风光多频尺度波动下多类型电解协同的电-氢混合储能系统两阶段运行优化

张兴豪; 许传博

doi:doi:10.19912/j.0254-0096.tynxb.2024-1817

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

风光多频尺度波动下多类型电解协同的电-氢混合储能系统两阶段运行优化

更新时间：2026-03-06

- 风光多频尺度波动下多类型电解协同的电-氢混合储能系统两阶段运行优化
- Vol. 47, Issue 2, Pages: 702-713(2026)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：doi:10.19912/j.0254-0096.tynxb.2024-1817
  CLC： TM614
- Online First：05 March 2026，
  
  Published：05 March 2026
- 稿件说明：
移动端阅览
张兴豪, 许传博. 风光多频尺度波动下多类型电解协同的电-氢混合储能系统两阶段运行优化[J]. 2026, 47(2): 702-713.
DOI：

张兴豪, 许传博. 风光多频尺度波动下多类型电解协同的电-氢混合储能系统两阶段运行优化[J]. 2026, 47(2): 702-713. DOI： doi:10.19912/j.0254-0096.tynxb.2024-1817.

摘要

针对风光发电的波动性

提出一种包含超级电容和碱性/质子交换膜电解制氢的混合储能系统两阶段优化模型。首先

通过经验模态分解对风光发电原始功率信号进行分解

并根据并网功率限值重构得到多频尺度波动分量。随后

在第一阶段提出多类型电解功率分配策略

从而构建包含平准化制氢成本和弃风弃光率的多目标容量规划模型

采用改进非支配排序遗传算法进行求解。接着

第二阶段以综合成本最小为目标构建运行优化模型

通过Gurobi进行求解。实际案例结果显示：相较于单一碱性电解槽与单一质子交换膜电解槽系统

本文所提系统在并网波动功率超标量上分别减少了 35.15% 和 20.15%

波动惩罚成本分别降低了 9.7% 和 1.04%;同时

其平准化制氢成本较单一质子交换膜系统降低 39.89%

弃风弃光率减少 20.15%。

Abstract

This study addresses the variability of wind and photovoltaic power generation by proposing a two-stage optimization model for a hybrid energy storage system that includes supercapacitors and alkaline/proton exchange membrane hydrogen production. Initially

the raw power signals of wind and solar power are decomposed using empirical mode decomposition and reconstructed into multi-frequency scale fluctuations based on grid-connected power limits. Subsequently

in the first stage

a multi-type electrolysis power allocation strategy is proposed to construct a multi-objective capacity planning model that includes the levelized cost of hydrogen production and the rate of wind and solar power curtailment

which is solved using an improved non-dominated sorting genetic algorithm. Then

in the second stage

an operational optimization model is constructed to minimize the comprehensive cost

which is solved using Gurobi. Actual case results demonstrate that

compared to standalone alkaline electrolyzer and standalone proton exchange membrane electrolyzer systems

the system proposed in this study reduces the exceedance of grid-connected fluctuating power by 35.15% and 20.15%

respectively

and lowers the fluctuation penalty cost by 9.7% and 1.04%

respectively. Additionally

its levelized cost of hydrogen is 39.89% lower than that of the standalone proton exchange membrane system

and the curtailment rate of wind and solar power is reduced by 20.15%.

关键词

Keywords

references

WANG F, HARINDINTWALI J D, YUAN Z Z, et al.Technologies and perspectives for achieving carbon neutrality[J]. The innovation, 2021, 2(4): 100180.

OLABI A G, ALI ABDELKAREEM M.Renewable energy and climate change[J]. Renewable and sustainable energy reviews, 2022, 158: 112111.

GIELEN D, BOSHELL F, SAYGIN D, et al.The role of renewable energy in the global energy transformation[J]. Energy strategy reviews, 2019, 24: 38-50.

赵雪莹, 李根蒂, 孙晓彤, 等. “双碳”目标下电解制氢关键技术及其应用进展[J]. 全球能源互联网, 2021(5): 436-446.

许传博, 刘建国. 氢储能在我国新型电力系统中的应用价值、挑战及展望[J]. 中国工程科学, 2022, 24(3): 89-99.

JACOB A S, BANERJEE R, GHOSH P C.Sizing of hybrid energy storage system for a PV based microgrid through design space approach[J]. Applied energy, 2018, 212: 640-653.

唐娴, 林茵茵, 陈永淑, 等. 基于储能融合的电网资本性项目规划研究[J]. 电测与仪表, 2025, 62(4): 44-52.

张利伟, 史泽辉, 周文婷, 等. 计及电池寿命的电/热/氢混合储能系统容量优化配置[J]. 电网技术, 2025, 49(3): 998-1006.

王嘉乐, 郭苏, 何意, 等. 基于灵活储氢和蓄电池联合储能的混合可再生能源系统规划运行协同优化[J]. 太阳能学报, 2024, 45(7): 41-49.

曾振松, 郑洁云, 魏鑫, 等. 微电网的氢-氨混合储能系统容量优化配置研究[J]. 广东电力, 2024, 37(7): 42-49.

葛磊蛟, 崔庆雪, 李明玮, 等. 风光波动性电源电解水制氢技术综述[J]. 综合智慧能源, 2022, 44(5): 1-14.

丁明, 吴杰, 张晶晶. 面向风电平抑的混合储能系统容量配置方法[J]. 太阳能学报, 2019, 40(3): 593-599.

侯力枫. 提高风储发电经济性的双储能系统模型预测控制方法[J]. 电网与清洁能源, 2020, 36(5): 97-106.

HAN X J, CHEN F, CUI X W, et al.A power smoothing control strategy and optimized allocation of battery capacity based on hybrid storage energy technology[J]. Energies, 2012, 5(5): 1593-1612.

冯磊, 杨淑连, 徐达, 等. 考虑风电输出功率波动性的混合储能容量多级优化配置[J]. 热力发电, 2019, 48(10): 44-50.

张琪. 基于可再生能源水电解制氢技术发展概述[J]. 当代化工研究, 2023(2): 14-16.

郑博, 白章, 袁宇, 等. 多类型电解协同的风光互补制氢系统与容量优化[J]. 中国电机工程学报, 2022, 42(23): 8486-8496.

黄启帆, 陈洁, 曹喜民, 等. 基于碱性电解槽和质子交换膜电解槽协同制氢的风光互补制氢系统优化[J]. 电力自动化设备, 2023, 43(12): 168-174.

白章, 韩运滨, 王智, 等. 基于功率分配策略的风光互补复合制氢系统与容量优化[J]. 油气储运, 2023, 42(8): 910-921, 943.

杨胜, 樊艳芳, 侯俊杰, 等. 考虑平抑风光波动的ALK-PEM电解制氢系统容量优化模型[J]. 电力系统保护与控制, 2024, 52(1): 85-96.

冯云, 曹田田, 宋海涛, 等. 分布式制氢技术进展及成本分析[J]. 石油炼制与化工, 2022, 53(11): 11-16.

马晓锋, 张舒涵, 何勇, 等. PEM电解水制氢技术的研究现状与应用展望[J]. 太阳能学报, 2022, 43(6): 420-427.

IVERSON Z, ACHUTHAN A, MARZOCCA P, et al.Optimal design of hybrid renewable energy systems (HRES) using hydrogen storage technology for data center applications[J]. Renewable energy, 2013, 52: 79-87.

苏建徽, 余世杰, 赵为, 等. 硅太阳电池工程用数学模型[J]. 太阳能学报, 2001, 22(4): 409-412.

ZHANG K, ZHOU B, OR S W, et al.Optimal coordinated control of multi-renewable-to-hydrogen production system for hydrogen fueling stations[J]. IEEE transactions on industry applications, 2022, 58(2): 2728-2739.

施正荣, 翁楚, 蔡靖雍, 等. 基于PV/T的质子交换膜电解制氢系统动态性能研究[J]. 太阳能学报, 2023, 44(8): 164-170.

袁铁江, 郭建华, 杨紫娟, 等. 平抑风电波动的电-氢混合储能容量优化配置[J]. 中国电机工程学报, 2024, 44(4): 1397-1405.

闫群民, 刘语忱, 董新洲, 等. 基于CEEMDAN-HT的平抑光伏出力混合储能容量优化配置[J]. 电力系统保护与控制, 2022, 50(21): 43-53.

林旗力, 戚宏勋, 黄晶晶, 等. 碱性-质子交换膜水电解复合制氢平准化成本分析[J]. 储能科学与技术, 2023, 12(11): 3572-3580.

王茜, 张粒子. 采用NSGA-Ⅱ混合智能算法的风电场多目标电网规划[J]. 中国电机工程学报, 2011, 31(19): 17-24.

朱新凯, 刘雅斌, 王景霞, 等. 基于非支配排序遗传算法与神经网络的20 MW双定子超导磁场调制电机优化设计[J]. 中国电机工程学报, 2025, 45(15): 6103-6116.

DEB K, AGRAWAL S, PRATAP A, et al.A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization: NSGA-II[M]//Berlin, Heidelberg: Springer, 2000: 849-858.

左逢源, 张玉琼, 赵强, 等. 计及源荷不确定性的综合能源生产单元运行调度与容量配置两阶段随机优化[J]. 中国电机工程学报, 2022, 42(22): 8205-8215.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

玉米芯/石油沥青制备超级电容器电极材料性能研究

基于改进SVR-SSA-BiLSTM误差修正的短期风电功率混合预测模型研究

基于多尺度分解和多模型融合的锂电池剩余使用寿命预测

混合型超级电容器实测分析与建模方法

THE POWER MANAGEMENT SYSTEM BASED WIRELESS SENSOR NODE

Related Author

沈飞

樊战辉

李静

马文慧

周婷婷

赵爽

王莘然

胡皓

Related Institution

1,2),Yu Hongyun~1,Shang Yonghong~1

北京理工大学信息科学技术学院

School of Control and Computer Engineering,North China Electric Power University

Jilin Electrical Power Research Institute

China Electrical Power Research Institute

AI问答

⁰