计及氢电混合动力车响应的多区域综合能源系统协调优化调度

赵 楠，王 俊，黄 桦，张亚杰，王嘉旭

（南京工程学院 电力工程学院，江苏 南京 211167）

0 引言

为应对资源短缺、环境污染等严峻挑战，开展能源-交通系统协同优化变革是未来重要发展方向，也是实现“双碳”目标的重要举措［1］。在能源领域，对多区域综合能源系统（integrated energy system，IES）进行能源互联，与传统单区域IES 独立运行相比，能够协调多能流降低运行总成本［2］，增强可再生能源消纳能力［3］。

氢能由于其安全环保、方便储运等优点，被认为是实现能源系统与交通系统耦合低碳发展的理想能源载体［4-5］。将氢能引入多区域IES 运行中，电转氢技术有利于加强多区域IES 多能流耦合，消纳可再生能源。文献［6］考虑可再生能源与氢气需求之间固有的季节性、地理位置时空不平衡，提出了电网-氢供应链（hydrogen supply chains-electric networks，HSC-EN）的概念并建立了模型，成功降低了投资成本和提高了电解槽利用率。文献［7］分析了区域间氢能运输方式，对不同距离下的运氢方式进行了对比，验证了中短距离下长管拖车的可靠性。随着氢气输送技术的成熟，氢能流逐渐成为多区域能源系统间耦合的重要枢纽［8］。

在交通领域，氢能在氢燃料电池研发方向不断取得突破，有望取代传统内燃机，推进新能源汽车发展进程，前景广阔［9］。近年来，新能源汽车发展迅猛，电动汽车、氢能源汽车等已成为IES 的重要负荷，其空间移动性使得多区域IES 可通过交通网联合起来。因此，交通流已成为多区域IES 协调运行研究的重要角色。文献［10］提出了IES 与多电动汽车的一主多从博弈模型，并调整售电策略，提高了IES 净收益，降低了电动汽车充电成本。文献［11-12］中的IES考虑新能源汽车的充能响应，通过价格引导用户出行路径与充能行为，改变充能负荷的空间分布。文献［13］提出电动公交车参与多区域IES运行，协调耦合设备出力与新能源汽车充能策略，实现周期内可再生能源的完全消纳。现有研究表明将新能源汽车引入多区域IES 负荷侧，能够协调多能流优化，促进可再生能源消纳，但其均侧重于电动汽车，对多能源混动汽车鲜有考虑，而事实上，多能源混动汽车具有更多的充能选择，可增加多能源系统的耦合程度。

在实际市场中，电动汽车的里程焦虑与充电时间问题［14-15］、氢能源汽车的氢能成本高问题［16］都是限制新能源汽车发展的主要因素。多能耦合为新能源汽车的发展提供了一种新思路。氢电混合动力车（hydrogen-electric hybrid vehicle，HEHV）（下文简称氢电混动车）由氢燃料电池与锂电池驱动，结合了电动汽车、氢燃料汽车的优点，其灵活的充能选择可突破新能源汽车发展限制。将电能与氢能结合作为混合动力驱动，协调提高交通系统与能源系统运营效益。现阶段，国内外新能源汽车厂家，如广汽传祺、现代等已实现搭载成熟氢电混合动力系统的整车落地。文献［17-18］分析指出，2021 — 2035 年新能源汽车具有良好的发展规模趋势，随着制氢技术与充电技术的进一步发展，氢电混动车将具有更广阔的发展前景。同时，氢电合建站也是未来充能站的发展趋势，这也将助力氢电混动车的推广。然而，氢电混动车在大量投入使用后，其作为IES 的重要负荷，将导致多区域IES 在负荷侧的耦合形式更加复杂。氢电混动车灵活的充能选择使其成为可空间移动的多能负荷，既具有电动汽车充能行为的个体差异性，又具有多能用户用能选择的随机性，导致其集总响应行为建模更加困难。

目前，针对氢电混动车对多区域IES 协调优化的影响研究仍较少，因此本文构建了多区域IES 运营商与氢电混动车车主的主从博弈模型，上层协调多区域IES 优化得到系统末端的充能站氢价补贴策略，下层车主根据上层的氢价补贴信号优化自身的充能路径和策略，通过多次迭代收敛至博弈均衡点，得到多区域IES 的协调调度策略、各车主的充能行为表现等。算例结果表明，通过合理调整价格信号，利用氢价补贴使氢电混动车车主进行充能响应，可减少多区域间的氢能运输成本与购气成本，降低IES运行总成本，提高IES能源利用效率。

1 多区域IES运营商与氢电混动车互动机制

多区域IES 针对不同园区的IES 主体在负荷侧形成对应产业区域，由区域IES 分别满足各自区域负荷侧的热、电负荷需求。考虑到地域间可再生能源资源水平与设备利用水平的不平衡，将区域分为优势区与劣势区，优势区可再生能源充足、能源成本较低，劣势区则相反。优势区的可再生能源可转换为可储运的氢能，与劣势区IES 间通过交通运输进行能源互联，在IES 充能站与氢电混动车间进行氢、电负荷耦合，实现能源的全局优化。多区域IES 与氢电混动车互联架构如图1 所示。图中：A 区、C 区为优势区；B区为劣势区。

图1 多区域IES与氢电混动车互联架构图Fig.1 Interconnection architecture diagram of multi-region IES and HEHV

多区域IES 运营商和氢电混动车车主进行氢价补贴-充能响应的主从博弈，多区域IES 由同一运营商运营，IES 运营商在主从博弈中作为上层领导者，氢电混动车车主作为下层跟随者，具体的主从博弈结构如图2所示。

图2 主从博弈结构示意图Fig.2 Schematic diagram of master-slave game structure

上层由区域IES向充能站供应电、氢能源，对A、C区充能站进行氢价补贴优化（B区氢价没有补贴），最终根据负荷侧充能响应确定系统运行成本；下层车主综合考虑多区域充能站的电价和氢价、剩余车储能量以及路径里程，进行充能地区的选择。由于各车主车况存在个体差异，对同一时刻相同电、氢价的响应情况也不同，使得车主充能响应（充能路径、充能行为）具有随机性，需要根据不同的车辆储能状态进行个体优化，然后将个体优化后的用户响应集总，构成车群的集总充能响应，从而改变A、B、C 区的充能负荷分布。不同氢能补贴定价下IES 负荷分布也会有所不同。当上层IES 制定的氢价补贴能在车群响应后获得最小系统运行成本，即到达最佳博弈点时，可以确定为最优氢价补贴。本文中，多区域IES运营商优化目标体现在通过多能负荷互动，调整多个IES 间的负荷分布，降低多区域负荷不平衡导致的系统能源调度困难，从而提高多区域间的能源整体利用效率，最小化系统运行成本。

2 多区域IES-氢电混动车群互动模型

下面对上层的多区域IES 多能流耦合进行分析，对多区域IES、氢能供应链进行建模；对下层的氢电混动车充能行为进行分析，建立车储能可行驶里程模型与车主充能选择策略模型。

2.1 上层模型

2.1.1 多区域IES多能流耦合分析

多区域IES多能流耦合图如图3所示。IES系统由A、B、C 三区域IES 组成，IES 负荷侧为电负荷、热负荷。A、B、C 区的电负荷由从电网购电、燃气轮机发电提供；热负荷由燃气锅炉、余热锅炉、电锅炉提供。风电、光伏作为无污染、成本低的可再生能源，通过可再生能源制氢-储氢-运氢形成氢供应链，以此实现A、B、C区系统的氢能供应。

图3 多区域IES多能流耦合Fig.3 Multi-energy flow coupling of multi-region IES

A、B、C 区均配置了站内电氢充能站，充能站由各自的IES 进行电、氢供应，用户侧车主根据充能成本选择充能站进行充能。电氢充能站作为IES 系统和车主充能系统之间的连接枢纽，通过电、氢充能实现A、B、C区的区域系统负荷耦合。

2.1.2 氢供应链与运输模型

电解槽是电解水制氢的关键设备，本文采用的质子交换膜电解槽具有响应快、结构紧密、技术成熟、体积小等优势，可以很好地匹配风电、光伏的间歇性、波动性等特点。电解槽将电能转化为可运输的氢气，压缩至储氢罐，供应区域充能站，也可由A、C 区系统通过长管拖车向B 区输送氢。考虑到经济成本与技术成熟度，现阶段中短距离间氢气运输一般采用长管拖车高压气氢运输方式，压缩机工作压力为国家最高运输标准20 MPa，长管拖车车速为50 km／h，运氢成本与运输距离呈线性正相关［19］。氢供应链的制氢-储氢-运氢过程见附录A图A1。

2.2 下层模型

2.2.1 氢电混动车里程模型

氢电混动车结合了电动汽车与氢燃料汽车的优点，将电能、氢能作为动力，通过锂电池与氢燃料电池提供驱动动力，充能方式灵活、可行驶里程长、充能价格低，是交通领域可持续低碳发展的重要研究方向。为了描述氢电混动车的最大可行驶里程，需对锂电池储电量、储氢罐储氢量进行建模［20］。氢电混动车的最大可行驶里程R可表示为：

式中：EB为锂电池的最大储电量；MH2为储氢罐最大储氢质量；ηE、ηH分别为耗电效率和耗氢效率；MV、MFC、MHT、kW，B分别为去除电池组的车辆、燃料电池系统、储氢罐、电池组的质量；SEBC为电池单元的比能；PFC为燃料电池系统的功率。

在氢电混动车硬件设备性能固定，且不考虑电池损耗的情况下，可行驶里程随车的储氢、电量变化而发生变化。典型氢电混动车的参数如附录A 表A1 所示。由表可知，式（1）中的EBkW，B/SEBC+MH2+MFCPFC+MHT相较于MV很小（两者之比在10 % 以下），因此将该项简化为常数C，则R的简化表达为：

式中：VE、VH分别为电池储电量、储氢量关于里程的转换系数。

t时段内第n辆氢电混动车的可行驶里程为：

2.2.2 车主充能选择策略

车主的充能路线选择见附录A 图A2。图中，D为目的地。单日内，氢电混动车车主在B、D两地进行一次往返，在出发时与返程后分别进行一次充能；出发时车主根据车辆的剩余能源状态，选择在A、B、C三地充能以进行氢、电能源补给，或者在能源充足时不充能，直接在B、D 两地往返，返程后在B地进行夜间充能。本文为了对用户充能响应行为差异性进行准确建模，从车主角度出发，同时考虑充能费用、时间成本，根据自身能源存储状态进行充能策略优化。

3 计及氢电混动车响应的多区域IES互动优化模型

基于第2 章，从IES 总运营商角度出发，以最小化多区域运营总成本为目标，建立基于氢供应链、充能负荷响应耦合的多区域IES 运行优化模型，优化得到氢供应策略和氢能补贴定价策略。优化周期为24 h，单位时间为1 h，优化模型分为上层多区域IES运行模型和下层车主充能选择策略优化模型。

3.1 下层车主充能策略优化模型

3.1.1 目标函数

下层车主充能策略优化模型的目标函数见式（5）—（7）。

式中：j取值为1、2、3 分别对应A、B、C 区；Fcar，n为第n辆氢电混动车车主充能选择决策；Ccost，n、Ckm，n分别为第n辆氢电混动车的充能费用、时间成本（与路程相关）；α为选择影响因子；为所选路径i的路程距离分别为t时段第n辆氢电混动车在j区充电量、加氢量；分别为j区充能站的电价、氢价；T为调度周期时段数。

3.1.2 约束条件

下层车主充能约束主要包括充能选择约束、车储电／储氢量约束，具体见附录A 式（A1）—（A7）。

3.2 上层多区域IES运行模型

3.2.1 目标函数

多区域IES的优化目标如下：

式中：F为多区域IES 总运行成本；Fe、Fh、Fre、Fel、Ftran、Fhe分别为系统购电成本、购气成本、电解槽制氢成本、弃能惩罚成本、长管拖车交通运输成本、氢能补贴成本。

式中：Cej、Cgj分别为j区的购电、购气价格；分别为j区t时段的购电、购气量；Cre为可再生能源惩罚价格；分别为j区t时段预测风电和光伏出力最大值、实际出力；P为j区t时段电解槽产氢质量；C为j区长管拖车运氢单位重量成本为t时段经过长管拖车由j区向B 区运输的氢气量；Cop为运氢单次固定成本；I为j区t时段的运氢次数；为j区充能站氢能的单位价格补贴；P为j区t时段向充能站的送氢量；Pj，tG为t时段j区充能站车主充电负荷量；Cel为电解槽制氢单位成本。

3.2.2 约束条件

1）功率平衡约束。

电功率平衡约束为：

式中：L为j区t时段的电负荷；P为j区t时段的燃气轮机输出电功率；P为j区t时段的电解槽制氢功率；P为j区t时段的氢燃料电池输出电功率；P为j区t时段的电锅炉输入功率。

热功率平衡约束为：

式中：L为j区t时段的热负荷；Q为j区t时段的燃气轮机输出热功率；Q为j区t时段的氢燃料电池输出热功率；Q为j区t时段的电锅炉输出热功率；Q为j区t时段的燃气锅炉输出热功率；ηhr为余热回收效率。

能源约束条件见附录A式（A8）—（A10）。

2）运输交通流约束。

电解槽产生氢气，通过压缩机将氢气压缩注入储氢罐，由长管拖车进行区域间高压气氢储运，适合中短距离间运输［2］，运输时间为τj。

式中：P为送入储氢罐的氢气量；ηh2los为运输过程中每小时的储氢罐损耗率；P为t+τj时段B 区运输送存储的氢气量；P为t时段B 区经过储氢罐放出的氢气量；ηCE为压缩机工作效率；P为t时段j区充能站车主充氢负荷量分别为长管拖车单次运输氢气量最小值、最大值；P为t时段储氢罐用于发电的氢气量。

3）设备约束。

系统中设备包括电锅炉、燃气轮机、电解槽、燃气锅炉、储氢设备、氢燃料电池等，具体表达式见附录A式（A11）—（A23）。

3.3 模型求解

本文所提双层优化模型可以简写为：

式中：F(xs，ys)为迭代次数s下的上层与下层目标函数，对应上层系统最小运行成本与下层最佳充能策略；k为迭代次数上限；fm(xs，ys)=0 为等式约束，对应上层各负荷与设备关系约束，下层车能源储量与充能选择关系约束，为等式约束；p为等式约束个数；fl(xs，ys)≤0 为不等式约束，对应上层IES 内部设备参数功率限制与下层充能策略充能条件限制，组成决策变量；q为不等式约束个数。

采用MATLAB 通过Yalmip 建模语言调用商业求解器CPLEX，求解混合整数线性优化问题，具体求解流程如图4所示。

图4 模型求解流程Fig.4 Model solving process

4 算例分析

4.1 算例参数

为验证模型有效性，本文以图1 所示的三区域IES为研究对象进行运行分析。调度周期为24 h，时间步长为1 h。A、B、C 区的负荷分属工业、居民小区、办公区的三类用户，采用分时电价，低谷时段为01:00 — 07:00、23:00 — 24:00，平峰时段为11:00 —18:00，高峰时段为08:00 — 10:00、19:00 — 22:00。电、气价格见附录B 表B1，典型日电、热负荷峰值预测结果见附录B 表B2，氢电混动车充能参数见附录B 表B3，系统相关的参数见附录B 表B4。各行业用户的电、热负荷曲线［21］见附录B 图B1，典型日电、热负荷与风电预测曲线见附录B图B2。

IES 设定：A — C 区分别为工业区、居民区、办公区，输送氢能用于系统电负荷供应与充能站储氢供应。

充能选择策略设定：氢电混动车每日在B、D 两地进行往返运输，由起始地B 区出发，D 地返程，时速不高于80 km／h，在出发时与返程后分别进行一次充能。出发时车主根据车辆自身剩余能源状态，按照自身最低充能费用和时间成本（α=0.95），可选择在A、B、C 三区中任一区进行能源补给，返程后在B 区进行夜间充能。电氢充能站采用45 kW 直流充电桩，在1 h 内对氢电混动车完成氢、电充能。对区域A、C 充能站氢价进行补贴调整。AB 区、BC 区的距离均为150 km，A、B、C 区与D 地的距离分别为160、220、190 km。

氢电混动车设置：数量为150 辆，出发时各车的氢电存储状态具有随机性，符合正态分布；根据车主行程时间将车群分为3 组，即［60，60，30］，第一组07:00 出发、19:00 返回，第二组09:00 出发、21:00 返回，第三组11:00出发、23:00返回。

4.2 运行结果分析

4.2.1 氢供应链耦合对多区域IES运行影响

除了氢电混动车充能带来的IES 氢能耦合，多区域IES 还可通过氢供应链进行耦合，即通过长管拖车在A、C 区充能站与B 区充能站间运送氢能，对典型日下区域间IES 加入氢供应链前、后的情况进行对比分析，结果如表1所示。多区域IES优化考虑氢供应链传输前，各区域IES 独立满足区域负荷，存在弃风弃光现象。区域间加入氢供应链传输耦合后，由于长管拖车在IES 间运输氢能，通过氢供应链进行风光电解制氢与氢能调用，提高了可再生能源消纳率，与各区域IES 独立运行相比，减少了从电网购电成本与天然气成本，但要付出较为昂贵的长管拖车运输成本，导致系统总运行成本下降较少。

表1 典型日下运输氢能对比结果Table 1 Comparison results of typical sub-daily transport hydrogen energy

4.2.2 多能负荷耦合对多区域IES运行影响

在氢供应链耦合基础上，进一步通过氢电混动车形成的交通流将多区域IES 在负荷侧耦合起来，对典型日下考虑车群与IES 互动后的运行情况进行对比分析，具体说明如下。

方案1：上层IES 与下层充能负荷无充能互动，氢电混动车群无充能选择策略，充能行为不受价格影响，车主就近选择B区为充能区。

方案2：上层IES 与下层充能负荷有充能互动，氢电混动车群有A、B、C 区充能选择，计及车主对电价、氢价的响应，但氢价未补贴。

方案3：氢电混动车群有充能选择策略，IES 根据车群响应优化氢价补贴，上层IES 与下层充能负荷形成价格与充能响应互动。

上述方案下的优化结果如表2 所示，A、B、C 区的IES负荷分布对比如图5所示。

表2 各方案下的优化结果Table 2 Optimization results of each scheme单位：元

图5 各方案下的IES负荷优化分布对比Fig.5 Comparison of IES load optimization distribution under each scheme

方案1中，电、氢充能负荷全部集中于B 区，B 区所需氢能需从A、C 区运输，A、C 区没有氢能消耗途径，氢负荷多集中在B 区，而氢运输成本较高，由于长管拖车容量限制，运输氢量有限，A 区与C 区可再生能源不能被完全消纳，仍存在弃风弃光现象。

方案2 中，车主具备充能选择特性，对于A、B、C区充能站发布的电氢价格信号做出充能选择，但由于氢价补贴为0，A、C 区与B 区的充能价格差较小，不足以平衡车主前往A、C 区充能的路程耗能成本，愿意前往A 区或C区充能的车主非常有限。所以，B区氢能负荷仍然较高，所需氢能仍需从A 区和C 区运输，故氢能运输成本没有明显降低，但少量充能车辆的充能转移也减少了系统各项成本。

方案3 中，A、C 区用氢价格为40 元／kg 时开始对充能站进行氢价补贴。当A、C 区充能站氢价随补贴下降时，更多车主根据自身储能情况选择到A或C 区进行充能，3 个区的充能站负荷需求发生明显变化，在A 区补贴价格为3 元／kg、C 区补贴价格为5 元／kg，即A 区氢价为37 元／kg、C 区氢价为35 元／kg时，A区充能车主为18位，B区充能车主为86 位，C 区充能车主为46 位。此时由于氢负荷的地区转移使得氢能运输成本减少，达到博弈均衡点，IES 总运行成本最低，A、B、C 区IES 负荷分布对比如图5 所示。可见：方案1 中车主只在B 区充能，B 区负荷压力较大；方案2 下，部分车主选择A 区充能，将B 区电、氢负荷分散到A 区，单日B 区电、氢总负荷减少；在方案3下由于氢价补贴引导车主开始去C区充能，A、C区充能站电氢负荷增加。

4.2.3 响应灵敏度分析

1）氢价补贴。

氢价补贴是引导车群响应的重要因素，直接影响车群的充能响应量，进而影响到多区域IES 的运行成本。首先对氢价补贴进行灵敏度分析，IES总运行成本变化如图6所示。

图6 氢价补贴下多区域IES总运行成本变化Fig.6 Change of total operation cost of multi-region IES under hydrogen price subsidy

从图6 可看出，随着A、C 区充能站氢价补贴的增加，IES总运行成本随补贴变化呈先降低再上升的趋势，均存在成本转折点。这是因为随着氢价补贴的增加，车主响应逐渐增加，IES总运行成本降低，而后氢价补贴继续增加，氢价补贴成本逐渐占主导，IES总运行成本开始上升。综合来看，A 区充能站补贴为3 元／kg、C 区充能站补贴为5 元／kg 时为氢价最优补贴，对应IES 运行的最优成本。而随着两站补贴的同时进行，补贴对应价格趋势也发生变化，如附录B表B5所示。当C区充能站补贴额小于A区充能站时，车辆并不选择去C 区充能站充能，这是因为同等补贴额度下A 区充能站充能路径更短，充能花费更低，而当C 区充能站补贴大于A 区充能站时，部分车主开始选择C 区充能站充能，使得C 区电、氢负荷变大，而C 区充能站电价成本更低，对于总运行成本占优。由于车群的初始储能状态是正态分布生成的，大部分车主的储能状态使得车主在补贴小于4 元／kg时选择前往A区充能，只有C区充能站补贴超过A 区充能站时，才选择前往C 区充能；此外，车主是否选择充能与车主的车辆储能状态紧密相关，少部分车主的车辆初始储能量较多，没有急切的充能需求，所以对氢价补贴较为不敏感，只在较高补贴下才会响应而前往A／C区充能；还有少部分车主的车辆初始储能量太少，已没有足够能源前往A／C区充能，不具备价格响应能力，只能留在B 区充能。此外，从表B5 可以看出，在氢价补贴小于5 元／kg 时，车辆数目从B 区转移至A／C 区速度较快，之后逐渐放缓，将A 区氢价补贴升至20 元／kg，有22 辆车仍在B 区充能，不具备响应能力。在氢价补贴大于5 元／kg 后车群响应能力逐渐变差，使得氢价补贴成本开始占运行成本主导，此时再增加补贴已不具备经济意义。可见，氢价补贴的选取与车群的初始储能量紧密相关，初始储能量过多或过少的车数越多，车群对氢价补贴响应能力越差。不同氢价补贴下，B、C 区充能车主的数量分别如附录B 表B6、B7 所示。

2）氢供应链容量。

氢供应链容量配置也是多区域IES 运行经济性目标的重要影响因素，在典型日下方案3 的最佳博弈点处，对储氢罐容量、电氢充能站容量、长管拖车运输容量进行灵敏度分析，绘制上述指标与系统总运行成本的关系曲线，如图7所示。

图7 氢供应链容量灵敏度分析Fig.7 Sensitivity analysis of hydrogen supply chain capacity

由图7 可知，随着长管拖车、储氢罐、充能站容量的增加，系统总运行成本降低。这是因为长管拖车、储氢罐或充能站容量的增加，都会增加夜间氢能的容纳量，进而减少了A、C 区氢气运输到B 区所需的次数（由5 次降为2 次），降低了氢能的运输成本，也减少了运输途中的氢能损耗，即多区域之间的氢能源耦合更加经济。当长管拖车、储氢罐、充能站容量增加到150 kg时，系统总运行成本降到最小值，之后设备容量再增加，系统总运行成本都不会降低。氢能的运输次数已经达到了最小次数（2 次），由于氢能产能限制运输次数与B 区充能站充能时效需要已无法再减小，此时再增加储存设备、运输设备的容量都无法再降低氢能运输成本，总运行成本也不会再降低。这说明即使不考虑系统设备的投资成本，系统运氢设备、储氢设备的容量也不是越大越好，这主要是由于系统氢能产能的限制，如系统电解槽出力功率大小限制了制氢量。

5 结论

本文构建了电-氢负荷耦合多区域IES模型。在多区域IES 协调优化的基础上，重点考虑了氢电混动车群与多区域IES 所属的电氢充能站的充能互动行为，建立了IES 运营商与氢电混动车群之间氢价补贴-充能响应的主从博弈模型。通过氢电混动车进行氢电负荷耦合，实现多区域IES 在源、荷侧电氢耦合，算例分析了典型日场景下氢电混动车群充能行为对IES 运行的影响，并得到如下结论：利用氢价补贴使氢能混动车车主进行充能响应后，直接减少了多区域间氢能运输成本，并可增加风电利用效率从而降低了IES 总运行成本，氢价补贴互动机制能显著提高能源利用效率和系统经济性；氢价补贴的选取与车群的初始储能量紧密相关，初始储能量过多或过少的车辆越多，车群对氢价补贴响应能力越差；由于受系统风电制氢的产能限制，系统运行成本并不会随着氢供应链容量的增加而降低，150 kg 为氢供应链的最优容量。

本文后续将对高耦合度的多区域IES 设备容量规划进行研究。

附录见本刊网络版（http：//www.epae.cn）。