考虑低碳制氢的微电网优化配置

左冠林，郭红霞，林文智，余雁琳，吕宇桦

（华南理工大学 电力学院，广东 广州 510640）

0 引言

大力发展可再生能源技术，提高可再生能源占比，实现能源绿色低碳转型是我国实现“双碳”目标的必经之路。面对分布式可再生能源在时间和空间上分布不均的问题，以往大多考虑以微电网的形式实现单一电能管理以协调与上级配电网的能量交互，但近年来，具有清洁环保、用途多样、可长期储藏等特点的氢能开始作为化学储能被考虑引入微电网中［1-2］。一方面氢能的引入解决了单一电能结构给微电网带来的长期储能需求问题和实时平衡要求下的弃风弃光问题，另一方面利用零碳排放的可再生能源电解水制氢（electrolysis hydrogen production，EHP）相较于以化石燃料为原料的传统方式，可以带来十分可观的节碳收益［3］。综上2点，考虑氢能在内的新型微电网系统将成为微电网新的发展趋势之一。

目前将制氢环节引入微电网主要存在以下2种形式：①作为储能形式，所制氢气复用于微电网［4-5］；②作为负荷形式，所制氢气不复用于微电网［6-9］。相较于储能形式，将制氢作为负荷形式，一方面减少了氢转电过程中的能量损耗，提高了能源利用效率；另一方面所制氢气作为高纯度商品可用于除能源以外的领域，具备更多的消纳途径。目前相关研究引入该环节时考虑的方式有所不同：文献［6］考虑将电转氢部分作为微电网的灵活性资源，但设备建模时仅考虑了电解槽（electrolytic cell，EL），未考虑压缩及储氢设备，运行情况和经济性分析无法反映实际情况；文献［7］建立了陆上、海上风氢耦合系统的运行和配置模型，而文献［8］研究了制氢环节作为储能和负荷2种形式下微电网系统的优化配置模型，但文献［7-8］对EL的工作特性只进行了简单的电池类比分析，仅考虑了启停模型，缺少对工作过程的分析，未能反映EL实际工作特性；文献［9］将制氢装置作为消纳风电弃风的储能手段，仅考虑在弃风存在时工作，制氢装置未能充分利用电网低价电制氢，微电网运行经济性仍有提高的空间。

针对上述问题，本文提出考虑低碳制氢的微电网优化配置方法，一方面，通过分析EL和压缩机（compressor，CP）的运行过程，实现了制氢装置的准确建模，进而提高经济分析的准确性；另一方面，通过分析电、氢设备的运行特性并形成能量调度逻辑，提出了电氢协调调度策略。基于上述分析，根据系统运行目标和设备经济性模型提出考虑低碳制氢的微电网配置评价指标，并以微电网的等年值收益最大为目标，利用基于动态时间规整（dynamic time warping，DTW）距离的K-means聚类得到风、光及负荷典型日数据，并通过改进的粒子群优化算法求解得到系统配置结果。最后，通过算例对比分析制氢装置配置与否及不同能量调度策略的配置结果，验证了制氢装置精准建模和调度策略的有效性，证明将制氢引入微电网有较好的经济性，并探讨了不同售氢价格对优化配置的影响。

1 考虑低碳制氢的微电网模型

1.1 计及制氢装置的微电网结构

本文所提计及制氢装置的微电网结构如图1所示，该系统主要由光伏（photovoltaic，PV）组件、风电机组（wind turbine，WT）、蓄电池（storage battery，SB）、EHP装置、负荷、电力电子变换器等单元组成，各单元通过微电网交流母线相连，交流母线通过开关元件和变压器与上级配电网相连。其中EHP由EL、CP、储氢罐（hydrogen storage tank，HS）三部分组成，并通过长管拖车将HS中所存储的氢气产品运输至含有氢负荷的用户地点实现消纳。

图1 计及EHP的微电网拓扑图Fig.1 Topology diagram of microgrid with EHP

1.2 制氢装置建模

本文在对微电网内EHP进行建模时主要考虑电解制氢过程和氢气压缩过程，下面对所涉及的单元进行建模分析。

1.2.1 EL模型

本文将现有技术较为成熟的碱性EL作为EL的研究对象，电解制氢的整个过程可视为电能的2个转化过程的结合：一部分的电能转换成热能为反应提供热力学条件；另一部分的电能转换成吉布斯自由能推动反应发生，最终以化学能的形式储存于反应产物中。依据法拉第定律，电解时电极上发生化学反应的物质的量与通过电解池的电荷量成正比［10］，即电解水反应的反应速度主要由电解池的工作电流I决定，具体的计算公式如下：

式中：N˙H为EL的产氢速率；nEL为EL个数；F为法拉第常数，取值为96 485 C／mol；ηF为法拉第效率系数；F1和F2为法拉第效率系数的相关参数，与环境温度Tc有关［11］；Sel为电极表面积。

而电解池的工作电压Ucell主要由反应的可逆电势Urev和反应中产生的不可逆电势Uirr组成［11-12］，具体计算公式如下：

式中：UEL为所配置的所有EL的总工作电压；Urev由Nernst方程决定，与温度相关，具体计算方法可参考文献［12］；r1和r2为欧姆参数；s1为电极过电压系数，文献［12］中将其视为常数，而文献［11］中认为其与EL工作的环境温度Tc有关，为降低模型阶数，提高求解速度，本文将其考虑为常数；t1—t3为阴极过电压参数。

此外，制氢转换效率的表达式为：

式中：δ为EL的能量转换效率；HH为氢气的高热值；PEL为所配置的所有EL的总工作功率（即总输入功率）。由式（1）和式（2）可知，UEL和N˙H是关于I的函数，即UEL=f1(I)，N˙H=f2(I)。故可知N˙H是关于PEL的函数，且由式（3）可知N˙H=f3(PEL)，δ=f4(PEL)。

1.2.2 CP模型

由于现有EL产出的氢气压强一般为14 bar，要想实现大量且长期的氢气存储，需要将直接产出的氢气经CP压缩至200 bar后再存入HS。CP的实际工作功率PCP与压缩的压强差和所压缩的流体性质有关，具体如下：

式中：Cp为氢气的恒压比热容；pout为CP的输出压强；pin为CP的输入压强；r为氢气的等熵指数；m˙H为通过CP的气体流量；MH为氢气的摩尔质量。

1.2.3 EHP模型

基于上述建模，EHP作为一个完整的制氢装置，其对外特性呈现输入功率为EL和CP这2个单元的功率之和、输出为存储到HS中的高压氢气产量。EHP对外工作特性可表示为：

式中：f5（·）为m˙H关于PEHP的函数式，PEHP为EHP的输入功率；δ′为EHP的转换效率。

EHP的产氢量和转换效率随EHP输入功率的变化关系见附录A图A1，具体仿真参数见附录A表A1，参数取值来源于文献［11-12］，其中EL的单槽容量为372 kW，配套CP的容量为12.96 kW，EHP的额定功率为384.96 kW。

由图A1所示的产氢速率曲线可知，随着EHP输入功率的增加，氢气的生产速率平稳增加，增速逐渐放缓；由转换效率曲线可知，转换效率先随着输入功率增加而迅速增加，转换效率在输入功率约为9.3 kW时取得最大值63 %，随后转换效率随着输入功率的增加缓慢减小，最终逐渐稳定在50 % 左右。

由上述曲线分析可知，EHP的产氢速率与输入功率呈正相关，虽然EHP在输入功率大于9.3 kW时随输入功率增大边际收益开始减小，但总收益仍在不断增大。综上所述，单台该型号的EHP在运行时需要保证输入功率在［9.3，384.96］kW之间，才能保证EHP在较高转换效率的情况下工作。

2 考虑低碳制氢的微电网优化配置模型

本文考虑在满足供电可靠性的基础上，充分挖掘可再生能源电能价值以及电转氢的经济价值和环境价值，以系统等年值收益最大为优化目标，对发电和电储单元（WT、PV、SB）及电转氢单元（EL、CP、HS）的容量进行优化配置。基于1.2.2节中CP模型可知其配置容量主要由EL的配置容量决定，为简化模型，将CP和EL的配置容量考虑为线性关系，仅将WT、PV、SB、EL和HS的配置容量作为决策变量进行优化配置的研究。

2.1 目标函数

将微电网中WT、PV、SB、EL和HS的配置容量作为决策变量，目标是使得微电网的等年值收益GY最大，优化的目标函数如下：

式中：GE为系统年电能收益；GH为系统年氢能收益；GC为系统年节碳收益；CINV为系统等年值设备投资成本；COPE为系统年运行维护成本。

2.1.1 年电能收益GE

本文所提微电网优先满足微电网内电负荷，剩余电量上网进行电能交易，因此系统的年电能收益包含如下2个部分：与电网的交易收益和微电网内负荷的节电收益。具体的计算公式如下：

式中：Δτ为最小时间间隔，取1 h；GEG，t为t时段微电网与电网的交易收益；GEL，t为t时段微电网内负荷的节电收益为t时段微电网与电网之间的平均交互功率，P＞ 0表征微电网向电网输送功率，P＜0表征电网向微电网输送功率；g为t时段电网电价；g为t时段可再生能源的上网电价；P为t时段微电网内负荷的平均功率。

2.1.2 年氢能收益GH

微电网中通过可再生能源和从电网购得的低价电制得的氢气先是经CP储存到HS中，待罐内氢气达到容量标定值时便进行运输售卖，售氢所得收益的计算公式如下：

式中：gH为氢气的销售价格；为微电网的氢气年产量；P为t时段EHP整体的平均工作功率。

2.1.3 年节碳收益GC

为量化微电网制氢相较于传统化石燃料制氢减少碳排放所带来的收益，考虑以年节碳收益的形式将其引入目标函数中。一方面通过可再生能源发电制氢可实现制氢过程零碳排放，但另一方面为提高制氢装置的经济性，考虑在谷时段购买网侧低价电用以制氢，此部分仍需计及网侧电的碳排放，故微电网系统年节碳收益计算公式如下：

式中：kC2H为传统化石燃料制氢的碳排放系数，kG2H为采用燃煤发电进行EHP的碳排放系数，分别取11.28和4.60［13-14］；QP2H为一年内微电网用于EHP的总用电量；QM2H为一年内微电网可再生能源发电用于EHP的用电量；QG2H为一年内微电网从电网中购买低价电用于EHP的用电量；gC为节碳收益系数；gC，env为二氧化碳环境价值标准系数；gC，fin为二氧化碳对应的污染气体罚款标准系数［13］。

2.1.4 等年值设备投资成本CINV

投资成本计算所涉及的设备包括PV、WT、SB、EL、CP和HS，其计算结果与所选设备型号密切相关，计算公式如下：

式中：CINV，i为第i类设备的单位装配成本；si为第i类设备的配置容量；X为所需配置的设备类型集合；μCRF为年资金回收率，取9.22 %［15］。

2.1.5 年运行维护成本COPE

考虑低碳制氢的微电网在分析年运行维护成本时需要同时考虑投资设备的运行维护成本和制氢所需投入成本。其中PV和WT设备的运行维护成本与各自的年发电量成正比，而SB、EL、CP、HS设备的运行维护成本与各自的配置容量成正比，具体的计算公式如下：

式中：COM，i为第i类设备的单位运行维护成本，当i∈X1时其单位为元／（kW·h），而当i∈X2时其单位为元／kW；为第i类设备（对应PV、WT）的年发电量；CHPO为制氢投入成本，包含制氢过程中产生用水成本CP2H，H2O和采用长管拖车的运输成本CP2H，TH，具体的计算公式如式（14）所示。

式中：gH2O为工业用水价格；V为t时段制氢所耗水的体积；gTH1为微电网采用长管拖车的租借价格；gTH2为长管拖车的运输价格；n为售卖氢气次数；表示向上取整；sHS为HS的配置容量。

2.2 约束条件

考虑低碳制氢的微电网优化配置需要满足功率平衡约束、系统可靠性约束、决策变量约束及设备约束。

功率平衡约束方面，主要考虑微电网整体功率平衡约束和制氢装置用电平衡约束，具体如下：

式中：P、P分别为t时段PV、WT的平均出力；P为t时段SB的平均工作出力，P＞ 0表征SB在该时段内处于充电状态，P＜ 0表征处于放电状态；P、P分别为t时段EL、CP的平均工作功率；P为t时段微电网内部电源和SB发电用于制氢的平均电功率；P为t时段微电网从电网购电用于制氢的平均电功率。

系统可靠性约束方面，当微电网内可再生能源发电功率无法满足微电网内负荷需求，且通过协调SB放电和从上级配电网输入的交换功率也无法解决时，微电网便会出现负荷缺电现象，缺电时间的长短表征了微电网系统可靠性程度，因此引入负荷失电率用以衡量微电网系统可靠性，具体如下：

式中：σSLD为负荷失电率；σSLD，max为系统允许的最大负荷失电率；P为t时段系统平均所需切负荷功率。

此外，由技术、场地限制所决定的决策变量约束及各类设备约束见附录B。

2.3 电氢协调调度策略

微电网传统调度策略主要是优先控制SB充放电，根据SB配置容量、网内负荷需求及大电网的电价情况，在电价高峰期放电满足网内负荷需求，在电价低谷期储存低价电，通过峰谷价差提高微电网用电经济效益，然后依据SB充放电后微电网的实际情况，在满足各项约束的条件下控制并网变换器实现与上级配电网的电能交互。

当考虑增加EHP的配置时，实际上是将EHP作为SB的后备调节手段，即先考虑调节SB消纳富余可再生能源出力和存储低价电，再调节EHP工作实现电能的消纳。传统调度策略虽然控制逻辑简单，易于实现，但在考虑了EHP的配置后，一方面EHP的配置实质上增加了微电网内的负荷容量，在可再生能源机组配置数量增加的情况下，仍按照传统调度策略将会出现更多的弃风弃光；另一方面没有考虑到EHP和SB在不同情况下的用能优先级问题，没有充分挖掘微电网的潜在经济效益。

综上，本文将依据微电网不平衡功率、电价，在满足各项约束的条件下，通过协调EHP、SB和联络线交互功率，在尽可能减少弃风弃光的同时，通过购置低价电提高微电网经济效益并减少供用电时间上的不平衡。

微电网不平衡功率P计算公式为：

式中：P为t时段微电网内可再生能源机组总出力。

电氢协调调度策略的具体流程见附录C图C1，依据不平衡功率、电价可分为如下5种情况。

1）不平衡功率P= 0，微电网电能供需平衡，此时EHP不工作，SB处于浮充状态。

2）不平衡功率P＞0，微电网出力富余且处于电价峰时段，此时富余电能的交易价值高于制氢价值，故首先考虑将富余的出力在满足联络线约束的条件下尽可能出售给电网，若富余出力小于联络线最大交换功率，则考虑调节SB放电，挖掘联络线最大输电潜力进行售电，EHP不工作；若富余出力除了向外输送仍有富余，则优先分配给EHP用于制氢，剩余出力分配给SB用于存储。

3）不平衡功率P＞0，微电网出力富余且此时处于电价平、谷时段，此时富余电能的制氢价值高于交易价值，故首先考虑将富余出力优先分配给EHP用于制氢，剩余出力分配给SB用于存储。经过设备调节后仍有富余则将剩余出力出售给电网。

4）不平衡功率P＜0，微电网用电需求出现缺额且此时处于电价峰、平时段，EHP不工作，首先调节SB放电尽可能平抑不平衡功率，若调节后需求仍无法满足，则通过向上级配电网购电以尽可能满足剩余需求。

5）不平衡功率P＜0，微电网用电需求出现缺额且此时处于电价谷时段，EHP不工作，若微电网经联络线以最大交换功率向上级电网购电都无法满足微电网用电需求，则考虑在以最大交换功率向电网购电的基础上调节储能放电尽可能平抑不平衡功率；若微电网经联络线以最大交换功率向上级电网购电可以满足用电需求，且所购功率仍有富余，此时购入电能可通过EHP获取制氢价值，同时也可通过SB实现峰谷差套利，故考虑以最大交换功率向上级电网购电，在满足用电需求的同时，将剩余的购电功率优先分配给EHP用于制氢，若仍有剩余则分配给SB用于存储。

2.4 评价指标

为便于分析系统配置后的运行情况，定义可再生能源渗透率σREP、SB收益系数σSBP和EHP收益系数σEHPP共3个评价指标，其表达式分别如下：

式中：P为t时段微电网无法消纳的弃风弃光平均出力；P，RE为t时段SB所消纳PV和WT的平均出力；sSB为SB的配置容量；PP，RE为t时段EHP所消纳PV和WT的平均出力。

可再生能源渗透率表征了可再生能源在微电网能源供给总量中的占比，SB收益系数和EHP收益系数分别表征了SB和EHP配置后在经济效益方面的产出投入比，所以通过上述3个指标能够量化不同配置结果下微电网的实际运行情况、设备运行效果和微电网经济效益。

2.5 模型简化及求解

为保证优化配置时对不可控因素考虑完备，同时减少冗余数据提高算法计算速度，考虑基于一年8 760个时段的风速、光照强度、微电网负荷数据进行场景划分，将本文讨论的模型考虑为多场景优化配置模型，基于上文所提电氢协调调度策略进行求解。对于典型日的划分，考虑引入DTW距离来衡量不同时间序列的差异程度，通过计算365 d各自之间的DTW距离矩阵，采用K-means聚类算法进行聚类划分，实现不同维度的场景缩减［16-17］。针对SB和HS这2类储能设备，为满足典型日计算条件，分别假设以下约束：

1）SB的荷电状态值在典型日的初始时刻（00:00）和结束时刻（24:00）均为同一值，本文设为0.5；

2）HS在配置时考虑2N冗余，保证制氢装置持续工作，在达到容量标定值时即换上备用HS，换下的HS进行运输售卖。

由于本文对EHP的建模为整个优化配置问题引入了非线性因素，本文考虑通过改进的快速粒子群优化（fast particle swarm optimization，FPSO）算法对优化问题进行求解，在粒子群优化算法的基础上，针对整数变量，考虑在粒子初始设置和迭代过程中进行概率取整，保证整数变量对应粒子在求解过程中的多样性，从而提高了算法求解的全局寻优性能，其求解步骤见附录D，详细过程可参考文献［18］。

3 算例分析

3.1 算例设置

本文选取我国华南地区某地的光照强度、风速和负荷的年度数据，对应的PV和WT年有效利用小时数分别为1 744.1 h和2 038.7 h，系统负荷峰值为935.6 kW，负荷平均值为604.2 kW，年总负荷量为5.293×106kW·h，通过对风速、光照强度、微电网负荷3组独立数据分别基于DTW距离的K-means聚成4类，最终经过场景组合将365 d的数据简化成64个典型日数据，聚类结果及组合方式见附录E。

算例中所分析的系统结构如图1所示，系统联络线的最大交换功率为600 kW，系统所允许的最大负荷失电率设定为0.85 %。为保证运输氢气时制氢装置不停止工作，计算HS成本时考虑为配置结果的2倍。所配置的PV单一组件额定功率为1 kW，WT单机容量为10 kW，由于场地面积限制，该地最多可容纳150台上述型号的WT。除了预留场地外，还考虑将PV组件安装于建筑物外表，预计最多可装配4 000台上述型号的PV组件。所配EL型号参考文献［9］，单槽容量为372 kW，所配HS考虑确定所能容纳最大氢气质量定制，所配容量对应为所能容纳最大氢气质量。出于安全考虑，将EL配置数量和HS配置质量上限分别考虑为5台和289 kg，故PV、WT、EL、HS的配置容量上限分别为SPV，max=4 000 kW，SWT，max=1 500 kW，SEL，max=1 860 kW，SHS，max=289 kg。

各台设备的投资费用、运行维护费用及使用年限如附录F表F1所示，其中PV、WT、SB和EHP对应的配套设备如电力电子变换器、气体处理设备等的对应费用均已包含在内，部分数据来源于文献［6，18-19］。本文所用改进粒子群优化算法设置的粒子种群规模数为150，迭代次数为150，最小时间间隔为1 h。

微电网从电网购电时，将购电价格考虑为分时计价的形式，具体的购电价格如附录F表F2所示，其谷时段为00:00—08:00，平时段为08:00—09:00、12:00—19:00和22:00—24:00，峰 时段为09:00—12:00和19:00—22:00；微电网向电网售电时，将售电价格统一考虑为可再生能源平价上网模式下的上网标杆电价0.374元／（kW·h）。

装配EHP后还需考虑相应的经济参数，具体如附录F表F3所示，部分数据取自文献［13］。

本文算例采用以下3种方案进行仿真分析：

方案1，采用电氢协调调度策略且考虑装配EHP，即SEL，max=1 860 kW、SHS，max=289 kg；

方案2，采用电氢协调调度策略而不考虑装配EHP，即SEL，max、SHS，max均设为0；

方案3，采用传统能量调度策略且考虑装配EHP，即SEL，max=1 860 kW、SHS，max=289 kg。

对以上3种方案进行仿真，得到系统配置结果及其运行情况分别如表1和表2所示。

3.2 装配EHP对容量优化配置的影响

为研究EHP装配与否对微电网容量配置的影响，考虑对方案1和方案2的配置结果及其运行情况进行分析和对比。根据表1中方案1和方案2的配置结果，考虑配置EHP后，PV和WT的配置容量均有较为明显的增加，共增加了46.80 %，而SB配置容量则明显减少，减少了70.63 %。通过配置EHP对应的运行情况可看出，配置EHP后，负荷失电率有所减小，而可再生能源渗透率提高了24.45 %，所配置可再生能源机组容量增加提高了供电能力。

表1 不同装配方案下的各设备容量配置结果Table 1 Configuration results of each equipment capacity under different assembly schemes

由于方案1中可再生能源机组配置容量明显增加，所以虽然配置EHP后微电网内实际负荷增加，但对上级电网的售电量依然有所上升，售电收益增加了13.45万元，同时由于方案1中配置有EHP，增加了售氢收益162.11万元、减碳收益1.16万元，故在收益方面方案1较方案2增加了176.72万元，而在投资运行维护成本方面，方案1较方案2增加了EHP设备的投资运行维护成本及制氢所需原料成本，同时制氢所需电能也由微电网内PV、WT和电网低价电提供，还需增加对应的用电成本，但方案1所配置SB容量有所减少，也减少了该部分的投资运行维护成本，故方案1在成本方面较方案2增加了141.14万元。综上，方案1虽然在成本方面较方案2投入更多，但等年值收益较方案2增加了35.57万元，在提高微电网可再生能源渗透率的同时，通过低碳制氢减少了传统制氢方式所需排放的温室气体。

由表2中数据可知，无论是方案1还是方案2的SB收益系数均小于1，说明只靠峰谷套利，SB所产生的效益是无法实现成本回收的，但为满足最大缺电率约束，配置SB为必要条件。由此可知：SB的配置一方面对微电网的正常运行是必要的，但另一方面会使得微电网经济效益较差；而方案1中的EHP收益系数为1.531 5，其值大于1，表征配置EHP后具有较高的经济效益，微电网在配置EHP后能够提高整体收益，故配置EHP是微电网追求经济效益的结果。

表2 不同装配方案下的微电网运行情况Table 2 Operation situation of microgrid under different assembly schemes

对比方案1和方案2的SB收益系数可知方案1中SB收益系数为0.480 8，小于方案2的0.591 1，分析可知：方案1仅为满足系统负荷需求而配置最低限度容量的SB，故其SB收益系数较方案2更小，而配置有高收益的EHP是方案1等年值收益较方案2更高的主要原因。

3.3 能量调度策略对容量优化配置的影响

为研究能量调度策略对微电网容量配置的影响，考虑对方案1和方案3的配置结果及其运行情况进行分析和对比。对比表1中方案1和方案3的配置结果可知方案3中PV配置容量增加了1 727 kW，WT配置数量增加至上限5台，且在此情况下不考虑配置SB。此外，方案3相较于方案1增加了1台EL，对应的CP和HS容量也有所增加。总体而言，当微电网考虑采用传统能量调度策略时，不考虑配置SB，其余所有设备配置容量均有增加。虽然方案3中可再生能源渗透率为3个方案中最高的，但其等年值收益为3个方案中最低的，经济效益最差。此外，方案3的EHP收益系数为1.483 7，小于方案1，这表征在单台EHP的经济效益方面，方案3要低于方案1。

综上所述，方案3除了SB以外所有设备的配置容量都是最高的，但由于采用传统调度策略，各设备投资收益比最小。

为验证和分析电氢协调调度策略的有效性，考虑在相同配置条件下分析各设备的出力情况。故考虑基于表3中的容量配置条件采用不同的能量调度策略分析微电网运行情况，对应的运行及收益情况如表4所示。另外，在该配置条件下某一典型日内采用不同调度策略的各设备出力情况如图2所示，图中PNL、PSB、Pcon分别为新能源机组总体出力、SB出力和联络线功率。

图2 同一典型日内，相同配置情况下采用不同策略时各设备出力Fig.2 Output of each device adopting different strategies with same configuration situation on same typical day

表3 微电网内各设备容量配置结果Table 3 Configuration results of each equipment capacity in microgrid

由表4中的运行结果可知，在同种配置条件且在同一典型日内，采用电氢协调调度策略相较于传统调度策略，在等年值收益方面增加了33.19 %，分析其收益组成会发现，虽然采用电氢协调调度策略后，售电收益减少了8.22万元，但同时售氢收益增加了26.92万元，初步分析可以得到，由于EHP高于SB的收益系数，即使传统调度策略下SB收益系数高于电氢协调调度策略，但电氢协调调度策略更多地将低价电转换成了高收益的氢气，所以该策略下经济效益更高。

表4 不同调度策略下的微电网运行情况Table 4 Operation situation of microgrid under different dispatching strategies

由图2中的PNL曲线可知：基于上述给出的配置结果，在所讨论的典型日内微电网风光资源较为充足，微电网在02:00—18:00期间净出力均为正值，此时微电网对外呈现为电源，即微电网内可再生能源出力能够满足内部负荷需求且有富余的部分；而在00:00—01:00、19:00—24:00期间，微电网净出力为负值，此时对外呈现为负荷，微电网内负荷需求无法满足，存在缺额，需要向外从大电网购电。

图2（a）中，基于微电网的净出力特性，EHP在02:00—17:00期间持续处于工作状态，而在其他时段均不工作，此外在传统调度策略下，SB调用次数较少（充电3次、放电2次），EHP无法消纳的微电网富余出力和缺额部分均由上级配电网平抑。图2（b）中，EHP分多时段工作，SB调用次数较多（充电5次、放电3次），但在高电价售电次数比图2（a）少，此外微电网与上级配电网的交互功率波动较大，购电量更多。综上可知，电氢协调调度策略增加了微电网对设备的调用次数，同时使得微电网对外功率波动增大，且对外有更强的购电意向，但是相比传统调度策略而言通过优化设备调用逻辑提高了整体的经济性，具体表现如下。

1）EHP能够依据电价和可再生能源机组出力灵活调整自身出力，提高设备使用时间的同时还能降低制氢用电成本，考虑了电氢协调调度策略后，单位制氢用电成本从24.74元／kg降低至23.87元／kg，有效工作小时从15.78 h提高至17.15 h。

2）虽然采用电氢协调调度策略减少了SB在峰时段出力，即减少了通过峰谷套利带来的售电收益，但一方面SB在峰时段风光出力富余的情况下也考虑充电，减少了弃风弃光；另一方面微电网将所购的低价电分配给经济效益更好的EHP，整体的经济效益得到了提高。

3）电氢协调调度策略下，微电网不仅仅只为满足负荷需求而购电，而且还考虑通过使用更多电网低价电（购电成本比可再生能源机组更低）制氢，降低制氢成本，进一步提高了EHP和整个微电网的经济效益。

3.4 售氢价格对容量优化配置结果的影响

售氢价格直接影响EHP单位制氢收益，从而影响了微电网对各设备容量的优化配置，在制氢技术不断发展的过程中，售氢价格变化与成本变化存在延时，故而研究售氢价格对各设备配置容量和各项指标参数的影响。在所讨论的微电网环境下，配置最小单位的EHP时制氢成本为49.43元／kg，实际售氢价格为55元／kg，考虑在［45，65］元／kg区间内以0.5元／kg为间隔得到等差数列设置为售氢价格，并在不同售氢价格条件下进行容量优化配置，依据各参数随售氢价格变化的趋势分析其影响，图3为不同售氢价格条件下的部分配置结果和等年值收益，图4为各微电网评价指标随售氢价格变化的曲线。

图3 不同售氢价格条件下的部分配置结果和等年值收益Fig.3 Partial configuration results and equal annual income under different hydrogen selling price conditions

图4 不同售氢价格条件下的评价指标曲线Fig.4 Evaluation index curves under different hydrogen selling price conditions

简单分析图3中各设备配置容量堆叠柱形图和等年值收益曲线可发现，［45，65］元／kg区间可分为［45，49］、［49.5，55］、［55.5，56.5］、［57，65］元／kg这4个部分，下面结合图3和图4对各部分进行分析。

1）当售氢价格处于［45，49］元／kg区间时，售氢价格低于制氢成本，微电网在进行优化配置时不考虑配置EHP，所以PV、WT、SB的配置容量不会随着售氢价格变化而发生变化，这一情况下可再生能源渗透率约为75 %，这是因为PV和WT配置容量较少，所配置SB足够消纳可再生能源的额外出力，但微电网容易出现电能需求缺额，此时更多依靠联络线从上级电网购电。

2）当售氢价格处于［49.5，55］元／kg区间时，售氢价格已高于制氢成本，相较上个区间最大的区别在于，微电网在优化配置时开始考虑配置EHP，只考虑配置很少的SB，同时PV和WT的配置容量有所增加，又因为EHP收益系数高于SB，所以微电网只为保证负荷失电率约束下配置最少的SB，尽可能配置EHP以提高自身经济性。这一情况下可再生能源渗透率略有下降，而消纳率上升至82 % 左右，此外图中等年值收益曲线斜率没有变化，即边际收益为大于0的常数，对应EHP收益系数因售氢价格增大而不断增大。

3）当售氢价格处于［55.5，56.5］元／kg区间时，微电网在进行优化配置时开始增加EHP的配置容量，此时等年值收益曲线变得平缓，即边际收益减少，对应的EHP收益系数减小，而SB收益系数相应增大，分析可知，在这一情况下，等年值收益的增加更多来自可再生能源配置容量的增加（主要是PV，此时WT已到达配置上限）所带来的售电收益，而EHP由于边际成本的增加，对应边际收益有所减少。此外，该区间内的可再生能源渗透率略有下降，而消纳率上升到87 % 左右。

4）当售氢价格处于［57，65］元／kg区间时，微电网在考虑优化配置时已不考虑配置SB，因为此时可再生能源的配置容量已经增加到能够满足微电网负荷失电率约束，而在这一区间内PV、WT、EHP容量并没有随着售氢价格变化而变化，等年值收益曲线斜率也没有变化，但相较于［49.5，55］、［55.5，56.5］元／kg这2个区间而言更大，对应EHP收益系数因售氢价格增大而不断增大，这一情况下的可再生能源渗透率增加至93 % 左右，而消纳率下降至95 % 左右。

对比上述4个部分可以发现，微电网在售价低于成本时不会考虑配置EHP，在售氢价格大于制氢成本的情况下，若制氢成本不变，则随着售氢价格的增加（可认为售氢价格不变，制氢成本不断降低），PV、WT、EHP的配置容量都会增加，SB在配置EHP后只会配置少量SB以满足负荷失电率约束，当PV、WT容量增加到5 500 kW时，微电网将不再配置SB，等年值收益随着EHP配置数量的增加而增加，但在EHP配置数量增加的节点处，微电网的等年值收益主要来自可再生能源容量增加所带来的售电收益，此时EHP的边际成本增加，边际收益减小（收益系数减小），随着售氢价格的继续增加，EHP配置容量稳定在一个数值，相应的PV和WT配置容量也稳定不变，微电网边际收益只受售氢价格增加影响继续增加。

4 结论

本文在对EHP进行精准建模的基础上提出了考虑低碳制氢的微电网优化配置方法，进一步分析了制氢装置、能量调度策略和售氢价格对优化配置的影响，并得到如下结论。

1）由于EHP收益系数相较于SB更高，考虑配置EHP后，在微电网风光配置容量增加的同时，等年值收益和可再生能源渗透率均有明显的增加，节碳效果明显，但在风光配置容量较小时，仍需考虑配置SB以满足用电可靠性。

2）不同能量调度策略对于配置结果有较大的影响，根据不同情况下能量调度逻辑，充分利用弃风弃光和电网低价电制氢，能提高EHP有效利用时间，在改善微电网系统经济性的同时提高了微电网对可再生能源的消纳能力。

3）仅当售氢价格高于制氢成本时，才考虑配置制氢系统，随着售氢价格的增加，风光配置容量和EHP配置容量均随之增加，微电网等年值收益增量分为两部分：一部分是风光容量增加带来的售电收益增量，另一部分是EHP容量增加带来的售氢收益增量。在EHP配置容量增加的对应售氢价格区间内，由于边际成本的增加，收益系数减小，售氢收益增量也会减小，此时售电收益增量为主要影响因素，在其他区间中售氢价格增量为主要影响因素。

附录见本刊网络版（http：//www.epae.cn）。