融合氢能与车辆到电网技术的埃及农村微电网集成设计

《Scientific Reports》：Integrated design for rural microgrids in Egypt incorporating hydrogen energy and vehicle-to-grid technology

　　

绿色氢能(H₂)作为零排放未来的基石已获得广泛关注。全球交通运输部门正从汽油动力汽车转向电动汽车(EV)和氢能汽车(HV)以减少排放。本文研究了一种包含光伏组件、风力发电机、蓄电池和氢能存储系统的微电网(MG)模型，并与电动汽车和氢能汽车的车辆到电网(V2G)系统集成。研究人员利用概率密度函数表征电动汽车和氢能汽车的随机行为，以捕捉车辆不确定性。研究人员提出了一种双层优化模型，以提高微电网的可靠性、成本效益和可持续性。上层采用非支配排序遗传算法II优化V2G调度，从而最小化微电网负荷方差以及电动汽车和氢能汽车所有者的总运营成本。下层方法是一个多目标优化问题，在最大化微电网可靠性的同时最小化整个生命周期的系统成本，并使用Gurobi优化器求解。该框架在埃及El-Kharga绿洲的一个孤岛微电网中得到了验证，该社区为具有高可再生能源潜力的离网社区。研究人员对电动汽车和氢能汽车行为的各种场景进行了研究，当G2V和V2G模式同时应用于氢能汽车和电动汽车时实现了最优成本，相对于无V2G场景成本降低了12%。研究人员进一步分析了供电损失概率(LPSP)值对系统经济性的影响。结果表明，与无LPSP约束的基线情况相比，实施0.05的LPSP约束可使年化总成本降低约21.2%。

**研究背景**

微电网(Microgrid, MG)被认为是整合可再生能源资源(Renewable Energy Sources, RES)的有效架构，氢能存储系统(H₂ESS)因其清洁高效和存储容量大而受到广泛关注。现有关于含氢能孤岛微电网的研究大多采用HOMER Pro、粒子群优化等工具进行技术经济分析，但多数研究未将电动汽车(EV)和氢燃料电池汽车(HV)纳入系统框架，也鲜有同时覆盖两类车辆行为不确定性的研究。在埃及《2035年综合可持续能源战略》设定42%可再生能源发电目标、国家绿氢战略发布以及电动汽车市场快速发展的背景下，开展融合氢能与车辆到电网(V2G)技术的农村微电网集成设计研究具有重要的现实价值。本研究论文发表于《Scientific Reports》。

**研究内容与研究方法**

研究人员以埃及El-Kharga绿洲（25.441188°N, 30.521838°E）的离网社区为案例，构建了包含光伏(PV)、风力发电机(WT)、蓄电池(BT)、氢能存储系统以及20辆EV和10辆HV的孤立MG模型，覆盖240套公寓、12栋住宅楼。研究利用概率密度函数(PDF)表征EV的日行驶距离（对数正态分布）、到达/离开时间（正态分布），以及HV的到达时间和初始荷电状态等随机变量。提出了双层多目标优化框架：上层采用非支配排序遗传算法II(NSGA-II)优化V2G/G2V调度，同时最小化MG负荷方差与EV/HV车主总运营成本；下层以最小化年化总成本(ATC)和供电损失概率(LPSP)为目标，使用Gurobi求解器确定各组件的最优配置数量。

**关键技术方法**

研究主要采用：概率密度函数对EV和HV随机行为进行不确定性建模；NSGA-II算法（种群规模200、迭代500次）求解上层多目标调度问题的Pareto前沿；Gurobi求解器处理下层的混合整数二次约束规划(MIQCP)问题；ε-约束法将可靠性目标转化为LPSP约束。选取过渡季、夏季和冬季三个代表月（每季720小时）在保证计算效率的同时捕捉季节性变化。

**研究结果**

**1. 无未满足负荷的案例1：** 对比五种G2V/V2G组合场景(S1-S5)。基准场景S1（无车辆）最小MG成本为$238,579.4；仅G2V模式的S2成本最高($350,424.5)，较S1增加46.9%；仅HV启用V2G的S4优于仅EV启用V2G的S3；同时启用G2V和V2G的S5成本为$308,141.9，较S3和S4分别降低8.35%和3.75%，是含车辆场景中的最优方案。研究还发现优化框架倾向于限制PV容量扩张以避免高昂的蓄电池存储成本，而略微增加WT容量作为可靠的基线发电来源。

**2. EV和HV集成G2V与V2G的结果(S5)：** 优化框架在用电高峰时段优先调度EV和HV车队进行V2G放电以增强MG灵活性，在低谷时段智能安排充电以减小负荷方差。EV运营成本在夏季、过渡月和冬季分别为$5,935.9、$6,168.3和$5,960.1；HV对应成本为$4,512.8、$4,722.5和$4,591.5。Pareto前沿分析表明三个目标（负荷方差、EV成本、HV成本）之间的权衡关系得到有效平衡。NSGA-II收敛性分析显示所有目标均呈现一致的下降趋势，Pareto前沿分布从40-43扩展到49-59，确认了种群多样性。

**3. S5详细日分析：** PV在午间(10:00-12:00)输出峰值达580 kW，远高于瞬时负荷需求；蓄电池在PV不足时段(0:00-5:00、15:00-24:00)放电补给负荷，在PV高峰期(6:00-14:00)充电；电解器因最小功率限制（额定功率的10%）在大部分时段持续运行生产氢气；WT输出相对有限（1.72-15.49 kW，平均5.8 kW），反映了当地风速条件的经济可行性限制。

**4. 考虑LPSP的案例2：** 随LPSP从0放宽至0.2，系统组件容量和ATC显著降低。LPSP=0.05时PV和蓄电池容量分别减少约17%和27%，ATC降至$242,830（较基线降低约21.2%）；LPSP=0.2时ATC降至$172,221.5（较基线降低44%）。ATC-LPSP敏感性曲线显示0.05-0.1之间存在明显的拐点，该区间为最优权衡范围。

**讨论与结论**

成本构成分析表明，蓄电池存储系统占总成本的54.8%-59.3%，是最大的成本构成；氢能组件（电解器、燃料电池和储氢罐）合计约占19%-20.2%，其战略贡献主要在于提升系统可靠性和实现长时间储能，而非降低资本成本。研究得出以下结论：对EV和HV同时实施G2V和V2G模式可显著降低系统成本；严格可靠性要求会导致组件容量过配和成本上升；中等LPSP水平（0.05-0.1）可在系统成本与供电可靠性之间取得最优平衡。该框架验证于单一孤岛社区，未来工作拟扩展到多社区集群和并网配置，并引入可再生能源预测不确定性。