上海交通大学学报(自然版), 2022, 56(3): 253-266 doi: 10.16183/j.cnki.jsjtu.2021.464

新型电力系统与综合能源

大规模新能源汽车接入背景下的电氢能源与交通系统耦合研究综述

李佳琪, 徐潇源,, 严正

上海交通大学 电力传输与功率变换控制教育部重点实验室,上海市 200240

A Review of Coupled Electricity and Hydrogen Energy System with Transportation System Under the Background of Large-Scale New Energy Vehicles Access

LI Jiaqi, XU Xiaoyuan,, Yan Zheng

Key Laboratory of Power Transmission and Conversion of the Ministry of Education, Shanghai Jiao Tong University, Shanghai 200240, China

通讯作者: 徐潇源,男,副教授;E-mail:xuxiaoyuan@sjtu.edu.cn.

责任编辑: 陈晓燕

收稿日期: 2021-11-19  

基金资助: 国家自然科学基金(U2166201)

Received: 2021-11-19  

作者简介 About authors

李佳琪(1994-),女,天津市人,博士生,从事电力系统优化运行研究.

摘要

新能源的大规模开发利用是实现“双碳”目标的重要手段.可再生能源发电耦合制氢技术在提高可再生能源消纳率的同时,加速了新能源汽车的普及.未来,电氢能源系统与交通系统的耦合将会更加密切.以大规模新能源汽车接入为背景,首先综述了电氢能源系统的发展现状,并对耦合系统制氢、出力波动平抑以及参与电力系统优化运行3种工作模式进行了介绍.在此基础上,从不同能源角度出发,分别对电力-交通耦合系统中的联合规划与优化运行研究现状以及氢能-交通耦合系统中的加氢站优化与氢能运输相关问题进行了总结分析.最后,结合当前研究中存在的瓶颈,从动态模型构建、不确定性因素影响等方面对未来可行研究方向进行了展望.

关键词: 新能源汽车; 电氢能源系统; 交通系统; 联合规划; 协同运行

Abstract

The large-scale utilization of renewable energy is an important way to achieve the “double carbon targets”. The technology of coupled renewable energy with hydrogen system can improve the consumption rate of renewable energy and the penetration of new energy vehicles. The coupling between the electricity-hydrogen energy system and the transportation system will be even closer in the future. Based on the access of large-scale new energy vehicles, first, the development of the electricity and hydrogen energy system was summarized, and the three working modes of electricity-hydrogen coupling system including hydrogen production, output smoothing, and coordinated operation with electricity network were introduced. Then, the research status of the electricity-transportation coupling system on planning and optimal operation, and the problems of hydrogen-transportation coupling system on hydrogen refueling station optimization and hydrogen transportation were analyzed. Finally, in combination with the existing bottlenecks, the future feasible research directions such as dynamic model construction and the influence of uncertain factors were proposed.

Keywords: new energy vehicles; electricity-hydrogen coupling system; transportation system; united planning; cooperation

PDF (0KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

李佳琪, 徐潇源, 严正. 大规模新能源汽车接入背景下的电氢能源与交通系统耦合研究综述[J]. 上海交通大学学报(自然版), 2022, 56(3): 253-266 doi:10.16183/j.cnki.jsjtu.2021.464

LI Jiaqi, XU Xiaoyuan, Yan Zheng. A Review of Coupled Electricity and Hydrogen Energy System with Transportation System Under the Background of Large-Scale New Energy Vehicles Access[J]. Journal of shanghai Jiaotong University, 2022, 56(3): 253-266 doi:10.16183/j.cnki.jsjtu.2021.464

近年来,世界经济格局逐渐向低碳化方向发展[1].我国作为全球最大的发展中国家,处在工业化、城镇化快速发展阶段,碳排总量和强度呈“双高”现状.2019年我国碳排放总量占全球总量的29%,其中,能源活动碳排放约98亿吨,占社会总量的87%[2].2020年9月,国家主席习近平在第七十五届联合国大会上作出了2030年前实现碳达峰,2060年前实现碳中和的承诺[3].2021年3月,中央财经委员会第九次会议进一步强调把“碳达峰、碳中和”纳入生态文明建设整体布局,郑重提出构建以新能源为主体的新型电力系统.发展全球能源互联网,推进能源开发清洁替代、能源消费电能替代,实现能源生产清洁主导、能源使用电能主导是实现“双碳”目标的重要途径.

传统交通运输工具对化石能源依赖度较高,是碳排放的重要来源[4].近年来,随着可再生能源发电、制氢、储能等高新技术的快速发展,以蓄电池、氢燃料电池为驱动的电动汽车已成为实现交通行业能源转型的重要手段.据国际能源署(IEA)发布的《全球电动汽车展望2019》[5]显示,截至2018年底,全球电动汽车保有量已逾510万,其中,我国以230万辆的数据稳居世界第一.氢具有较高的能量密度,氢燃料电池汽车在实现温室气体零排放的同时,可满足长距离出行需求,具有广泛发展前景.我国在2018年11月发布的《汽车产业中长期发展规划》[6]中提出,预计到2025年底,全国燃料电池汽车累积推广量达5万辆,加氢站建设超过500座.

随着交通电气化程度的不断提高,能源系统与交通系统的相互影响日益显著,快充电站、加氢站等城市基础设施的不断完善,也使得电-氢能源网与交通网的耦合更为密切[7,8].能源系统与交通系统的协同发展是“双碳”背景下实现城市经济、高效、可持续发展的必然趋势,但两者的运行方式、建模方法、平衡机制等存在较大差异,当前,在揭示系统耦合机理、构建同时满足两者运行特性的数学模型、探究运行平衡条件及优化边界、实现两者协同规划调度等方面仍存在诸多问题.本文围绕电-氢能源系统及能源-交通系统耦合展开,通过梳理相关文献中的内容、方法,探究了现有研究存在的不足,提出了下一步可行的研究方向,对推进能源-交通耦合系统理论研究具有重要意义.首先,简要介绍了电-氢耦合能源系统的发展现状,针对制氢、出力波动平抑、参与电网优化运行3种工作模式进行了总结.以此为基础,分别从电、氢两大能源角度出发,对比了电力-交通耦合系统规划运行相关文献,分析了加氢站规划和氢能运输相关研究.最后,结合当前社会发展趋势,对未来能源-交通耦合系统的研究前景提出展望.

1 电-氢耦合能源系统研究现状

可再生能源的大规模利用,是实现能源结构转型的重要手段.然而,风电、光伏等新能源出力具有明显的间歇性、随机性特点,其大规模接入给电网安全稳定运行带来了挑战.当前,通过合理弃风弃光、增设配套储能设备等手段,保障了高比例可再生能源并网的可靠性[9,10].氢能具有高能量密度、零污染排放、便捷存储运输等优点,可再生能源发电耦合制氢技术,不仅可以降低大规模并网不稳定性,实现弃风弃光的充分利用,还可以为氢燃料电池汽车等提供清洁能源[11,12,13,14].

近年来,国内外专家学者针对电-氢耦合能源系统开展了大量研究,其主要运行模式可分为3类:① 利用可再生能源发电制氢,保证氢能的绿色生产和稳定供应;② 发挥电解制氢灵活响应的特性,平抑可再生能源出力波动,提升并网品质;③ 充分利用弃风、弃光资源,提高可再生能源消纳率,并进一步结合燃料电池,实现电力系统负荷跟踪.本节分别就以上3种运行模式的研究现状进行简要介绍.

1.1 可再生能源发电制氢

该运行模式下,电-氢耦合能源系统的主要运行目标为实现高效绿色产氢.截至2020年初,全球氢产量近上亿吨,其中约96%来自化石原料分解,仅4%来自电解水,制氢产业整体碳排放量较高.利用可再生能源电解水制氢,可实现生产过程二氧化碳(CO2)零排放,是发展绿色氢能的必然选择[15,16,17].根据耦合系统与电网的连接关系,相关研究又分为离网型与并网型.

离网运行模式下,可再生能源发电直接用于制氢,实现了能源的就地消纳[18,19,20].该模式适用于电网建设成本较高的地区,通过将可再生能源转化为易于存储、运输的氢气,实现了清洁能源的充分利用.但可再生能源出力具有较强的波动性,电流、电压输入的频繁变化会造成电解槽工作点的随机漂移,进而影响其内部传质,对产氢量、产氢效率和使用寿命等产生不利影响[21].为解决该问题,离网系统可通过配置适当容量的储能,补偿可再生能源出力波动,保证电解槽的平稳运行,提高电解制氢效率[22,23].也可以通过多电解槽间的协调配合,如采用轮值控制策略,将处于停机、额定功率和波动功率3种运行状态的电解槽按一定规则进行轮换[24],减少电解槽启停频率,实现单体工作时间的均衡,提升系统使用寿命.

并网运行模式下,可再生能源发电可通过电网辅助进行制氢,保证了氢气的生产效率和供应稳定性.文献[25]设计了智能电源管理系统,用以在风电出力较低时维持电解槽的稳定运行,提高产氢质量.文献[26]针对电网辅助的风电制氢系统,提出了一种变流器控制策略,使电解槽始终工作在额定电流状态,保证了不同风速、温度下氢气的生产效率.邓智宏等[27]研究了电解槽的工作特性曲线,评估了其最优工作区间,并采取电网购电辅助策略,维持了电解槽的最优运行状态.

当前,可再生能源发电制氢成本较高,推广应用仍具有一定难度,Nadaleti等[28]分析了巴西地区水电、风电制氢的潜力和经济可行性,估算所得制氢成本为0.303美元/(kW·h),远高于发电成本.为提升经济性.Human等[29]以小型独立可再生能源发电制氢系统的产氢效率、成本和可靠性为优化目标,提出了多目标能量管理方法.Won等[30]构建了混合整数线性规划模型对并网系统年制氢成本进行了优化,并通过在韩国济州岛的应用分析,证明了该方法的有效性.如何利用电-氢耦合系统的运行控制,进一步降低电制氢成本,提高产氢质量和效率,是发展绿色氢能的重要方向.

1.2 可再生能源出力波动平抑

该运行模式下,制氢设备通过动态调整实时跟踪可再生能源出力,提升了电-氢耦合系统输出功率的平滑性.相较于蓄电池等传统可再生能源出力平抑手段,制氢系统中电解槽可在0~100%额定功率范围内自适应输出功率波动[31],同时拥有功率型和能量型储能技术的优势,且运维成本低、绿色无污染、不存在自放电现象,具有良好的应用前景[32].

文献[33,34,35]以单体变速风机为研究对象,利用制氢系统消纳风电功率波动部分,为电网提供平稳电能.其中,Takahashi等[33]采用多电解槽并联运行模式,根据风机实际出力值与并网参考值间的偏差确定电解槽启停数目,使各电解槽始终保持在全负荷或空载运行状态,减少了启停次数,提高了波动平抑效率.工程实际中,并网风场常由多台机组组成,其输出为所有风机输出的总和,考虑到运行经济性与控制简便性,制氢系统安装于风场并网处的效果优于分散安装在各机组输出端[36,37,38,39].

可再生能源出力波动可分解为不同频段,制氢系统虽同时具备功率型和能量型储能技术的优势,但其动态反应速度较慢,在响应高频波动信号时存在一定缺陷,许多研究将制氢系统与快速响应型储能设备结合,以满足不同时间尺度下的波动率要求.文献[40,41,42,43]采用了低通滤波、小波包分解等算法,对可再生能源出力波动进行分解,其中高频分量由超级电容器进行补偿,低频分量由碱性电解槽吸收制氢,通过协调控制弥补了彼此的工作特性缺陷,实现了多频段出力波动的平抑.如何进一步协调制氢系统与其他波动平抑手段的配合,提升平抑效果与运行经济性,是推动可再生能源大规模并网的重要方向.

1.3 含可再生能源与氢能的电力系统优化运行

该运行模式下,制氢系统通过与燃料电池的配合,消纳/补偿了可再生能源出力与负荷需求间的功率差,解决了弃风、弃光问题,实现了电力系统的“削峰填谷”.相关研究按照时间尺度的不同又可划分为实时运行控制与短期运行优化.

在实时运行控制方面,早期文献多以离网型电-氢耦合系统为研究对象[44,45,46,47],利用电-氢能源的双向转化,实现了系统内部的能量平衡.后续研究中,文献[48,49,50,51,52,53,54,55]构建了一种可再生能源发电、制氢系统、燃料电池、储能设备等耦合于直流母线的并网结构,根据可再生能源出力与网侧负荷需求的实时偏差,基于既定的控制规则在线调整电解槽与燃料电池的运行状态,并利用超级电容减少设备延迟响应的影响,提高了可再生能源消纳率,保证了并网功率对负荷需求的实时跟踪.

在短期运行优化方面,现有文献主要研究电-氢耦合能源系统的经济调度问题.文献[56,57,58,59,60]研究了以系统运行效益最大为目标的能源系统日前调度问题,论证了储氢在减少弃光、弃风,提高系统运行经济性与环保性方面的作用.此外,电-氢能源系统可与煤[61]、热[62,63,64]等多种能源系统协调运行,进一步促进可再生能源消纳.考虑到耦合能源系统运行需求的多样性,文献[65,66]将短期调度与实时控制结合,构建了多时间尺度下风-氢-煤多能耦合系统的分层控制架构,其中顶层运行日前经济调度,底层基于预控制指令,以风电最大限度消纳为目标进行实时控制.当前研究主要基于确定性运行场景展开,如何进一步增强不确定性环境下耦合能源系统运行控制的鲁棒性,是提高系统安全稳定运行能力的重要方向.

2 能源-交通耦合系统研究现状

能源与交通是人类社会发展的两大核心,进入21世纪后,化石能源短缺与环境污染加重制约了传统内燃机汽车的发展,以电、氢等清洁能源为动力的新能源汽车得到了广泛关注,有望成为未来的主流交通工具[67].随着新能源汽车的不断普及,以及无线充电道路、快充电站、加氢站等基础设施的不断完善,未来以电-氢为核心的能源系统和交通系统的耦合将会更加密切[68].本节分别从电、氢两大能源角度,对当前能源-交通耦合系统研究现状进行简要介绍.

2.1 电力-交通耦合系统研究现状

图1所示,电气化交通及其充电/供电设施是电力-交通系统耦合的重要枢纽.本节重点关注电动汽车方面的研究,交通系统路网状况影响用户行驶行为和充电决策,进而影响电力系统负荷分布.与此同时,电网充电设施的位置、容量、电价等也会影响电动汽车的充电选择与行驶特性,进而影响交通流的分布[69].当前,相关研究主要聚焦于耦合系统的联合规划与优化运行.

图1

图1   电力-交通耦合系统结构图

Fig.1   Structure of power-traffic coupling system


电力-交通耦合系统的联合规划旨在满足电网负荷与交通流量的需求下规划无线充电路段、快充电站、电力线路、交通道路等基础设施,根据交通网模型的不同,又可划分为基于流量型和基于网络均衡型两类[70,71,72].Zhang等[73]采用基于流量的续航选址模型研究高速公路充电站规划问题,以配电网与交通网投资、运行成本最小为目标,基于线性潮流方程建立了混合整数线性规划(Mixed Integer Linear Programming, MILP)模型,并在文献[74]中考虑异构电动汽车的行驶范围和随机到达率,对模型进行了改进,结合支路潮流模型(Branch Flow Model, BFM)构建了混合整数二阶锥规划(Mixed-Integer Second-Order Cone Program, MISOCP)问题.流量模型不考虑网络拥塞的影响,且流量分配为确定值或由概率分布所得,与实际交通情况存在偏差.网络均衡模型考虑了出行者路径选择与道路拥塞间的相互影响,分为用户均衡(User Equilibrium, UE)准则和系统最优(System Optimal, SO)准则,前者为用户以自身出行时间最小为目标选择出行路径所达到的均衡状态;后者为所有用户的平均出行成本最小时系统所达到的均衡状态.He等[75]首次在充电站位置、容量规划问题中考虑电力-交通系统间的耦合平衡,并结合直流最优潮流(Direct Current Optimal Power Flow, DCOPF)模型和UE准则构建了具有互补约束的数学规划(Mathematical Program with Complementarity Constraints, MPCC)问题进行求解.Yao等[76]以配电网投资成本与能量损耗最小、快充电站的交通流量最大为目标,提出了基于UE准则和交流最优潮流(Alternating Current Optimal Power Flow, ACOPF)模型的多目标联合规划方法.Xiang等[77]基于UE准则获得交通流量分布并选择充电站地址,然后通过求解电网规划问题获得充电站容量.Wei等[78]建立了包含交通道路、充电设施、电源和配电线路的联合规划问题,并将其转换为MILP问题进行求解.上述文献的总结和比较见表1,当前耦合系统规划研究中未考虑电力负荷和交通需求的动态增长,中长期时间尺度下的投资决策问题仍值得进一步关注.

表1   电力-交通耦合系统联合规划相关文献总结比较

Tab.1  Summary and comparison of papers on power-traffic coupling system expansion planning

文献
编号
交通网模型电网模型数学模型规划对象规划目标
流量型网络均衡型电网耦合枢纽交通网
[73]续航选址×线性化
潮流模型
MILP变电站
配电线
充电站×耦合系统投资,运行成本最小
[74]改进续航
选址
×ACOPFMISOCP变电站
配电线
充电站×耦合系统投资,运行成本最小
[75]×UEDCOPFMPCC×充电站×耦合系统社会收益最大
[76]×UEACOPF多目标非
线性规划
变电站
配电线
充电站×配电网投资成本,能量损耗最小充电站交通流量最大
[77]×UEACOPF非线性规划×充电站×耦合系统投资,运行成本最小
[78]×UEACOPFMILP电源
配电线
充电站交通道路耦合系统投资,运行成本最小

注:×表示未使用该方法或未考虑该对象.

新窗口打开| 下载CSV


在优化运行方面,可以根据电力、交通系统运营机制的不同对现有研究进行分类,相关文献总结对比如表2所示.对于由政府组织统一运营的电力-交通耦合系统,两网可通过信息共享实现联合运行优化,文献[79,80,81]以包含发电成本、出行时间成本和充电成本等的全系统运行成本最小为目标,通过联合调度实现了全局优化.对于由独立运营商分别管理的电力、交通系统,耦合优化运行可分解为交通分配问题与最优潮流问题,通过两者的交替求解实现网络平衡.Wei等[82]分别采用UE准则和BFM描述交通流和电力潮流分布,以配电网节点边际价格(Locational Marginal Price, LMP)作为两网交互信息,通过迭代优化求得耦合系统运行平衡点.Manshadi等[83]进一步考虑了行驶过程中的电能消耗,以LMP作为交互信息,采用交替方向乘子法迭代求解交通分配问题和最优潮流问题,并通过仿真证明两系统各自的阻塞均会改变耦合系统的运行状态和运营成本.以上研究均基于确定性场景展开,文献[84,85]考虑了交通出行需求的不确定性,保障了极端场景下交通流的合理分配和配电网的安全经济运行.在此基础上,Qian等[86]又考虑了风电出力的不确定性,采用深度学习法对多种不确定性因素下的电力-交通耦合系统优化调度进行求解.价格信号作为影响耦合系统平衡状态的重要因素在上述文献中得到了重点关注,电力系统可通过调整充电电价改变用户充电行为,进而改变电力负荷分布,现有研究常选择LMP作为充电电价以响应电力系统的阻塞状况[79, 82-83, 86-87].同理,交通系统也可以通过增收道路拥挤费,平衡各路径上的车流分布[79-81, 85, 88].未来,随着主动参与电网运行控制的柔性交通资源的不断增长,价格信号将成为协同耦合系统宏观运行的重要手段,如Shi等[89]提出了基于聚合器控制的Vickrey-Clarke-Groves拍卖机制,解决了大规模电动汽车主动参与电网运行的集群控制问题.目前,绝大多数研究都采用静态模型,未考虑交通流在相邻时间段间的连续性,虽然也有文献选择半动态和动态模型来刻画交通流分布[87,88],但如何完善耦合系统的动态优化模型,提高计算速率仍值得进一步研究.

表2   电力-交通耦合系统优化运行相关文献总结比较

Tab.2  Summary and comparison of papers on power-traffic coupling system optimization operation

文献
编号
网络模型数学模型/方法运营机制价格信号优化运行目标
交通网电网交通网电网交通网电网
[79]静态(UE)DCOPFMPCC统一/独立道路拥挤费LMP出行、充电成本、最小发电成本最小
[80]静态(UE)ACOPFMISOCP统一道路拥挤费固定电价出行成本、道路拥塞费最小发电、购电成本最小
[81]静态(UE)ACOPFMPCC统一道路拥挤费联合优化定价出行、充电成本、道路拥塞费最小有功网损最小
[82]静态(UE)ACOPF固定点问题独立×LMP出行、充电成本最小发电、购电成本最小
[83]静态(UE)DCOPF分布式优化独立×LMP出行、充电成本最小发电、切负荷成本最小
[84]静态(UE)ACOPF两阶段鲁棒优化独立×固定电价出行成本最小发电成本最小
[85]静态(SO)ACOPF两阶段鲁棒优化统一道路拥挤费固定电价出行成本、道路拥塞费最小发电、购电成本最小
[86]静态(UE)ACOPF随机优化统一×LMP出行、充电成本最小发电、购电成本最小
[87]半动态ACOPFMISOCP统一道路拥挤费固定电价出行成本、道路拥塞费最小发电成本最小
[88]动态ACOPF固定点问题独立×LMP出行、充电成本最小发电、购电成本最小

注:×表示未考虑该对象.

新窗口打开| 下载CSV


2.2 氢能-交通耦合系统研究现状

氢燃料电池汽车具有绿色环保、燃料补充时间短、续航里程长等优势,是未来实现交通行业零碳排的重要途径.随着氢燃料电池汽车保有量和氢气需求量的持续增长,氢能系统与交通系统的耦合程度进一步增强,相关研究主要包括两个方面:① 考虑氢燃料电池汽车出行影响的加氢站运行规划问题[90];② 氢能运输问题.

加氢站作为连接交通系统与制氢、用氢环节的重要枢纽,近年来受到了广泛关注,如图2所示,加氢站按制氢地点不同可分为外供氢加氢站和站内制氢加氢站[91].场外制氢多采用化石原料,成本低且技术成熟,但碳排放量高且需额外考虑氢气储运问题;站内制氢以“现制现用”为原则,这意味着需在人口密集区制氢,因此要求采用清洁能源、紧凑设备以及安全高效的反应过程[92].加氢站的位置、价格、供氢能力等会影响氢燃料电池汽车的出行选择,进而影响交通流的分布.与此同时,用户的驾驶行为也会影响加氢站的氢能需求,进而影响氢能系统供应链.在加氢站选址规划方面,Kang等[93]针对加利福尼亚州68个拟建加氢站,计算了81种出行模式下氢燃料电池汽车为进行加氢所产生的驾驶时间偏差,证明了加氢站位置选择对交通系统的影响.Kuby等[94]以加氢站截流量最大为目标构建了MILP模型,对其位置选择进行优化.在此基础上,Kim等[95]考虑氢燃料电池汽车的有限行驶范围以及为满足加氢需求所产生的实际行驶路径与最短路径间的偏移,采用基于偏差的截流选址模型,优化了加氢站的位置.Honma等[96]对基于节点(用户需求以空间中的点表示,服务设施建设于点)和基于路径(用户需求以起点—终点之间的用户流量表示,服务设施建设于路径)的两种典型加氢站优化选址模型进行了比较,证明在氢需求及加氢站数量相同的前提下,基于路径的规划方法可以减少总行驶时间.Miralinaghi等[97]构建了一个双层优化模型,其中下层为基于UE准则的交通分配问题,上层为以建设成本和系统总出行成本最小为目标的加氢站优化配置问题.在加氢站优化运行方面,Dagdougui等[98]以燃油汽车流量为参考估算了系统氢需求,并针对不同的氢燃料电池汽车渗透率模拟了加氢站的运行过程.Carr等[99]基于行驶范围为563 km的中型氢燃料电池汽车的出行数据,估算了氢需求量,并以风电制氢加氢站收益最大化为目标,构建了混合整数非线性规划问题,优化了电解槽的运行功率.Xu等[100]考虑了电动汽车及氢燃料电池汽车能源需求的不确定性,对光伏发电支撑的混合电/氢加油站运行控制策略进行研究,以利用润最大化为目标优化了直接供电与电制氢间的比例.现有文献对氢能-交通系统的耦合运行机理及平衡状态缺乏较为深入的研究,电-氢-交通耦合系统的协调配合仍值得进一步关注.

图2

图2   加氢站分类

Fig.2   Classification of hydrogen refueling station


氢能运输方面,现有研究重点关注了运氢方案的规划.在宏观层面,运氢方案主要考虑运输方式的选择,文献[101,102,103,104]结合了运输距离、交通方式、氢能需求等因素的影响,对各类运氢方式展开了经济性分析并给出各自的适用场景.常乐等[101]对比了3种运氢方式(气氢拖车、气氢管道及液氢罐车)在不同运氢规模和运输距离下的成本、能耗及CO2排放特性,提出以经济性为主要评价指标,气氢拖车方式适合小规模、短距离运输,气氢管道方式适合大规模及中短距离运输,液氢罐车方式适合长距离运输.Nazir等[102]进一步考虑到全球范围内的氢能供应,提出对于距离超过 3500 km的氢能运输,液化氢运输船为最佳选择.针对外供氢加氢站的运氢方式选择问题,Yang等[103]综合分析了城市人口密度、加氢站数量和规模、燃料电池汽车市场渗透率等因素,计算了不同运氢方式的经济性并提出合理化建议.马建新等[104]结合中国上海地区燃料电池汽车发展计划,分析指出长管拖车运氢为最佳方案.在微观层面,运氢方案结合实际运输场景,考虑路网状况,运氢需求,运输工具工作特性等,对已选定的运氢方式的具体配置方案及路径选择进行优化.Reddi等[105]研究了气氢拖车参数配置与有效载荷之间的关系,建立了氢气总交付成本优化模型,并在算例中证明通过选择适当的拖车配置,氢气输送成本可降低16%.Lahnaoui等[106]以总运输成本最小为目标,构建了气氢拖车储氢罐压力优化配置模型,并在不同运输距离及需求场景下证明了该方法的有效性.Gim等[107]结合制氢厂与加氢站间的路网拓扑结构,在满足氢气供需平衡的条件下,通过对气氢拖车行驶路线的优化降低了总运输成本.当前文献多基于单一类型的运氢方式展开,未来随着氢需求场景的多样化,氢能运输网络将会更为复杂,需进一步考虑多种运氢方式间的协调配合,以提高氢能运输效率和经济性.

3 能源-交通耦合系统研究前景

目前,能源-交通耦合系统的研究仍处于发展阶段,以下方向在未来可能会获得更多关注:

(1) 当前有关能源-交通耦合系统的研究主要集中在电力-交通系统和氢能-交通系统两方面,尚缺乏对三者间协同运行机理的深入研究.未来随着电-氢能源网的深度融合,能源转化、补给形式将更加多样,多能供给设施也将得到进一步发展,多类型新能源汽车参与能源-交通耦合系统互动的场景也会随之增多.研究多能系统与交通系统耦合对各自优化运行边界的影响以及协同运行过程中存在的障碍,挖掘不同系统间的耦合方式,构建时间尺度相匹配的耦合模型,是实现能源、交通系统协调规划、调度的理论前提.

(2) 当前研究主要集中于单断面上的能源-交通系统协同优化,在采用静态UE/SO模型描述交通流分布情况的同时,忽略了电力、氢能负荷的时变特性.随着可再生能源渗透率及需求侧负荷响应能力的不断提升,各时段源-荷平衡面临更大的挑战,有必要考虑日内交通需求和电网源荷的波动性,从多断面角度研究能源-交通系统的协同运行.值得一提的是,各时段内的交通流并不独立,其多断面协同优化并不是单断面协同的简单堆积,建模时需考虑各时段间的耦合影响.

(3) 当前研究主要基于确定性交通需求和网络运行状况,较少考虑不确定性因素的影响.对交通网而言,广泛应用的UE准则假设用户充分了解全局路网状态,完全理性地进行路径选择,而实际情况中,用户的驾驶习惯及对路网状况的认知存在差异,其驾驶行为存在很强的随机性.对能源系统而言,可再生能源发电、氢能生产、用户用能需求等均存在较强的不确定性.如何考虑多种不确定性因素间的相关性,合理构建包含高维不确定性因素的数学模型,实现能源-交通系统的高效协同优化,是确保二者可靠、经济运行的重要基础.

(4) 能源系统与交通系统日益密切的交互行为,增加了耦合系统的故障类型,提高了故障的复杂程度,扩大了故障的影响范围.能源-交通系统耦合在对全网安全稳定运行提出了新挑战的同时,也提供了故障恢复的新手段.当前研究主要针对网络正常运行状态展开,较少涉及故障发生后耦合系统的状态变化及协调恢复措施,进一步研究不同故障类型对耦合系统运行状态的影响,制定故障后协同恢复策略,是提高耦合系统运行安全性的重要手段.

4 结语

“双碳”背景下,风电、光伏等可再生能源的大规模开发利用已成为世界各国实现绿色能源转型的重要方向.可再生能源发电耦合制氢技术可有效克服其出力的随机性、间歇性问题,在提升并网品质的同时,获得绿色氢能,提高系统的整体经济性.

新能源汽车的大规模接入,促进了交通电气化水平的提升,未来能源系统与交通系统的交互将会更加频繁,两网协同规划运行已成为城市发展的必然趋势.当前有关能源-交通耦合系统的研究大多局限于单断面、确定性问题,且以仿真模拟为主,还未实现理论成果的落地.在未来能源-交通耦合系统研究中,应更多地考虑多能融合、系统动态演变以及不确定性因素的影响,加强交通管理、能源供应部门的沟通协作,进一步推动城市经济、安全、可持续发展.

参考文献

鲍健强, 苗阳, 陈锋.

低碳经济: 人类经济发展方式的新变革

[J]. 中国工业经济, 2008(4):153-160.

[本文引用: 1]

BAO Jianqiang, MIAO Yang, CHEN Feng.

Low carbon economy: Revolution in the way of human economic development

[J]. China Industrial Economics, 2008(4):153-160.

[本文引用: 1]

平新乔, 郑梦圆, 曹和平.

中国碳排放强度变化趋势与“十四五”时期碳减排政策优化

[J]. 改革, 2020(11):37-52.

[本文引用: 1]

PING Xinqiao, ZHENG Mengyuan, CAO Heping.

The change trend of carbon emission intensity in China and the policy optimization of carbon emission reduction during the 14th five-year plan period

[J]. Reform, 2020(11):37-52.

[本文引用: 1]

何建坤.

碳达峰碳中和目标导向下能源和经济的低碳转型

[J]. 环境经济研究, 2021, 6(1):1-9.

[本文引用: 1]

HE Jiankun.

Low carbon transformation of energy and economy aiming for the peaking of carbon emission and carbon neutrality

[J]. Journal of Environmental Economics, 2021, 6(1):1-9.

[本文引用: 1]

陈思茹, 张帅, 袁长伟.

中国交通运输经济发展与碳排放效率评价

[J]. 中国公路学报, 2019, 32(1):154-161.

[本文引用: 1]

为评价交通运输经济与碳排放绩效,探寻经济和碳减排双赢的改进路径,提出交通运输经济效率、碳排放效率及联合效率概念。针对中国30个省市区,以资本存量、煤类消费量、油类消费量、新能源消费量、从业人员作为投入要素,交通运输综合换算周转量和行业增加值作为期望产出,CO<sub>2</sub>排放量作为非期望产出,采用RAM模型测度评估中国30个省市区的交通运输行业经济、碳排放及联合效率,探究3种效率的分布特征及变动规律,并利用非效率分解模型研究非效率来源,探索改进方向。研究结果表明:各省市区之间的交通运输经济效率、碳排放效率和联合效率均存在明显差异,且东部、中部、西部和东北地区呈现不同的梯度分布特性;2006~2016年的经济效率、碳排放效率及联合效率总体上可以分为2个阶段,第1阶段为2006~2011年,经济效率、碳排放效率和联合效率均呈波动上升,第2阶段为2011~2016年,经济效率、碳排放效率和联合效率轻微波动,并逐渐趋于平稳。非效率分解模型表明:能源过度消耗是经济效率、碳排放效率和联合效率的主要非效率来源;CO<sub>2</sub>过度排放是碳排放效率和联合效率非效率的主要来源;行业增加值产出不足是经济效率和联合效率非效率的主要来源。这说明推广新能源,提升交通运输运营效率,革新交通减排技术是能够实现双赢的重要路径。

CHEN Siru, ZHANG Shuai, YUAN Changwei.

China’s transportation economy development and carbon environmental efficiency evaluation

[J]. China Journal of Highway and Transport, 2019, 32(1):154-161.

[本文引用: 1]

To evaluate the performance of transportation economy and carbon emissions and to explore the win-win combination of economic development and carbon emission reduction, this study proposes the concepts of industry economic efficiency, carbon emission efficiency, and joint efficiency. These three efficiencies were then measured for China's 30 provinces using the range adjusted measure (RAM), which used the capital stock, coal consumption, oil consumption, new-energy consumption, and number of employees as inputs and the comprehensive conversion turnover, industry added value, and CO<sub>2</sub> emissions as outputs. Subsequently, the distribution characteristics and tendency of the efficiency measures were explored, and the model of efficiency decomposition was used to study the source of non-efficiency. The results show that:① The degrees of transportation operational economy efficiency, carbon emission efficiency, and unified efficiency are different for each province, and the efficiencies of the eastern, central, western, and northeast parts of China have gradient distribution features. ② The industry, carbon emission, and joint efficiencies can each be divided into two phases. The efficiencies are observed to increase in volatility during 2006-2011, whereas they decrease slightly and then vary steadily between 2011-2016. ③ The results of the non-efficiency decomposition model indicates that excessive energy consumption is the main source of non-efficiency for all three efficiency measures. Further, excessive CO<sub>2</sub> emission is the main source of inefficiency for both the carbon emission efficiency and unified efficiency. The insufficiency of the industry's value-add is the main source of inefficiency for the economic and unified efficiencies. This shows that the promotion of new-energy modes, improvement of transportation operation efficiency, and innovation of transportation emission reduction technology is important to develop a win-win combination.

International Energy Agency. Global EV outlook 2019, (2019-05-30)[2021-06-21]. https://www.iea.org/gevo2019/ https://www.iea.org/gevo2019/.

[本文引用: 1]

宋城.

国家发改委等联合印发《汽车产业中长期发展规划》

[J]. 中国设备工程, 2017(9):1.

[本文引用: 1]

SONG Cheng.

The national development and reform commission and others jointly issue <The medium and long term development plan of automobile industry>

[J]. China Plant Engineering, 2017(9):1.

[本文引用: 1]

胡海涛, 郑政, 何正友, .

交通能源互联网体系架构及关键技术

[J]. 中国电机工程学报, 2018, 38(1):12-24.

[本文引用: 1]

HU Haitao, ZHENG Zheng, HE Zhengyou, et al.

Transport energy internet architecture and key technologies

[J]. Proceedings of the CSEE, 2018, 38(1):12-24.

[本文引用: 1]

杨天宇, 郭庆来, 盛裕杰, .

系统互联视角下的城域电力-交通融合网络协同

[J]. 电力系统自动化, 2020, 44(11):1-9.

[本文引用: 1]

YANG Tianyu, GUO Qinglai, SHENG Yujie, et al.

Coordination of urban integrated electric power and traffic network from perspective of system interconnection

[J]. Automation of Electric Power Systems, 2020, 44(11):1-9.

[本文引用: 1]

葛维春, 张艳军, 高超, .

基于风电消纳能力态势划分的源荷储系统分阶段优化策略

[J]. 电力系统自动化, 2019, 43(15):26-33.

[本文引用: 1]

GE Weichun, ZHANG Yanjun, GAO Chao, et al.

Phased optimal strategy of source-load-storage system based on state partition of accommodation capacity of wind power

[J]. Automation of Electric Power Systems, 2019, 43(15):26-33.

[本文引用: 1]

杨经纬, 张宁, 王毅, .

面向可再生能源消纳的多能源系统: 述评与展望

[J]. 电力系统自动化, 2018, 42(4):11-24.

[本文引用: 1]

YANG Jingwei, ZHANG Ning, WANG Yi, et al.

Multi-energy system towards renewable energy accommodation: Review and prospect

[J]. Automation of Electric Power Systems, 2018, 42(4):11-24.

[本文引用: 1]

蔡国伟, 孔令国, 薛宇, .

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.

[本文引用: 1]

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.

[本文引用: 1]

孙鹤旭, 李争, 陈爱兵, .

风电制氢技术现状及发展趋势

[J]. 电工技术学报, 2019, 34(19):4071-4083.

[本文引用: 1]

SUN Hexu, LI Zheng, CHEN Aibing, et al.

Current status and development trend of hydrogen production technology by wind power

[J]. Transactions of China Electrotechnical Society, 2019, 34(19):4071-4083.

[本文引用: 1]

许世森, 张瑞云, 程健, .

电解制氢与高温燃料电池在电力行业的应用与发展

[J]. 中国电机工程学报, 2019, 39(9):2531-2537.

[本文引用: 1]

XU Shisen, ZHANG Ruiyun, CHENG Jian, et al.

Application and development of electrolytic hydrogen production and high temperature fuel cell in electric power industry

[J]. Proceedings of the CSEE, 2019, 39(9):2531-2537.

[本文引用: 1]

ABDIN Z, ZAFARANLOO A, RAFIEE A, et al.

Hydrogen as an energy vector

[J]. Renewable and Sustainable Energy Reviews, 2020, 120:109620.

DOI:10.1016/j.rser.2019.109620      URL     [本文引用: 1]

罗承先.

世界可再生能源电力制氢现状

[J]. 中外能源, 2017, 22(8):25-32.

[本文引用: 1]

LUO Chengxian.

Present status of power-to-hydrogen technology worldwide using renewable energy

[J]. Sino-Global Energy, 2017, 22(8):25-32.

[本文引用: 1]

郝伟峰, 贾丹瑶, 李红军.

基于可再生能源水电解制氢技术发展概述

[J]. 价值工程, 2018, 37(29):236-237.

[本文引用: 1]

HAO Weifeng, JIA Danyao, LI Hongjun.

Overview of hydrogen production technology based on renewable energy from water electrolysis

[J]. Value Engineering, 2018, 37(29):236-237.

[本文引用: 1]

李争, 张蕊, 孙鹤旭, .

可再生能源多能互补制-储-运氢关键技术综述

[J]. 电工技术学报, 2021, 36(3):446-462.

[本文引用: 1]

LI Zheng, ZHANG Rui, SUN Hexu, et al.

Review on key technologies of hydrogen generation, storage and transportation based on multi-energy complementary renewable energy

[J]. Transactions of China Electrotechnical Society, 2021, 36(3):446-462.

[本文引用: 1]

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, 17(3):30-34.

[本文引用: 1]

YAN Zhuoyong, KONG Xiangwei.

Research on non-grid-connected wind power water-electrolytic hydrogen production system and its applications

[J]. Strategic Study of CAE, 2015, 17(3):30-34.

[本文引用: 1]

HUANG P H, KUO J K, WU Z D.

Applying small wind turbines and a photovoltaic system to facilitate electrolysis hydrogen production

[J]. International Journal of Hydrogen Energy, 2016, 41(20):8514-8524.

DOI:10.1016/j.ijhydene.2016.02.051      URL     [本文引用: 1]

都鹤, 吕洪, 杨代军.

风光互补发电制氢系统仿真研究进展

[J]. 电源技术, 2017, 41(1):173-175.

[本文引用: 1]

DU He, LV Hong, YANG Daijun.

Simulation research progress of wind/photovoltaic (PV) hydrogen system

[J]. Chinese Journal of Power Sources, 2017, 41(1):173-175.

[本文引用: 1]

BRAUNS J, TUREK T.

Alkaline water electrolysis powered by renewable energy: A review

[J]. Processes, 2020, 8(2):248-260.

DOI:10.3390/pr8020248      URL     [本文引用: 1]

吴涛.

离网型风电制氢系统功率变换及控制技术研究

[D]. 北京: 中国科学院大学, 2018.

[本文引用: 1]

WU Tao.

Research on power conversion and control technology of off grid wind power hydrogen generation system

[D]. Beijing: University of Chinese Academy of Sciences, 2018.

[本文引用: 1]

李文磊.

风光互补发电储能制氢系统研究

[D]. 邯郸: 河北工程大学, 2019.

[本文引用: 1]

LI Wenlei.

Research on hydrogen production system of wind-solar complementary power generation

[D]. Handan: Hebei University of Engineering, 2019.

[本文引用: 1]

沈小军, 聂聪颖, 吕洪.

计及电热特性的离网型风电制氢碱性电解槽阵列优化控制策略

[J]. 电工技术学报, 2021, 36(3):463-472.

[本文引用: 1]

SHEN Xiaojun, NIE Congying, Hong.

Coordination control strategy of wind power-hydrogen alkaline electrolyzer bank considering electrothermal characteristics

[J]. Transactions of China Electrotechnical Society, 2021, 36(3):463-472.

[本文引用: 1]

ZAENAL M U, SAMI MOHAMMED S, WAHHAB A A, et al.

Complementary power supply to compensate the wind power in water electrolytic system for hydrogen production

[C]// 2019 Global Conference for Advancement in Technology. Bangalore, India: IEEE, 2019: 1-4.

[本文引用: 1]

GARCÍA CLÚA J G, DE BATTISTA H, MANTZ R J.

Control of a grid-assisted wind-powered hydrogen production system

[J]. International Journal of Hydrogen Energy, 2010, 35(11):5786-5792.

DOI:10.1016/j.ijhydene.2010.02.098      URL     [本文引用: 1]

邓智宏, 江岳文.

考虑制氢效率特性的风氢系统容量优化

[J]. 可再生能源, 2020, 38(2):259-266.

[本文引用: 1]

DENG Zhihong, JIANG Yuewen.

Optimal sizing of a wind-hydrogen system under consideration of the efficiency characteristics of electrolysers

[J]. Renewable Energy Resources, 2020, 38(2):259-266.

[本文引用: 1]

NADALETI W C, BORGES DOS SANTOS G, LOURENÇO V A.

The potential and economic viability of hydrogen production from the use of hydroelectric and wind farms surplus energy in Brazil: A national and pioneering analysis

[J]. International Journal of Hydrogen Energy, 2020, 45(3):1373-1384.

DOI:10.1016/j.ijhydene.2019.08.199      URL     [本文引用: 1]

HUMAN G, VAN SCHOOR G, UREN K R.

Power management and sizing optimisation of renewable energy hydrogen production systems

[J]. Sustainable Energy Technologies and Assessments, 2019, 31:155-166.

DOI:10.1016/j.seta.2018.12.026      URL     [本文引用: 1]

WON W, KWON H, HAN J H, et al.

Design and operation of renewable energy sources based hydrogen supply system: Technology integration and optimization

[J]. Renewable Energy, 2017, 103:226-238.

DOI:10.1016/j.renene.2016.11.038      URL     [本文引用: 1]

袁铁江, 胡克林, 关宇航, .

风电-氢储能与煤化工多能耦合系统及其氢储能子系统的EMR建模

[J]. 高电压技术, 2015, 41(7):2156-2164.

[本文引用: 1]

YUAN Tiejiang, HU Kelin, GUAN Yuhang, et al.

Modeling on hydrogen producing progress in EMR based wind power-hydrogen energy storage and coal chemical pluripotent coupling system

[J]. High Voltage Engineering, 2015, 41(7):2156-2164.

[本文引用: 1]

俞红梅, 衣宝廉.

电解制氢与氢储能

[J]. 中国工程科学, 2018, 20(3):58-65.

[本文引用: 1]

YU Hongmei, YI Baolian.

Hydrogen for energy storage and hydrogen production from electrolysis

[J]. Strategic Study of CAE, 2018, 20(3):58-65.

[本文引用: 1]

TAKAHASHI R, KINOSHITA H, MURATA T, et al.

A cooperative control method for output power smoothing and hydrogen production by using variable speed wind generator

[C]// 2008 13th International Power Electronics and Motion Control Conference. Pozan, Poland: IEEE, 2008: 2337-2342.

[本文引用: 2]

牛萌, 肖宇, 刘锋, .

可再生能源接入对氢储能系统的影响及控制策略

[J]. 电力建设, 2018, 39(4):28-34.

[本文引用: 1]

NIU Meng, XIAO Yu, LIU Feng, et al.

Influences of renewable energy on hydrogen storage system and its control strategy

[J]. Electric Power Construction, 2018, 39(4):28-34.

[本文引用: 1]

袁铁江, 董小顺, 张增强, .

基于氢储能技术的双馈风力发电系统基本架构及其建模

[J]. 高电压技术, 2016, 42(7):2100-2110.

[本文引用: 1]

YUAN Tiejiang, DONG Xiaoshun, ZHANG Zengqiang, et al.

Architecture and modeling of doubly-fed wind power generation system based on hydrogen energy storage technology

[J]. High Voltage Engineering, 2016, 42(7):2100-2110.

[本文引用: 1]

TAHARA S, KOIWA K, UMEMURA A, et al.

A new method to control frequency fluctuation of power system with wind farm by using hydrogen generating system

[C]// 3rd Renewable Power Generation Conference. Naples, Italy: IET, 2014: 1-6.

[本文引用: 1]

TAKAHASHI R, KINOSHITA H, MURATA T, et al.

Output power smoothing and hydrogen production by using variable speed wind generators

[J]. IEEE Transactions on Industrial Electronics, 2010, 57(2):485-493.

DOI:10.1109/TIE.2009.2032437      URL     [本文引用: 1]

MUYEEN S M, TAKAHASHI R, TAMURA J.

Electrolyzer switching strategy for hydrogen generat-ion from variable speed wind generator

[J]. Electric Power Systems Research, 2011, 81(5):1171-1179.

DOI:10.1016/j.epsr.2011.01.005      URL     [本文引用: 1]

张宏博, 任泓源, 金成日.

基于氢氧储能的平抑风电输出功率方法研究

[J]. 黑龙江科技信息, 2014(27):158.

[本文引用: 1]

ZHANG Hongbo, REN Hongyuan, JIN Chengri.

Research on the method of stabilizing wind power output based on hydrogen oxygen energy storage

[J]. Heilongjiang Science and Technology Information, 2014(27):158.

[本文引用: 1]

RECALDE MELO D F, CHANG-CHIEN L R.

Synergistic control between hydrogen storage system and offshore wind farm for grid operation

[J]. IEEE Transactions on Sustainable Energy, 2014, 5(1):18-27.

DOI:10.1109/TSTE.2013.2272332      URL     [本文引用: 1]

FANG R M, LIANG Y.

Control strategy of electrolyzer in a wind-hydrogen system considering the constraints of switching times

[J]. International Journal of Hydrogen Energy, 2019, 44(46):25104-25111.

DOI:10.1016/j.ijhydene.2019.03.033      URL     [本文引用: 1]

杨少帅, 刘易.

基于滤波原理的光氢超并网系统建模与功率控制

[J]. 电测与仪表, 2017, 54(15):86-90.

[本文引用: 1]

YANG Shaoshuai, LIU Yi.

Modeling and power control of active PV electrolyzer and supercapacitor grid-connected system based on the principle of filtering

[J]. Electrical Measurement & Instrumentation, 2017, 54(15):86-90.

[本文引用: 1]

孙泽伦, 陈洁, 滕扬新, .

基于混合储能平抑风电波动的负反馈分层模糊控制策略

[J]. 电力电容器与无功补偿, 2019, 40(4):176-182.

[本文引用: 1]

SUN Zelun, CHEN Jie, TENG Yangxin, et al.

Negative feedback hierarchical fuzzy control strategy based on hybrid energy storage wind power fluctuation suppression

[J]. Power Capacitor & Reactive Power Compensation, 2019, 40(4):176-182.

[本文引用: 1]

PATSIOS C, ANTONAKOPOULOS M, CHANIOTIS A, et al.

Control and analysis of a hybrid renewable energy-based power system

[C]// The XIX International Conference on Electrical Machines-ICEM 2010. Rome, Italy: IEEE, 2010: 1-6.

[本文引用: 1]

AGBOSSOU K, KOLHE M, HAMELIN J, et al.

Performance of a stand-alone renewable energy system based on energy storage as hydrogen

[J]. IEEE Transactions on Energy Conversion, 2004, 19(3):633-640.

DOI:10.1109/TEC.2004.827719      URL     [本文引用: 1]

HARUNI A M O, NEGNEVITSKY M, HAQUE M E, et al.

A novel operation and control strategy for a standalone hybrid renewable power system

[J]. IEEE Transactions on Sustainable Energy, 2013, 4(2):402-413.

DOI:10.1109/TSTE.2012.2225455      URL     [本文引用: 1]

ABDELKAFI A, KRICHEN L.

Energy management optimization of a hybrid power production unit based renewable energies

[J]. International Journal of Electrical Power & Energy Systems, 2014, 62:1-9.

DOI:10.1016/j.ijepes.2014.04.012      URL     [本文引用: 1]

ZHOU T, FRANCOIS B.

Energy management and power control of a hybrid active wind generator for distributed power generation and grid integration

[J]. IEEE Transactions on Industrial Electronics, 2011, 58(1):95-104.

DOI:10.1109/TIE.2010.2046580      URL     [本文引用: 1]

蔡国伟, 陈冲, 孔令国, .

风电/光伏/制氢/超级电容器并网系统建模与控制

[J]. 电网技术, 2016, 40(10):2982-2990.

[本文引用: 1]

CAI Guowei, CHEN Chong, KONG Lingguo, et al.

Modeling and control of grid-connected system of wind/PV/electrolyzer and SC

[J]. Power System Technology, 2016, 40(10):2982-2990.

[本文引用: 1]

蔡国伟, 陈冲, 孔令国, .

风电/制氢/燃料电池/超级电容器混合系统控制策略

[J]. 电工技术学报, 2017, 32(17):84-94.

[本文引用: 1]

CAI Guowei, CHEN Chong, KONG Lingguo, et al.

Control of hybrid system of wind/hydrogen/fuel cell/supercapacitor

[J]. Transactions of China Electrotechnical Society, 2017, 32(17):84-94.

[本文引用: 1]

蔡国伟, 彭龙, 孔令国, .

光氢混合发电系统功率协调控制

[J]. 电力系统自动化, 2017, 41(1):109-116.

[本文引用: 1]

CAI Guowei, PENG Long, KONG Lingguo, et al.

Power coordinated control of photovoltaic and hydrogen hybrid power generation system

[J]. Automation of Electric Power Systems, 2017, 41(1):109-116.

[本文引用: 1]

孔令国, 蔡国伟, 李龙飞, .

风光氢综合能源系统在线能量调控策略与实验平台搭建

[J]. 电工技术学报, 2018, 33(14):3371-3384.

[本文引用: 1]

KONG Lingguo, CAI Guowei, LI Longfei, et al.

Online energy control strategy and experimental platform of integrated energy system of wind, photovoltaic and hydrogen

[J]. Transactions of China Electrotechnical Society, 2018, 33(14):3371-3384.

[本文引用: 1]

张虹, 孙权, 李占军, .

风氢耦合系统协同控制发电策略研究

[J]. 东北电力大学学报, 2018, 38(3):15-23.

[本文引用: 1]

ZHANG Hong, SUN Quan, LI Zhanjun, et al.

Research on synergistic control strategy of wind power coupled with hydrogen system

[J]. Journal of Northeast Electric Power University, 2018, 38(3):15-23.

[本文引用: 1]

YAMASHITA D, TSUNO K, KOIKE K, et al.

Distributed control of a user-on-demand renewable-energy power-source system using battery and hydrogen hybrid energy-storage devices

[J]. International Journal of Hydrogen Energy, 2019, 44(50):27542-27552.

DOI:10.1016/j.ijhydene.2019.08.234      URL     [本文引用: 1]

邓浩, 陈洁, 焦东东, .

风氢耦合并网系统能量管理控制策略

[J]. 高电压技术, 2020, 46(1):99-106.

[本文引用: 1]

DENG Hao, CHEN Jie, JIAO Dongdong, et al.

Control strategy for energy management of hybrid grid-connected system of wind and hydrogen

[J]. High Voltage Engineering, 2020, 46(1):99-106.

[本文引用: 1]

刘继春, 周春燕, 高红均, .

考虑氢能-天然气混合储能的电-气综合能源微网日前经济调度优化

[J]. 电网技术, 2018, 42(1):170-179.

[本文引用: 1]

LIU Jichun, ZHOU Chunyan, GAO Hongjun, et al.

A day-ahead economic dispatch optimization model of integrated electricity-natural gas system considering hydrogen-gas energy storage system in microgrid

[J]. Power System Technology, 2018, 42(1):170-179.

[本文引用: 1]

贾洋洋, 仲海涛, 张智晟.

含储氢装置的分布式能源系统的优化经济调度

[J]. 广东电力, 2019, 32(11):38-44.

[本文引用: 1]

JIA Yangyang, ZHONG Haitao, ZHANG Zhisheng.

Optimized economic dispatch of distributed energy system with hydrogen storage device

[J]. Guangdong Electric Power, 2019, 32(11):38-44.

[本文引用: 1]

李咸善, 杨宇翔.

基于双向电价补偿的含氢储能风电和梯级水电联合优化调度

[J]. 电网技术, 2020, 44(9):3297-3306.

[本文引用: 1]

LI Xianshan, YANG Yuxiang.

Optimization dispatching for joint operation of hydrogen storage-wind power and cascade hydropower station based on bidirectional electricity price compensation

[J]. Power System Technology, 2020, 44(9):3297-3306.

[本文引用: 1]

刘志坚, 余莎, 梁宁.

考虑制氢储能参与的互联电力系统优化调度研究

[J]. 电力科学与工程, 2020, 36(3):45-51.

[本文引用: 1]

LIU Zhijian, YU Sha, LIANG Ning.

The optimal scheduling with hydrogen energy storage participation for interconnected power system

[J]. Electric Power Science and Engineering, 2020, 36(3):45-51.

[本文引用: 1]

贾成真, 王灵梅, 孟恩隆, .

风光氢耦合发电系统的容量优化配置及日前优化调度

[J]. 中国电力, 2020, 53(10):80-87.

[本文引用: 1]

JIA Chengzhen, WANG Lingmei, MENG Enlong, et al.

Optimal capacity configuration and day-ahead scheduling of wind-solar-hydrogen coupled power generation system

[J]. Electric Power, 2020, 53(10):80-87.

[本文引用: 1]

魏繁荣, 随权, 林湘宁, .

考虑制氢设备效率特性的煤风氢能源网调度优化策略

[J]. 中国电机工程学报, 2018, 38(5):1428-1439.

[本文引用: 1]

WEI Fanrong, SUI Quan, LIN Xiangning, et al.

Energy control scheduling optimization strategy for coal-wind-hydrogen energy grid under consideration of the efficiency features of hydrogen production equipment

[J]. Proceedings of the CSEE, 2018, 38(5):1428-1439.

[本文引用: 1]

滕云, 王泽镝, 金红洋, .

用于电网调节能力提升的电热氢多源协调储能系统模型

[J]. 中国电机工程学报, 2019, 39(24):7209-7217.

[本文引用: 1]

TENG Yun, WANG Zedi, JIN Hongyang, et al.

A model and coordinated optimization for the multi-energy storage system of electricity heat hydrogen to regulation enhancement of power grid

[J]. Proceedings of the CSEE, 2019, 39(24):7209-7217.

[本文引用: 1]

随权, 马啸, 魏繁荣, .

计及燃料电池热-电综合利用的能源网日前调度优化策略

[J]. 中国电机工程学报, 2019, 39(6):1603-1613.

[本文引用: 1]

SUI Quan, MA Xiao, WEI Fanrong, et al.

Day-ahead dispatching optimization strategy for energy network considering fuel cell thermal-electric comprehensive utilization

[J]. Proceedings of the CSEE, 2019, 39(6):1603-1613.

[本文引用: 1]

高晓松, 李更丰, 肖遥, .

基于分布鲁棒优化的电-气-热综合能源系统日前经济调度

[J]. 电网技术, 2020, 44(6):2245-2254.

[本文引用: 1]

GAO Xiaosong, LI Gengfeng, XIAO Yao, et al.

Day-ahead economical dispatch of electricity-gas-heat integrated energy system based on distributionally robust optimization

[J]. Power System Technology, 2020, 44(6):2245-2254.

[本文引用: 1]

袁铁江, 段青熙, 秦艳辉, .

风电-氢储能与煤化工多能耦合系统能量广域协调控制架构

[J]. 高电压技术, 2016, 42(9):2748-2755.

[本文引用: 1]

YUAN Tiejiang, DUAN Qingxi, QIN Yanhui, et al.

Energy wide-area coordination control architecture of wind power-hydrogen energy storage and coal chemical multi-functional coupling system

[J]. High Voltage Engineering, 2016, 42(9):2748-2755.

[本文引用: 1]

段青熙, 袁铁江, 梅生伟, .

风电-氢储能与煤化工多能耦合系统能量协调控制策略

[J]. 高电压技术, 2018, 44(1):176-186.

[本文引用: 1]

DUAN Qingxi, YUAN Tiejiang, MEI Shengwei, et al.

Energy coordination control of wind power-hydrogen energy storage and coal chemical multi-functional coupling system

[J]. High Voltage Engineering, 2018, 44(1):176-186.

[本文引用: 1]

魏晓霞.

“互联网+”下全球电动交通互联网与泛电动汽车充电网络模型

[J]. 电气应用, 2015, 34(16):132-136.

[本文引用: 1]

WEI Xiaoxia.

“Internet+” global electric transport internet and pan electric vehicle charging network model

[J]. Electrotechnical Application, 2015, 34(16):132-136.

[本文引用: 1]

王珏莹, 胡志坚, 谢仕炜.

计及交通流量调度的智慧综合能源系统规划

[J]. 中国电机工程学报, 2020, 40(23):7539-7555.

[本文引用: 1]

WANG Jueying, HU Zhijian, XIE Shiwei.

Smart multi-energy system planning considering the traffic scheduling

[J]. Proceedings of the CSEE, 2020, 40(23):7539-7555.

[本文引用: 1]

何正友, 向悦萍, 杨健维, .

电力与交通系统协同运行控制的研究综述及展望

[J]. 全球能源互联网, 2020, 3(6):569-581.

[本文引用: 1]

HE Zhengyou, XIANG Yueping, YANG Jianwei, et al.

Review on cooperative operation and control of transportation and power systems

[J]. Journal of Global Energy Interconnection, 2020, 3(6):569-581.

[本文引用: 1]

WEI W, WU D M, WU Q W, et al.

Interdependence between transportation system and power distribution system: A comprehensive review on models and applications

[J]. Journal of Modern Power Systems and Clean Energy, 2019, 7(3):433-448.

DOI:10.1007/s40565-019-0516-7      URL     [本文引用: 1]

TENG F, DING Z H, HU Z C, et al.

Technical review on advanced approaches for electric vehicle charging demand management, part I: Applications in electric power market and renewable energy integration

[J]. IEEE Transactions on Industry Applications, 2020, 56(5):5684-5694.

DOI:10.1109/TIA.28      URL     [本文引用: 1]

吕思, 卫志农.

基于动态无线充电的电力-交通网协同优化运行研究综述与展望

[J]. 全球能源互联网, 2019, 2(5):484-491.

[本文引用: 1]

LYU Si, WEI Zhinong.

Coupling electricity and transportation networks to achieve dynamic wireless charging: Review and prospects

[J]. Journal of Global Energy Interconnection, 2019, 2(5):484-491.

[本文引用: 1]

ZHANG H C, MOURA S J, HU Z C, et al.

PEV fast-charging station siting and sizing on coupled transportation and power networks

[J]. IEEE Transactions on Smart Grid, 2018, 9(4):2595-2605.

DOI:10.1109/TSG.2016.2614939      URL     [本文引用: 2]

ZHANG H C, MOURA S J, HU Z C, et al.

A second-order cone programming model for planning PEV fast-charging stations

[J]. IEEE Transactions on Power Systems, 2018, 33(3):2763-2777.

DOI:10.1109/TPWRS.2017.2754940      URL     [本文引用: 2]

HE F, WU D, YIN Y F, et al.

Optimal deployment of public charging stations for plug-in hybrid electric vehicles

[J]. Transportation Research Part B: Methodological, 2013, 47:87-101.

DOI:10.1016/j.trb.2012.09.007      URL     [本文引用: 2]

YAO W F, ZHAO J H, WEN F S, et al.

A multi-objective collaborative planning strategy for integrated power distribution and electric vehicle charging systems

[J]. IEEE Transactions on Power Systems, 2014, 29(4):1811-1821.

DOI:10.1109/TPWRS.2013.2296615      URL     [本文引用: 2]

XIANG Y, LIU J Y, LI R, et al.

Economic planning of electric vehicle charging stations considering traffic constraints and load profile templates

[J]. Applied Energy, 2016, 178:647-659.

DOI:10.1016/j.apenergy.2016.06.021      URL     [本文引用: 2]

WEI W, WU L, WANG J H, et al.

Expansion planning of urban electrified transportation networks: A mixed-integer convex programming approach

[J]. IEEE Transactions on Transportation Electrification, 2017, 3(1):210-224.

DOI:10.1109/TTE.2017.2651071      URL     [本文引用: 2]

HE F, YIN Y F, ZHOU J.

Integrated pricing of roads and electricity enabled by wireless power transfer

[J]. Transportation Research Part C: Emerging Technologies, 2013, 34:1-15.

DOI:10.1016/j.trc.2013.05.005      URL     [本文引用: 4]

WEI W, MEI S W, WU L, et al.

Optimal traffic-power flow in urban electrified transportation networks

[J]. IEEE Transactions on Smart Grid, 2017, 8(1):84-95.

DOI:10.1109/TSG.2016.2612239      URL     [本文引用: 2]

HE F, YIN Y F, WANG J H, et al.

Sustainability SI: Optimal prices of electricity at public charging stations for plug-in electric vehicles

[J]. Networks and Spatial Economics, 2016, 16(1):131-154.

DOI:10.1007/s11067-013-9212-8      URL     [本文引用: 3]

WEI W, WU L, WANG J H, et al.

Network equilibrium of coupled transportation and power distribution systems

[J]. IEEE Transactions on Smart Grid, 2018, 9(6):6764-6779.

DOI:10.1109/TSG.2017.2723016      URL     [本文引用: 3]

MANSHADI S D, KHODAYAR M E, ABDELGHANY K, et al.

Wireless charging of electric vehicles in electricity and transportation networks

[J]. IEEE Transactions on Smart Grid, 2018, 9(5):4503-4512.

DOI:10.1109/TSG.5165411      URL     [本文引用: 3]

WEI W, MEI S W, WU L, et al.

Robust operation of distribution networks coupled with urban transportation infrastructures

[J]. IEEE Transactions on Power Systems, 2017, 32(3):2118-2130.

DOI:10.1109/TPWRS.2016.2595523      URL     [本文引用: 2]

张津珲, 王旭, 蒋传文, .

计及交通流量不确定性的多网耦合综合能源系统优化调度方法

[J]. 电网技术, 2019, 43(9):3081-3093.

[本文引用: 3]

ZHANG Jinhui, WANG Xu, JIANG Chuanwen, et al.

Optimal scheduling method of multi-network regional integrated energy system based on traffic flow uncertainty

[J]. Power System Technology, 2019, 43(9):3081-3093.

[本文引用: 3]

QIAN T, SHAO C C, LI X L, et al.

Enhanced coordinated operations of electric power and transportation networks via EV charging services

[J]. IEEE Transactions on Smart Grid, 2020, 11(4):3019-3030.

DOI:10.1109/TSG.5165411      URL     [本文引用: 3]

ZHOU Z, ZHANG X, GUO Q, et al.

Analyzing power and dynamic traffic flows in coupled power and transportation networks

[J]. Renewable and Sustainable Energy Reviews, 2021, 135:110083

DOI:10.1016/j.rser.2020.110083      URL     [本文引用: 3]

LV S, WEI Z N, SUN G Q, et al.

Optimal power and semi-dynamic traffic flow in urban electrified transportation networks

[J]. IEEE Transactions on Smart Grid, 2020, 11(3):1854-1865.

DOI:10.1109/TSG.5165411      URL     [本文引用: 3]

SHI X Y, MA Z J.

An efficient game for vehicle-to-grid coordination problems in smart grids

[J]. International Journal of Systems Science, 2015, 46(15):2686-2701.

DOI:10.1080/00207721.2013.876680      URL     [本文引用: 1]

CHANG X Y, MA T, WU R.

Impact of urban development on residents’ public transportation travel energy consumption in China: An analysis of hydrogen fuel cell vehicles alternatives

[J]. International Journal of Hydrogen Energy, 2019, 44(30):16015-16027.

DOI:10.1016/j.ijhydene.2018.09.099      URL     [本文引用: 1]

KUVVETLI Y.

Multi-objective and multi-period hydrogen refueling station location problem

[J]. International Journal of Hydrogen Energy, 2020, 45(55):30845-30858.

DOI:10.1016/j.ijhydene.2020.08.126      URL     [本文引用: 1]

马志超, 冯浩, 闫云东.

加氢站供氢模式的选择及制氢技术的研究现状分析

[J]. 广州化工, 2019, 47(16):132-134.

[本文引用: 1]

MA Zhichao, FENG Hao, YAN Yundong.

Selection of hydrogen supply mode for hydrogen station and analysis of research status for hydrogen production technology

[J]. Guangzhou Chemical Industry, 2019, 47(16):132-134.

[本文引用: 1]

KANG J E, BROWN T, RECKER W W, et al.

Refueling hydrogen fuel cell vehicles with 68 proposed refueling stations in California: Measuring deviations from daily travel patterns

[J]. International Journal of Hydrogen Energy, 2014, 39(7):3444-3449.

DOI:10.1016/j.ijhydene.2013.10.167      URL     [本文引用: 1]

KUBY M, LINES L, SCHULTZ R, et al.

Optimization of hydrogen stations in Florida using the Flow-Refueling Location Model

[J]. International Journal of Hydrogen Energy, 2009, 34(15):6045-6064.

DOI:10.1016/j.ijhydene.2009.05.050      URL     [本文引用: 1]

KIM J G, KUBY M.

The deviation-flow refueling location model for optimizing a network of refueling stations

[J]. International Journal of Hydrogen Energy, 2012, 37(6):5406-5420.

DOI:10.1016/j.ijhydene.2011.08.108      URL     [本文引用: 1]

HONMA Y, KUBY M.

Node-based vs. path-based location models for urban hydrogen refueling stations: Comparing convenience and coverage abilities

[J]. International Journal of Hydrogen Energy, 2019, 44(29):15246-15261.

DOI:10.1016/j.ijhydene.2019.03.262      URL     [本文引用: 1]

MIRALINAGHI M, LOU Y Y, KESKIN B B, et al.

Refueling station location problem with traffic deviation considering route choice and demand uncertainty

[J]. International Journal of Hydrogen Energy, 2017, 42(5):3335-3351.

DOI:10.1016/j.ijhydene.2016.12.137      URL     [本文引用: 1]

DAGDOUGUI H, OUAMMI A, SACILE R.

Modelling and control of hydrogen and energy flows in a network of green hydrogen refuelling stations powered by mixed renewable energy systems

[J]. International Journal of Hydrogen Energy, 2012, 37(6):5360-5371.

DOI:10.1016/j.ijhydene.2011.07.096      URL     [本文引用: 1]

CARR S, ZHANG F, LIU F, et al.

Optimal operation of a hydrogen refuelling station combined with wind power in the electricity market

[J]. International Journal of Hydrogen Energy, 2016, 41(46):21057-21066.

DOI:10.1016/j.ijhydene.2016.09.073      URL     [本文引用: 1]

XU X, HU W H, CAO D, et al.

Optimal operational strategy for an offgrid hybrid hydrogen/electricity refueling station powered by solar photovoltaics

[J]. Journal of Power Sources, 2020, 451:227810.

DOI:10.1016/j.jpowsour.2020.227810      URL     [本文引用: 1]

常乐, 倪维斗, 李政, .

氢能供应链中最佳运氢方式的选择

[J]. 清华大学学报(自然科学版), 2009, 49(2):257-260.

[本文引用: 2]

CHANG Le, NI Weidou, LI Zheng, et al.

Selection of best hydrogen transport mode in the hydrogen supply chain

[J]. Journal of Tsinghua University (Science and Technology), 2009, 49(2):257-260.

[本文引用: 2]

NAZIR H, MUTHUSWAMY N, LOUIS C, et al.

Is the H2 economy realizable in the foreseeable future? Part II: H2 storage, transportation, and distribution

[J]. International Journal of Hydrogen Energy, 2020, 45(41):20693-20708.

DOI:10.1016/j.ijhydene.2020.05.241      URL     [本文引用: 2]

YANG C, OGDEN J.

Determining the lowest-cost hydrogen delivery mode

[J]. International Journal of Hydrogen Energy, 2007, 32(2):268-286.

DOI:10.1016/j.ijhydene.2006.05.009      URL     [本文引用: 2]

马建新, 刘绍军, 周伟, .

加氢站氢气运输方案比选

[J]. 同济大学学报(自然科学版), 2008, 36(5):615-619.

[本文引用: 2]

MA Jianxin, LIU Shaojun, ZHOU Wei, et al.

Comparison of hydrogen transportation methods for hydrogen refueling station

[J]. Journal of Tongji University (Natural Science), 2008, 36(5):615-619.

[本文引用: 2]

REDDI K, ELGOWAINY A, RUSTAGI N, et al.

Techno-economic analysis of conventional and advanced high-pressure tube trailer configurations for compressed hydrogen gas transportation and refueling

[J]. International Journal of Hydrogen Energy, 2018, 43(9):4428-4438.

DOI:10.1016/j.ijhydene.2018.01.049      URL     [本文引用: 1]

LAHNAOUI A, WULF C, HEINRICHS H, et al.

Optimizing hydrogen transportation system for mobility via compressed hydrogen trucks

[J]. International Journal of Hydrogen Energy, 2019, 44(35):19302-19312.

DOI:10.1016/j.ijhydene.2018.10.234      URL     [本文引用: 1]

GIM B, BOO K J, CHO S M.

A transportation model approach for constructing the cost effective central hydrogen supply system in Korea

[J]. International Journal of Hydrogen Energy, 2012, 37(2):1162-1172.

DOI:10.1016/j.ijhydene.2011.09.120      URL     [本文引用: 1]

/