风电—氢储能与煤化工多能耦合系统设备投资规划优化建模

袁铁江　李国军　张增强　张　龙　蔡高雷　梅生伟

（1. 新疆大学电气工程学院　乌鲁木齐　830047 2. 国网新疆电力公司经济技术研究院　乌鲁木齐　830013 3. 国网新疆电力公司电力科学研究院　乌鲁木齐　830011 4. 电力系统国家重点实验室（清华大学）　北京　100084）

风电—氢储能与煤化工多能耦合系统设备投资规划优化建模

袁铁江1，4李国军1张增强2张龙3蔡高雷1梅生伟1，4

（1. 新疆大学电气工程学院乌鲁木齐830047 2. 国网新疆电力公司经济技术研究院乌鲁木齐830013 3. 国网新疆电力公司电力科学研究院乌鲁木齐830011 4. 电力系统国家重点实验室（清华大学）北京100084）

以氢储能为媒介将风电与煤化工进行有机整合，是提升风电消纳能力、降低煤化工耗能与污染的有效技术路线。提出以风电全额消纳和煤化工低耗能、低污染的风电—氢储能与煤化工多能耦合系统（W-HES&CC）集成架构设计方案；以多能耦合系统设备一次性投资最小为目标，以风电全额消纳与 W-HES&CC稳定运行为约束，构建多能耦合系统设备投资规划数学模型，进而使用遗传算法对上述模型求解；基于新疆某地区风电场与煤化工企业为算例背景，仿真结果表明提出的多能耦合系统设备投资优化规划数学模型的正确性，并进一步基于规定应用场景分析了不同风电并网比例与风电非电形态消纳比例条件下系统的投资成本变化规律。

风力发电氢储能煤化工设备投资规划遗传算法

0　引言

我国西部拥有丰富的煤炭资源及充裕的可再生能源，不仅可以大力发展以风电为首的清洁能源，亦可以推广以制甲醇为基础的大型煤化工产业。风电作为大规模清洁能源主要利用形式，凭借其取之不尽、用之不竭、无污染等优点得到迅猛发展［1，2］，但其随机性、波动性及不可控等特性使风电弃风量居高不下，并给电力系统的安全稳定运行带来巨大挑战［3-6］，使得风电高水平消纳成为关键技术性问题；大型传统煤化工产业用煤炭深加工的附属品来缓解现有化石燃料与社会需求间的矛盾，但此过程中存在高能耗、高污染［7］等问题，因此如何使煤化工尽可能低碳、低能耗生产是破解目前产业困局的关键问题。综合风电与煤化工产业所面临问题，以电解水制氢为桥梁，将风电“嫁接”到现代煤化工产业，构建一个以能源、环境、经济及社会综合效益最大化的多能耦合系统。然而国内外对此多能耦合系统规划优化研究较少，因此，对基于氢储能的风电与煤化工多能耦合系统设备投资规划优化研究是非常必要的。

文献［8］提出用可再生能源与电解水系统相结合制氢能并与煤化工产业联合制取甲醇等二次能源的系统构架。文献［9］阐述了目前风电制氢系统与煤化工产业相结合制取甲醇还处于初级理论研究阶段，要进行工业化生产还需要各个方面的深入研究。文献［10，11］指出欧洲为提高可再生能源对电网的渗透率及利用效率，提出基于纯净的规模化制氢及储氢技术的第五框架计划。文献［12］阐述了风—氢耦合发电的概念和结构，并在总结相关国际研究动态和成果基础上，为中国风—氢耦合发电技术的发展提供了建议。文献［13］根据中国大规模非并网型风力发电发展状况、前景及可行性，计及相关技术约束，探讨利用风能进行海水淡化制氢的经济、技术可行性。文献［14］基于实际非并网风电电解制氢系统示范工程，揭示了风电与电解水制氢工艺之间的耦合关系。文献［15］在风电并网情况下，将风电与电解水制氢系统进行耦合并分析了该系统的收入、支出及现金流量。文献［16］采用电网不能并网消纳的电量进行电解水制氢，将四种氢气消纳途径进行经济性评估。文献［17，18］采用非并网条件下的风电与煤化工耦合生产的技术路线，从煤化工生产角度对污染物排放进行计算与评估。文献［19］指出传统煤化工生产工艺与社会需求之间的矛盾。但上述文献并没有涉及并网型风电与煤化工耦合生产架构，亦没有针对此类型耦合系统的设备投资、优化构建方面进行研究。

针对以上问题，本文提出一种基于氢储能的风电与煤化工多能耦合系统设备投资规划优化方法。首先，提出以风电全额消纳与煤化工尽可能低碳的风电—氢储能与煤化工多能耦合系统集成架构设计方案；其次，以系统设备一次性投资最小为目标，虑及风电完全消纳与耦合系统稳定性约束，进而建立多能耦合系统设备匹配优化模型；最后以新疆某地区风电场与煤化工企业对模型进行验证，结果表明了该投资规划方法的正确性与有效性。

1　风电—氢储能与煤化工多能耦合系统优化构建

图1所示为风电—氢储能煤化工多能耦合系统架构，包括风电系统、电能分配系统、电解水制氢装置、压力储氢和储氧设备、氢能分配系统、氢氧燃料内燃机发电机组、煤化工制甲醇设备。以风电电解水为枢纽，风力发电机组所发电量既可以通过电能分配系统直接并网消纳，亦可以电解水制氢气，电解水产生的氢气和氧气存储在压力储存设备中；当电网负荷过重或风电并网引起电网波动时，可通过氢储分配系统将 “富裕”风电电解水储存的氢能带动氢氧燃料发电机组发电并网，对风电进行“削峰填谷”，保证电网的安全稳定运行。传统煤化工的高污染、高能耗主要体现在煤气化“需氧”过程和合成甲醇“需氢”过程［17］，而通过风电电解水产生的氧气与氢气可有效解决在甲醇合成过程中的氢、氧高能耗、高污染的问题，使二者联合生产达到“双赢”局面。风电与煤化工结合的优势如下：

（1）不同于目前非并网型风电—煤化工联合运行方式［17，18］，本文在风电并网情况下将风电通过电能分配系统调节风电上网与电解水制氢比例，克服了风电由于间歇性、波动性等问题所引起的风电“弃风”，以减缓规模化风电并网消纳“瓶颈”。

（2）不同于传统制氢、制氧过程中的能耗高、流程复杂、污染大等劣势，风电电解水制氢工艺过程简单，产品纯度高，有助于多种污染物如CO2的减排，具有较为广阔的发展前景。

（3）以低成本氢气和氧气克服传统煤化工高能耗、高污染等问题，有大幅度降低甲醇制造成本、提高甲醇生产规模等优势，实现了可再生能源多元化输出利用。

图1　风电—氢储能与煤化工多能耦合系统架构Fig.1　The architecture of wind power-hydrogen energy storage and coal chemical pluripotent coupling system

2　系统数学模型

2.1优化建模基本思想

鉴于风电场区域风资源分布稳定，在此不涉及风电功率预测方面的研究，以基于实际风能利用率的等值风电容量为输入，运用“等效函数”思想和“统一量纲”方法，将子系统（包括电解水、氢存储、煤化工系统）参数用等值风电容量表示。在图2中风电“非电形式消纳”的比例为fwf，比例为1-wff的风电量进行“电形式消纳”，若电网在风电发电量骤增时，可通过电能分配系统将此时间段风力发电量用来电解水制氢，进而提高风电消纳能力。煤化工消耗氢气量比例为fjc，若某时间段内氢气储存量大于消耗量，则可通过氢储能分配系统调整氢气存储量，在保证煤化工不间断生产情况下，使风电“非电形式消纳”多元化。鉴于篇幅原因，此过程中涉及到的电能分配系统及氢储分配系统方面，在此不再赘述。

图2　风电—氢储能与煤化工多能耦合系统建模思想Fig.2　Modeling idea of wind power-hydrogen energy storage and coal chemical pluripotent coupling system

以多能耦合系统设备一次性投资最小为目标，以风电完全消纳与多能耦合系统稳定运行为约束，构建了多能耦合系统优化构建数学模型，并使用遗传算法（Genetic Algorithm， GA）对模型求解，得到风电—氢储能与煤化工多能耦合系统各组成部件的理论技术参数，以便从经济角度对现有各设备的实际技术参数进行筛选，风电—氢储能与煤化工多能耦合系统投资规划建模流程如图3所示。

图3　风电—氢储能与煤化工多能耦合系统投资规划建模流程Fig.3　Investment plan of modeling flow chart of wind power-hydrogen energy storage and coalchemical pluripotent coupling system

2.2多能耦合系统设备投资规划优化建模

2.2.1各子系统投资建模

风电投资数学建模分为等值风电装机容量的风力发电机组一次性投资和运行维护费用，分别用式（1）和式（2）表示。

式中，Wwt为风电机组投资金额（万元）；i为风力发电机编号；a为风力发电机组台数。Pi为对应编号风力发电机组装机总容量（MW）；ωi为对应编号风电机组单位容量价格（万元/MW）。

式中，VRtw为风力发电机组全寿命周期内的设备运行维护费用（万元）；CRw为风电机组年运行维护费用系数；Λit为风电机组在第t年的运行维护费用（万元）。

电解水制氢设备投资数学建模分为电解水制氢设备的一次性投资和运行维护费用，可用式（3）和式（4）表示。

式中，Wet为电解槽投资金额（万元）；j为电解槽编号，b为电解槽的总台数；Pj为对应电解槽总功率（kW）；ψj为对应电解水设备单位功率价格（万元/kW）。

式中，VRte为电解水制氢气设备全寿命周期内的设备运行维护费用（万元）；CRe为电解槽年运行维护费用系数；Mjt为电解槽在第t年的运行费用（万元）。

压力存储设备投资数学建模分为压力存储设备的一次性投资和运行维护费用，分别用式（5）和式（6）表示。

式中，Wst为压力储气设备投资金额（万元）；l、k分别为氢气、氧气压力储气设备编号；c、d分别为氢气罐、氧化罐总个数；Sl、Sk分别为对应该编号的氢气、氧气压力储气设备体积（m3）；Vshp、Vsop分别为对应型号氢气、氧气压力储气设备的单位体积单价（万元/m3）。

式中，VRts为压力存储设备全寿命周期内的设备运行维护费用（万元）；CRs为压力存储设备年运行维护费用系数；Γct为压力储气设备在第t年的运行费用（万元）。

煤化工投资数学建模分为煤化工制甲醇整套设备的一次性投资和运行维护费用，分别用式（7）和式（8）表示。

式中，Wmt为煤化工投资金额（万元）；Smv为甲醇年产量（t/年）；Vmp为制甲醇设备投资单位价格（万元/t）。

式中，VRtm为煤化工制甲醇设备全寿命周期内的设备运行维护费用（万元）为甲醇设备总台数为煤化工设备年运行维护费用系数；为煤化工设备在第t年的运行费用。

2.2.2一次性投资目标函数

多能耦合系统设备一次性投资目标函数为

式中，不讨论电能分配系统与氢能分配系统投资，且将购买各设备成本与运行维护费用统称为设备一次性投资费用计算。

2.2.3一次性投资约束条件

风力发电机组约束条件为

式中， Pi为单台风电发电机组出力（MW）；fwf为电解厂产能占等值风电装机容量的百分数。

电解水制氢系统约束条件为

压力存储设备约束条件为

式中，Vmin、Vmax分别为储气罐最小、最大容量（m3）。

煤化工制甲醇系统约束条件为

式中，fjc为煤化工需氢气比例；MCH3OH为甲醇每小时气体产量（t/h）；Vm为气体摩尔体积，25℃、标准大气压下Vm=24.5L/mol。

2.3基于GA模型求解

求多能耦合系统的设备技术参数以及最优技术参数下的单价参数，实则是求取的优化问题。因此，基于GA算法的多能耦合系统中设备技术参数与价格参数优化配比模型的求解过程如下。

（1）初始化变量k、λ的值。

（2）以变量 k、λ 的初始化种群为基础，以市场调研大数据为样本数据，优化计算获取多能耦合系统中各子系统设备的技术参数与价格参数，同时保证多能耦合系统一次性投资最小与风电网完全消纳要求，如式（9）～式（13）所示。

（3）采用交叉与变异方法，获取变量 k、λ 的新生优化种群。

（4）将由步骤（3）获取的变量k、λ 的新生优化种群替代步骤（2）中的变量k、λ 的初始化种群，并重复步骤（2）的操作，优化计算各子系统设备技术参数与价格参数。

（5）重复步骤（3）的操作，直至获取较优的多能耦合系统中设备技术参数与价格参数。

3　算例仿真与分析

3.1算例介绍与仿真

新疆某风电场面积约 40km2。附近有丰富的水资源，风电场可就近建设电解水制氢场；距此地不远处，有丰富的煤资源，符合开发建设条件。

取风力发电机组发电效率为90%，风电并网消纳比例为0.5，煤化工需氢气比例为0.7，在无风或其他不可抗力导致风力发电机组停止发电时，储气罐内富余氢气全部用来维持煤化工不间断生产，而不进行其他用途，风力发电机组参数见表1。

表1　风力发电机组参数Tab.1　Wind turbine parameters

电解槽选择外送压力为5kPa，电解温度为25℃，单个电解槽的电压为 2V，电解水制氢设备参数见表2。

压力存储设备采用安全系数较高的压力存储罐，国内目前比较成熟技术的单个存储容积为超过200m3，鉴于系统主要考虑氢储能，在此仅给出氢气压力存储设备参数，见表3。

表2　电解水制氢设备参数Tab.2　Equipment parameters of hydrogen production electrolysis of water

表3　氢气压力存储设备参数Tab.3　Device parameters of hydrogen pressure storage

在煤化工制甲醇系统中，投资价格以设备一次性投资总额来计算，该系统年工作330天，每天24h不间断工作，详细参数见表4。

表4　煤化工制甲醇系统设备参数Tab.4　Device parameters of gasification methanol synthesis system

通过遗传算法求解得出多能耦合系统在输入风电为 200MW时，各子系统得到的技术参数优化匹配结果见表5；各设备单价优化匹配结果见表6。

表5　技术参数优化匹配结果Tab.5　Optimal matching results of technical parameters

表6　单价优化匹配结果Tab.6　Optimal matching results of unit price

通过智能算法，在等值风电输入为200MW情况下，得到的电解槽功率、储氢罐容积、煤化工制甲醇年产量。进一步，在已有厂家报价中，对比技术指标符合要求的厂商报价，以便于选择合适价格区间且产品质量优异的厂家。由规划结果可知，该模型在一定程度上有益于企业投资生产规划。

3.2风电场容量对设备优化选型的影响

表7为四种不同风电容量下的技术参数优化匹配结果，表8为不同风电容量下的单价优化匹配结果。从仿真结果看，风电输入的容量越大，其对应的各子系统匹配的容量、容积和产量越大；从表 7和表8中得出各子系统在一次性投资最小的约束条件下的最优容量及产量匹配和最优单价匹配，对投资者规划设备技术参数以及经济参数具有一定的指导作用，决策者通过风电输入容量即可选择设备稳定运行最优容量以及最优容量下的投资成本最小的设备厂家。但是在规划中，多能耦合系统的选型需要针对实地考察及资金情况具体分析。

表7　不同风电容量下的技术参数优化匹配结果Tab.7　Optimal matching results of technical parameter under different wind power capacity

表8　不同风电容量下的单价优化匹配结果Tab.8　Optimal matching results of unit price under different wind power capacity

本文模型只阐述了系统设备规划问题，并没有针对电能分配系统以及氢能分配系统涉及的控制问题进行深入研究，这是本文需要进一步研究的地方，将另文详细探索。

3.3设备优化选型结果对风电电解水制氢气比例以及煤化工需氢气比例变化的敏感性

3.3.1风电电解水制氢气比例对设备选型的影响

风电电解水制氢气比例在整个多能耦合系统中是一个非常重要的参数。图4为风电电解水制氢比例变化对设备选型与一次性投资影响的变化曲线。通过分析可得：风电电解水制氢比例与电解水制氢功率、储气罐容积与煤化工产量的优化选型存在明显的显性关系。在风电电解水制氢比例相同情况下，不同容量对应不同增长幅度的设备选型结果。风电输入容量越大，设备选型参数幅度增长越明显；多能耦合系统设备的一次性投资成本对风电输入容量、风电电解水制氢比例比较敏感。总体分析得出：在风电输入容量不同时，设备一次性投资也不同，风电输入容量越大一次性投资越多，在具体系统投资时要避免在一次性投资增长幅度较大的比例点规划系统。也就是说，多能耦合系统不能盲目地追求系统某个具体参数作为规划的主要选择条件，要综合考虑不同情况下的参数指标来规划系统。

图4　风电电解水制氢气比例变化对设备选型以及一次性投资影响的变化曲线Fig.4　Changing curves of equipment selection results and one-time investment with the changing of hydrogen generation rate via water electrolysis

3.3.2煤化工需氢气比例对设备选型的影响

图5为在不同风电容量输入下的煤化工需氢气比例对煤化工年产量与一次性投资影响的变化曲线，其中，实线和虚线分别对应年产量和投资。由式（10）和式（11）可得：电解水制氢气系统功率、压力储气系统容量与风电输入容量呈线性关系，在图4中也能体现，因此在图5中没有具体描述。由图5分析可知：鉴于煤化工制甲醇设备的高投资、高回报性，煤化工需氢气比例变化对煤化工年产量与系统设备一次性投资费用影响较大：煤化工年产量随煤化工需氢气比例fjc的增大而增大；在风电输入容量越大时，系统设备一次性投资费用与煤化工需氢气比例fjc的变化整体呈正相关趋势，但在风电输入容量一定时，可以发现在图5中所示该容量下的系统设备一次性投资费用在煤化工需氢气比例fjc逐渐变化过程中总有一个投资费用最低点，也就是说，在实际规划选型中要考虑整个系统的经济性，尽量选取系统投资费用最低点的区间，进而以性价比最高的参数取值。

3.3.3风电电解水制氢气比例与煤化工需氢气比例同时变化对设备优化选型的影响

图5　不同风电容量下的煤化工需氢气比例对煤化工年产量以及一次性投资影响的变化曲线Fig.5　Changing curves of coal chemical production and one-time investment under different wind power capacity with the changing of hydrogen requirement rate of coal chemical

图6　两个比例变量同时变化对系统优化选型以及一次性投资影响的变化曲线Fig.6　Changing curves of equipment selection results and one-time investment with the changing of two ratio variable

图6为两个比例变量同时变化对系统优化选型以及一次性投资影响的变化曲线。分析可知：①风电电解水制氢气比例变化与电解槽制氢气系统以及压力储气系统之间存在明显的线性关联，但在风电电解水制氢气比例 fwf位于 0.8～1区域和煤化工需氢气比例 fjc位于 0.8～1的区域内明显存在一个弧度，即在这个区域电解水制氢气功率和压力存储设备容积应有一个最佳的性价比值；②由于风电—氢储能与煤化工多能耦合系统的一次性投资费用对煤化工年产量十分敏感，因此随煤化工需氢气比例变化的多能耦合系统的设备一次性投资费用变化曲线与煤化工年产量变化曲线基本一致，但在风电电解水制氢气比例fwf位于0.6～0.8区域和煤化工需氢气比例fjc位于0.6～0.8的区域内，煤化工年产量和系统设备一次性投资费用变化之间存在一个凹陷效应区域，说明在此区域内存在一个最优比例选择值，使系统设备一次性投资最小；③在风电电解水制氢气比例 fwf位于 0.8～1区域和煤化工需氢气比例 fjc位于0.8～1的区域内时，煤化工年产量和系统设备一次性投资费用变化之间存在一个较明显的陡增效应区域，其煤化工需氢气比例fjc逐渐增大，煤化工年产量亦逐渐增大，进而显著地影响这个区域内的多能耦合系统设备一次性投资费用，也就是说若所选择的煤化工需氢气比例fjc刚好在该区域中，那么得到的规划结果将不具有很高性价比，因此在实际规划中应避开此区域。

4　结论

1）建立了兼顾风电高水平消纳与设备一次性投资最小的风电—氢储能与煤化工多能耦合系统的投资规划模型，并运用遗传算法进行优化求解。研究结论为多能耦合系统的设备选型以及投资规划提供了新思路。

2）本文仅考虑了系统设备的一次性投资费用，并没有涉及系统全寿命周期的综合经济效益以及节能减排带来的社会效益，在进一步的研究中需要考虑风电—氢储能与煤化工多能耦合系统系统的运行效益，以更加全面地考察此系统的综合效益。

［1］罗剑波， 陈永华， 刘强. 大规模间歇性新能源并网控制技术综述［J］. 电力系统保护与控制， 2014，42（22）： 140-146. Luo Jianbo， Chen Yonghua， Liu Qiang. Overview of large-scale intermittent new energy grid-connected control technology［J］. Power System Protection and Control， 2014， 42（22）： 140-146.

［2］张元， 郝丽丽， 戴嘉祺. 风电场等值建模研究综述［J］. 电力系统保护与控制， 2015， 43（6）： 138-146. Zhang Yuan， Hao Lili， Dai Jiaqi. Overview of the equivalent model research for wind farms［J］. Power System Protection and Control， 2015， 43（6）： 138-146.

［3］田书欣， 程浩忠， 曾平良， 等. 基于调频层面的风电弃风分析［J］. 电工技术学报， 2015， 30（7）： 18-26. Tian Shuxin， Cheng Haozhong， Zeng Pingliang， et al. Analysis on wind power curtailment at frequency adjustment level［J］. Transactions of China Electrotechnical Society， 2015， 30（7）： 18-26.

［4］张建华， 于雷， 刘念， 等. 含风/光/柴/蓄及海水淡化负荷的微电网容量优化配置［J］. 电工技术学报，2014， 29（2）： 102-112. Zhang Jianhua， Yu Lei， Liu Nian， et al. Capacity configuration optimization for island microgrid with wind/photovoltaic/diesel/storage and seawater desalination load［J］. Transactions of China Electrotechnical Society， 2014， 29（2）： 102-112.

［5］薛禹胜， 雷兴， 薛峰， 等. 关于风电不确定性对电力系统影响的评述［J］. 中国电机工程学报， 2014，34（29）： 5029-5040. Xue Yusheng， Lei Xing， Xue Feng， et al. A review on impacts of wind power uncertainties on power systems［J］. Proceedings of the CSEE， 2014， 34（29）：5029-5040.

［6］刘畅， 吴浩， 高长征， 等. 风电消纳能力分析方法的研究［J］. 电力系统保护与控制， 2014， 42（4）： 61-66. Liu Chang， Wu Hao， Gao Changzheng， et al. Study on analysis method of accommodated capacity for wind power［J］. Power System Protection and Control，2014， 42（4）： 61-66.

［7］余波， 曹晨， 顾为东. 中国能源消费结构与风电/煤制天然气耦合经济性分析［J］. 中国工程科学， 2015，17（3）： 100-106. Yu Bo， Cao Chen， Gu Weidong. Energy consumption structure in China and the economic analysis of coupled wind power and coal to substitute natural gas［J］. Engineering Science， 2015， 17（3）： 100-106.

［8］Haarrison K W， Martin G D， Rmsden T G， et al. The wind-to-hydrogen project： operational experience，performance testing， and systems integration［R］. Washington DC， USA： National Renewable Energy Laboratory， 2009.

［9］International Partnership for Hydrogen and Fuel Cells in the Economy. IPHE renewable hydrogen report［EB/OL］. ［2013-09-20］.

［10］Milan D H. Operational experience and control strategies for a stand-alone power system based on renewable energy and hydrogen［D］. Trondheim，Norway： Norwegian University of Science andTechnology， 2005.

［11］Milan D H， Ulockne R R， Taylo R P， et al. Load control of a wind-hydrogen stand-alone power system［J］. International Journal of Hydrogen Energy，2006， 31（9）： 1215-1235.

［13］蔡国伟， 孔令国， 薛宇， 等. 风氢耦合发电技术研究综述［J］. 电力系统自动化， 2014， 38（21）： 127-135. Cai Guowei， Kong Lingguo， Xue Yu， et al. Overview of research on wind power coupled with hydrogen production technology［J］. Automation of Electric Power Systems， 2014， 38（21）： 127-135.

［13］李铭， 刘贵利， 孙心亮. 中国大规模非并网风电与海水淡化制氢基地的链合布局［J］. 资源科学， 2008，30（11）： 1632-1639. Li Ming， Liu Guili， Sun Xinliang. China's massive grid wind power and desalination hydrogen production base of the chain layout［J］. Resources Science， 2008， 30（11）： 1632-1639.

［14］颜卓勇， 孔祥威. 非并网风电电解水制氢系统及应用研究［J］. 中国工程科学， 2015（3）： 30-34. Yan Zhuoyong， Kong Xiangwei. Research on nongrid-connected wind power water-electrolytic hydrogen production system and its applications［J］. Engineering Science， 2015（3）： 30-34.

［15］方世杰， 邵志芳， 张存满. 并网型风电耦合制氢系统经济性分析［J］. 能源技术经济， 2012， 24（3）： 39-43. Fang Shijie， Shao Zhifang， Zhang Cunman. Economic analysis on on-grid wind power coupling with hydrogenproduction system［J］. Electric Power Technologic Economics， 2012， 24（3）： 39-43.

［16］时璟丽， 高虎， 王红芳. 风电制氢经济性分析［J］.中国能源， 2015， 37（2）： 11-14. Shi Jingli， Gao Hu， Wang Hongfang. Economic analysis on wind power for hydrogen production［J］. Energy of China， 2015， 37（2）： 11-14.

［17］邵迪， 胡敏， 代正华， 等. 风电/煤制天然气集成系统的研究［J］. 化学世界， 2012（增1）： 70-74， 69. Shao Di， Hu Min， Dai Zhenghua， et al. Wind/coal gas integration system research［J］. Chemistry World，2012（S1）： 70-74， 69.

［18］倪维斗， 高健， 陈贞， 等. 用风电和现代煤化工的集成系统生产“绿色”甲醇/二甲醚［J］. 中国煤炭，2008（12）： 5-8， 11. Ni Weidou， Gao Jian， Chen Zhen， et al. How to make the production of methanol/DME 'GREENER'-The integration of wind power with coal chemical industry［J］. China Coal， 2008（12）： 5-8， 11.

［19］杨绍斌， 王继仁， 王志宏. 中国煤制甲醇的现状及发展［J］. 洁净煤技术， 2001（4）： 36-40. Yang Shaobin， Wang Jiren， Wang Zhihong. Status and development of coal basis methanol in China［J］. Clean Coal Technology， 2001（4）： 36-40.

Optimal Modeling on Equipment Investment Planning of Wind Power-Hydrogen Energy Storage and Coal Chemical Pluripotent Coupling System

Yuan Tiejiang1，4Li Guojun1Zhang Zengqiang2Zhang Long3Cai Gaolei1Mei Shengwei1，4
（1. School of Electrical EngineeringXinjiang UniversityUrumqi830047China 2. The National Network of Xinjiang Electrical Power Economy and Technology Research Institute Urumqi830013China 3. The National Network of Xinjiang Electric Power Research InstituteUrumqi830011China 4. State Key Laboratory of Power SystemTsinghua UniversityBeijing100084China）

Organically combining the wind power and coal chemical via the hydrogen energy storage system is one of the effective measures to increase the consumption capacity of wind farm and reduce energy consumption and emission of hydrogen production. A highly absorptive and low carbon integrated architecture design of wind power-hydrogen energy storage and coal chemical pluripotent coupling system was put forward. The optimized mathematical model of pluripotent coupling system was established， to minimize the one off investment， where the fully consumption of wind power and stable operation of coupling system were taken as constraint conditions. The above model was solved by genetic algorithm （GA）. At last， taken a wind farm and coal enterprises in Xinjiang as examples， the validity of the proposed integrated architecture and its optimal mathematical model were verified. The changing rules of system investment costs were analyzed under the different wind power grid scalesand wind power non-electric consumption scales according to prescriptive application scenarios.

Wind power， hydrogen energy storage， coal chemical， equipment investment plan，genetic algorithm

TK91

袁铁江男，1975年生，博士，副教授，硕士生导师，研究方向为新能源发电及其并网技术和风电—氢储能与煤化工多能耦合技术。

E-mail： xjuytj@163.com

李国军男，1990年生，硕士研究生，研究方向为风电—氢储能与煤化工多能耦合技术。

E-mail： 1353106613@qq.com（通信作者）

新疆杰出青年自然科学基金（2014711005），国家自然科学基金（51577163）和国家自然科学基金创新群体（51321005）资助项目。

2015-12-30改稿日期 2016-04-19