基于系统动力学氢需求预测与综合能源系统优化配置研究

周专，苗帅，边家瑜，袁铁江

（1.国网新疆电力有限公司，乌鲁木齐 830011；2.大连理工大学电气工程学院，辽宁大连 116024）

0 引言

随着“双碳”战略目标的提出，可再生能源装机容量不断提升。由于风光消纳能力不足，新疆地区新能源的弃电率远高于全国的平均水平[1]。氢能作为具有大规模存储特性的清洁能源，将在工业、交通、电力和建筑供热等领域发挥重大的作用，通过可再生能源发电所得的绿氢，将作为新兴能源代替传统化石能源，实现能源的综合协调利用[2]。

目前，在氢负荷的预测方面，国内外学者已进行了一定研究。文献[3]根据交通流量数据和期望的车辆加氢概率，基于K 最邻近和支持向量机方法对交通领域的氢需求量进行了预测。文献[4]考虑到政策支持和经济投入对交通领域氢能需求的影响，基于系统动力学方法分析相关影响因素，预测了交通领域的氢能需求。文献[5]将小波变换方法和神经网络相结合，精准模拟交通流情况，考虑到充电服务限制和驾驶员行为，对汽车的充能需求进行预测。以上文献集中于对交通领域中氢燃料汽车对氢能的需求，针对某一地区多个领域的氢能需求预测较少。由于预测多个领域的氢能需求需要考虑各种因素，并且氢能技术在许多领域还处于新兴阶段，这增加了预测的复杂性和不确定性。而系统动力学强调系统的动态性，考虑到系统的各个影响因素和它们之间的相互作用，从而更好地模拟系统行为，能够准确预测未来多领域下的氢能需求变化[6]。

随着氢能需求得以预测，需要对制氢、储氢以及运氢基础设备的容量进行重新配置，在容量配置过程中综合考虑技术、环境、经济等因素，确保效益最大化，是系统建设的关键所在。文献[7]以总净现值成本最小为目标，考虑到系统运行的经济性和环境效益，得到了风/光/储并网型微电网容量最优配置。文献[8]以微网的经济性、可靠性和低碳性综合最优为目标，考虑到氢储系统的动态效率，通过隶属度分析法给出了包含风光、氢储能、超级电容的微网规划方案。文献[9]考虑到系统经济性、供电可靠性和弃风率，采用动态权重的改进猫群算法对电解槽、燃料电池和储氢罐的容量进行了优化配置。现有对氢能系统的研究鲜有考虑氢能对电力系统供需的平衡作用，对多领域氢能应用下的最优配置研究较少。

综上所述，对未来社会中氢能在工业、交通、电力、供热领域的相关影响因素进行深入分析，通过系统动力学预测多领域下的氢能需求，基于氢负荷水平建立氢能系统，构建包括投资成本、运维成本和置换成本的以净现值最低为目标的容量优化配置模型。以新疆地区为例，预测其多领域下的氢能需求，得到氢能系统中各设备的配置容量以及成本情况。

1 多领域氢负荷预测及等效电负荷模型

风/光发电通过电力转换设备与电网集成，满足工业、交通、电力和供热领域的氢能需求。当可再生能源供应不足或氢储能容量达到峰值时，多余的氢能可通过燃料电池系统发电，将其回馈电网，实现全方位的能源协同利用。这种综合能源系统充分发挥了电和氢在各个领域之间的互补特性，有效协调电源与负荷之间的平衡。典型的应用场景包括工业领域，如钢铁的清洁冶炼和甲醇生产；交通领域，如氢燃料汽车、重型卡车和公共汽车的氢能替代；电力领域以氢燃料电池发电为主；供热领域以天然气管道掺氢为主。综合能源系统结构图见图1，通过可再生能源和氢能技术的相互作用，以满足多领域的能源需求，同时实现能源的高效利用和可持续发展[10]。

图1 综合能源系统结构图Fig.1 Structure diagram of integrated energy system

1.1 多领域氢负荷预测

系统动力学分析的核心在于考察系统内因素之间的相互作用，并假定外部环境变化不会在本质上改变系统行为。终端应用领域的氢能需求中，多方面复杂因素如政策、经济、技术、环保等制约了其发展，因此模型聚焦关键内部因素，排除外部界限以提高模型的精确性[11]。地区生产总值和总人口的变化影响着各个领域的投资情况和对能源的需求程度，故将其作为输入。不同领域的氢能需求会刺激氢能产业的发展，将工业、交通、电力和供热的氢能需求作为输出，将模型的时间边界设定为2016～2050年，得到多领域氢负荷预测的因果关系图见图2。图中的“+”表示因素之间存在积极作用，“-”表示因素之间具有消极作用。

图2 多领域氢负荷预测的因果关系图Fig.2 Causality diagram of multi-domain hydrogen load forecasting

筛选出关键因素后，对多领域氢负荷预测进行建模。具体将多领域氢负荷预测模型分为工业子系统、交通子系统、电力子系统、供热子系统和氢能子系统这5 个子系统。

1）工业子系统

钢铁产业和煤化工产业作为工业领域的两大支柱性产业，通过氢能实现其绿色转型可以大幅降低工业生产过程的碳排放，减少资源消耗和提高能源利用效率。钢铁产业的绿色转型主要考虑到城镇化率、人均钢铁量、废钢量对钢铁产量的影响[12]，城镇化率和钢铁投资会影响生铁产量的变化，城镇化率越高、钢铁投资越多，生铁产量会越高，其主要方程式为

式中：sUR、PTO、S(t)分别为城镇化率、城镇人口、总人口；SPI(t)、SPS、SSI、a1分别为生铁增量、人均钢铁量、钢铁投资、回归拟合常数；SSO、(t)、rSO分别为钢铁产量、粗钢产量、钢铁转化系数；(t)、SSI(t)、SDS(t)分别为钢铁总存量、钢铁年增量、折旧废钢量。

煤气化技术是煤化工产业的关键，在合成气净化过程中，最大程度地回收并重复使用污染物，从而显著减少温室气体排放。技术的不断改进会提升其发电效率，降低对煤炭的消耗量；氢气发电量的增加会降低碳排放，带来相应的社会经济效益[13]，其主要方程式为

式中：CHF、CHZ、hHL分别为火电发电量、火电装机容量、火电利用小时数；CGD、CGL、CGJ分别为供电产值、供电量、供电价格；C(t)、CMZ(t)、rMZ分别为煤炭消耗量、煤炭消耗增量、煤炭折标系数；CTJ、CTP、CCS分别为碳排放减少量、碳排放量、碳排放处理水平。

2）交通子系统

经济的不断增长会增加对交通行业的投资，导致各种交通工具保有量和出行量的增加。在新能源政策激励以及交通投资的资金支持下，氢燃料汽车、氢能源公共汽车和氢能源重型卡车的数量会越来越多，对氢能的需求也大幅增加，其主要方程式为

3）供热子系统

与新建氢气管道相比，天然气管网更为成熟，将氢气混入天然气管网用于城市供热可显著削减供热成本。混合气体的热值变化会影响热能需求，从而减少天然气的消耗，降低碳排放，提高综合效益[14]，其主要方程式为

式中：HGR、γ、RHQ分别为供热氢需求量、掺氢比例、混合气体量；RRZ、RHR分别为热值、混合其他热值；RXF、RNY、kTX分别为天然气消费量、能源消费总量、天然气消费占比；RTR、RTP分别为天然气需求量、天然气用气人口；a2、a3、a4为拟合常数。

4）电力子系统

氢能在电力系统调节方面仍处于示范阶段，目前主要采用氢燃料电池发电。使用氢能发电技术能够减少对煤炭的依赖，削减CO2排放，从而实现高效的电能转化[15]，其主要方程式为

式中：ESH、ERJ、EDX、ESC分别为生活用电量、人均用电量、电力消费量、生产用电量；EQD、EFD、HDL、EQF、EHD分别为缺电量、发电量、电力氢需求量、氢能电站发电量、氢电转化系数。

5）氢能子系统

随着绿氢投资的增加，可再生能源制氢技术将得到升级和优化，从而降低制氢成本。技术升级将对氢能供需产生影响，随着制氢成本的降低，售氢价格也会降低，进而刺激氢能需求的增长，通过售氢所获得的利润可以继续促进制氢技术的优化[16]，其主要方程式为

1.2 等效电负荷模型

氢需求预测结果将被转化为等效电负荷数据，用于系统的容量配置。在交通系统中，氢燃料电池汽车的加氢模式与传统燃料汽车相似，具有周期性，并且每天都呈现相似的趋势。每周内，每小时的氢需求比率可参考文献[17]。如果不考虑季节变化，那么交通领域的氢需求量等于年平均需求量，因此交通用氢的等效电负荷公式为

式中，DJT、kJT、ηAE分别为交通氢能等效电负荷、交通氢负荷比率、电解槽制氢效率。

供热系统中的氢需求量等于城市天然气供热的掺氢量，与城市天然气用气量的波动方式相似，每日用气量比率可参考文献[18]。考虑到供热需求的季节性特点，设定夏季氢负荷减少20%，冬季增加20%，而春秋季则等于年平均需求量。以春秋季为例，供热用氢的等效电负荷公式

式中，DGR、kGR分别为供热氢能等效电负荷、供热氢负荷比率。

工业领域的氢需求量包括钢铁清洁冶炼和煤化工生产甲醇等工业过程的总需氢量。电力领域主要考虑到氢燃料电池发电技术，氢能发电和工业生产具有一定的灵活性，其等效电负荷波动模式可遵循正态分布[19]，公式为

式中，DGY、DGL分别为工业氢能等效电负荷、电力氢能等效电负荷。

2 氢综合能源系统容量配置建模

本文考虑到综合能源系统的经济性和可靠性，以净现总成本最低为目标，构建计及多领域用氢需求的综合能源系统容量配置模型，并基于HOMER软件进行求解，确定系统内风电机组、光伏机组、氢燃料电池等设备的最优配置容量。

2.1 主要设备模型

1）风机模型

风力发电是当前风能利用的主要方式，风机的出力与风速、风轮面积、轮毂高度等多个因素均有关，其关系可以简化为

式中，PWT(t)、、vQR、vQC、vr分别为t时刻风机出力功率、风机出力额定功率、风机切入风速、风机切出风速、风机额定风速。

2）光伏模型

光伏阵列将光能转化为电能，其输出功率与光照强度、气象条件、环境温度等密切相关，具有很强的非线性，出力模型为

式中，PPV(t)、fPV、、GGQ、、k、Tgs、Tr分别为t时刻光伏出力功率、光伏阵列的降额因数、标准条件下的光伏额定功率、光照强度、标准条件下的光照强度、光伏功率温度系数、光伏电池板实际温度、光伏电池板额定温度。

3）电解槽模型

电解槽会将过剩的风光转化为氢气，碱性电解槽是目前应用最广泛的电解制氢技术，其输出模型为

式中，PH2(t)、PEZ(t)分别为t时刻碱性电解槽产氢功率、t时刻电解槽输入的电功率。

4）燃料电池模型

燃料电池采用质子交换膜燃料电池，其运行功率为额定功率的0～100%，其输出模型为

式中，PFC(t)、HFC(t)、ηFC、HHLV分别为质子交换膜燃料电池的实时功率、实时耗氢量、发电效率、氢的低拉热值。

5）储氢罐模型

高压存储的储存和释放氢气的速度快、成本低，适用于大规模存储，应用最为广泛，其模型为

式中，TRC(t)、TRC(t-1)、ηRI、ηRO、PRO(t)、SOHC(t)、分别为t时刻储氢罐剩余容量、t-1 时刻储氢罐剩余容量、储氢罐充能效率、放能效率、t时刻储氢罐放能功率、荷电状态、额定容量。

2.2 目标函数

氢能系统以净现值为目标，将系统运行周期内的支出成本和所得收益按照利率年平均化后进行折算，得到净现总成本。支出的成本包括风力发电机、光伏阵列和氢储能系统的投资成本、运维成本以及置换成本。获得的收益包括系统运行周期结束后各个设备的残余价值[20-21]，净现值总成本公式为

式中，MJX、MPJ、CRF、r、MYX分别为净现总成本、支出成本和获得收益的折算值、资金回收系数、实际年利率、系统运行年限。

式中，MTZ、MYW、MZH分别为年投资成本、年运维成本、年置换成本。

式中，mi,TZ、、mi,YW分别为第i种设备的单位容量投资成本、第i种设备的额定容量、第i种设备的单位容量运维成本；mi,ZH、ki,ZH、SFF、Mi,SY、MS分别为第i种设备的单位容量置换成本、置换比例系数、偿债基金系数、第i种设备的使用寿命、设备残值。

式中，Mi,GH、INT、Mi,SY分别为第i种设备的更换年限、取整符号、第i种设备在系统运行周期结束后剩余的使用寿命。

2.3 约束条件

1）设备运行约束为

式中，PLOAD（t）为用户用能负荷。

2）氢储能约束

3）负荷缺电率约束

式中，PFQ、PFQ_LOAD(t)、分别为负荷缺电率、t时刻缺电负荷功率、最大负荷缺电率。

3 算例分析

3.1 多领域氢能需求预测

本文以新疆地区为例，根据上述变量的结构方程，使用Vensim 软件模拟新疆地区在2016 年到2050 年间多领域的氢能发展趋势。其中将2016～2021 年的数据用于模型的检验，将2022～2050 年的数据用于多领域预测，积分步长为1 年。结合《新疆省统计年鉴》和因果回路图中相关文献对参数的描述，多领域氢负荷预测的关键参数见表1。

表1 关键参数初始值Table 1 Initial values of key parameters

为了确保模型的合理性和准确性，在开始预测之前，必须进行历史性检验以验证模型是否能够准确地反映过去的现实情况。本文选取地区生产总值、家用汽车保有量、钢材产量、电力消费量、天然气供应量的仿真模拟数据与实际数据进行相对误差检验。检验结果见表2。

表2 模型历史性检验结果Table 2 Historical test results of the model

经过对比分析各个变量的模拟值可得，2017～2021 年新疆的地区生产总值、家用汽车保有量、钢材产量、电力消费量、天然气供应量的相对误差均在4%以内，由此可得所建立的模型具有较高的精确度，通过有效性检验，可得使用该模型对工业、交通、电力、供热多领域的氢能发展趋势进行模拟仿真预测是准确的。

通过有效性检验，已验证构建模型的准确性。基于这一验证，可以进行多领域下的氢能需求预测。图3 为交通领域和工业领域的氢能需求变化，从图中可得，到2030 年交通领域的氢能需求为7.09 万吨、工业领域的氢能需求为25.38 万吨，受限于电制氢技术早期成本较高，氢能产业的发展缓慢且规模较小；到2050 年交通领域的氢能需求为73.32 万吨、工业领域的氢能需求为82.45 万吨，随着氢能技术的不断发展，氢燃料电池和氢气生产效率的不断提高，交通领域和工业领域作为碳排放的主要来源，依靠氢能进行绿色转型，以实现其可持续发展。

图3 交通、工业领域的氢能需求Fig.3 Hydrogen demand in transportation and industry

随着绿氢技术的不断升级，绿氢作为清洁高效的二次能源，将助力电力领域和供热领域的节能减碳。图4 为电力领域和供热领域的氢能需求变化，从图中可得，到2030 年供热领域的氢能需求为1.38 万吨、电力领域的氢能需求为1.56 万吨；到2050 年供热领域的氢能需求为4.2 万吨、电力领域的氢能需求为4.71 万吨。在供热领域中随着天然气掺氢占比的提升，可降低对天然气的依赖，保证能源的充足供应；随着氢燃料电池发电技术的不断升级，使得氢能参与电力系统调节的应用越来越多，氢发电占比的提升在满足系统灵活性调节和供电可靠性的同时减少了对煤炭的使用，大幅降低了碳排放。

图4 供热、电力领域的氢能需求Fig.4 Hydrogen demand in heating and power sector

结合上述对工业、交通、电力、供热领域氢能需求变化趋势的分析可得，在2030 年之前，氢能主要作为工业的生产原料，应用在工业生产上，这是工业领域在氢能发展初期氢能占比最大的主要原因。随着氢能产业政策的不断完善，各种以氢能为动力的交通工具会迅速增加，氢发电和天然气掺氢的占比也会越来越大，绿氢将实现在电力、交通、建筑领域的广泛应用，氢能需求会得到大幅度增长。

3.2 综合能源系统的容量配置

氢能需求的特性直接影响系统容量的配置，基于2050 年的氢负荷预测结果，对各领域的用氢特性进行分析：由于工业领域对氢能的需求较为平稳，相邻每小时氢负荷波动不超过5%，据此随机生成1 条工业领域氢负荷曲线；根据供热领域的累计数据集，新疆地区的日用气量主要有2 个高峰期：08：00～13：00 和14：00～20：00；交通领域的氢负荷曲线受人们的日常出行影响，日加氢量高峰期主要集中在08：00～20：00，电力领域的需求曲线与工业领域基本一致，其等效电负荷曲线如图5 所示。

图5 氢等效电负荷曲线Fig.5 Hydrogen equivalent electrical load curve

3.2.1 不同风光类型下的配置结果

风力发电和光伏发电均可以满足负荷需求，为探究不同类型的可再生能源出力对系统配置结果的影响，设置仅风力发电、仅光伏发电、风力发电和光伏发电混合出力3 个场景进行仿真。不同风光类型下的配置结果见表3，对应全寿命周成本分析见图6。

表3 不同风光类型下的配置结果Table 3 Configuration results under different scenery types

图6 不同新能源类型配置下的综合成本分析Fig.6 Comprehensive cost analysis under different types of new energy configuration

由表3 和图6 可知，风力发电机和光伏阵列共同出力下的配置结果，即由70 000 MW 的风力发电机、37 500 MW 的光伏阵列、30 000 MW 的电解槽、150 000 t的储氢罐、15 000 MW 的氢燃料电池和21 700 MW 的变流器构成的混合风光出力系统，是满足所在地区的经济性最优系统。与只有风机出力和只有光伏出力的系统相比，净现总成本分别降低了12.1%、15.2%。其主要因为风机在夜晚出力占比多，光伏阵列主要在白天出力，两者之间形成互补，使系统配置较小的风光和氢能系统容量就可以很好的满足系统负荷需求。

3.2.2 不同绿氢渗透下的配置结果

综合能源系统的配置容量应根据负荷需求的不同，进行精确的配置规划，以保障能源供应的可靠性和稳定性。为探究不同绿氢渗透下的氢负荷需求对系统配置结果的影响，将氢负荷设置为预测氢负荷的0.5～3 倍，间隔为0.5 倍。不同氢负荷需求下的容量配置结果如图7。

图7 不同氢负荷需求下的容量配置结果Fig.7 Capacity configuration results under different hydrogen load requirements

由图7 可得，随着氢负荷从预测氢负荷的0.5 倍增长到3 倍时，风光装机规模随着氢负荷的增加呈现着上升趋势，氢燃料电池的装机规模在缓慢增加，其装机占比从11.93%增长至13.87%。这表明在目前的风光机组和氢燃料电池建设成本之下，随着终端负荷的快速上升，风光机组的综合配置仍是保持经济性最优的配置结构。随着未来氢能产业的进一步发展，氢能的规模化生产及供应链会不断优化，当氢燃料电池的生产成本更低时，氢燃料电池的装机占比会越来越高。

3.2.3 不同风光占比下的配置结果

在风光最优配置条件下，风光发电能够满足全年大部分负荷需求，氢燃料电池的总发电量较小，主要是起到辅助调峰的作用。表4 为不同风光占比下的配置结果，不同风光占比下发电量及综合成本变化见图8。

表4 不同风光占比下的配置结果Table 4 Configuration results under different proportions of scenery

图8 不同风光占比下发电量及综合成本变化Fig.8 Changes in power generation and comprehensive cost under different proportions of wind and solar power

由图8 可知，随着风电机组和光伏机组的装机容量增加，氢燃料电池的配置容量一直保持不变，其作用主要是保证负荷用电高峰的供给。随着风电机组、光伏阵列的变化，风光出力逐渐增大，供给负荷电量在总负荷电量需求中的占比越来越大，氢燃料电池发电占比随之降低。随着风电和光伏机组的增加，电源部分的成本随之增大，氢能设备的配置容量减小，成本随之降低，但系统的净现总成本在风光占比为57.1% 和30.6% 时达到最小值。当风力发电机、光伏阵列的配置容量过大时，氢能设备的容量减小，但由于风机主要在夜晚出力，与负荷需求曲线不匹配，这导致氢能设备容量变化较小，系统的净现总成本随着风机数的增加不断增大；当风力发电机、光伏阵列的配置容量过小时，系统会选择增大电解槽、储氢罐、氢燃料电池的容量以保证负荷的可靠供给，此时氢能设备所增加的成本远大于风光机组容量变小所减少的费用，系统的净现总成本随着风机数的减小不断增大。在满足负荷需求过程中，持续增大、减小电源部分或者氢能系统的容量均会导致系统成本的增加。

4 结语

氢能将工业、交通、电力、供热领域统合在一起，为综合能源系统的节能减排提供了新途径。综合能源系统的持续发展需要精确的氢负荷预测方法，精确的氢负荷预测不仅对未来社会的工业、交通、电力、供热领域的绿色转型至关重要，同时也为氢能系统的容量配置提供了坚实基础。因此，本文对多领域氢负荷进行预测并提出容量配置方案，主要结论如下：

1）在氢能产业的发展初期，由于氢能作为生产原料得到了工业生产的大量使用，使得工业领域是初期氢能需求的主要来源。随着氢燃料电池技术的改进和制氢成本的不断降低，以氢能为动力的交通工具会迅速增加，氢发电和天然气掺氢的占比也会越来越大，氢能将推动工业、交通、电力和供热领域向可持续的能源系统转型，有效减少能源依赖，提高能源供应的可靠性；

2）风力和光伏发电均可以满足终端需求，通过对比不同风光类型下的全寿命周期成本，表明风力发电机和光伏阵列共同出力的系统与只有风机出力和只有光伏出力的系统相比，净现总成本分别降低了12.1%、15.2%，由此可得夜晚以风机出力为主，白天以光伏阵列出力为主的互补系统，是满足终端用氢需求的最优配置结果；

3）当氢负荷快速上升时，风光机组综合配置仍是保持经济性最优的配置结构；在风光最优配置条件下，风光发电能够满足全年大部分负荷需求，氢燃料电池的总发电量较小，主要起到辅助调峰的作用。在满足负荷需求过程中，持续增大、减小电源部分或氢能系统的容量均会导致系统成本的增加。