关于混合可再生氢能生产系统两阶段优化的研究报告
一、 研究作者、机构与发表信息
本研究报告基于一篇发表于国际期刊《Energy》的学术论文。该论文于2026年4月27日在线发表，卷号为355，文章编号为141127。论文的主要作者为来自华中科技大学能源与动力工程学院新能源科学与工程系的Peipei Ling，通讯作者为同一机构的Chang Wen教授。合作单位还包括中国石油化工股份有限公司石油化工科学研究院、华中科技大学中欧清洁与可再生能源学院以及中国电建集团湖北工程有限公司。这项研究得到了国家能源绿色氢能炼制研发中心、国家自然科学基金以及中国电力建设股份有限公司的资助。
二、 研究的学术背景
本研究属于可再生能源与氢能技术交叉领域，具体聚焦于风光互补离网制氢系统的优化设计与运行控制。随着全球能源低碳转型加速，绿氢技术成为发展重点。利用波动性强的风电和光伏（PV）发电进行电解水制氢，是实现可再生能源跨时空消纳和深度脱碳的有效途径。
然而，风光的波动性与电解制氢系统所需的稳定性之间存在固有矛盾。目前主流的两种电解水技术——碱性（Alkaline，ALK）电解槽和质子交换膜（Proton Exchange Membrane，PEM）电解槽——各有优劣。ALK电解槽技术成熟、成本较低，但动态响应慢，难以适应可再生能源的快速波动，频繁启停会损害其催化剂活性和设备寿命。PEM电解槽动态响应快、负载适应范围宽，更适合波动性电源，但其设备成本高昂，制约了大规模部署。单一的电解技术难以兼顾经济性与灵活性。
针对上述问题，现有研究多在系统容量配置或运行策略单一方面进行优化，且常采用简化的电解槽模型（如固定效率或忽略状态转换），未能精细刻画ALK和PEM的动态特性差异及其协同潜力。此外，容量优化与运行控制两个阶段往往割裂，可能导致配置方案在实际运行中表现不佳。
因此，本研究旨在构建一个覆盖建模、容量配置与运行策略的全流程优化框架。其核心目标是：在设计阶段，通过多目标优化确定风光储与ALK/PEM混合电解槽的最佳容量配比；在运行阶段，提出精细化的电解槽阵列协同控制策略，以提升系统整体性能，实现经济性、高制氢量与低弃电率的平衡。
三、 研究的详细工作流程
本研究采用了“建模-容量优化-运行策略优化-仿真验证”的系统性工作流程。
1. 系统建模 首先，研究构建了一个离网风光储氢系统模型，其核心是建立了ALK和PEM电解槽的精细化模型。 * ALK电解槽模型：基于电化学和热力学原理，建立了电压-电流（V-I）特性方程，并关联了电流效率与电压效率，从而得到动态的氢产率-功率效率曲线。模型验证显示与文献数据高度吻合。关键特性是，当输入功率达到额定功率的48%时，其制氢效率达到峰值。 * PEM电解槽模型：基于Butler-Volmer方程和欧姆极化效应，建立了包含可逆电位、活化过电位和欧姆过电位的电压模型，并考虑了电流密度和压力对电流效率的影响。模型同样经过验证。其效率在输入功率为额定功率的7.8%时达到峰值，且在20%-60%负载范围内能保持70%以上的高效率。 * 状态转换模型：为两种电解槽建立了统一的三状态（关机、待机、生产）转换模型，并明确了冷启动、热启动、关机等动态过程的时序逻辑。关键参数如冷启动时间（ALK: 60分钟，PEM: 10分钟）、热启动时间（ALK: 15分钟，PEM: 5分钟）、待机功率（额定功率的3%）等均从文献和工业合作中获取，并以15分钟为时间分辨率进行离散化处理。 * 风光储模型：同时建立了风力发电机（WT）、光伏（PV）和电池的数学模型，具体参数在论文的补充材料中提供。
2. 容量配置优化（第一阶段） 在系统设计阶段，研究提出了基于功率分配的混合电解槽容量优化策略。 * 优化对象与变量：优化变量包括风电容量、光伏容量、电池容量、ALK电解槽总容量和PEM电解槽总容量。研究将电解槽阵列视为整体进行容量优化。 * 功率分配逻辑：提出了一套详细的实时功率分配规则。基本原则是以ALK电解槽为主体消纳基础负荷，利用其经济性优势；以小容量的PEM电解槽作为动态调节单元，处理超出ALK运行范围（如波动过快或功率过低）的功率部分。电池作为功率平衡缓冲，在可再生能源过剩时充电，在功率不足时放电以维持电解槽最低运行功率，避免频繁启停。 * 优化目标：建立了一个三目标优化问题，旨在最小化系统总成本（包括投资、运维和更换成本）、最小化风光弃电率（Curtailment Rate, CR），以及最大化总氢气产量（Q）。 * 求解方法：采用改进的NSGA-II（非支配排序遗传算法II）进行多目标优化求解。改进之处包括：使用拉丁超立方采样初始化种群以保证多样性；采用自适应交叉和变异概率策略（前期高交叉概率加速收敛，后期高变异概率避免局部最优），增强了算法处理高维问题的能力和帕累托（Pareto）前沿的解的质量。
3. 运行策略优化（第二阶段） 在给定优化后的容量配置基础上，研究转向对电解槽阵列的模块化实时运行控制。 * 控制对象：将容量优化确定的ALK和PEM总功率，具体化为多个模块化电解槽单元（如3台5MW级ALK和3台900kW级PEM），进行独立控制。 * 三阶段运行策略（S2）：提出了区别于传统“链式控制”（先启先停，记为S1）的新策略。该策略根据电解槽效率特性，定义了最大制氢效率点（Ph，ALK为0.48倍额定功率Pe，PEM为0.078Pe）和额定功率点（Pe），将运行分为三个阶段： * 阶段一（启动并升至Ph）：优先启动ALK电解槽（因其冷启动时间长）。按顺序将各电解槽功率提升至其Ph点。 * 阶段二（升至额定功率Pe）：按顺序将电解槽功率提升至Pe。此阶段优先将剩余功率分配给PEM电解槽，因其效率高、响应快。 * 阶段三（超载运行）：当功率仍有富余时，允许短时超载运行。优先由PEM承担波动功率，并对超载时间设限（PEM最长30分钟，ALK最长1小时），且超载后2小时内不得再次进入超载状态。 * 模块化轮换控制策略：在三阶段功率分配后，引入基于数据驱动的轮换控制，以实现电解槽间工作时间的均衡。策略实时记录每个电解槽处于“额定功率”、“波动功率”和“关机”状态的时间。对于ALK阵列，当所有单元都在运行且状态不一时，让“额定运行时间最长”与“波动运行时间最长”的单元交换状态。对于PEM阵列，除上述交换外，还增加了启停管理：当部分PEM关机时，系统会关闭运行时间最长的单元，并启动闲置时间最长的单元，从而平衡启停损耗（此策略不用于ALK以避免其长启动时间带来的产量损失）。
4. 仿真验证与数据分析 研究选取中国内蒙古乌兰察布的实际气象数据进行了仿真分析。 * 容量优化验证：基于28个典型日（每季7天）的数据，运行改进的NSGA-II算法，得到了一系列帕累托最优解。从中选取了一个平衡成本、弃电率和产量的配置方案（Solution 4）进行深入分析。此外，还进行了敏感性分析，探讨了ALK电解槽最低运行功率阈值对优化结果的影响，并对比了混合系统与单一技术路线的性能。 * 运行策略验证：从全年数据中选取了三个典型场景日（资源不足日、资源中等日、资源丰富日），分别应用传统链式控制策略（S1）和提出的三阶段+轮换策略（S2）进行仿真。对比指标包括：总制氢量、弃电率、电解槽启停频率、各电解槽运行功率/效率曲线、不同状态（关机、波动、额定）下的时间分布及其离散系数（Coefficient of Variation, CV），以及电池的荷电状态（SOC）变化。
四、 研究的主要结果
1. 容量优化阶段结果 * 帕累托最优与方案选择：多目标优化得到了在成本、弃电率、制氢量三者间权衡的一系列方案。例如，方案1成本最低但弃电率高、产量低；方案2产量最高但成本也最高；方案3弃电率最低；方案4则在三者间取得了较好的平衡，被选为后续运行分析的基础配置（风电20MW，光伏10MW，电池3.7MWh，ALK电解槽15.233MW，PEM电解槽2.765MW）。 * 风光互补效应：计算表明，单独风电和光伏的输出功率变异系数（CV）分别为1.21和1.50，而风光互补系统的CV降至1.05，有效平滑了可再生能源出力波动。 * PEM容量配比的影响：分析发现，当PEM电解槽容量占总电解容量的比例约为10%-20%时，系统能在成本和制氢量之间取得较好的平衡。方案4中PEM占比约15%，符合这一趋势。 * 混合系统优势：与单一技术对比，ALK-PEM混合系统相比单一ALK系统，制氢量提升30%，弃电率从20.23%大幅降至2.43%；相比单一PEM系统，总成本降低40%。这证明了混合系统在提升性能、经济性和可再生能源消纳方面的综合优势。 * 敏感性分析：提高ALK电解槽最低运行功率阈值会导致弃电率上升和制氢量下降，但帕累托前沿的形状保持稳定，说明优化框架具有鲁棒性。组件容量分布显示，电池容量稳定，ALK容量随阈值升高而减少，PEM容量相应增加，风光容量保持互补稳定。
2. 运行策略优化阶段结果 在选定的容量配置下，对三个典型日进行仿真，对比S1和S2策略： * 整体性能提升：S2策略在三个典型日平均提高了2.4%的氢气总产量，并将弃电率降至极低水平（在资源丰富日仅为0.5%）。尤为突出的是，S2将PEM电解槽的启停频率降低了76.5%，ALK电解槽启停次数也相当或更少。减少冷启动有助于维持电解槽温度，提升效率和调节能力。 * 运行状态均衡：S2策略显著改善了电解槽阵列的工作负荷均衡性。通过计算各电解槽在关机、波动、额定三种状态下运行时间的变异系数（CV）发现，S2使PEM电解槽的总体CV从最高2.9降至接近0，ALK电解槽的CV也从最高3.0降至0.64左右，降幅超过70%。这表明S2成功实现了负载和工作时间的均衡分配。 * 效率与电池SOC：S2策略延长了ALK电解槽高效运行（效率>60%）的时间，比S1策略长55%。对于PEM电解槽，S2策略下平均制氢效率达到79%，高于S1的72%，且效率高于70%的运行时间占比是S1的四倍以上。此外，S2策略下电池SOC波动更平滑，避免了S1策略中出现的深度放电（至10% SOC）情况，有利于电池寿命。 * 敏感性分析：改变ALK最低运行功率阈值的敏感性分析表明，阈值升高会降低总制氢量，同时减少启停频率。但在整个测试范围内，S2策略相对于S1策略的优越性始终保持一致，证明了主要结论的稳健性。
五、 研究的结论与价值
本研究成功构建了一个针对风光互补离网制氢系统的两阶段全流程优化框架，并得出以下结论： 1. 混合系统优势显著：所构建的ALK-PEM混合制氢系统能有效适应波动性电源，提升经济性。与单一风电或光伏相比，风光互补发电出力更稳定。与单一ALK系统比，混合系统制氢量提升30%，弃电率大幅降低；与单一PEM系统比，总成本降低40%。 2. 三阶段运行策略有效：在运行阶段提出的三阶段操作策略，优化了电解槽的制氢效率和负载平衡。该策略使系统总制氢量提升2.4%，启停频率降低76.5%，保障了高效稳定的制氢过程。 3. 轮换控制策略提升可靠性：在三阶段策略基础上实施的轮换控制策略，通过管理电解槽的运作状态，平衡了关机、波动负载和额定功率条件，避免了单台电解槽长期处于极端工况。该策略将电解槽运行状态时间的离散程度降低了70%以上，平衡了工作时间，提升了混合电解槽系统的稳定性和可靠性。 4. 高效运行实例：在风光资源丰富的典型日，采用优化配置（20MW风电、10MW光伏、3.7MWh储能、3台5MW级ALK和3台900kW级PEM电解槽）和优化策略的系统，日制氢量可达61,300 Nm³，弃电率低至0.5%。
本研究的科学价值在于建立了一个耦合精细电解槽动态模型、容量配置与实时运行控制的集成优化方法论，揭示了ALK与PEM电解槽在风光制氢系统中的协同机制与最优配比关系。其应用价值在于为实际风光制氢电站的规划设计和运行调度提供了具体、可操作的优化方案与策略，有助于在保证经济性的前提下，最大化可再生能源利用率和氢气产量，延长关键设备寿命。
六、 研究的亮点
七、 其他有价值的内容
论文指出了未来的研究方向：将开发集成更精细状态转换逻辑（如冷待机）和电解槽退化效应的分钟级动态模型，以定量评估频繁启停和功率波动下关键失效机制引起的结构退化，从而探索提升混合电解槽系统耐久性和运行安全性的先进策略。这为后续更深入的寿命管理与可靠性研究指明了方向。