轨道交通枢纽非牵引负荷的电-氢-热系统多时间尺度云-边-端能量管理

《Energies》：Multi-Time-Scale Cloud–Edge–Terminal Energy Management of an Electricity–Hydrogen–Thermal System for Rail Transit Hub Non-Traction Loads

　　

摘要：轨道交通车站具有非牵引电力与热力需求，需要可再生能源发电、存储与转换的协同运行。研究人员提出了一种面向电-氢-热系统的云-边-端能量管理框架。所建立的24小时混合整数线性规划（MILP）模型用于调度电网购电、光伏（PV）发电、蓄电池与储热、电解制氢、氢气压缩与存储，以及燃料电池与热泵运行。氢存储量以存储氢质量表示，储罐压力通过压力-密度关系与氢气密度相关联。研究人员比较了三种系统配置：无氢系统、氢集成系统、以及具备电等效蓄电池存储的无氢系统。小时级调度方案被映射至150个容量等效虚拟终端，用于运行扰动与通信扰动下的分钟级验证。与无氢运行相比，氢集成使目标值降低1.06%、运行成本降低0.34%、电网峰值购电降低6.89%，但日电网购电量与CO₂排放增加约3.09%。敏感性分析表明，在较高光伏渗透率下氢集成的效益更为显著；在存储容积范围内扩大储罐容积带来的收益可忽略；在高光伏容量下，电解槽功率是可再生能源消纳的约束因素。验证实现了98.503%的平均指令下发成功率、低于1 kW的稳态电网购电误差，以及2分钟内完成故障自愈。氢能改善了削峰填谷与跨时段能量转移能力，而总用电量与排放取决于可再生能源可用性与转换限制。

**电-氢-热系统在轨道交通枢纽非牵引负荷中的多时间尺度云-边-端能量管理研究解读**

**1. 研究背景与问题提出**

轨道交通车站作为大型能源消耗设施，其照明、通风、自动扶梯、电梯、水泵及空调系统等非牵引负荷具有显著的电力与热力需求，且随客流、运行时刻表及环境控制要求动态变化。传统单一能源供应结构难以高效协调多种能源载体，而综合能源系统方法通过整合可再生能源发电、能源转换与存储装置，能够有效提升系统运行灵活性。能量枢纽（energy hub）概念已被广泛应用于多能源载体交互建模与多能流优化调度。氢能可通过电解将电能转化为氢能存储，并在需要时通过燃料电池重新转化为电与热，进一步增强跨时段能量转移能力。然而，氢集成引入额外转换损耗，其运行效益取决于可再生能源可用性、电价结构、电网碳强度、设备容量及调度策略等多重因素。

现有研究主要集中于建筑、工业园区及社区微电网等分布式能源系统，针对轨道交通车站非牵引负荷特性的电-氢-热系统运行研究仍不充分。此外，日前优化与短时间尺度实际运行之间的衔接问题尚未得到充分关注，电-氢-热调度与通信扰动下短期指令执行之间的协调机制研究有限。基于上述背景，本研究将既有能量枢纽模型拓展至轨道交通车站电-氢-热系统，通过质量基氢存储与压力-密度耦合建模，评估氢集成的运行价值，并引入云-边-端验证框架评估短期指令跟踪与扰动响应能力。

**2. 研究内容与主要贡献**

研究人员建立了一个24小时混合整数线性规划（MILP）模型，以1小时为时间步长协调电网购电、光伏（PV）发电、蓄电池存储、电解槽、氢压缩机、氢存储、燃料电池、热泵及储热装置的运行。模型以网格购电成本、设备运维成本、碳排放成本、光伏弃电惩罚与峰值购电惩罚之和最小化为目标函数。氢存储以存储氢质量表示，通过NIST真实气体数据的分段线性近似建立储罐压力与氢密度之间的耦合关系。研究设置了无氢、氢集成及具备电等效蓄电池存储（BESS）的无氢三种系统配置，并开展氢储罐容积与光伏容量敏感性分析。优化调度结果进一步映射至150个容量等效虚拟终端，用于分钟级功能验证。该研究发表于《Energies》。

**3. 主要技术方法**

研究采用的关键技术方法包括：其一，能量枢纽矩阵建模方法，以耦合矩阵描述电、氢、热三种能源载体间的转换效率与调度关系；其二，混合整数线性规划（MILP）优化方法，利用YALMIP工具箱与intlinprog求解器实现24小时日前优化调度；其三，质量基氢存储建模方法，通过分段线性近似表达储罐压力-密度关系，在保持MILP可解性的同时反映高压下氢气的非理想气体行为；其四，云-边-端三层递阶架构，云端生成小时级参考调度，边缘层执行分钟级实时功率修正与指令再分配，终端层由150个容量等效虚拟终端模拟分布式指令执行。案例数据采用文献标定的合成典型日情景，基于已发表的车站能耗研究、NASA POWER气象数据、PVWatts光伏计算、四川峰平谷电价结构及官方电网排放因子重建，而非特定车站的实测数据。

**4. 研究结果与分析**

**4.1 无氢与氢集成场景对比**

研究对比了无氢、氢集成及电等效BESS三种配置的日前运行调度结果。氢集成场景实现了最低的目标函数值、运行成本与峰值电网购电。相对于无氢场景，目标函数值下降1.06%，运行成本下降0.34%，峰值电网购电从717.88 kW降至668.41 kW，降幅为6.89%。电等效BESS场景同样具有削峰效益，但各项指标均高于氢集成场景。氢子系统在整个调度周期内保持在规定的物理运行限值内，储罐压力介于15.684至24.502 MPa，电解槽共产氢13.8545 kg，压缩机消耗41.5636 kWh电力，燃料电池输出207.7972 kWh电力和161.6200 kWh热能。然而，氢集成场景的日电网购电量与CO₂排放较无氢场景增加约3.09%，这归因于电解与压缩过程的额外耗电及氢利用环节的转换损耗。结论表明，氢集成的主要运行效益源于调度灵活性与削峰能力的提升，而非总电网购电量的减少。

**4.2 典型日时序运行分析**

时序运行结果显示，在低电价时段电解槽制氢并存储氢，电网购电暂时高于无氢配置，存储氢质量从约30 kg增加至44 kg。在晚间高电价与高负荷时段，电解槽停机，存储氢被用于燃料电池发电与供热，同时降低电网购电与热泵用电需求，使最大电网购电降低6.89%。存储氢质量在制氢期上升后随燃料电池运行回落至约30 kg，并在调度期末恢复至初始水平，说明削峰效应源于能量的时间再分配而非氢库存的净消耗。蓄电池与储热提供短期平衡，而氢存储支撑更长时间尺度的能量转移。

**4.3 敏感性分析**

氢储罐容积敏感性分析表明，容积从基准值的10%增至50%时，目标函数值从12,756.39降至12,650.61 CNY，峰值电网购电从706.70降至668.41 kW，降幅分别为0.83%和5.42%；日电网购电量从14,415.88增至14,762.89 kWh。在约50%基准容积处出现明显饱和点，超过该阈值后各项指标基本不变，进一步扩大容积无额外运行效益。光伏容量敏感性分析显示，在0至750 kWp低光伏容量区间，两种配置的差异有限；当光伏容量达到1000 kWp及以上时，目标函数差距迅速扩大，氢集成的优势随剩余光伏电量超过系统直接消纳能力而凸显。无氢配置在1000 kWp时开始出现弃光，而氢集成配置通过将剩余光伏转化为氢有效避免弃光；弃光最终在1250 kWp出现并于1500 kWp达11.80%，主要归因于电解槽达到额定输入功率限制。

**4.4 面向平台的功能验证**

以氢集成案例中18:00至19:00时段为验证区间，将聚合云层调度映射至150个容量等效虚拟终端。在电负荷扰动与光伏骤降叠加条件下，边缘层遵循优先级修正规则：电力缺额依次由燃料电池、蓄电池放电与灵活负荷调节补偿；热力侧协调热泵、燃料电池余热回收与储热装置。验证结果显示，150个虚拟终端的平均指令下发成功率为98.503%，最小成功率为85.167%；平均同步延迟0.323 s，最大延迟2.000 s；稳态电网购电跟踪误差低于1 kW（<0.1%）；最大跟踪误差116.870 kW，对应参考值的16.220%；最大终端负载率99.570%，最小容量裕度为0 kW；最大未满足功率与总未满足能量分别为103.893 kW与5.875 kWh。源-荷切换成功率为60.000%，故障自愈在2分钟内完成。

**5. 讨论与结论**

讨论部分指出，氢集成在以削峰填谷与跨时段调度灵活性为主要效益来源的运行条件下，并不直接降低总购电量或碳排放。光伏容量提升可降低电网依赖与峰值购电，但受电解槽额定功率约束，高光伏容量下弃光率上升。储罐容积扩展的饱和效应表明系统主要受转换功率、负荷特性与可再生能源可用性约束，而非存储容积。分钟级虚拟终端验证结果支持所提分层调度与扰动响应框架在调度级协调中的可行性。

研究结论部分总结认为，相对于无氢配置，氢集成使总目标函数值降低1.06%、运行成本降低0.34%、峰值电网购电降低6.89%，但日电网购电量与碳排放增加3.09%。在既定的光伏容量、电价结构、电网碳因子与转换效率条件下，氢集成主要改善削峰能力与跨时段调度灵活性，而非直接减少总用电量或碳排放。敏感性分析进一步明确氢集成最有利的运行条件：光伏容量增加可降低电网依赖与峰值购电，当剩余光伏发电超出系统直接消纳能力时氢集成的相对优势更为显著；高光伏容量下弃光率上升归因于电解槽达到额定输入功率限制；氢储罐容积增至基准值约50%后进一步扩展无额外运行效益。分钟级虚拟终端验证表明，所提框架能在短期扰动下协调小时级调度，平均指令下发成功率达98.503%，稳态跟踪误差低于1 kW，故障自愈完成时间控制在2分钟以内，支持所提分层调度与扰动响应框架在调度级协调中的可行性。研究存在的局限性包括：输入数据为合成典型情景而非实测车站数据，虚拟终端验证为仿真而非硬件平台实验，模型简化了压缩机动态、瞬态氢压行为、设备退化、多日不确定性与滚动再优化，且设备容量为预设值，未涉及容量规划、资本支出与全生命周期经济评估。未来研究应引入实测车站数据、设备级动态模型、动态碳因子与多日滚动调度。