logo logo

Méthode d'optimisation de l'implantation des stations de ravitaillement en hydrogène conjointes avec le pétrole

,  

,  

,  

,  

,  

,  

Abstract

Dans le contexte du « double carbone », le rôle stratégique de l'hydrogène en tant qu'énergie propre et efficace devient de plus en plus évident. Avec le développement rapide des technologies connexes, la chaîne industrielle de l'hydrogène se déploie rapidement. Les stations de ravitaillement en hydrogène, en tant qu’élément clé de l’utilisation finale de l’hydrogène, nécessitent une planification préalable et une optimisation de leur distribution pour répondre aux pics de demande futurs. Un modèle d'optimisation de l'implantation des stations de ravitaillement en hydrogène basé sur la programmation linéaire en nombres entiers mixtes (MILP) est proposé, visant à maximiser les bénéfices de distribution des stations, en tenant compte de la capacité d'approvisionnement en hydrogène, de la répartition des besoins en ravitaillement des utilisateurs et d'autres facteurs multidimensionnels, construisant ainsi un cadre de modélisation systématique conciliant viabilité économique et faisabilité technique. Une analyse empirique dans la région est de la Chine a montré que le modèle proposé permet un appariement spatial entre la distribution des stations de ravitaillement et la demande en hydrogène. Le modèle sélectionne 90 sites pour la construction des stations parmi 1068 candidats, couvrant 91,8 % de la demande utilisateur, améliorant significativement l'efficacité de l'allocation des ressources. Les résultats de la recherche peuvent fournir une méthodologie pour l’optimisation des réseaux régionaux d’hydrogène et représentent une référence importante pour la prise de décision en vue d’un déploiement scientifique des infrastructures hydrogène.

Keywords

station de ravitaillement en hydrogène;économie;implantation;optimisation;programmation linéaire en nombres entiers mixtes

READ MORE

以上内容由讯飞翻译自动生成,翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果,本网站不承担任何商业和法律责任。

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website