经典的交替方向分解方法（Gabay和Mercier, 1976）、自适应惩罚思想（He等, 2000）以及连续变量与二元变量的交替处理（Wang等, 2021），本文采用的求解过程将这些已有思想转化为适用于HTN-SES-GDN-PDN耦合问题的方案。因此，TM-ADMM-AOP被视为针对问题特性的求解过程工程化改进，而非新的优化算法。每个……基于博弈论与Stackelberg策略的优化框架——本研究引入的Stackelberg博弈模型在系统运营商（领导者）与自主交通运营商（追随者）之间建立了基于HTN、PDN、GDN和SES互联网络的决策层级。运营商通过优化时空价格、加注、充电和能源调度来提升系统的效率与可靠性，而AETs和AHTs则确定其路径与能耗量以最小化全局成本。迭代……社会福利评估——福利评估被用作事后优化评估层，而非Stackelberg或TM-ADMM-AOP模型的额外目标函数。保留五个无量纲指标分别表征经济-环境福利、交通效率、乘客服务质量、运输安全及清洁能源利用率。表2汇总了其适用范围与数学定义。为防止不同物理单位的量直接混合，所有……结果与讨论——数值研究采用图4所示的耦合网络配置，包括IEEE 33节点PDN、20节点GDN、互联HTN以及两个SES单元。两个氢充电站分别位于路段7（HS1）和路段14（HS2），在出行需求与能源网络之间提供电动充电与氢燃料加注接口。附录B汇总了网络数据、设备限值、不确定性设置、费率参数及决策变量边界，基线参数……结论与评述——协调自主电动与氢动力出租车车队不仅仅是将传统集成能源系统模型进行扩展，因为出行决策、交通拥堵、充加能需求、氢能分配、可再生能源不确定性和基础设施约束跨越独立运营的网络相互交互。本研究通过建立连接HTN、PDN、GDN和SES子系统的分布式决策结构来应对该问题。Stackelberg博弈、基于Wasserstein距离的……声明——作者贡献声明：CRediT作者贡献声明——Nan Zhang：概念化、方法学、软件、正式分析、调查、数据整理、初稿撰写、可视化、项目管理。Rui Chang：概念化、验证、监督、审阅与编辑。Su Huang：方法学、验证、监督、审阅与编辑。所有作者均已审阅本文。数据可用性——支持本研究结论的数据可向通讯作者合理索取。利益冲突——作者声明不存在可能影响本研究已知财务利益或个人关系。资金支持——无。生成式AI及AI辅助技术在写作过程中的声明——作者声明使用了由OpenAI开发训练的大型语言模型（LLM），具体为ChatGPT，用于语言编辑、语法修正以及提升稿件可读性与风格。作者还使用了Grammarly（基于专有自然语言处理和生成式AI技术的AI辅助写作与语法检查平台）以及QuillBot（由QuillBot开发的AI辅助改写与写作助手），……出版同意书——不适用。CRediT作者贡献声明——Nan Zhang：初稿撰写、可视化、资源、调查、正式分析、概念化。Rui Chang：审阅与编辑、验证、监督、项目管理、资金获取、正式分析、数据整理。Su Huang：审阅与编辑、验证、软件、资源、方法学、调查、数据整理。利益冲突声明——作者声明不存在可能影响本文报告工作的已知竞争性财务利益或个人关系。致谢——无。Nan Zhang | Rui Chang | Su Huang