结合废热回收与时间压缩的氢能存储系统优化

《JOURNAL OF POWER SOURCES》：Optimization of hydrogen energy storage systems with waste heat recovery and temporal compression

　　徐阳 王安守 姚长安 中国陕西省西安市长安大学长安大学都柏林国际交通学院，邮编710000

摘要：为实现低碳、高效的能源供应，需要构建大量融入绿色能源的集成能源系统。从长远来看，持续的年度供需失衡仍是一个重大问题。虽然氢能储存是一种可行方案，但其传统的电-氢-电储存模式存在诸多缺陷，比如需要较大空间且效率较低。为提升效率，人们将废热回收技术与氢能储存相结合。本文提出了一种基于堆叠式长短期时间压缩的优化方法，通过运用肘部准则、K均值聚类和拉丁超立方抽样技术，可识别并追踪月度净负荷变化。这些分类结果随后被用于特定设备，以构建时间压缩矩阵，从而减少所需参数的数量。一项案例研究验证了该优化方法的可靠性。研究结果表明，该方法能有效解决高时间分辨率和长期规模优化带来的问题，在某些情况下，其求解效率比传统全规模优化高出45.03%。采用堆叠式长短期时间压缩方法而非常规的时间范围压缩方式，能够提升设备的适应性供电能力，使解决方案的误差降低8.85%。同时，应用废热回收技术还能每年降低成本1.16%。

引言：为实现碳平衡，有必要转向更环保且更具成本效益的能源消耗方式。根据2022年的全球能源评估报告，预计在未来十年中，可再生能源将占新增能源总量的80%。主要的发电方式将是太阳能光伏系统和风力涡轮机。到2050年，预计37%的减碳举措将集中在优化能源消耗上。集成能源系统是一种创新的能源供应方式，它结合了天然气、电能和热能。通过整合多种能源并实现协同调度，不仅可以提高可再生能源的利用率，还能提升能源利用效率[1]。这一方案已引起全球各国政府和高校的关注[2]。然而，集成能源系统也面临着诸多挑战，包括热电联产网络的限制、不同负荷的波动，以及可再生能源供应的不稳定性所导致的供需失衡。

集成能源系统的主要问题是供给无法满足需求，因为它缺乏灵活的调节手段。以往的研究主要从两个角度探讨这一问题。第一种方法是通过引入储能和输电技术来提升集成能源系统的灵活性。例如，电锅炉、热泵和制氢转换器等能量转换设备可以改变系统中的能量形态，从而简化多种能源的协同运行。这些设备有助于解决集成能源系统中的热电耦合问题。氢能、热能和电能这三种储能形式可通过在时间上分散能源需求、平衡峰谷负荷，提升能源使用的灵活性。虽然引入储能和输电设备能提高系统的适应性，但成本也会显著上升。

第二种方法则侧重于利用集成能源系统本身的灵活性。研究表明，需求响应机制能够灵活地应对系统的各种需求[3]。这类解决方案成本较低，但适用范围有限，仅能在特定情况下使用。另有研究则将这两种方法结合起来，制定出能够实现负荷调控的集成能源系统发展计划[4]。研究表明，通过实施灵活的负荷管理，可以减少对适应性设备的依赖，进而提升系统的整体效率。尽管上述研究成功分析了集成能源系统的供需失衡问题，但它们仅关注短期内不易察觉的优化问题，未探讨这些失衡现象随时间的变化趋势（如每小时、每天或每月的变化）。因此，当可再生能源得到广泛应用时，这些策略可能无法立即发挥效果。

随着更多可再生能源的接入，集成能源系统的供需失衡问题会进一步加剧。根据参考文献[5]的说法，由于可再生能源供应的波动性大且难以预测，集成能源系统常常会出现能源供应中断以及长期的供需不平衡问题。为解决这一问题，有研究提出了集成储能的永久性协调方案[7]。还有研究设计了最优编程结构，利用可持续能源和各类电池来构建集成电力系统，这凸显出在可再生能源至关重要的地区，未来必须解决能源供需之间的巨大差距。如果不考虑未来可能出现的困难，要实现电力系统的即时稳定是十分困难的。

为解决能源生产过剩而消费者不足的问题，集成能源系统必须采用储能方案。目前常见的储能方式包括氢能电池储存、压缩空气储能以及抽水蓄能。抽水蓄能技术能够将可再生能源纳入电力系统，从而提升电力生产的稳定性。压缩空气储能也可用于稳定长期运行中的能源波动。不过，由于地理位置偏远且建设成本高昂，抽水蓄能和压缩空气储能难以应用于那些注重分布式能源的集成能源系统中。

为便于氢能储存，氢能储存技术会将电能转化为氢气。正因如此，氢能有望成为一种有效减少可再生能源传输损耗的创新技术[8]。由于其高能量密度、长寿命、环保特性以及可多次循环使用的优势，氢能现已成为一种可行的储能选择。氢能储存技术也逐渐被视为一种具有前景的新型储能方式[9]。有研究提出了一个综合模型，用于优化风能、太阳能和氢能资源，以提高集成能源系统中氢能存储组件的性能。研究结果表明，氢能储存技术显著提升了集成能源系统全年的能源存储能力。通过结合短期和长期储存方式，氢能储存技术能够在月度和年度层面维持自然的能量平衡。氢能储存技术与电能储存技术相结合，还能确保每日都能保持短期的能量平衡，从而带来能源交换和经济上的优势。

不过，将氢能储存技术引入集成能源系统也面临两大挑战。首要挑战是系统效率不足。这是因为将电能转化为氢气以及再将氢气转化为电能的过程效率不高，而且电能形态之间的转换也需要耗费大量时间。氢能发电过程的效率通常低于40%，超过60%的能量会以热能的形式散失[10]。在700℃至1000℃的温度范围内，由固体氧化铝构成的氧氢燃料电池能够将氢气转化为电能。但在高温下，这一过程会产生大量余热。在这种情况下，从SOFC放电时的高温废气中回收部分热能可能具有实用价值。有研究提出采用废热锅炉作为回收SOFC废热的解决方案，这有助于提升系统的吸热效率，同时降低4.2%的运营成本。这也为气体回收提供了理想途径。参考文献[11]对SOFC废热回收系统进行了全面建模，以验证其能源效率和成本效益。但由于该模型缺乏容量规划功能，其实际效果仍存在不确定性。由于过度关注短期运行和规划，无法准确评估该技术长期使用的效果。第二个挑战是需长时间精确计算氢能储存技术的年度能量平衡和充电状态。为反映能量平衡的短期变化，至少需要以每小时为单位进行为期一年的精确监测。由于需要在时间测量的精度与长期分析之间找到平衡点，这一预测工作十分困难。因此，在理想的集成能源系统运行模式下，可能会出现“解决方案维度灾难”[12]。这些因素包括发电量以及能源储存规模等。鉴于集成能源系统与长期能源储存之间存在较长的时间尺度，必须在实际应用前有效解决模型相关问题。

近期的一些研究致力于模拟长期能源储存问题，尤其是如何有效处理较长的时间跨度。情景聚类是一种常见的方法，可将年度时间数据划分为多个日常模式，从而简化优化模型的理解难度。参考文献[13]采用了K均值聚类方法，将年度用电量分配到若干代表性日期上，从而减少了需要考虑的优化参数数量。不过，这种方法不太适用于具有多尺度调控特征的长期电力储存，因为它未能充分考虑不同时间尺度之间的相互作用。也有学者提出全规模优化作为解决这一问题的潜在方法。通过蒙特卡洛模拟或拉丁超立方抽样等情景生成技术，该方法可以创建年度时间序列，再利用这些序列提升每小时的优化性能。全规模优化可能会产生大量的整数变量，从而导致求解时间过长，甚至使优化模型无法运行。由于整数因素的显著影响，许多论文都将全规模优化用于时间序列压缩[14]。有研究提出了两种针对多能源系统的优化技术，旨在在长期分辨率与高时间分辨率之间取得平衡。研究结果支持了全规模优化的有效性。如参考文献[15]所示，通过跨时间连接不同状态并选取每个月的代表性日期，可以保持优化解决方案的时间连续性。研究结果表明，这种方法的计算速度可能比全规模优化更快。

尽管这些方法在实践中表现良好，但由于无法有效规划年度内的具体小时级数据，它们在现实应用中仍存在局限性。参考文献[16]提出了一种紧凑型时间范围压缩的自适应优化策略，用以解决这一问题。该方法忽略了每日和每周的净负荷波动情况。净负荷是指从可再生能源（如风能和太阳能）产生的电量中减去消费者需求后的剩余电量。通过绘制图表可以发现，1月、2月、4月和6月的净负荷曲线存在明显差异（见图1），各月份的净负荷波动程度差异很大。时间范围压缩方法正是利用这一特点来生成每月固定的负荷曲线。尤其是在同时使用多种可再生能源的情况下，时间范围压缩方法无法应对单个月内可能出现的高频和低频大幅波动。如果将时间范围压缩设备一个月内的输出数据视为单日的输出数据，那么对设备规划能力和输出量的估算要么过高，要么过低，从而导致规划结果失去实际意义。

在高度依赖可再生能源的集成能源系统中，氢能储存技术或许能够同时解决短期的和长期的供需问题。不过，这项技术也并非完美无缺，由于存在效率低下以及高时间精度与长期规模之间的复杂关系，模型构建面临诸多挑战。新的研究利用余热回收技术来提升氢燃料储存用于发电的整体效率。然而，大多数研究都集中在运营和规划方面的更关键问题上，而未考虑到长期的财务收益。此外，现有研究在寻求高维解决方案时，未能充分考虑净负荷的变化以及时间上的关联因素，因此规划结果往往不可行。该研究探讨了废热回收在容量规划和氢储能系统中的应用潜力，表明其具有长期的财务优势。研究详细分析了不同历史时期之间的时间关联关系，并通过与其他相关研究的比较，总结了研究的主要发现和重点，详见表1。主要贡献如下：我们提出了一种分层式长短期时间压缩优化方法，旨在长期改善复杂的能源系统问题。LHS负责每月监测并调整可再生能源的使用情况。通过运用肘部准则以及K均值聚类算法的周级聚类结果，可构建出一个动态压缩网格，该网格能够减少选项数量并加快响应速度，从而可在特定设备上实施。实际上，这种LSTC方法已应用于多种可再生能源系统中。为评估其可靠性，我们将其功能与解决方案的精确度与综合优化方法进行了对比，从而全面分析了LSTC策略的计算精度和有效性。同时进行了风险评估，以判断所提策略的可行性。该研究还分析了采用废热回收技术的氢储能系统每年可带来的成本降低幅度。表1从时间尺度覆盖范围、综合能源技术以及优化特性等方面，对所提出的SLSTC框架与文献中选定的典型研究进行了定性比较。与目前大多只关注长期规划或短期调度的方法不同，所提方法基于完全耦合的多尺度优化，同时考虑了规划和调度决策。此外，以往的研究要么忽视净负荷的变化，要么用平均或固定的时间网格来建模，而所提方法则明确描述了高低频率下的峰谷变化，这一差异有助于在保证物理一致性和综合能源系统长期能量平衡的前提下，有效减少决策变量。其他研究也呈现出类似的趋势。第2节讨论了现有的系统结构及所需的改进措施，第3节进一步阐述了LSTC优化方法，第4节介绍了案例研究，第5节则列出了主要发现及未来研究方向。所提出的堆叠式长短期时间压缩技术为结合氢储能和废热回收来优化综合能源系统提供了一种全新且极为有效的解决方案。与传统的全规模优化和时间范围压缩方法不同，后者要么侧重于时间维度，要么侧重于长期运行方面，而SLSTC则能同时兼顾这两方面。借助肘部准则、K均值聚类和拉丁超立方抽样等方法，该技术能够按月度尺度准确识别和监测净负荷的变化，进而构建时间压缩矩阵，以在提高设备灵活性的同时降低计算量。案例研究结果表明，相比全规模优化，SLSTC的效率高出45.03%，解决方案的误差降低8.85%，且在整合废热回收技术后，年度运营成本还降低了1.16%。这些结果充分证明了SLSTC是一种强大、可扩展且性能优异的工具，无论是在提升运营效率方面，还是在未来能源系统的实际应用层面，都能有效解决以可再生能源为主的综合能源系统中的长期供需失衡问题。近年来，氢能研究的发展使得一步法实现氢气生产和储存成为可能，无需再进行高压压缩处理。尤其是Li(Na)BH4再生技术颇具吸引力，因为它能在同一过程中实现氢气的释放和储存，从而提升能源利用效率并降低系统成本。《镁合金杂志》（2023, 11:16971708）、《德国应用化学国际版》（2020, 59:86238629）以及《绿色化学》（2019, 21:43804387）上的研究表明，这种策略不仅简化了氢能产业链，还降低了运营和基础设施成本，使得氢能经济性更高。将这类一步法纳入考虑，符合打造可持续且具成本效益的综合能源系统的长期目标，尤其是当其与可再生能源和先进的储能技术相结合时。为获取最新信息，本研究还参考了2024年至2025年的相关研究成果，分析了大规模氢能应用的技术可行性和经济合理性。系统架构与解决的问题为衡量综合能源系统的运行效率和成本效益，本研究采用了混合整数线性规划模型。该模型涵盖了系统的所有要素、运行约束以及能源存储的动态特性，从而为制定最佳的调度和容量规划策略提供依据。此处将以全规模优化模型作为基准，用于对比所提出的时间压缩方法，并分析其计算效率。研究方法本段将介绍本研究采用的整体方法论。该方法论体系包含多个相互关联的子部分，包括系统建模、不确定性分析、月度净负荷聚类、长短期时间压缩公式构建、时间压缩矩阵构建、设备选择策略以及求解流程。结果与讨论工业园区的评估人员根据研究结果对所提策略进行了评价并给出了反馈。每小时目标的最佳时间跨度为一年。电力成本是通过每日用电时段模型计算得出的[27]。风能和太阳能的输出数据、能源消耗量以及供暖需求等数据，均是根据第3.1节中以LHS为参考、基于PJM数据进行的计算结果，与研究场景相符，这进一步验证了案例研究结果的合理性。结论以可再生能源为主力的综合能源系统每年都会面临供需缺口。氢储能或许是解决这一问题的办法，但“电-氢-电”循环存在诸多弊端，如效率低下、对时间精度要求高以及时间尺度较长等问题。为应对这些问题，本研究分析了将废热回收与氢储能相结合所带来的年度经济效益，旨在提升系统的长期性能。作者贡献声明王旭阳：研究方法、指导、论文撰写与修改。姚安守：研究方法、数据整理。利益冲突声明作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。该作者并非该期刊的编委会成员、主编、副主编或特邀编辑，因此未参与本文的编辑审核或发表决策过程。