考虑多种制氢路径与混合不确定性的氢基多能微电网多阶段低碳规划

《Journal of Cleaner Production》:Multi-stage low-carbon planning of hydrogen-based multi-energy microgrids with multiple hydrogen pathways and hybrid uncertainties

【字体: 大 中 小 】 时间:2026年09月03日 来源:Journal of Cleaner Production 10.7

编辑推荐:

   摘要:在减碳政策与氢能发展的双重驱动下,氢能多能微电网(H-MEMG)正逐渐成为一种提升可持续性和促进氢能集成的有前景的解决方案。然而,现有规划方法主要聚焦于以绿氢为主导的理想化未来场景,而忽视了在实际应用中平衡选择多种制氢技术的现实需求。此外,现有方法未能全面应对多个规划阶

  

摘要:在减碳政策与氢能发展的双重驱动下,氢能多能微电网(H-MEMG)正逐渐成为一种提升可持续性和促进氢能集成的有前景的解决方案。然而,现有规划方法主要聚焦于以绿氢为主导的理想化未来场景,而忽视了在实际应用中平衡选择多种制氢技术的现实需求。此外,现有方法未能全面应对多个规划阶段的不确定性,尤其是短期运行波动与长期政策演化的差异化影响。为应对这些挑战,本文提出了一种考虑多种制氢技术与混合不确定性风险的H-MEMG多阶段低碳规划框架。所提框架能够在多个规划阶段中对灰氢、蓝氢和绿氢技术进行内生选择与容量扩展,同时协调可再生能源发电与储能资源。为应对具有不同时间特征的不确定性,本文采用基于Wasserstein距离的分布鲁棒联合机会约束来捕捉短期可再生能源发电的不确定性,并引入信息间隙决策理论来量化规划决策对长期脱碳路径偏差的鲁棒性。此外,本文开发了一种定制的双线性Benders分解算法,以高效求解所得的混合整数优化问题。数值案例研究表明,与无碳排放约束的基准方案相比,所提方法可有效降低约26.9%的碳排放,同时支持在不断演化的碳排放限制下自适应选择制氢技术。与固定制氢路径相比,所提框架实现了最高14.2%的成本节约,从而在经济效率与减排之间取得了更优的权衡。此外,该方法通过主动管理不同时间尺度的不确定性,增强了规划决策的鲁棒性与适应性。结果还表明,所提算法显著提高了计算效率,在小规模案例中将计算时间缩短了39.3%,同时确保了大规模规划实例的稳定求解。

引言:在全球能源转型与碳中和政策的驱动下,氢能凭借其卓越的灵活性与广泛的应用潜力,正稳步成为未来能源体系的重要组成部分(Zainal et al., 2024; Gu et al., 2026)。近年来,随着工业、交通和建筑等领域氢能需求的快速增长,氢能产业已迈入加速发展阶段。这一加速发展对传统多能微电网产生了显著影响——传统多能微电网长期依赖以天然气为基础的分布式能源系统(如燃气轮机与热电联产系统)实现电热多能互补,从而提升区域能源效率(Chen et al., 2024)。然而,随着低碳能源政策的推进,传统天然气驱动的微电网模式面临诸多挑战。一方面,其碳排放阻碍了其在碳中和背景下的可持续性;另一方面,氢能融入能源体系产生了新的氢能需求,而现有多能微电网在制氢、储氢和用氢方面面临适应性挑战(Sarwar et al., 2024)。

在此背景下,氢能多能微电网(H-MEMG)作为一种有前景的解决方案应运而生。与传统多能微电网不同,H-MEMG融入了氢能技术,包括制氢(如水电解、天然气重整等方法)、储氢、氢燃料电池(HFC)发电以及氢能供暖,从而形成氢能、电能和热能深度集成的多能互补系统(Khan et al., 2025)。通过协调规划这些技术并优化制氢、储氢和用氢的调度,H-MEMG可显著提升多能互补性与梯级能源利用效率,从而提高经济性能并加速区域能源系统向低碳高效转型(Zhang et al., 2024)。

然而,释放H-MEMG的全部潜力仍面临挑战。不同制氢路径在经济性、运行特性和排放特征上存在显著差异。灰氢相对经济且可调度,但碳排放强度高;蓝氢可通过碳捕集减少排放,但需要额外的基础设施与投资;绿氢提供深度脱碳潜力,但高度依赖波动性可再生能源发电。因此,H-MEMG向低碳转型需要在多个规划阶段中协调技术选择、容量扩展和减排决策。近期研究通过考虑加氢站(Rezaei et al., 2024; Cai et al., 2023)、耦合力-气网络(Jordehi et al., 2024a)以及电力/氢能市场参与(Jordehi et al., 2024b-2024c),拓展了氢能集成能源系统的研究范围。这些研究凸显了跨系统协调日益增长的重要性以及氢能技术在多领域的广泛应用。然而,大多数现有研究聚焦于短期运行和特定应用,对灰氢、蓝氢和绿氢路径在系统级和多阶段协调方面提供的指导有限。

另一挑战源于具有不同时间和统计特征的不确定性共存。长期减碳要求可能偏离预期的脱碳路径,从而影响规划期内技术转型和容量扩展决策。相比之下,短期可再生能源(RES)不确定性影响运行成本、供电充足率和基于可再生能源的制氢可靠性。虽然随机规划(Zhao and Gu, 2024)和鲁棒优化(Mansouri and Javadi, 2017)已被广泛应用于不确定性管理,但随机方法通常依赖预定义的概率分布,而鲁棒方法可能导致过于保守的规划决策。因此,将任一范式统一应用于长期和短期不确定性可能无法捕捉其各自特征及决策含义。由此,亟需一种能够分别刻画长期非概率不确定性和短期分布不确定性的统一框架。

应对这些挑战兼具方法论与实践意义。从方法论角度,协调多种制氢路径的多阶段规划框架可以更真实地表征向低碳氢能供应组合逐步演化的过程。同时,将信息间隙决策理论(IGDT)与分布鲁棒联合机会约束(DRJCC)相结合,能够以差异化方式应对具有不同时间和统计特征的不确定性,从而在经济效益、长期不确定性容忍度和短期分布鲁棒性之间取得平衡。从实践角度,所提框架可支持系统规划者、投资者和政策制定者在不断演化的政策目标和可再生能源条件下评估氢能技术组合、容量扩展策略和脱碳路径。基于上述考虑,本研究开发了一种多阶段低碳规划框架,用于H-MEMG,整合了多种制氢技术并对长期和短期不确定性进行差异化管理。

现有研究已对H-MEMG的规划进行了广泛探索,主要聚焦于可再生能源、储能和制氢设备的选址与容量优化,以降低规划全生命周期投资成本(Liu et al., 2021)。在文献(Xu and Deng, 2024)中,提出了一种双层规划方法,联合优化电解槽(ELZ)容量与季节性储氢(SHS)的投资决策,旨在最大化系统运行收益并最小化ELZ使用成本。同样,文献(Gu et al., 2022)将氢基微电网的配置与分布式发电及储能资产进行协同优化,以最小化系统成本并实现整体碳排放减排目标。文献(Wang et al., 2024)展示了一个真实的氢能集成微电网,强调其实际设计与实施。为进一步增强经济和运行性能,文献(Shao et al., 2023)为离网氢基多能微电网开发了一种风险约束规划框架,同时考虑投资风险与韧性。在设备建模层面,文献(Hassan et al., 2026)将固体氧化物电解槽的运行状态转换、废热交互和效率退化纳入氢基多能系统的最优设计,而文献(Wu et al., 2025)开发了一种以氢能枢纽为中心的电力-燃气-氢能综合能源系统协同规划模型。文献(Al-Ghussain et al., 2025)确定了能够实现最高可再生能源比例并最小化氢气平准化成本及其碳强度的氢基微电网最优配置。此外,文献(Shen et al., 2022)探讨了可再生能源丰富地区的零碳氢基微电网发展,而文献(Maynard et al., 2025)将该概念扩展至偏远北部社区,证实了可再生-氢能微电网可替代柴油发电并减少全生命周期排放。相关规划研究还考察了在不确定性条件下可再生能源社区中绿氢生产与电力储能的协同定容(Ferrara et al., 2026),以及通过场景优化在多载体能源系统中最优集成氢能、水能和废热回收技术(Rahimi et al., 2026)。

然而,大多数现有研究主要聚焦于水电解生产的绿氢,假设H-MEMG主要由可再生能源供电。实际上,H-MEMG向低碳的转型是渐进式的而非瞬时完成的。由于绿氢生产成本高昂,在中短期内单纯部署基于可再生能源的氢能经济上不可行(Park et al., 2022)。目前,灰氢(源自天然气重整)仍占主导地位,而蓝氢(通过化石燃料制氢耦合碳捕集系统生产)作为过渡选项,在经济可行性与减排之间取得平衡(Saha et al., 2024)。此外,绿氢生产高度依赖风能和光伏等可再生能源。可再生能源固有的波动性引入了氢能供应的显著不确定性,对稳定可靠的制氢构成挑战(Jia et al., 2025)。尽管如此,灰氢、蓝氢和绿氢各自独特的经济性、运行特性和排放特征很少在统一的多阶段H-MEMG规划框架中得到协调。特别是,人们对不断演化的减碳要求如何重塑三者相对角色及容量扩展轨迹的关注有限。因此,亟需一种协调替代制氢路径的多阶段规划框架,以在不断演化的系统和政策条件下识别经济可行且逐步脱碳的技术组合。

此外,H-MEMG的最优配置必须考虑多种不确定性来源以确保经济可行性和实际可行性。特别是,低碳高效的制氢受可再生能源可用性和氢能需求的影响,而这两者均具有间歇性和波动性,从而引入显著的短期供需平衡不确定性。因此,忽视这种变异性可能导致不可行或经济效率低下的规划方案。为应对短期不确定性,现有研究主要采用随机和鲁棒优化方法(Shao et al., 2023)。例如,文献(Tatar et al., 2022)采用基于场景的方法来表征可再生能源的间歇性并缓解其对绿氢生产的影响。同样,文献(Cao et al., 2021)提出了氢基网络微电网的两阶段随机规划问题,考虑了可再生能源发电和氢燃料电池车加氢需求的不确定性。文献(Dong et al., 2023)为低碳和韧性导向的H-MEMG规划提出了一种鲁棒优化模型。近期,文献(Ren et al., 2026)为多园区电力-氢能综合能源系统的协同规划开发了一种双层随机框架,考虑了可再生能源发电不确定性和差异化需求响应。同时,文献(Zhou et al., 2026)和(Dong et al., 2026)分别采用自适应鲁棒优化和分布鲁棒优化,针对特定应用不确定性条件下的岛-船及海-岛氢能-电力微电网进行协同规划。此外,文献(Sun et al., 2025)为网络化氢能-电力微电网开发了一种随机-鲁棒规划框架,以应对投资决策引发的需求效应。然而,基于场景的随机和鲁棒方法通常强制系统在选定场景或预设不确定性集上满足约束。要求对所有考虑的实例进行防护可能导致保守的容量扩展和高投资成本,尤其对于资本密集型的H-MEMG。

为在投资经济性与系统可靠性之间取得平衡,部分研究引入了机会约束规划,允许可再生能源不确定性引起的约束违反在一定概率阈值内,从而避免过于保守的规划策略(Zhang et al., 2023)。文献(Li et al., 2019)引入了风弃电率的机会约束,以实现储能投资与风能利用之间的权衡。文献(El Shamy et al., 2025)将机会约束优化应用于确定混合光伏-电池-氢能离网微电网的最优定容,同时考虑了全生命周期成本与可靠性。然而,机会约束规划的有效性取决于对不确定性分布的准确建模,这在现实应用中极具挑战性,可能导致规划方案出现偏差甚至失效(Chen et al., 2023)。

因此,采用一种更加综合的方法至关重要,该方法不仅利用随机约束规划的灵活性,还纳入额外的保守措施,如分布鲁棒优化,以解决无法精确确定可再生能源(RES)概率分布的问题,从而进一步增强规划方案应对不确定性的鲁棒性。此外,长期和短期不确定性共同影响着氢-多能微电网(H-MEMGs)的规划。尽管现有研究主要关注短期运行不确定性,但最近的研究已开始将氢能系统规划扩展到更长的多阶段时间范围。例如,文献Pan等人(2026)提出了一种多阶段区域电-氢扩展模型,将电解槽投资成本与累计部署量联系起来,从而捕获跨规划阶段的内生学习效应。然而,该研究主要关注基于可再生电解的氢能扩展和技术学习效应,并未明确考虑长期脱碳路径的不确定性及其与短期运行不确定性的相互作用。在氢-多能微电网中,逐步收紧的碳减排要求对不同规划阶段的容量扩展决策构成了实质性限制。在相对宽松的要求下,可以部署灰色或蓝色氢气以降低初始投资压力(Fazeli等人,2025)。相反,随着碳减排限制变得更加严格,需要加大对绿色制氢基础设施的投资,这导致不同监管情景下低碳投资成本效益的显著差异(Nagel和J?stad,2025)。此外,政策制定者或监管机构施加的碳排放约束在长期上具有内在不确定性,其波动可能影响系统运行效率,甚至损害未来阶段规划方案的可行性(Domínguez等人,2021),(Gu等人,2024)。因此,为了增强规划决策的鲁棒性并确保其在不同碳减排限制下的经济可行性和实际可行性,必须将长期脱碳路径的不确定性纳入规划框架,从而提高所制定规划方案的灵活性和适应性。表1提供了现有文献的详细比较,识别了模型公式和不确定性表征方面的关键差异。基于上述文献综述,本文旨在解决以下已识别的研究空白:

1)现有的氢-多能微电网规划研究主要关注绿色氢气或仅考虑有限的制氢技术组合。灰色、蓝色和绿色氢气在不同经济、运行和排放特性方面的差异,以及它们在规划期内的过渡作用,尚未在统一框架内得到充分协调。因此,现有模型对于在系统条件和碳减排要求不断演变的情况下识别经济可行且逐步脱碳的氢技术组合提供了有限的支持。

2)短期可再生能源不确定性通常使用随机规划、鲁棒优化或传统机会约束方法来处理。基于场景和最坏情况的公式可能导致过度保守的容量扩展,而传统机会约束严重依赖准确指定的概率分布。在实践中,可再生发电分布通常基于有限数据进行估计,可能存在误指定,这导致概率灵活性与分布模糊性鲁棒性之间出现差距。

3)尽管长期和短期不确定性对多阶段规划决策产生耦合影响,但通常被分别处理。碳减排要求的长期偏差影响技术选择和容量演进,而短期可再生能源不确定性影响运行可行性和成本风险。现有模型很少根据时间特性和统计特性区分这些不确定性,或在统一的多阶段规划框架中捕获它们的相互作用。这限制了规划决策对不断演变的脱碳路径和不确定运行条件的适应性。

为了解决上述挑战,本文提出了一种配电网络中氢基多能微电网的多阶段低碳规划模型。该模型具有以下两个主要优点:(i)它为投资者提供了一种有效的决策支持工具,用于在开发氢-多能微电网时优化制氢技术的选择,考虑多个规划阶段的成本效益、碳足迹和供应稳定性;(ii)通过系统地识别不确定风险,并有效整合分布鲁棒联合机会约束(DRJCC)方法(Rayati等人,2022)和基于信息间隙决策理论(IGDT)的公式化(Guo等人,2021)进行缓解,从而增强了不确定环境下投资成本效益与鲁棒性之间的权衡。数值分析展示了多阶段规划结果,以研究实现经济效益、碳减排和不确定条件适应性之间平衡的氢-多能微电网最优配置。

我们的主要工作总结如下:

1)传统的氢-多能微电网规划研究通常假设一个以绿色氢气为主导的理想化系统,而对替代氢能路径的技术经济可行性和过渡作用考虑有限。本文开发了一个多阶段规划框架,在系统条件和碳减排要求不断演变的情况下内生协调灰色、蓝色和绿色制氢技术。通过联合表征阶段性容量扩展、技术替代、跨能互补和时间跨投资依赖性,所提出的模型捕获了氢气供应组合的逐步演进,而不是假设立即转向基于可再生的氢能。因此,它提供了一个系统级规划框架,用于识别超越传统静态、单阶段或绿色氢气主导公式的经济可行且逐步脱碳的氢技术路径。

2)建立了一个结合DRJCC和IGDT的混合不确定性处理框架,以应对具有不同时间特性和统计特性的不确定性。DRJCC通过控制运行成本违规的概率来管理短期可再生能源变异性和分布模糊性,从而平衡经济性能和短期鲁棒性。IGDT用于量化在预定成本预算下长期碳减排要求的最大可容忍偏差,增强了规划决策对不确定脱碳路径的适应性。它们的协调集成捕获了长期技术过渡不确定性与短期运行风险之间的相互作用。为实现计算,所得模型被公式化为可处理的混合整数双线性表示,并使用问题定制的双线性Benders分解方案求解。

3)进行了全面的数值分析以验证所提出框架的有效性并揭示其规划启示。与代表性的确定性、随机和机会约束方法的基准测试展示了差异化不确定性处理如何影响投资决策、经济性能和鲁棒性。进一步的验证和敏感性分析量化了规划方案在变化的氢气需求、碳减排要求和风险偏好下的适应性。结果为氢技术组合的演进和规划经济性与不确定性鲁棒性之间的权衡提供了洞察。

本文其余部分组织如下。第2节介绍了确定性多阶段规划问题。第3节开发了基于IGDT-DRJCC的公式化,第4节展示了定制求解方法。第5节报告并讨论了数值结果。最后,第6节总结了全文。

第2节 确定性多阶段规划问题

配电网络支持的氢基多能微电网架构如图1所示。系统的主要电力来源包括风力涡轮机、光伏系统和从配电网络交易的电力。氢能主要用于满足系统边界内的本地氢气需求,包括燃料电池车辆和现场工业或居民使用。此外,氢气可用于氢燃料电池发电,同时产生的废热可以...

第3节 考虑混合不确定性的基于IGDT-DRJCC的多阶段规划问题

尽管上述确定性多阶段规划模型可以在相对明确的边界条件下实现最优系统配置,但氢-多能微电网的低碳演变是一个长期动态过程。它受到长期和短期混合不确定性的影响。因此,在本节中,这些混合不确定性被适当地表征并整合到规划模型中,以评估它们对规划结果的影响。具体而言,长期不确定性...

第4节 求解方法

需要注意的是,尽管上述模型被公式化为混合整数线性规划(MILP)问题,可以使用商业求解器直接求解,但DRJCC方法的引入引入了大量0-1二元变量。这些变量的数量随着所考虑不确定性场景数量的增加而增长,导致大规模MILP问题在实际规划任务应用中计算量巨大。这种大规模公式化提出了...

第5节 结果与讨论

在本节中,我们在修改后的IEEE 33节点配电网络上测试了我们提出的基于IGDT-DRJCC的氢-多能微电网多阶段规划方法。各种资产分阶段配置以实现氢-多能微电网的低碳转型,同时保持本地能源供应。数值研究包括测试系统设置、场景构建、优化和性能评估。所有数值实验均在MATLAB R2020b中实现,并使用配备八核处理器的笔记本电脑上的CPLEX 12.8求解。

第6节 结论

本文提出了一种氢基多能微电网的多阶段低碳规划方法。引入了信息间隙决策理论(IGDT)与分布鲁棒联合机会约束(DRJCC)方法的结合,以缓解长期和短期不确定性带来的风险。此外,采用了公式化方法和双线性Benders分解技术,以确保所提出方法的可行性和计算效率。

CRediT作者贡献声明
Jing Huang:撰写—初稿,可视化,验证,软件,资源,方法,调查,形式分析,数据管理,概念化。Bangyan Wang:撰写—审阅与编辑,软件,资源,方法。Lin Xue:撰写—审阅与编辑,可视化,验证,方法。Chenjia Gu:撰写—审阅与编辑,监督,项目管理,方法,调查。Yifei Wang:撰写—审阅与编辑,软件,资源,方法。

利益冲突声明
作者声明他们没有已知的可能影响本文所述工作的竞争性经济利益或个人关系。

致谢
本研究部分得到国家自然科学基金(批准号:52607198)和中国博士后科学基金(批准号:2025M770483)的支持。

Jing Huang | Bangyan Wang | Lin Xue | Chenjia Gu | Yifei Wang | Chengcheng Shao | Xiuli Wang
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号