通过多时间尺度储能组合实现100%可再生能源离网氢能系统的技术经济优化 栾学斌（Xuebin Luan）， 焦志宇（Zhiyu Jiao）， 刘浩然（Haoran Liu）， 唐禹佳（Yujia Tang）， 丁静（Jing Ding）， 马嘉泽（Jiaze Ma）， 王玉飞（Yufei Wang）

《Processes》：Techno-Economic Optimization of 100% Renewable Off-Grid Hydrogen Systems Through Multi-Timescale Energy Storage Portfolios Xuebin Luan, Zhiyu Jiao, Haoran Liu, Yujia Tang, Jing Ding, Jiaze Ma and Yufei Wang

　　摘要：本研究开发了一个高分辨率的技术经济优化框架，用于评估在100%可再生能源、离网系统中生产绿色氢气的可行性。利用5分钟间隔的气象数据，这些数据被聚合到每小时一次的分辨率，并覆盖了五年时间内的七个地理上不同的站点。该研究共同优化了混合风能-太阳能发电、灵活电解槽操作以及多时间尺度能源存储组合的集成，其中包括短期、长期和季节性存储。在发电方面，混合风能-太阳能配置实现了最低的平准化氢成本（LCOH）。对于能源存储，没有任何单一的存储技术能够在短期内、中期、长期和季节性时间尺度上经济地应对需求波动。相反，一种协调的多时间尺度存储策略结合了能量转换机制，可将LCOH降低多达40%。增加氢气储罐的容量并实现灵活的电解槽操作进一步降低了LCOH。显著的地区资源差异导致了成本上的巨大差异，其中最有利的地区达到了2.45美元/千克的低LCOH。预计到2030年，有几个地区将达到3美元/千克的目标，而资源有限的地区则需要大规模的氢存储来确保供应的可靠性。这些结果是在完美预测下的确定性下限估计；考虑到预测的不确定性和现实世界的运营限制，实际成本可能会增加约5-15%。

1. 引言
1.1. 背景
在能源、工业和运输部门实现深度脱碳是全球应对气候变化努力的核心，氢能被广泛认为是这一过程中的关键推动者[1,2,3,4,5,6,7,8,9]。作为一种二次能源载体，氢能在低碳转型中扮演着双重角色：一方面，它作为一种能源存储介质，有效平衡了风能和太阳能等可再生能源的间歇性和可变性；另一方面，它作为一种低碳燃料和原料，用于那些难以通过传统方法脱碳的领域，如钢铁生产、化工制造和航空[2,10,11,12,13,14,15,16,17,18]。在各种氢生产途径中，通过可再生能源供电的水电解产生的绿色氢由于其整个生命周期的低碳特性而成为能源转型的核心技术路径，吸引了政策制定者和学术研究人员的广泛关注[19]。然而，当前的全球氢生产结构与脱碳目标之间存在巨大差距。2023年，全球氢产量约为9700万吨，但其中超过98%仍然来自化石燃料，绿色氢的贡献不足1%[9]。这种对灰氢的过度依赖促使各国政府推出了氢能战略，将绿色氢视为实现碳中和的关键手段[7,20]。欧盟已将绿色氢纳入其减少温室气体排放（GHG）55%的计划中，目标是增加无化石氢的生产[21]。中国的《中长期氢能产业发展规划（2021-2035）》[22]强烈鼓励在工业领域生产和利用绿色氢。澳大利亚政府的2024年国家氢能战略投入了227亿澳元的生产激励措施，以支持大规模产业发展，加速清洁氢能领域的增长，并提高全球成本竞争力[23]。在气候目标、技术准备和政策制定的共同推动下，全球对绿色氢的需求持续增长。绿色氢的战略价值主要体现在两个维度：工业脱碳和可再生能源的电网整合[4,13,24]。在工业脱碳方面，研究表明，到2030年，在煤化工行业中用绿色氢替代基于煤炭的氢可以将该行业的温室气体排放量减少50%以上[15]。就电网整合而言，绿色氢可以有效地吸收和储存由间歇性可再生能源产生的多余电量，在非高峰时期将多余的能源转化为可储存的氢气以供长期使用[25,26]。这提高了可再生能源的利用率，并缓解了供需波动。预测显示，到2050年，全球约86%的电力将来自可再生能源，但如果没有有效的存储解决方案，由于间歇性，多达40%的能源可能会被浪费[27,28]。作为能源存储方式，氢提供了一种可行的技术路径来利用这种可再生能源的过剩[29,30,31]。因此，绿色氢在向碳中和过渡中扮演着双重角色：它既是难以减少碳排放的行业的关键解决方案，也是促进大规模可再生能源整合的关键存储途径。

尽管前景广阔，但大规模生产绿色氢仍面临多重挑战。首要问题是经济可行性[29,32,33]：目前的生产成本仍然很高，并且高度依赖于电解设备的利用率。电解槽必须持续以高容量运行以摊销资本投资；然而，当直接与风能和太阳能等间歇性可再生能源结合使用时，它们的实际运行时间往往受到限制，导致容量因子低和氢的平准化成本（LCOH）升高[11,33]。第二组挑战在于技术领域：电解过程必须动态响应可再生能源供应的快速波动，这对设备的负载调节能力和频繁启停循环的耐受性提出了严格要求[19,34]。此外，人们越来越关注绿色氢的生命周期碳足迹[18,34]。研究表明，如果电力输入不是完全来自可再生能源，或者电解槽在次优条件下运行，绿色氢的碳强度可能会显著增加，在某些情况下甚至接近蓝氢的水平[18]。此外，诸如高昂的设备成本和关键材料短缺等工程限制进一步阻碍了绿色氢产业的快速扩张[35]。在离网系统中，绿色氢的生产面临更复杂的技术挑战。在没有电网支持的情况下，系统必须独立管理可再生能源供应的多时间尺度波动。如图1所示，净负荷曲线清楚地揭示了这种供需不平衡的时间特征。在每小时的时间尺度上，净负荷表现出典型的昼夜周期性波动。在中午，当太阳能发电达到峰值时，净负荷降至负值，表明有显著的可再生能源过剩。从傍晚到夜晚，随着光伏输出急剧下降和电力需求上升，净负荷迅速转为正值并达到峰值。这种显著的日内波动需要快速响应的短期ESS（如电池）来实现日内能量转移。在多天的时间尺度上，受天气系统的影响，净负荷显示出更长时间的波动。例如，在图1的第7天到第10天之间，净负荷持续为负值，形成了一个持续的多天可再生能源过剩期，而其他时间段则表现出长期的供应不足。这种连续的能源过剩或短缺超出了短期存储的调节能力，需要长期ESS（如氢存储或压缩空气储能（CAES）来实现跨天甚至跨周的能量转移。

图1. 离网绿色氢生产系统中净负荷和多尺度能源存储需求的时间特征。黑色曲线表示净负荷，橙色区域表示净负荷为正（供应不足），青色区域表示可再生能源过剩（供应过剩）。上述分析表明，单一的能源存储技术不足以同时应对昼夜循环和天气驱动的波动[36]。因此，离网绿色氢系统必须开发能够在多个时间尺度上运行的混合能源存储架构。然而，这种集成系统的设计涉及重大的经济可靠性权衡：存储容量不足可能导致在可再生能源低谷期间供应中断，而过度建设则可能使投资在经济上不可行。在离网绿色氢系统的设计中， striking an optimal balance between system reliability and economic feasibility thus constitutes a central challenge[7,36]。

1.2. 相关工作
已有大量的研究致力于解决绿色氢生产系统中的挑战。本节回顾了关于电解槽技术、可再生能源集成、ESS（能量存储系统）和技术经济分析的相关文献，并指出了激发本研究的研究空白。
电解槽是绿色氢系统的核心组件，它们的性能特性从根本上影响着系统的设计和经济性。目前主要有三种技术占据主导地位：碱性电解槽（AKLs）、质子交换膜（PEM）电解槽和固体氧化物电解池（SOECs）[19,35]。碱性系统是最成熟的技术，具有数十年的工业应用历史，提供相对较低的首期成本和较长的使用寿命，但它们的动态响应速度较慢，处理快速负载变化的能力有限[35]。PEM电解槽具有卓越的动态性能，具有快速调节能力和高电流密度，非常适合可变可再生能源（VRE）的集成，尽管它们依赖于稀缺且昂贵的铂族金属[34,35]。SOECs在这三种技术中具有最高的电能效率，并且可以与工业废热结合以进一步提高性能，但面临材料耐久性的挑战和显著更高的成本[19]。Ginsberg等人[34]研究了动态PEM电解槽的操作策略，证明优化控制可以在容纳可再生能源波动的同时最小化氢生产成本。研究一致表明，当直接与间歇性电源结合时，可再生能源驱动的电解槽通常以低容量因子运行，这使得在没有额外系统集成措施的情况下难以实现成本竞争力[11,33]。
混合可再生能源配置已被广泛研究，以提高电解槽利用率和降低氢生产成本。可再生能源的间歇性和可变性对绿色氢生产构成了根本挑战，太阳能具有强烈的昼夜模式，在夜间输出为零，而风能则表现出受天气系统影响的随机变化。太阳能-风能的互补性已成为一种关键策略，由于太阳能在中午达到峰值发电，而风能在夜间和某些季节更强，从而允许更有效地利用电解槽容量[11,37]。Terlouw等人[11]对通过水电解大规模生产氢进行了全面的技术经济评估，证明在孤立电网中，太阳能-风能组合系统的成本和排放性能优于单一来源配置。Park等人[38]使用基于气象数据的容量因子分析研究了绿色氢生产，表明混合工厂在电解槽利用率上有所改进，但间歇性仍是一个核心挑战，仅靠多样化可再生能源无法完全解决。Zhang等人[37]开发了一个分层优化框架，用于海上风电基氢供应链，考虑了选址、规模和运输模式，以最小化总体成本。可再生能源资源的地理差异在不同地区造成了巨大的成本差异，具有互补风能-太阳能资源的最佳位置的生产成本比资源有限或高度变化的次优地点低五到六倍[20]。这突显了科学选址和技术匹配对大规模绿色氢部署的重要性。
能源存储集成对于弥合可变可再生能源发电与氢生产需求之间的时间不匹配至关重要，特别是在无法接入电网平衡服务的离网系统中[10,36]。已经研究了不同时间尺度上的各种存储技术。锂离子电池（LIB）是主要的短期存储技术，提供高频率平衡和高的往返效率（约86%）以及快速响应时间，但由于其高能量容量成本，它们也不适合长期应用[10]。氢存储罐在绿色氢系统中作为自然的中间缓冲介质，在可再生能源过剩期间储存产生的氢气以备以后使用；然而，高压气体和低温液体存储仍然能耗高且成本昂贵，而固态金属氢化物则面临商业化挑战[11,26]。对于从几周到几个月的季节性应用，已经研究了抽水蓄能（PHS）、CAES和热能存储（TES）作为潜在解决方案[10,36]。Hellerschmied等人[30]展示了在枯竭的地下碳氢化合物储层中进行氢存储和地质甲烷化的可能性，展示了地质构造提供季节性存储的潜力。Breunig等人[10]研究了在美国各地的工业地点进行的千兆瓦级绿色氢生产和季节性存储，发现实现可靠的年度氢供应需要仔细协调具有不同特性的多种存储技术。
技术经济分析为氢生产成本及其关键决定因素提供了必要的见解。氢的平准化成本（LCOH）是比较生产路径的标准指标，目前对绿色氢的成本估计因关于可再生电力成本、电解槽资本支出、容量因子和系统配置的假设而大相径庭[32,33]。Ueckerdt等人[33]比较了蓝色氢和绿色氢的成本竞争力，发现电解槽利用率和可再生电力成本是决定平准化成本（LCOH）的主要因素，当容量系数低于40%时，生产成本会显著增加。Wei等人[32]对用于氢生产的不同电解槽技术进行了生命周期比较分析，揭示了成本和性能特性的显著差异，这些差异影响了不同应用的技术选择。Odenweller等人[39]开发了一种概率可行性分析方法，用于扩大绿色氢的供应规模，预测在乐观的假设下，到2030年绿色氢在有利地理位置的成本可以与灰色氢达到平价，尽管要实现短期脱碳目标需要非凡的政策推动。最近的研究表明，优化的可再生能源配置和储能整合可以显著降低氢的平准化成本，特别是在风能和太阳能互补性好的地区[10,20]。然而，由于地区和技术之间的巨大差异，大规模部署如果没有严格的系统设计，可能会导致相当大的经济效率低下。尽管在各个技术领域取得了显著进展，但离网绿色氢系统与多尺度储能的集成优化仍然有待探索[35,36]。现有的关于储能配置和系统优化的研究往往是零散的，通常限于组件级分析、单种储能技术的评估或静态的资源假设。很少有研究能够捕捉到在真实世界运行条件下，波动的可再生能源供应、多时间尺度的储能调度和氢生产之间的动态交互[10,36]。大多数离网氢研究仍然停留在概念阶段或仅限于单时间尺度模拟，缺乏对从几分钟到几个季节范围内的协调储能管理的全面理解。储能规模与系统成本之间的非线性关系，特别是与储能容量扩展相关的阈值效应和收益递减现象，在不同的地理和气候条件下尚未得到系统性的量化。此外，不同储能技术在不同时间尺度上的互补作用和协同互动，以及根据当地资源特征定制的差异化区域发展路径也尚未得到全面建立。因此，虽然之前的多储能研究通常只配对两种技术并将它们视为被动缓冲器，但本研究通过同时在几分钟到几个季节的时间尺度上对五种储能技术进行协同大小规划和调度来解决这些未解决的问题，量化了不同储能层级之间的能量协调如何实现成本降低，并量化了进一步降低LCOH的非线性容量阈值。

为了应对上述研究空白，本研究考察了由100%可再生能源驱动的离网系统中大规模绿色氢生产的经济可行性，特别关注多时间尺度储能的新作用。本工作的主要贡献如下：

- **全面的技经框架**：本研究提出了一个全面的离网绿色氢系统的技经优化框架，整合了多时间尺度的储能（短时、长时和季节性储能）。该框架捕捉了波动的可再生能源供应、储能调度和氢生产之间的动态交互，从而实现了系统配置和运营策略的联合优化。
- **储能技术的投资组合评估**：本研究评估了多达七种不同的储能技术组合（第八种为重力储能，由于特定地点的限制而未纳入优化），研究了它们在不同时间尺度上的互补作用。分析表明，电池可以缓解高频波动，氢储能可以管理日常周期，而PHS/CAES可以解决季节性不平衡，表明储能应设计为一个多功能生态系统，而不仅仅是单一技术解决方案。
- **多时间尺度储能协同效应**：研究表明，当能量在不同时间尺度上传输时，多时间尺度储能系统可以减少短时储能的投资，进一步降低氢生产成本。本研究量化了这种能量之间的协调如何将储能从被动缓冲器转变为可调氢供应的积极促进者。
- **非线性成本-储能关系的发现**：研究表明，增加氢储能罐的容量可以降低LCOH，但这种影响在达到某个阈值后会减弱。具体来说，适度扩大氢储能罐的规模，结合长时储能（LDES）和季节性储能，可以将LCOH降低多达40%。这一发现挑战了简单最大化储能容量的传统观点，并为最佳储能规模提供了量化指导。
- **高分辨率的多区域分析**：本研究使用5分钟间隔的气象数据，在5年时间内按每小时分辨率进行了广泛的模拟。这种前所未有的时间粒度和空间覆盖范围使得能够稳健地分析区域资源特征如何影响最佳系统设计和成本竞争力。
- **差异化的区域发展路径**：研究发现，最佳技术路径高度依赖于地区。对于资源间歇性的高纬度地区，大规模氢储能在克服资源限制方面是核心途径。对于太阳能资源稳定的地区，应重点改进直接电解槽耦合。对于风能和太阳能互补性显著的地区，在所有情景下都可以实现成本领先。结果显示，一些地点预计到2030年可以达到3美元/公斤的目标成本，而在最佳配置下LCOH可以低至2.45美元/公斤。

本文的其余部分组织结构如下：第2节描述了本研究的问题；第3节提出了问题表述，包括多尺度储能模型和能量到能量的路由机制；第4节提供了结果分析，涵盖了多尺度储能需求、地理和技术对成本的影响，以及在不同储能情景下的成本路径；第5节总结了研究的主要发现和未来研究的方向。

本研究考虑了一个集成的绿色氢生产设施，该设施协调了可再生能源发电、多尺度储能和氢生产基础设施的投资和运营决策。图2展示了所提出系统的示意图布局，包括三个功能子系统：可再生能源发电、储能和氢生产。可再生能源发电子系统（组件A）由风 turbines（WT）和光伏阵列（PV arrays）组成，共同作为该设施的主要能源来源。这些资源的间歇性和随机性，表现为昼夜太阳能周期、季节性风变化和天气引起的波动，造成了电力可用性和氢生产需求之间的时间不匹配。这一基本挑战促使了多尺度储能组合的部署。储能子系统整合了五种不同的技术，覆盖多个时间尺度。电池储能（组件B）提供了从几秒到几小时的快速响应能力，用于短时功率平衡。PHS（组件C）利用上下水库之间的水位差来储存能量，实现大容量的季节性能量转移。压缩空气储能（组件D）在过剩时期将空气压缩到地下洞穴或地面容器中，在不足时期通过膨胀涡轮机释放能量。TES（组件E）以热能的形式储存能量，提供成本效益高的中长时储能，自放电量最小。重力储能（组件F）是一种新兴技术，通过提升固体质量来储存潜在能量，为地形不适合建设抽水蓄能的地方提供了替代方案。氢生产子系统包括电解设施（组件G）和氢储存罐（组件H）。电解槽通过水电解将电能转化为氢气，而储存罐将氢生产与下游需求解耦，使得可以灵活安排电解操作，以利用低电价或高可再生能源可用性的时期。生产的氢气被出口到下游工业或运输消费者；现场通过燃料电池或其他转换器进行再电化不在本研究的范围内。

系统运营商面临联合投资和运营优化问题。在战略层面上，运营商必须根据所有储能技术和电解槽单元的异质资本成本结构确定最佳容量分配。在运营层面上，必须协调每个储能资产的充放电操作，并安排氢生产以满足需求约束。这两个决策层面是相互依赖的：容量投资限制了可行的运营，而预期的运营价值则指导了最佳投资水平。氢生产设施在恒定的基础负载需求下运行，以供应工业用户（例如氨合成或钢铁生产）。所需的氢气产量为50兆瓦电能当量，相当于每年约10,000吨（每天27.4吨或每小时1.14吨）。这个需求概况假设容量系数为100%，没有季节性或昼夜变化，反映了连续的工业过程要求。需求被视为不可灵活的，必须在所有时间步长得到满足；未满足的氢气在优化模型中通过硬性约束被严格禁止（见第3.2节）。氢气被出口到下游工业消费者；现场再电化或其他最终用途转换不在本研究的范围内。

本研究的中心问题是，单一储能技术是否足以实现系统运行的成本效益，或者储能技术之间的内在技经互补性是否足以证明多样化投资组合的合理性。本研究假设，响应时间尺度和成本结构的差异性，特别是与电力相关的资本成本与能量相关的资本成本之间的权衡，创造了协同价值，使得多尺度储能配置优于任何单一技术替代方案。

本研究采用供应链建模（SCM）框架来表示离网绿色氢生产的端到端动态。在这个框架中，风力发电厂作为上游供应商，向下游消费者（即电解槽）提供电力，电解槽将输入的能量转化为氢气。ESSs作为使能技术被纳入其中，以调解跨多时间尺度的供需不匹配。电力被视为链路上的主要产品，储能系统同时充当缓冲器和套利机制。

3.1. 符号说明
- `i ∈ ??`：太阳能发电厂的索引，其中`??`是所有太阳能发电厂的集合。
- `j ∈ ??`：风力发电厂的索引，其中`??`是所有风力发电厂的集合。
- `k ∈ ??`：储能技术的索引，其中`??`是所有储能技术的集合。
- `m ∈ ?`：电解槽的索引，其中`?`是所有电解槽的集合。
- `n ∈ ?`：氢储存罐的索引，其中`?`是所有氢储存罐的集合。
- `t ∈ ??`：时间索引，其中`??`代表时间周期的集合。

3.1.2. 决策变量
- `????,??`：时间`t`时太阳能发电厂`i`的电力输出。
- `????,??`：时间`t`时风力发电厂`j`的电力输出。
- `????,??`：时间`t`时电解槽`j`的电力需求。
- `??????,??`：时间`t`时储能技术`k`的充电功率。
- `??d??,??`：时间`t`时储能技术`k`的放电功率。
- `??s??,??`：时间`t`时储能技术`k`的储存能量水平。
- `^??c??`：时间`t`时储能技术`k`的充电功率容量。
- `^??d??`：时间`t`时储能技术`k`的放电功率容量。
- `??s??`：时间`t`时储能技术`k`的储能容量。
- `????,??`：储能技术`k`的储能容量。
- `????,??`：二进制变量，表示时间`t`时储能技术`k`是在充电（1）还是放电（0）。

3.1.3. 参数
- `??W`：风力发电厂的资本回收因子（CRF）。
- `????`：储能技术`k`的资本回收因子（CRF）。
- `??b??`：储能技术`k`的功率容量资本成本。
- `??e??`：储能技术`k`的能量容量资本成本。
- `??????`：风力发电厂`i`的功率容量资本成本。
- `??f??`：风力发电厂`i`的固定运维成本。
- `??f??`：储能单元`k`的固定运维成本。
- `??????`：储能单元`k`的可变运维成本。
- `??W??,??`：时间`t`时风力发电厂`i`的单位发电成本。
- `??d??,??`：时间`t`时电解槽`j`的单位电力消耗成本。
- `??c??`：时间`t`时充电储能技术`k`的单位成本。
- `??d??`：时间`t`时放电储能技术`k`的单位成本。
- `??y??`：与安装的储能技术`k`相关的固定成本。
- `?????????`：风力发电厂`i`的最大功率容量。
- `????????`：电解槽`j`的最大功率需求。
- `??????`：储能技术`k`的最大功率容量。
- `??d??`：储能技术`k`的充电效率。
- `??d??`：储能技术`k`的放电效率。
- `????`：储能技术`k`的往返效率。
- `??–––??`：储能技术`k`的最小放电持续时间。
- `?????????`：储能技术`k`的最大放电持续时间。
- `????`：储能技术`k`的最大循环寿命。
- `????`：储能技术`k`的预期寿命（以年计）。
- `??????????`：包括电解槽、储能和可再生能源资产在内的系统年化投资成本，使用C?R?F计算。
- `???????`：系统的年化固定和可变运营和维护成本。
- `??2,???????????`：年化总氢产量，代表每年交付给最终用户的氢质量。

3.1.4. 缩写
- AKL：碱性电解槽
- C?A?E?S：压缩空气储能
- CRF：资本回收因子
- E?S?S：储能系统
- H2：氢储存罐
- LI?B：锂离子电池
- LC?O?H：平准化成本
- MA?B：金属-空气电池
- MLP：混合整数线性规划
- PEM：质子交换膜（电解槽）
- PHS：抽水蓄能
- SOE：2030储能创新
- SOC：固态氧化物电解槽
- SOC：充电状态
- TES：热能储存
- VRE：可变可再生能源
- ZnB：锌电池多尺度能量存储模型
该存储组合涵盖了在不同时间尺度上运行的技术（技术参数见表A1）。在本研究中，“短时”存储指的是放电持续时间少于4小时的技术（例如锂离子电池）；“长时”存储的放电时间跨度为4-100小时（例如压缩空气储能和热能存储）；而“季节性”存储的放电时间超过100小时（例如抽水蓄能和氢存储罐），能够实现能量在数周到数月的时间跨度内的转移。

氢供应链被构建为一个多节点能量系统，整合了太阳能和风能发电、能量存储单元以及电解器。这些组件在波动的可再生能源输入和动态运行约束下运行。该系统经过优化，以最小化总生命周期成本。该模型部分基于[40]。

目标函数（1）旨在最小化总系统成本——即所有组件的投资和运营支出之和。六个加法项分别对应于光伏资本的资本和运营维护（O&M）、风能资本的资本和运营维护、储能系统（ESS）的充电功率成本、放电功率成本、储能系统的能量容量成本以及储能系统的可变放电成本。
min ∑??∈??^??s????????+∑??∈??^??w????????????+∑??∈??^???????^??????+∑??∈??^???????^??????+∑??∈????e???^????+∑??∈?????????∑??∈????d??,??
（1）
受以下约束：
∑??∈??????,??+∑??∈??????,??+∑??∈????d??,??=∑??∈???EL??,??+∑??∈????????,??, ??∈??
（2）
∑??∈??HT??,??+1=∑??∈??HT??,??+∑??∈???EL???EL??,????End??, ??∈??
（3）
0≤????,??≤?????, 0≤????,??≤?????????, ??∈??, ??∈??, ??∈??
（4）
0≤??????,??≤^??????, 0≤??d??,??≤^??d??, ??∈??, ??∈??
（5）
??c??,??≤????,???^??c??, ??d??,??≤(1?????,??)?^??d??, ??∈??, ??∈??
（6）
??s??,??+1=??s??,??+√???????c??,?????d??,??√????, ??∈??, ??∈??
（7）
0≤??s??,??≤^??s??, ??∈??, ??∈??
（8）
0≤??EL??,??≤^??EL??, ??∈?, ??∈??
（9）
^??????≤????, ^??d??≤????, ^??????=^??d??, ??∈??
（10）
??–––???^??d??√????≤^??s??≤??????????^??d??√????, ??∈??
（11）
∑??∈????d??,??≤?????????^??s??, ??∈??
（12）
0≤?HT??,??≤^?HT??, ??∈?, ??∈??
（13）

目标函数（1）的目的是最小化氢供应链的总生命周期成本，该成本由六项组成：光伏电站的年化资本和运营成本、风力发电机的相应成本、储能系统的充电功率成本、放电功率成本、能量容量成本，以及与放电活动相关的可变运营成本。功率平衡约束（2）确保每个时间段内，来自光伏发电、风能发电和储能系统放电的总电力供应等于电解器和储能系统充电的总消耗量。氢质量平衡约束（3）控制氢储存罐的动态，下一时间点的氢库存等于当前库存加上电解器产生的氢量（与它们的功率消耗和电解器效率ηEL成正比）减去最终用途的氢需求。约束（4）将光伏和风力发电机的功率输出限制在其各自额定的容量内，而约束（5）则根据储能系统的容量限制其充放电功率。互斥约束（6）引入二进制变量，以防止同一时间段内储存单元的同时充放电。充电状态（SOC）动态（7）跟踪每个储存单元随时间的能量水平，通过平方根公式对称考虑了充放电过程中的双向效率损失。约束（8）确保SOC保持在可行的范围内，约束（9）将电解器的运行限制在其额定功率容量内。表A2中规定了特定技术的最小负载、爬坡率和效率惩罚等约束条件。功率容量耦合约束（10）强制充放电的对称功率等级，同时尊重最大功率限制。能量与能量比率约束（11）通过特定技术的持续时间参数将能量容量与功率容量联系起来，反映了不同存储技术的固有特性。循环寿命约束（12）限制规划时间范围内的累计放电量，以保持电池寿命；右侧表示基于循环寿命参数的最大允许放电能量。最后，约束（13）限制储存罐中的氢库存。

为了确保在100%可再生能源供应下的离网系统可靠性，实施了明确的可行性约束。首先，严格禁止未满足的氢需求；约束（3）作为硬性等式实施，不允许有任何放宽，确保供应中断为零。其次，通过∑??????????2?? ≥0.1 ×??????????2对所有时间t维持最低氢安全库存，防止在短暂短缺期间耗尽。第三，年度能量平衡要求∑??????????2???????? ≥∑??????????2??????????????，确保在整个规划时间内没有净亏损。

在长期资源匮乏期间（例如连续几天没有风能/太阳能）的可行性，通过10 HT情景（10倍基准）中的超大氢储存容量与季节性存储（抽水蓄能/压缩空气储能）相结合来实现。如果无法满足需求约束，优化模型会返回不可行状态；所有报告的LCOH结果均代表具有保证供应连续性的可行解决方案。

经济性能使用氢的平准化成本（LCOH）进行评估，定义如下：
???????????=∑(??????????+???????)∑??2,??????????? [$/kg]
（14）
其中分子包含使用资本回收因子（CRF）和实际折现率r = 7%、项目寿命n = 25年的年化成本。成本范围明确包括：（i）资本成本：电解器堆栈和工厂平衡、氢储存罐（350巴输送压力）、可再生能源发电资产（光伏/风力）、能量存储系统、土地收购和水处理基础设施；以及（ii）运营成本：固定和可变O&M费用，加上电解器堆栈更换准备金。

LCOH计算中明确排除的因素包括：超过350巴的氢压缩、向最终用途市场的输送/运输、许可成本（视为沉没成本）以及最终用途转换成本（例如氨合成和燃料电池）。

成本系数使用资本回收因子（CRF）方法计算，如方程（15）–（20）所示。CRF在方程（17）和（20）中定义，根据折现率r和项目寿命n将初始资本投资转换为等效的年成本。对于可再生能源，（15）和（16）中的年化成本系数结合了资本成本和运营费用。对于能量存储，充电（18）和放电（19）设备的成本分配由分配因子ζk控制，该因子将总投资成本在电力电子设备和存储介质组件之间分配。

在多时间尺度的储能系统中，能量可以在不同类型的存储之间重新分配。具体来说，短期存储（例如电池）可以放电（?????? > 0）以给长期季节性存储（例如压缩空气储能）充电（??c?? > 0），同时部分能量也可以供应季节性负载（???? ≥ 0）。设????表示电池的放电效率，????表示季节性存储的充电效率，???? ≥ 0表示可用的风能。功率平衡约束为：
??????+????=??c??+????
（21）

能量存储系统的动态由以下方程控制。对于电池，能量状态演变如下：
?????(??+1)=?????(??)+????????????Δ???
（22）
其中放电功率除以效率以考虑内部损失。对于季节性存储，能量状态更新如下：
?????(??+1)=?????(??)+????????????Δ???
（23）
其中充电功率乘以效率以反映实际储存的能量。

所有存储之间的转移都是成本最小化优化的自动结果，不需要额外的决策规则。虽然这种转移自然源于成本最小化约束，但本工作的贡献不在于提出新的路由方法，而在于明确描述和量化这些存储流如何在高分辨率的可再生能源变化下减少短期存储容量和整体LCOH。虽然能量与能量路由机制允许存储技术之间的双向能量转移（例如电池→压缩空气储能），但优化通过三种机制防止了人为循环或循环流动：（1）往返效率损失（所有技术的?? < 100%）确保每次转移都会产生能量成本，使得存储到存储的循环在经济上不是最优的，除非时间套利价值超过累积效率损失；（2）互斥约束（6）防止同一存储单元的同时充放电，消除了存储内部的循环；（3）能量平衡约束（7）与效率衰减因素一起确保严格的能量守恒，防止通过循环转移产生净能量。因此，存储之间的能量流动仅在时间套利具有经济合理性时发生（例如，在可再生能源过剩期间将过剩能量从短期电池转移到季节性压缩空气储能）。

提出的优化模型被构建为一个混合整数线性规划（MILP）问题。对于每种存储技术?? ∈??和每个时间步长?? ∈??，引入了二进制变量????,?? ∈{0,1}，以强制充放电操作的互斥性（约束（6）。

二进制变量的总数为|??| ×|??|，其中|??| =5表示基准情景（SI2030情景为7），|??| =每年8760个时间步长。这些每小时的时间步长汇总了2018–2022年卫星数据源的5分钟分辨率的气象输入。虽然亚小时数据捕获了短期可再生能源波动，但每小时分辨率确保了多年MILP的计算可行性，将时间维度从525,600步（5分钟）减少到8760步（每小时），使得每个情景的解决时间在4-12小时之间。这种汇总保留了对季节性存储（抽水蓄能、压缩空气储能和氢储存罐）规模至关重要的昼夜和季节性变化模式，同时短期存储（锂离子电池）被建模为在每个小时时间步长内提供内部平衡（参见表A3中的区域资源参数）。对于完整的5年预测范围，基准情景有219,000个二进制变量，SI2030情景有306,600个二进制变量。

该模型在GAMS 36.1.0（GAMS Development Corporation，美国弗吉尼亚州费尔法克斯）中实现，并使用Gurobi 9.5.2（Gurobi Optimization, LLC，美国德克萨斯州休斯顿）求解，采用默认的分支定界设置。相对MIP差距容忍度设置为1.0%（????????????????? =0.01），所有报告的解决方案的优化差距均低于此阈值。典型的解决时间在配备16核Intel Xeon Gold处理器（Intel Corporation，美国加州圣克拉拉）和64 GB RAM（Samsung Electronics，韩国水原）的计算服务器上为每个情景4-12小时。

优化假设可再生能源发电和需求的完美预见性，这代表了系统成本的下限。实际实施将需要滚动规划或随机编程来考虑预测不确定性，可能导致LCOH高出5-15%。此外，模型假设适合PHS（地形）和CAES（ caverns）的地点不受限制，这可能会限制在特定区域的部署。因此，报告的LCOH值应被视为在理想预测条件下的可实现最优解，作为技术比较的较低基准，而不是运营成本预测。

为了解决在偏远或离网地区生产绿色氢的长期挑战，本文提出了一种新的系统架构，将能量存储从被动缓冲器转变为可调度氢供应的主动推动者。该架构将来自可再生能源（如风力发电场或太阳能电厂）的电力整合到一个由多级能量存储生态系统支持的骨干电解器网络中。该生态系统包括短期（例如电池）、中期到长期（例如抽水蓄能）和季节性（例如压缩空气储能）存储技术。因此，实现了一个自给自足的、完全由电力驱动的氢生产单元，能够承受短期波动和季节性变化。

4.1. 绿色氢的多尺度存储要求和配置
4.1.1. 不同时间尺度的多尺度存储要求
对不同时间尺度的净负荷模式分析表明，构建多层ESS对于有效管理可再生能源发电的不稳定性是必要的。图3展示了四个不同时间尺度的净负荷分解：每日（24小时）、每周（7天）、每月（4周）和每年（12个月）。图3显示了不同时间尺度的净负荷模式：（a）每日，（b）每周，（c）每月，（d）每年。在每小时时间尺度（图3a）上，净负荷显示出明显的日内变化模式，高峰正负荷出现在晚上（大约18:00–20:00），约为15 MW，而显著的可变可再生能源（VRE）发电盈余则出现在中午（10:00–16:00），降至大约?20 MW。这种特性模式反映了太阳能发电和电力需求剖面之间的不匹配，因此需要日内能量存储解决方案。每日时间尺度（图3b）显示负荷的幅度和时间的显著日变化。正负荷事件达到20 MW，以不规则的模式跨越多个日子发生，而VRE盈余发电在较长时间内产生?5 MW到?15 MW的负净负荷。这种变量模式表明需要能够在多个日子内转移能量的存储系统，以适应受天气影响的可再生能源发电波动。在每周时间尺度（图3c）上，净负荷显示出持续的可再生能源发电过剩期，达到?10 MW，其间穿插着高达5 MW的短暂正负荷高峰。大多数周的持续负净负荷表明，每周规模的存储主要用于捕获和调整过剩的可再生能源发电，而不是满足持续的负荷高峰。月度时间尺度（图3d）揭示了季节性模式，大多数月份的可持续可再生能源发电过剩量在-5到-10兆瓦之间，而一些特定月份（7月至12月）则会出现超过5兆瓦的显著正负荷事件。这些季节性变化表明，需要具有长时间能量存储能力的系统来跨月份传输能量，以平衡可再生能源发电与需求之间的季节性差异。这些时间尺度所呈现的层次结构证实，没有单一的存储技术能够充分应对所有时间变化。短时存储（数小时）对于日循环至关重要，中等时长的存储（几天到几周）对于天气引起的波动是必要的，而长时间存储（几周到几个月）对于季节性能量传输则是必不可少的。

4.1.2. 不同时间尺度的多尺度分析
本研究建立了一个联合投资和运营优化模型，用于评估能量存储系统（ESS），以实现绿色氢气的生产。一个关键发现是，优化结果一致选择了多样化的存储组合，而不是单一主导技术，这表明多尺度存储的协同作用代表了系统最优配置。这种多样化的出现可以归因于存储技术之间的根本性技术经济差异。如图4b所示，没有一种技术能够覆盖可再生能源集成所需的所有时间范围：电池和电解器（PEM和AKL）可以在几秒到几天的时间内快速响应，而氢气储罐、相变存储（PHS）、热能存储（TES）和压缩空气储能（CAES）则能够满足从中等到长期的需求。因此，单一技术解决方案将无法解决关键的时间差距。此外，图4b还揭示了一个基本的成本权衡问题，即没有任何技术能够在所有应用中占据主导地位。电池的功率成本低（约100美元/千瓦），但能量成本高（250-360美元/千瓦时），这使得它们适合频繁且循环浅的应用；相反，PHS和CAES需要大量的资本投资（1100-1900美元/千瓦），但提供了极低的能量成本（10-75美元/千瓦时），适合大容量、循环不频繁的应用。氢气存储在这两个维度上都具有良好的成本竞争力。

图4. 能量存储技术的运行时间尺度和资本成本特性。(a) 不同存储技术的典型放电时间范围；(b) 不同存储类别的功率与资本支出比较。这种时间-成本不匹配自然导致了混合存储策略。这种成本结构意味着，系统范围内的成本最小化本质上倾向于技术混合：在功率成本占主导的情况下使用电池进行高频服务，在能量成本占主导的情况下使用大规模存储进行季节性平衡。

图5中的年度电荷状态（SOC）剖面展示了不同存储技术的互补运行特性。电池能量存储（第一个子图）在全年内显示出0到150兆瓦之间的高频波动，表明其作为实时供需平衡的快速响应资产的作用。氢气储罐（第二个子图）显示出一个周期性轮廓，库存水平在一年中几乎为零到14兆瓦之间变化。这种大约每月一次的循环模式表明，氢气存储充当中期到长期的能量载体，在可再生能源过剩期间增加产量，在高需求期间减少产量。PHS（第三个子图）显示出一个逐渐充电的阶段，在上半年（1月至6月）达到约4000兆瓦的峰值，随后在夏季中期（7月至8月）迅速放电，此时SOC降至接近零。这一趋势证实了PHS主要作为季节性存储使用，在可再生能源可用性高时积累能量，在季节性高峰或供应不足时释放能量。TES（第四个子图）显示出一个阶梯状的运行轨迹，SOC在1月至3月约为30兆瓦，在3月至7月约为50兆瓦，在7月至8月达到100兆瓦的峰值，然后在剩余时间内降至较低水平（0-30兆瓦）。长时间维持稳定的SOC水平表明，TES响应的是更广泛的季节性变化，而不是进行常规的日或周循环。CAES（第五个子图）在前7个月内显示出从500兆瓦逐渐充电到约1500兆瓦的趋势，随后在夏季中期迅速放电，并在年底逐渐重新充电。这个轮廓与PHS相似，尽管PHS在整个年度内循环更频繁。

多尺度存储的协调运行如图5所示。年度电荷状态（SOC）剖面展示了每种存储技术的不同时间尺度贡献：电池缓解高频波动，氢气存储管理日常周期，而PHS/CAES解决季节性不平衡。这些结果表明，多尺度存储的价值不仅来自于技术多样性，还来自于经济上的互补性：每种技术都在其成本有优势的时间范围内运行，共同满足了没有任何单一技术能够经济高效地解决的灵活性要求。因此，优化结果反映了一个基本原则：将存储投资与系统的需求时间结构相匹配，与任何单一技术替代方案相比都能带来更好的经济效益。

多时间尺度存储的价值不仅来自于技术多样性，还来自于经济上的互补性：每种技术都在其成本有优势的时间范围内运行（电池适用于高频，PHS/CAES适用于季节性），共同满足了没有任何单一技术能够经济高效地解决的灵活性要求。这将存储从一个被动缓冲器转变为可调度氢气供应的积极推动者。

4.1.3. 氢气生产的能量路由和调度
基于Sankey能量流图（图6）的定量分析结果，这种可再生能源氢气生产系统通过多阶段能量转换过程实现了复杂的能量流动和分配。该系统的能量路径可以明确划分为以下几个阶段：在可再生能源发电作为初始能量输入（100%）之后，大约16%的能量被分配给了由四种存储技术组成的存储子系统。在这个子系统中，金属-空气电池（MAB）占能量存储分配的约63%，起着主导作用；抽水蓄能（PHS）约占34%；而压缩空气储能（CAES）和热能存储（TES）分别占约2%和0.2%。值得注意的是，存储子系统在不同存储技术之间实现了能量到能量的转移：MAB将大约5%的总系统能量转移到CAES，将0.37%转移到TES，从而实现了协调的多时间尺度调度，并提高了整体存储灵活性。这种多样化的能量存储结构以及存储间的耦合使得能量可以从几分钟调节到几个季节，有效缓解了可再生能源输出的间歇性和波动性。存储子系统的总存储损失约为1.2%，其中PHS贡献了1.02%，CAES贡献了0.13%，TES和MAB各自贡献了0.01%。

图6. 绿色氢气生产系统中的能量路由。Sankey图说明了通过电解作用在多级能量存储和氢气生产中的可再生能源分配，使得尽管发电量波动，也能稳定供应氢气。电解器作为系统的核心能量转换单元，汇总了大约93%的总系统能量输入。其中约90%直接来自可再生能源供应，而10%来自存储系统释放的能量，凸显了其在能量形式转换中的关键作用。然而，电解过程在系统中引起了最大的能量损失，大约39%的总输入能量作为转换损失被耗散。

在随后产生的氢气的分配中（初始输入的54.66%），大约93%直接输送到最终用户应用，而剩余的7%被注入氢气储罐，用于跨时期甚至季节性的能量调度。最终到达最终用户应用的氢气能量占初始可再生能源输入的约54.7%。这一比例反映了系统在经过多次转换和存储过程后的整体能量传输效率。通过完整的“可再生能源→能量存储→电解→氢气存储→应用”能量链，系统实现了可再生能源的有效转换和灵活分配。关键的结构特点包括：能量存储系统（ESS）处理了大约16%的能量调度功能，并在MAB、CAES和TES之间实现了内部能量到能量的耦合，保持了只有1.2%的存储损失；电解阶段作为系统最大的能量汇聚点，处理了超过93%的总系统能量流，但构成了主要的效率瓶颈，转换损失为39%；氢气储罐提供了处理7%氢气输出的缓冲能力；最终用户能量输出达到了初始输入的54.7%，展示了在当前技术限制下的整体系统效率。

4.2. 地理和技术对绿色氢气成本的影响
对七个不同地区（地点坐标和资源特征见附录A表A3）的绿色氢气平准化成本（LCOH）分析显示，成本差异显著，范围从2.40美元/千克到21.60美元/千克。研究表明，可再生能源资源和技术配置的变化共同显著决定了绿色氢气的经济可行性。

4.2.1. 不同可再生能源配置下的氢气成本比较
由太阳能光伏驱动的电解氢气生产系统在不同地点的成本波动最大。如图7所示，在德国不来梅，LCOH达到21.60美元/千克，是所有情景中最高的，比最低成本地点高出345%。这主要是由于该地区的高纬度和较低的年太阳辐射，导致电解器容量严重利用不足。相比之下，具有优越太阳资源的地点，如智利的阿塔卡马（3.30美元/千克）、澳大利亚的卡拉塔（3.70美元/千克）、阿联酋的阿布扎比（3.90美元/千克）、南非的北开普（4.20美元/千克）和美国的巴尔斯托（4.40美元/千克），都位于干旱或半干旱地区，具有强烈的年太阳辐射，其生产成本比次优地点低五到六倍。中国的乌兰哈布位于中间范围（6.25美元/千克），反映了其在大陆性气候下的良好太阳能条件。

图7. 多个地区风能/太阳能/混合方案下的LCOH比较。基于风能的氢气生产在不同地区的经济稳定性较高，六个地点的LCOH值在2.50美元/千克到5.10美元/千克之间。这表明高质量的风能资源在空间上分布更广。中国的乌兰哈布记录了最低的风能基础LCOH（2.50美元/千克），其次是南非的北开普（3.50美元/千克）和德国的不来梅（3.70美元/千克）。乌兰哈布受益于其位于“风能走廊”的位置，具有较高的容量因子和相对较低的资本成本。相比之下，阿联酋的阿布扎比由于风速低和容量因子低，具有最高的基于风能的氢气成本（9.50美元/千克）。

结合太阳能和风能的混合系统在七个地区中的六个地区实现了最低的LCOH，成本范围从2.40美元/千克到4.10美元/千克，相比单一能源配置减少了6-85%。乌兰哈布的混合系统表现最佳，LCOH为2.40美元/千克，比仅使用太阳能的系统低62%，比仅使用风能的系统低4%。北开普和卡拉塔的混合系统也分别实现了31%和17%的成本降低。混合系统的优势主要源于太阳能和风能元素之间的时间互补性，这使得固定资产得到了更有效的利用。在不来梅，混合化带来的改进尤为显著，成本从21.60美元/千克降至3.30美元/千克，降低了85%。

4.2.2. 地区特征和比较分析
区域比较突显了资源条件对氢气经济的显著影响。高纬度地区（如德国不来梅）在基于太阳能的氢气生产方面处于劣势，但仍然可以通过风能或混合系统实现具有竞争力的成本。位于全球“太阳带”的干旱地区在基于太阳能的氢气生产方面表现良好，尽管它们的风能资源有所不同。混合系统在平均成本（3.41美元/千克）和成本波动性（σ = 0.60美元/千克，作为七个地区LCOH值的标准差）方面都优于单一能源系统（太阳能分别为6.48美元/千克，σ = 6.36美元/千克，风能为4.71美元/千克，σ = 2.26美元/千克），表明了更高的经济稳定性和更好的地理适应性。

总体而言，在大多数地区，通过适当配置可再生能源来源，绿色氢气的LCOH可以保持在4.00美元/千克以下，并且在最优混合系统中可以接近3.00美元/千克。然而，不同地区和技术路径之间高达九倍的成本差异（2.40-21.60美元/千克）表明，如果没有科学依据的选址和技术匹配，大规模部署将导致严重的经济效率低下。因此，国家和国际氢能战略应优先在资源禀赋优越的地区部署氢能产业，并推动混合系统设计的发展。地理资源的差异性导致成本差异高达九倍（2.40美元至21.60美元/公斤），使得选址与技术选择同样重要。混合风能-太阳能配置通过利用时间上的互补性来减少这种波动性，在不同气候条件下实现成本优势（2.40美元至4.10美元/公斤），并在最佳地区使得成本在2030年前降至3美元/公斤的目标。

4.3 绿氢在储能情景下的成本路径
本节对2023年至2030年间七个代表性地区的绿氢生产进行了多情景比较分析，基于两个核心指标：氢气的平准化成本（LCOH）和总系统投资成本。基准情景反映了自然的技术进步，而基于“2030年储能创新”计划的情景则重点研究前瞻性储能策略对绿氢生产的影响。
本研究定义了两个代表自然技术进步但不包含储能创新的参考案例：(1) 基准2023年采用当前商用技术（AKL电解槽、五种储能类型），成本水平为2023年的水平；(2) 基准2030年预期成本下降（混合AKL/PEM电解槽，相同的储能组合），效率有所提高，但没有新兴的储能技术。这些案例用于评估SI2030储能创新的效果（详见附录A表A4的参数）。

4.3.1 基准情景下的时空成本特征
在基准情景下，所有研究区域都显示出显著的成本下降趋势，这主要归因于可再生能源技术的进步、储能成本的下降以及电解槽效率的提高。然而，由于地区资源条件的不同，成本差异仍然存在。
2023年，成本结构显示出明显的区域依赖性（图8a,b）。德国不来梅受限于其可再生能源资源，依赖于多种技术组合，包括抽水蓄能水电、光伏和锂离子电池，以确保系统稳定性，导致其总系统成本（1.16亿美元）和LCOH（13.8美元/公斤）在所有研究区域中最高。美国巴斯特诺则采用以氢储罐、AKL电解槽和光伏系统为主的技术组合，总系统成本为9200万美元，LCOH为11.6美元/公斤。相比之下，资源丰富的地区具有显著的经济优势。中国乌兰察布利用优越的风能资源，通过以风能为主导的路径，实现了最低的总系统成本（5100万美元）和LCOH（6.5美元/公斤）。智利的阿塔卡马（5800万美元，7.8美元/公斤）和南非北开普（5500万美元，7.2美元/公斤）展现了混合风能和光伏的特点。澳大利亚卡拉塔（6800万美元，8.8美元/公斤）和阿联酋阿布扎比（7000万美元，9.2美元/公斤）的成本结构则以光伏和氢储能为主。图8展示了绿氢生产的成本比较分析（基准情景）：(a) 氢气的平准化成本；(b) 总系统成本和技术构成。到2030年，技术成本的下降将推动绿氢生产成本的整体降低。不来梅的总系统成本将降至6300万美元（降低了45.7%），LCOH降至7.3美元/公斤（降低了47.1%），其技术组合将从依赖抽水蓄能水电转变为以风能和光伏为主。巴斯特诺的总系统成本将降至4400万美元（降低了52.2%），LCOH降至5.3美元/公斤（降低了54.3%）。资源优势地区将进一步增强其竞争力。乌兰察布（2600万美元，3.1美元/公斤）和北开普（2600万美元，3.4美元/公斤）将实现约50%的成本降低。阿塔卡马的总系统成本将降至最低（2400万美元，降低了58.6%），LCOH也具有竞争力（3.3美元/公斤，降低了57.7%）。卡拉塔和阿布扎比的总系统成本将趋于一致，分别为3100万美元，LCOH分别为3.9美元/公斤和4.0美元/公斤。
技术构成演变的分析表明：随着电解技术的成熟，电解槽（包括PEM和AKL）的成本占比通常会下降；尽管可再生能源发电组件的绝对成本下降，但它们在总系统成本中的相对比例增加，成为区域成本竞争力的核心决定因素；氢储罐在大多数地区保持稳定的成本贡献，进一步确认了它们作为关键系统组件的持续重要性。

4.3.2 储能技术进步的边际效应评估
基于“2030年储能创新”计划的情景分析揭示了储能技术发展对绿氢系统经济性的非线性影响。研究发现，储能规模与系统成本之间存在显著的阈值效应，优化效益高度依赖于地区的可再生能源特性。
在SI2030 1 HT情景下，大多数地区并未实现最佳配置。与2030年基准情景相比，如乌兰察布和卡拉塔等地，总系统成本和LCOH同时增加。具体而言，乌兰察布的总系统成本从2600万美元增加到2800万美元（增加了7.7%），LCOH从3.11美元/公斤上升到3.36美元/公斤（增加了8.0%）。卡拉塔的总系统成本增加了9.7%，至3400万美元，LCOH也相应增加至4.31美元/公斤。不来梅的成本恶化最为明显：总系统成本增加了17.5%，至7400万美元，LCOH增加了18.0%，至8.60美元/公斤。从技术配置的角度来看，该情景引入了特定地区的新兴组件，如PEM电解槽和锌电池（ZnB），增加了系统的复杂性和初始投资。这表明小规模的氢储能配置无法充分利用技术优势，可能因系统集成冗余而产生额外成本。
在SI2030 10 HT情景下，规模经济得到充分实现，但各地区响应差异显著（图9a,b）。对于可再生能源间歇性明显的地区，大规模氢储能能有效平滑能源供应波动，提高整体系统利用率，并实现显著的成本优化。不来梅的改进最为显著：总系统成本从基准的6300万美元降至2700万美元（降低了57.1%），LCOH降低了55.1%，至3.27美元/公斤，从根本上改变了其成本竞争力。乌兰察布的总系统成本降至2000万美元（相比SI2030 1 HT降低了28.6%），LCOH降至2.45美元/公斤（相比基准降低了21.2%），成为所有地区和情景中最低的值。卡拉塔（2400万美元，降低了29.4%）和巴斯特诺（3600万美元，降低了21.7%）也实现了显著的优化。图9显示了2030年储能配置对各地区系统经济性的影响：(a) 氢气的平准化成本；(b) 总系统成本和技术构成。相反，资源和资源丰富的地区显示出有限的边际效益。阿布扎布的总系统成本仅从3100万美元略微降至2900万美元（降低了6.5%），LCOH仅降低了2.7%，至3.91美元/公斤。阿塔卡马的成本指标基本保持不变（2500万美元，3.28美元/公斤）。这种鲜明的对比表明，大规模氢储能部署是资源受限地区提升经济性的关键途径，而资源丰富的地区应专注于优化发电与电解之间的直接耦合。
为了确定氢储能扩张的经济极限，本研究进行了参数分析，将储罐容量从1倍基准水平变化至20倍基准水平（1 HT至20 HT），同时保持其他参数不变。详细数值结果见附录A表A5。结果显示，随着储能容量的增加，LCOH呈现非线性下降：在资源最优的地区（如乌兰察布），LCOH从3.36美元/公斤（1 HT）大幅降至2.45美元/公斤（10 HT），但在10 HT之后下降幅度趋于平缓（每增加一倍容量，LCOH下降不到0.05美元/公斤）。同样，在资源受限的地区（如不来梅），LCOH从8.60美元/公斤（1 HT）降至3.27美元/公斤（10 HT），在20 HT时改善不明显（3.10美元/公斤）。
关键阈值定义为边际LCOH下降幅度低于每增加一个HT单位0.05美元/公斤的转折点，大约发生在10倍基准容量时。超过这一阈值后，额外存储的资本成本超过了因减少限电而节省的运营成本，使得进一步扩张在经济上不再吸引人。这一定量界限解释了为什么SI2030 10 HT是所有情景中的最佳配置，而1 HT对于资源受限地区来说是不够的。
非线性的LCOH–储能关系表明，“更多的存储”并不总是最优的。超过10倍基准阈值后，资本成本超过了运营节省，导致收益递减（每增加一个HT单位，LCOH下降不到0.05美元/公斤）。这挑战了最大化存储容量的传统观点，并为最佳规模提供了定量指导：资源受限地区（如不来梅）从大规模存储中获益显著，而资源丰富的地区（如阿塔卡马）通过最小化存储扩张实现成本领先。

4.3.3 系统优化和差异化区域发展路径
综合基准情景和储能创新情景的比较分析，可以得出以下核心结论和发展建议。首先，绿氢成本的下降趋势明显，行业拐点即将到来。所有研究地区在2023年至2030年间实现了45-60%的成本降低。到2030年，大多数地区的LCOH将降至3-4美元/公斤的范围，总系统成本降至2000万至3000万美元的水平，逐渐接近甚至在某些情况下超越传统的化石燃料基氢生产成本，表明绿氢的大规模商业应用拐点即将到来。
其次，最佳技术路径高度依赖于地区特性，需要避免采用同质化的开发策略。对于高纬度地区和资源间歇性强的地区（例如不来梅），应优先考虑大规模氢储能作为克服资源限制的核心途径。SI2030 10 HT情景证实，这些地区可以通过储能投资实现与资源丰富地区的成本平价。对于太阳能资源稳定的地区（例如阿塔卡马、阿布扎比），应重点提高光伏效率和直接电解槽耦合，因为无区别的存储扩张并不最优。对于风能-光伏互补优势明显的地区（例如乌兰察布和北开普），在所有情景下都能保持成本领先。在最佳配置（SI2030 10 HT）下，乌兰察布实现了LCOH 2.45美元/公斤和总系统成本2000万美元，展示了其作为全球绿氢枢纽的核心潜力。这些特定地区的技术路径为投资政策和国家氢能战略提供了直接指导。政策制定者不应统一提供补贴，而应根据资源禀赋调整投资优先级：在高纬度资源间歇性强的地区优先考虑大规模氢储能基础设施建设（如SI2030 10 HT情景所示）；在太阳能资源丰富的地区侧重于提高光伏-电解槽集成效率；鉴于乌兰察布和北开普展示的成本领先优势（2.45美元/公斤）以及其在2030年前实现3美元/公斤目标的能力，将它们确立为战略性的绿氢生产枢纽。地区间的九倍成本差异强调，由风能-光伏互补性指数指导的战略性选址与技术部署对于国家脱碳路线图同样重要。
第三，系统优化需要多维度的协作决策。本研究揭示了优化绿氢系统的关键路径：降低电解槽成本是提高系统经济性的主要驱动因素，而氢储能规模的配置则是基于地区特性的重要优化维度。未来的系统设计必须超越单一技术维度的优化，转向基于地区特征的多维协作设计。具体来说，需要协调以下四个关键因素之间的互动：当地可再生能源资源（资源可用性和可变性）、氢负荷特性（需求规模和连续性）、核心技术成本曲线（电解槽、光伏、风能等）以及匹配的氢储能规模。只有通过这种系统化的、定制化的设计，才能在特定地区条件下实现全球绿氢系统的经济最优。
总之，对七个不同全球地区的实证分析表明，到2030年，绿氢生产成本将显著优化，大多数地区的LCOH将降至3-4美元/公斤的范围。氢储能扩张策略的有效性表现出强烈的区域差异性：资源受限地区（例如不来梅）可以通过大规模氢储能实现最高5%的成本优化，而资源丰富的地区（例如阿塔卡马和阿布扎比）的边际效益显著降低。这些发现强调了制定针对当地资源特性的差异化策略的必要性。乌兰察布在优化配置下实现了全球最低的LCOH（2.45美元/公斤），突显了具有互补风能和光伏资源的地区在未来的绿氢供应链中的战略地位。

5. 结论
本研究表明，协同优化多时间尺度的能源存储对于实现完全由可再生能源驱动的经济可行的大规模离网绿氢生产至关重要。利用多个地区的高分辨率风能和太阳能资源数据，本研究表明，没有单一的存储技术能够适应从小时和日报周期到每周和季节性变化的全部波动范围。相反，一个分层存储组合，整合了短期、长期和季节性存储技术，提供了互补的运营能力，共同提升了系统的灵活性和经济性能。结果表明，结合混合风能-太阳能发电与多时间尺度的能源存储可以将LCOH降低多达40%。虽然扩大氢储存容器的规模有助于进一步降低成本，但其边际效益在超过某个关键阈值后就会减弱。相比之下，合理配置长期和季节性储存方式不仅能够带来更高的成本效益，还能保证供气的可靠性。允许电解槽灵活运行可以进一步提高可再生能源的利用率，并在资源条件多变的情况下增强系统的韧性。区域分析显示，由于可再生资源质量的差异，绿色氢能的经济效益存在显著的空间异质性。那些风能和太阳能资源互补较好的地区到2030年可以实现接近甚至低于3美元/千克的成本水平（LCOH），其中乌兰察布地区在最优配置下的LCOH可降至2.45美元/千克。相比之下，资源较为匮乏的地区必须依赖大规模的氢储存才能实现类似的成本竞争力。总体而言，这项研究强调多时间尺度的储存对于确保离网绿色氢能系统的经济可行性至关重要，而系统层面的协同优化——整合可再生能源发电、储能、电解和氢储存——能够比单独改进各个组成部分更有效地降低成本。此外，研究结果还强调了针对不同地区制定特定技术路径的必要性，因为最佳配置对当地可再生资源的特性非常敏感。这些发现为未来离网氢能生产中心的发展和投资提供了定量指导，并描绘了一条实现成本效益高且可持续的全球绿色氢能供应链的实用路径。

在解释这些结果时需要承认几个限制因素。首先，假设无限制地选址用于波浪能储存（PHS）和压缩空气储能（CAES）技术的前提是具备理想的地质条件；如果依赖地面设施，这些地区的成本将增加10-20%。其次，电解槽模型的效率被假设为恒定，并忽略了设备的老化问题；实际运行中的部分负荷效率损失（比额定效率低5-10%）和年度老化（1-2%）可能会使LCOH增加5-8%。第三，恒定的基础负荷需求只是一个保守的上限；工业需求的灵活性实际上可以减少储能需求和成本15-30%。最后，基于完美预见的优化计算得出的成本估计值偏向较低；预测错误可能会使实际LCOH增加5-15%。这些因素表明，在有利条件下，报告中的LCOH值（2.45-3.27美元/千克）代表了可实现的下限。

尽管技术经济分析表明在理想条件下氢能具有成本竞争力，但其推广面临诸多非技术性障碍。地理限制限制了适合安装PHS（如山区地形）和CAES（如盐穴）的地点。资本密集型基础设施的融资风险（每个项目的前期成本高达2000万至1亿美元）以及漫长的审批流程（大规模可再生能源和储能项目需3-5年）可能会使实际成本增加10-20%。此外，关键材料（如质子交换膜电解槽所需的铂族金属）的供应链供应问题也可能延缓技术的部署。这些因素应在国家氢能战略中加以考虑。

此外，当前的研究框架仅将氢能生产视为唯一的收入来源。未来的研究应探索参与辅助服务市场（如频率调节和需求响应）作为额外的收入来源，电池储能可以产生额外收入来抵消氢能生产的成本，从而改善整个项目的经济效益。