基于并网质子交换膜电解槽的滚动时域方法优化绿色氢气生产

《Sustainable Energy Technologies and Assessments》：A rolling horizon approach to optimizing green hydrogen production with grid-connected proton-exchange membrane electrolyzers

　　

使用并网质子交换膜（PEM）电解槽的绿色氢气生产可以在脱碳中发挥重要作用。一种通过提高经济可行性来促进其采用的方法是将氢气生产与波动的电价进行短期调度。现有方法通常依赖于固定预测或假设完美预见性，这在实践中可能不现实。本研究提出了一种新颖的自适应且可扩展的调度框架，将电价预测直接集成到多电解槽系统的运行中。研究人员开发了一个混合整数线性规划（MILP）模型，包含开/关/待机决策、压缩、氢气存储，以及一个目标函数，该函数在最大化总利润的同时惩罚未满足的需求。首先在完美预见性下建立了基准，结果表明，与固定运行调度相比，允许调度适应时变电价可使利润提高25%。随后实施了滚动时域优化（RHO）框架，该框架使用季节性自回归积分滑动平均（SARIMA）生成的预测，并在每一步利用最新数据进行更新。案例研究结果表明，平均而言，RHO优于单次预测调度，价格峰值的时间对性能的影响大于平均预测误差。

本研究旨在通过开发一种基于滚动时域优化（RHO）的调度框架，将电价预测集成到并网质子交换膜（PEM）电解槽系统的运行中，以优化绿色氢气生产的经济可行性。背景在于，绿色氢气在低碳能源转型中具有关键作用，但并网PEM电解槽的高资本成本和电价波动性限制了其大规模部署。现有研究多假设完美预见性或采用固定预测，这在实践中不切实际；而RHO虽在其他领域应用广泛，但在并网多电解槽系统中的直接集成仍存在空白。本研究通过构建一个混合整数线性规划（MILP）模型，系统考虑了电解槽的运行状态（开、待机、关）、压缩、存储以及未满足需求惩罚，并基于Seasonal Auto-Regressive Integrated Moving Average（SARIMA）模型生成实时电价预测，实现了动态调度。结论表明，平均而言，RHO框架在利润上优于单次预测调度，尤其在电价波动剧烈的条件下表现显著，例如案例6中利润提升超过130%，但预测价格峰值的时间偏差可能导致保守策略。该研究发表在《Sustainable Energy Technologies and Assessments》，为绿色氢气生产的经济优化提供了可扩展的框架，并为未来整合需求不确定性、设备退化等因素奠定了基础。

研究人员为开展研究使用了以下主要关键技术方法：基于混合整数线性规划（MILP）的优化模型，通过分段线性逼近（Piecewise Linear Approximation, PLA）将非线性问题线性化；采用Seasonal Auto-Regressive Integrated Moving Average（SARIMA）模型进行电价预测，结构为(1,1,1)×(1,1,1)₂₄；实施滚动时域优化（RHO）框架，在每一步使用最新历史数据更新预测并重新求解；案例研究基于加拿大安大略省2024年的Hourly Ontario Energy Price（HOEP）历史数据，系统设定为5 MW PEM电解槽工厂，氢需求数据通过Python随机生成（固定随机种子42）。所有模型在Pyomo 6.8.2中实现，使用Gurobi 12.0.0求解。

**Single dynamic optimization model**：通过使用历史电价（案例1）对24小时调度进行单次动态优化，研究人员发现，允许调度适应时变电价相比固定电价和需求假设，利润从$2710.26提升至$3390.77，提高了25%，且避免了未满足需求惩罚。这表明将动态调度直接融入优化模型能显著改善经济性能。

**RHO vs single forecast**：研究人员在六个案例中比较了RHO（每小时更新预测）与单次预测调度。结果表明，RHO平均利润更高，尤其在电价波动剧烈的案例6中，利润从$1,016.57增至$2,375.06（提升超130%），尽管预测误差（平均绝对误差MAE≈0.03）相似。但在案例2中，由于预测价格峰值时间不准确，RHO采取了保守策略，导致利润低于单次预测。这说明RHO受益于预测更新，但预测时间偏差可能带来负面影响。在案例1、3、4等电价稳定场景下，两者性能相近。

**Time resolution**：研究人员通过将时间间隔从60分钟降至5分钟，评估了时间分辨率对RHO框架的影响。结果显示，在相同电价和需求曲线下，优化结果和利润几乎相同（$3,641.09 vs $3,640.30），计算时间仍保持在可接受范围（5分钟间隔平均8.66秒）。这表明采用更细时间分辨率以响应短期电价变化在计算上是可行的。

**Sensitivity analysis**：针对案例6，研究人员对氢气存储容量和冷启动成本进行了敏感性分析。存储容量从30 m3降至5 m3时，RHO利润变化不大（$2,246.76至$2,479.47），但小容量导致未满足需求惩罚；冷启动成本从$200降至$0时，RHO利润略有提升（$2,407.57），而单次预测利润下降至$789.88，这是因为冷启动次数增加导致电力消耗上升。

本研究在讨论部分指出，RHO框架在不确定电价下显著优于单次预测，但预测时间精度至关重要。研究结论部分翻译如下：本研究提出了一个用于并网质子交换膜（PEM）电解槽绿色氢气生产的综合优化框架。通过混合整数线性规划（MILP）方法对多电解槽系统进行建模，涵盖了电解槽运行状态、氢气存储和压缩机行为。确定性公式作为基准，表明在完美预见性下，与电价信号对齐的时变功率分配可显著提高系统盈利能力。为了应对不完美的价格信息，研究人员开发了一个滚动时域优化（RHO）框架，随着新预测数据的可用性更新调度决策。在所考虑的案例研究中，RHO平均实现了比单次预测调度更高的利润，尤其在波动电价条件下改善显著（例如案例6中利润相对单次预测提升超过130%）。值得注意的是，尽管两种方法的预测准确度指标相似（MAE≈0.03），但响应更新预测信息的能力显著改善了经济结果。然而，结果也表明，当预测时间与实际价格动态不匹配时，RHO可能采取保守运行策略，减少氢气产量和收入，如案例2所示。本研究存在若干局限性，包括假设固定氢需求曲线、不考虑设备退化及电网约束等。未来工作将扩展框架以纳入需求波动、动态氢定价、电网约束以及存储和运输成本模型，以支持更鲁棒的调度策略，进一步提升绿色氢气生产系统的经济可行性。