交通網(wǎng)-電網(wǎng)耦合框架下制氫加氫站選址定容

摘 要：制氫加氫站（HPRS）的合理規(guī)劃對氫燃料電池車的發(fā)展具有重要意義，為此提出交通網(wǎng)-電網(wǎng)耦合框架下的HPRS規(guī)劃方法，實現(xiàn)大規(guī)模分布式新能源并網(wǎng)電力系統(tǒng)下的HPRS選址定容。首先，基于城市路網(wǎng)阻抗信息模型對氫燃料車的出行進行模擬，得到交通網(wǎng)層面上加氫負(fù)荷時空分布。然后，以建設(shè)運營成本、交通網(wǎng)加氫負(fù)荷覆蓋率與電力網(wǎng)絡(luò)運行穩(wěn)定性為約束，構(gòu)建多目標(biāo)綜合評價選址定容模型，通過改進粒子群算法對HPRS的選址和設(shè)備容量進行求解。在33節(jié)點電網(wǎng)和25節(jié)點交通網(wǎng)上進行算例分析，結(jié)果表明所提出方法有效降低了HPRS在接入電網(wǎng)后引起的電網(wǎng)損耗與電壓偏差，同時提升新能源自消納率，提高了HPRS的交通網(wǎng)服務(wù)質(zhì)量并減少了建設(shè)運營成本。

關(guān)鍵詞：區(qū)域規(guī)劃；制氫；加氫站；選址；交通網(wǎng)；配電網(wǎng)

中圖分類號：TK91 文獻標(biāo)志碼：A

DOI：10.19912/j.0254-0096.tynxb.2023-0619

文章編號：0254-0096（2024）08-0054-09

青海大學(xué)，新能源電力系統(tǒng)智慧運行教育部重點實驗室，西寧 810001

0 引 言

氫燃料車在交通領(lǐng)域的應(yīng)用實現(xiàn)了溫室氣體零排放，其具有廣泛發(fā)展前景，將是構(gòu)建低碳交通體系的重要突破口［1-2］。隨著交通電氣化程度的不斷提高，制氫加氫站（hydrogen producing and refueling station，HPRS）作為集電解制氫與滿足加氫需求為一體的新型電氣設(shè)施，將為低碳交通與新型電力系統(tǒng)有效耦合發(fā)揮舉足輕重的作用，對于HPRS的研究將吸引更多研究者的關(guān)注［3-5］。

HPRS的合理規(guī)劃可降低經(jīng)濟成本，文獻［6-7］以氫氣生命周期成本最小為目標(biāo)，建立加氫站選址優(yōu)化數(shù)學(xué)模型，根據(jù)氫源分布進行選址分析；文獻［8］以經(jīng)濟性為目標(biāo)提出多階段選址模型，根據(jù)人口數(shù)量和經(jīng)濟水平計算規(guī)劃區(qū)的加氫需求；文獻［9］提出考慮電力、氫氣和天然氣三方耦合綜合投資均衡模型。上述文獻對于加氫站規(guī)劃模型都側(cè)重于經(jīng)濟性，未結(jié)合交通網(wǎng)層面考慮氫燃料電池車產(chǎn)生的時變加氫需求。

文獻［10］提出的HPRS容量規(guī)劃模型中，在現(xiàn)有加油站位置上合建HPRS，繼承了交通網(wǎng)層面上的優(yōu)勢，但未考慮制氫站對電網(wǎng)運行的影響；文獻［11］在交通網(wǎng)層面上考慮用戶出行與加氫最短路線的偏差，將加氫出行成本納入模型中；文獻［12］考慮到電網(wǎng)層面，但制氫量完全由電網(wǎng)側(cè)控制，未結(jié)合交通網(wǎng)絡(luò)中時變的車輛加氫負(fù)荷；文獻［13］建立考慮產(chǎn)業(yè)布局的加氫網(wǎng)絡(luò)模型，只進行加氫站選址定容，忽略制氫站的規(guī)劃。

加氫站規(guī)劃需進行多方面考慮，文獻［14］構(gòu)建心理指標(biāo)與經(jīng)濟指標(biāo)聯(lián)合的規(guī)劃模型，對HPRS進行優(yōu)化布局，但其未對車輛加氫負(fù)荷進行模擬；文獻［15］利用路徑流量捕獲模型來確定交通網(wǎng)絡(luò)HPRS的氫氣需求，結(jié)合電力網(wǎng)絡(luò)與交通網(wǎng)絡(luò)對HPRS選址定容，未考慮與可再生能源的結(jié)合。對于含高比例新能源電站的地區(qū)而言，HPRS為可再生能源提供更大消納空間，HPRS對于新型電力系統(tǒng)起到調(diào)節(jié)作用，因地制宜建設(shè)電-氫能源系統(tǒng)將進一步推動氫能的發(fā)展［16］。文獻［17］在HPRS規(guī)劃中加入風(fēng)電場的選址定容，構(gòu)建考慮交通流量捕獲的風(fēng)-氫耦合網(wǎng)絡(luò)規(guī)劃模型，但受分布式電場建設(shè)的地理因素限制，風(fēng)光電場接入點一般較為固定，無法實現(xiàn)城區(qū)內(nèi)電網(wǎng)節(jié)點靈活選址。

在上述HPRS規(guī)劃研究的基礎(chǔ)上，本文對HPRS選址定容進行多層面考慮，在交通網(wǎng)層面上以HPRS捕獲加氫負(fù)荷量最大為目標(biāo)；在電網(wǎng)層面以電網(wǎng)損耗與電壓偏差最小為目標(biāo)；在經(jīng)濟層面上以設(shè)備投資成本、土地投資成本、運營成本最小為目標(biāo)，提出考慮交通網(wǎng)-電網(wǎng)耦合框架下的制氫加氫站規(guī)劃方法，實現(xiàn)新型電力系統(tǒng)下HPRS的選址定容。

1 加氫負(fù)荷時空分布

了解氫燃料電池車加氫負(fù)荷分布是研究交通網(wǎng)與電網(wǎng)互動的重要前提。氫燃料車作為移動加氫負(fù)荷的載體，其出行分布和行駛路徑會受到交通信息的影響，也會影響加氫負(fù)荷的時空分布。

1.1 交通網(wǎng)阻抗模型

采用時間-流量模型［18］考慮車輛行駛中路段條件與交叉節(jié)點信號燈等影響因素，對城市道路路阻進行建模。

1.1.1 路段阻抗模型

[Ttij.L=Ttij.L1：t0（1+αyβ）， 0lt;y≤1.0Ttij.L2：t0（1+α（2-y）β）， 1.0lt;y≤2.0] （1）

式中：[Ttij.L]——路網(wǎng)節(jié)點[i]到節(jié)點[j]的路段阻抗，min； [t0]——當(dāng)交通流量為零時的路段行程時間，[t0=Lij/v0]（[Lij]為節(jié)點[i]到節(jié)點[j]的路段距離，km；[v0]為車輛行駛速度，取60 km/h），min；[y]——城市路段交通飽和度評價指標(biāo)，[y=Q/C]（[Q]為路段交通流量，pcu/h；[C]為通行能力，pcu/h）；[α]、[β]——阻抗影響因子，[α]=0.15和[β]=4［19］。

1.1.2 節(jié)點阻抗模型

[Tti.o=Tti.o1：910c（1-λ）221-λy+y22q1-y，0lt;y≤0.6Tti.o2：c（1-λ）221-λy+1.5（y-0.6）1-yy，ygt;0.6] （2）

式中：[Tti.o]——節(jié)點[i]的節(jié)點阻抗，min；[c]——信號周期，取0.5 min；[λ]——綠燈在整個信號周期中的時間占比，取0.7；[q]——路段車輛到達率，取0.8。

1.1.3 城市道路路阻模型

節(jié)點交通飽和度[yi]由其相鄰路段飽和度[yZij]中最大的路段決定如式（3）。城市道路路阻模型由路段阻抗與節(jié)點阻抗生成如式（4）。

[yi=maxyZij] （3）

[Wtij=Ttij.L1+Tti.o1， 0lt;y≤0.6Ttij.L1+Tti.o2， 0.6lt;y≤1.0Ttij.L2+Tti.o2， 1.0lt;y≤2.0] （4）

式中：[Wtij]——道路阻抗，即車輛行程時間，min；[Z]——交通節(jié)點[i]相鄰路段的數(shù)量。

1.2 行駛路徑建立

在交通網(wǎng)節(jié)點投入不同數(shù)量車輛，隨機分配其起止位置，采用實時Dijkstra算法［19］按行駛道路阻抗[Wtij]最小為目標(biāo)選取行駛路徑如式（5），規(guī)劃輛車起止間[k]條行駛路徑集合[dkOD]。

[SkOD=1≤i≤n，1≤j≤n，i≠j（vijWtij）vij=1，" vij∈dkOD0，" vij?dkOD] （5）

式中：[SkOD]——第[k]條行駛路徑最小行程時間，min；[vij]=1——路段[ij]屬于行程時間最小路徑[dkOD]中的一段路徑，否則[vij]=0。

1.3 加氫負(fù)荷

根據(jù)起始?xì)淙剂宪嚉錃馐Ｓ嗳萘糠恼龖B(tài)分布N（0.5，0.1）生成車輛起始?xì)錃庥嗔?，根?jù)[dkOD]出行路徑更新第[k]輛車剩余氫氣量如式（6）。

[Ctk=ηc（Ct-1k-ΔLkEc）] （6）

式中：[ηc]——能耗系數(shù)，取0.98；[Ec]——氫燃料車耗氫量，取1 kg/100 km；[Ctk]——[t]時刻第[k]輛車剩余氫量，kg；[ΔLk]——[t-1]時刻到[t]時刻第[k]輛車的行駛距離，km。

加氫觸發(fā)條件有兩種：1）當(dāng)氫氣余量小于[CminL]，其加氫量[ΔC1L]如式（7）；2）當(dāng)?shù)赱k]車輛剩余氫容量無法支持其到達終點，其加氫量[ΔC2L]如式（8）。

[ΔC1L.k=CmaxL-CminL] （7）

[ΔC2L.k=CmaxL-Ctk] （8）

式中：[CmaxL]——氫燃料車儲氫罐額定容量，綜合參考市場上氫燃料乘用車取6 kg；[CminL]、[ΔC2L.k]——車儲氫罐最小剩余容量，取1 kg；[ΔC1L，k]、[ΔC2L，k]——加氫量，取5 kg。

第[k]輛車行駛于[dkOD]路徑中在某路段觸發(fā)加氫條件，將該路段的加氫負(fù)荷均分到該路段兩端節(jié)點上，其加氫負(fù)荷如式（9）。

[MtH2.ij=k=1KΔCiL.kMtH2.i=12z=1ZMtH2.ij] （9）

式中：[MtH2.ij]——[t]時刻路段[ij]觸發(fā)的加氫負(fù)荷，kg；[MtH2.i]——[t]時刻節(jié)點[i]觸發(fā)的加氫負(fù)荷，kg。

由于[HPRS]的服務(wù)范圍有限，在服務(wù)范圍外觸發(fā)加氫負(fù)荷的車輛將額外產(chǎn)生加氫行駛路程。交通網(wǎng)層面每時段產(chǎn)生加氫總負(fù)荷量[MtH2]如式（10）。

[MtH2=MtH2.M1+MtH2.M2+MtH2.M3] （10）

[MtH2.M1=m=1M1MtH2.m] （11）

[MtH2.M2=m=1M2-ΔMΔLM2Ec+m=1M2-ΔMMtH2.m] （12）

[MtH2.M3=m=1M3ΔLM3Ec+m=1M3MtH2.m] （13）

式中：[MtH2.M1]——[HPRS]建設(shè)節(jié)點上的加氫負(fù)荷量，kg；[MtH2.M2]——服務(wù)范圍內(nèi)除建設(shè)節(jié)點以外的節(jié)點上產(chǎn)生的加氫負(fù)荷，kg；[MtH2.M3]——服務(wù)范圍外的加氫負(fù)荷，kg；[ΔLM2]、[ΔLM3]——服務(wù)范圍內(nèi)和范圍外的額外加氫路程，km；[M2]——服務(wù)范圍內(nèi)除建設(shè)節(jié)點外的節(jié)點數(shù)量；[M3]——服務(wù)范圍外的節(jié)點數(shù)量；[ΔM]——[HPRS]重疊服務(wù)區(qū)間重復(fù)捕獲的加氫負(fù)荷節(jié)點數(shù)量；[M1]=[M]——建設(shè)節(jié)點的數(shù)量。

2 多目標(biāo)規(guī)劃模型

2.1 目標(biāo)函數(shù)

[S1]經(jīng)濟性目標(biāo)包括：[f1]投資成本、[f2]運營成本。[S2]為[HPRS]服務(wù)范圍內(nèi)捕獲氫燃料車加氫負(fù)荷的覆蓋率。[S3]為電網(wǎng)層面目標(biāo)。因為目標(biāo)[S1]、[S2]和[S3]的單位不同且量級差異大，目標(biāo)相關(guān)趨勢不同，通過隸屬度函數(shù)對多目標(biāo)進行歸一化處理［20］，分別采用式（14）、式（15）所示的偏大型梯形函數(shù)和偏小型梯形函數(shù)。評價滿意度[u]為0～1，表示對目標(biāo)函數(shù)值的滿意程度如式（16）。

[ua=1， Sa.max≤SaSa-Sa.minSa.max-Sa.min， Sa.minlt;Salt;Sa.max0， Sa≤Sa.min] （14）

[ub=1， Sb≤Sb.minSb.max-SbSb.max-Sb.min， Sb.minlt;Sblt;Sb.max0， Sb≤Sb.max] （15）

[u=w1u1+w2u2+w3u3] （16）

式中：[ua]——偏大型梯形函數(shù)；[ub]——偏小型梯形函數(shù)；[Sa]、[Sa.max]和[Sa.min]——偏大型梯形目標(biāo)函數(shù)值及其最大、最小值；[Sb]、[Sb.max]和[Sb.min]——偏小型目標(biāo)函數(shù)值及其最大、最小值；[u]——隸屬度函數(shù)評價滿意度；[w]——各目標(biāo)滿意度權(quán)重，取1。

2.1.1 經(jīng)濟性目標(biāo)

1）投資成本

投資成本[f1]包括各設(shè)備成本與建設(shè)用地成本如式（17）。規(guī)劃區(qū)劃分為居民區(qū)、商業(yè)區(qū)和工業(yè)區(qū)。

[f1=m=1Mτ（1+τ）T0（1+τ）T0-1（Cm.AEL+Cm.press+Cm.H2sto+Cm.land）Cm.AEL=cAELmaxPtAELCm.press=cpressmaxPtpressCm.H2sto=cH2stomaxMtH2stoCm.land=cmlandSrefHPRSt=1TMtH2MrefH2] （17）

式中：[M]——[HPRS]規(guī)劃數(shù)量；[τ]——折現(xiàn)率，取0.12；[T0]——運行規(guī)劃期，20 a；[Cm.AEL]、[Cm.press]、[Cm.H2sto]——第[m]個[HPRS]的電解槽、壓縮機、儲氫罐的設(shè)備投資成本，元；[Cm.land]——土地投資成本，元；[cAEL]、[cpress]、[cH2.sto]——電解槽、壓縮機、儲氫罐的設(shè)備單價，元/kW、元/kW、元/kg；[max（PtAEL）]、[max（Ptpress）]、[max（MtH2sto）]——電解槽、壓縮機、儲氫罐的額定裝機容量，kW、kW、kg；[cmland]——第[m]個[HPRS]所屬城市功能區(qū)的地價，元/m2；[caland]、[cbland]、[ccland]——工業(yè)區(qū)地價、居民區(qū)地價和商業(yè)區(qū)地價，元/m2；[SrefHPRS]、[MrefH2]——參考深圳媽灣制氫加氫一體站占地面積和日加氫負(fù)荷，m2、kg/d。

2）運營成本

[f2]運營成本包括設(shè)備成本、用電用水成本與工人成本，如式（18）。

[f2=m=1M（Cm.el+Cm.w+Cm.op）Cm.el=cte（PtAEL+Ptpress）Cm.w=cwηw.AELPtAELCm.op=Mcop] （18）

式中：[Cm.el]、[Cm.w]——用電、用水費用，元；[cop]——單座[HPRS]工人工資成本，萬元/a；[cte]——分時電價，元/kWh；[cw]——工業(yè)用水價格，元/m3；[ηw.AEL]——電解槽用凈化水系數(shù)，取0.18 m3/kW。

2.1.2 交通網(wǎng)層面目標(biāo)

氫燃料車按照就近原則加氫，減少加氫路徑。HPRS將捕獲其服務(wù)范圍內(nèi)的節(jié)點上的加氫負(fù)荷，重疊服務(wù)區(qū)間的加氫負(fù)荷只捕獲一次，HPRS服務(wù)范圍內(nèi)捕獲氫燃料電池車加氫負(fù)荷的覆蓋率如式（19）。

[S2=t=1Tm=1M1MtH2.m+m=1M2-ΔMMtH2.mt=1Tn=1NMtH2.n] （19）

式中：[MtH2.n]——路網(wǎng)節(jié)點[n]的加氫負(fù)荷，kg；[N]——路網(wǎng)結(jié)點總數(shù)量。

2.1.3 電網(wǎng)層面目標(biāo)

電網(wǎng)層面目標(biāo)包括電壓偏差［16］與電網(wǎng)損耗，分別如式（20）～式（22），電網(wǎng)評價取電壓與網(wǎng)損均值。

[S′3=1NTt=1Tn=1NVtn-V0V0] （20）

[S″3=n∈Nijt=1TPt.ne.loss] （21）

[Pe.loss=GijU2i+U2i-2UiUjcos（θi-θj）] （22）

式中：[S′3]——電網(wǎng)節(jié)點電壓偏差率；[S″3]——電網(wǎng)損耗，kWh；[Vtn]——電網(wǎng)節(jié)點[n]在[t]時刻的電壓值，[V]；[V0]——電網(wǎng)電壓平均值，[V]；[Ui]、[Uj]——節(jié)點[i]、節(jié)點[j]的電壓幅值，[V]；[Gij]——節(jié)點[i]、[j]間支路的電導(dǎo)，S；[θi]、[θj]——節(jié)點[i]、[j]的電壓相角，（ °）。

2.2 約束條件

2.2.1 設(shè)備約束

HPRS電解槽產(chǎn)生的氫氣在分離純化后，通過90 MPa壓縮機儲存到高壓儲氫設(shè)備中，站內(nèi)制氫、儲氫約束模型如式（23）～式（25）。

1）電解槽模型

為響應(yīng)新型電力系統(tǒng)中大規(guī)模光伏并網(wǎng)白天發(fā)電高峰時段，電解槽制氫開啟時間設(shè)置為09：00—16：00。

[PtH2AEL=ηAELPtAELMtH2AEL=PtH2AEL/HH2] （23）

式中：[PtH2AEL]——[t]時刻電解槽產(chǎn)氫量對應(yīng)的電功率，kW；；[ηAEL]——電解槽電解效率；[PtAEL]——[t]時刻電解槽電解水用電功率，kW；[MtH2AEL]——[t]時刻的產(chǎn)氫量，kg；[HH2]——氫氣熱值，143 kJ/g。

2）壓縮機模型

壓縮機模型參考文獻［14］。

[Ptpress=MtH2pressErefpressln（Fpress/Fini）ln（Frefpress/Fini）MtH2press=（1-γpress）MtH2AEL] （24）

式中：[Ptpress]——[t]時刻壓縮機功率，kW；[MtH2press]——流入壓縮機的氫氣質(zhì)量，kg；[Erefpress]——壓縮機在參考壓力下電力消耗，kWh/kg；[Fpress]——壓縮機壓力，MPa；[Fini]——標(biāo)準(zhǔn)大氣壓力，MPa；[Frefpress]——參考壓縮機壓力，MPa；[γpress]——電解槽到壓縮機的氫耗散率，取0.01。

3）儲氫模型

制氫設(shè)備產(chǎn)生的氫氣并不能被實時消耗，需通過儲氫設(shè)備來儲存，儲氫模型為：

[St+1H2sto=StH2sto+MtH2sto-MtH2MtH2sto=（1-γH2sto）MtH2press0≤StH2sto] （25）

式中：[StH2sto]——[t]時刻儲氫設(shè)備中的氫氣容量，kg；[MtH2sto]——[t]時刻壓縮到儲氫設(shè)備中的氫氣量，kg；[MtH2]——[t]時刻加氫負(fù)荷，kg；[γH2sto]——壓縮機到儲氫設(shè)備的氫耗散率，取0.01%。。

2.2.2 交通網(wǎng)絡(luò)約束

1）加氫負(fù)荷覆蓋率約束

[Smin2lt;S2≤1] （26）

式中：[Smin2]——最小加氫負(fù)荷的覆蓋率，取60%。

2）HPRS間距離約束

為保證氫燃料車在最小剩余氫量下可行駛到加氫站以及保證HPRS間的安全距離，距離約束如式（27）。

[LminHPRSlt;LHPRSlt;LCminl] （27）

式中：[LHPRS]——兩個[HPRS]間的距離，km；[LminHPRS]——兩個[HPRS]間的最小距離，取5 km；[LCminl]——氫燃料車最小剩余容量下可續(xù)航里程，取20 km。

3）HPRS重疊區(qū)域約束

HPRS在交通網(wǎng)布局中，存在相鄰站點服務(wù)范圍重疊，其重疊區(qū)域內(nèi)的節(jié)點加氫負(fù)荷將被重復(fù)捕獲，對重復(fù)捕獲節(jié)點數(shù)量進行限制如式（28）。

[ΔM≤ΔMmax] （28）

式中：[ΔMmax]——[HPRS]重疊服務(wù)區(qū)重復(fù)捕獲的加氫負(fù)荷節(jié)點的最大數(shù)，為3。

4）占地限制

HPRS的制氫站、壓縮站以及儲氫站之間需一定安全距離，因此隨著HPRS規(guī)劃數(shù)目增多，單個站點面積不能無限制縮小，最小占地約束如式（29）。

[Sref.minHPRS≤SHPRS] （29）

式中：[Sref.minHPRS]——[HPRS]的最小占地面積。

2.2.3 電力系統(tǒng)潮流約束

[PtG.i-PtL.i=Uij=1nUj（Gijcosθij+Bijsinθij）QtG.i-QtL.i=Uij=1nUj（Gijcosθij-Bijsinθij）] （30）

式中：[PtG.i]和[QtG.i]——[t]時刻[i]節(jié)點的有功和無功注入功率，kWh、var；[PtL.i]、[QtL.i]——[i]節(jié)點有功和無功消耗功率；[Ui]和[Uj]——[i]節(jié)點和[j]節(jié)點的電壓，[θij]——[i]節(jié)點和[j]節(jié)點之間的電壓相角差；[Gij]和[Bij]——[i]節(jié)點和[j]節(jié)點之間線路的電導(dǎo)和電納。

3 模型求解

HPRS選址定容是一個多目標(biāo)非線性規(guī)劃問題，控制變量為規(guī)劃區(qū)域HPRS站址坐標(biāo)，面對非線性約束條件問題，采用改進粒子群優(yōu)化算法［21］用于求解本文所提模型，求解過程：

1）初始化交通網(wǎng)氫負(fù)荷分布、地價分布與電網(wǎng)結(jié)構(gòu)等參數(shù)。

2）選取HPRS數(shù)量為[M]個，編譯為粒子群的初始位置。

3）由初始選址得到各站捕獲的加氫負(fù)荷，通過設(shè)備模型式（23）～式（25）得到各設(shè)備容量。根據(jù)式（14）～式（22）計算記錄[S1]、[S2]與[S3]，以模糊隸屬度進行量綱上的統(tǒng)一，將[u]作為適應(yīng)度函數(shù)。

4）通過粒子群的迭代將數(shù)據(jù)更新，得到下一代粒子，返回第3）步，當(dāng)適應(yīng)度函數(shù)不再變化或達到最大迭代次數(shù)時輸出結(jié)果。求解流程圖如圖1所示。

4 算例仿真及分析

4.1 基礎(chǔ)數(shù)據(jù)

本文采用25節(jié)點交通網(wǎng)與33節(jié)點電網(wǎng)系統(tǒng)為背景，交通網(wǎng)-電網(wǎng)節(jié)點耦合的城市規(guī)劃區(qū)如圖2，圖中交通網(wǎng)單位距離為1 km，規(guī)劃區(qū)分為工業(yè)區(qū)、商業(yè)區(qū)和居民區(qū)，其中工業(yè)區(qū)電網(wǎng)節(jié)點7、9、19、20各接有10 MW光伏電站，居民區(qū)電網(wǎng)節(jié)點15、18、29、30各接有10 MW光伏電站。

規(guī)劃區(qū)電網(wǎng)層面上光伏電站功率與城市各功能區(qū)域用電負(fù)荷如圖3所示，分時電價如基礎(chǔ)數(shù)據(jù)圖4a所示。交通層面上路網(wǎng)節(jié)點引入車輛2000輛，車輛起始點數(shù)量如基礎(chǔ)數(shù)據(jù)圖4b。城市規(guī)劃區(qū)有44個路段，全天城市交通路段飽和度評價指標(biāo)如圖5所示。根據(jù)《全國各省級行政區(qū)充電基礎(chǔ)設(shè)施建設(shè)規(guī)劃匯總》參考充電站服務(wù)范圍半徑，HPRS服務(wù)范圍半徑設(shè)為5 km。

算例仿真參數(shù)如表1所示，其中電解槽、壓縮機、儲氫罐的設(shè)備單價參考文獻［17］，壓縮機參數(shù)參考文獻［14］。

根據(jù)加氫負(fù)荷模型式（1）～式（13），通過仿真求得25節(jié)點交通網(wǎng)加氫負(fù)荷時空分布如圖6所示。

4.2 仿真規(guī)劃結(jié)果

HPRS布局優(yōu)化其經(jīng)濟性評分、交通網(wǎng)評分以及電網(wǎng)評分如圖7所示，規(guī)劃數(shù)量[M]從3～6進行多目標(biāo)綜合評價，其中規(guī)劃數(shù)量[M]為5時，綜合評價最高，為1.8138。

各規(guī)劃數(shù)量下經(jīng)濟性目標(biāo)中的設(shè)備費用、運營費用以及土地費用如表3。

各規(guī)劃數(shù)量下交通網(wǎng)層面上與電網(wǎng)層面上的目標(biāo)如表4。

由表4可看出，當(dāng)HPRS規(guī)劃數(shù)量[M]為3時，其車輛加氫負(fù)荷覆蓋率較低且不足70%，由圖7可知其交通網(wǎng)評分僅為0.4383；HPRS服務(wù)范圍外未覆蓋車輛的加氫行駛路徑增加，導(dǎo)致規(guī)劃區(qū)加氫總負(fù)荷相對升高，制氫、壓縮及儲氫設(shè)備容量隨之需要上調(diào)，整體設(shè)備投資為413.70萬元。HPRS規(guī)劃數(shù)量較少，導(dǎo)致單個HPRS的容量較高，致使局部電網(wǎng)支路負(fù)荷壓力較大，電壓偏差率為1.95%，但電網(wǎng)節(jié)點19、節(jié)點9建設(shè)有光伏電站減少了光伏余電制氫輸電距離，其電網(wǎng)損耗較低，為50.14 MWh；由于建設(shè)路網(wǎng)節(jié)點4、節(jié)點14、節(jié)點18都不屬于商業(yè)區(qū)，其用地成本較低，土地費用僅為196.05萬元。

當(dāng)HPRS規(guī)劃數(shù)量為4時，其最優(yōu)布局路網(wǎng)建設(shè)節(jié)點為4、14、16、18，相較于站數(shù)為3的規(guī)劃方案其增設(shè)路網(wǎng)選址節(jié)點16。路網(wǎng)節(jié)點4，節(jié)點14、節(jié)點18到商業(yè)區(qū)各節(jié)點的距離超出服務(wù)范圍未能捕獲商業(yè)區(qū)內(nèi)加氫負(fù)荷，路網(wǎng)節(jié)點16位于商業(yè)區(qū)可有效捕獲商業(yè)區(qū)節(jié)點11、節(jié)點12、節(jié)點15的加氫負(fù)荷，因此加氫負(fù)荷覆蓋率由66.30%提升到75.50%，節(jié)點16捕獲加氫負(fù)荷節(jié)點較多導(dǎo)致占地面積較大又由于商業(yè)區(qū)地價高，致使該方案用地費用較高為336.75萬元，而站數(shù)為5的規(guī)劃方案中增設(shè)的路網(wǎng)居民區(qū)節(jié)點7可分擔(dān)節(jié)點16捕獲的商業(yè)區(qū)節(jié)點11、節(jié)點12的加氫負(fù)荷，致使節(jié)點16站點建設(shè)面積減少，節(jié)省了土地費用。在電網(wǎng)層面上站數(shù)為4的方案增設(shè)路網(wǎng)節(jié)點16對應(yīng)電網(wǎng)節(jié)點6，該站點在制氫設(shè)備用電負(fù)荷增加的同時更加遠離分布式電源節(jié)點，導(dǎo)致其總電網(wǎng)損耗較高于站數(shù)為3與站數(shù)為5的規(guī)劃方案。

當(dāng)HPRS規(guī)劃數(shù)量增加到6時，加氫負(fù)荷覆蓋率達到84.30%；受占地約束其站點數(shù)量增加導(dǎo)致用地面積擴大，其次路網(wǎng)節(jié)點13、節(jié)點16屬于商業(yè)區(qū)地價高，致使土地成本提高，且站點數(shù)量增加導(dǎo)致運營費用提升，其經(jīng)濟性較低，經(jīng)濟性評分為0.3545。路網(wǎng)建設(shè)節(jié)點13對應(yīng)電網(wǎng)節(jié)點11遠離電源點，導(dǎo)致電網(wǎng)損耗較高，但其單個HPRS的容量較小對局部電網(wǎng)影響較少，電壓偏差率僅為1.86%，由圖7可知電網(wǎng)評分較高為0.6778。

當(dāng)HPRS規(guī)劃數(shù)量為5時綜合評分最高為最佳選址定容方案，由表3可知規(guī)劃數(shù)量為4中的路網(wǎng)建設(shè)節(jié)點4的加氫站被路網(wǎng)節(jié)點3與節(jié)點7所代替。路網(wǎng)節(jié)點7捕獲到商業(yè)區(qū)節(jié)點11與節(jié)點12的加氫負(fù)荷，同時未占用商業(yè)用地，其覆蓋率提升到83.51%且土地費用未明顯提高，未覆蓋車輛氫負(fù)荷的加氫行駛路徑縮短；其接入網(wǎng)點布局靠近電源側(cè)，路網(wǎng)建設(shè)節(jié)點3、7、14、18對應(yīng)電網(wǎng)接入節(jié)點29、15、19、9都接有分布式光伏電站，電網(wǎng)損耗與電壓偏差率較低分別為50.44 MWh、1.90%。當(dāng)規(guī)劃數(shù)量M小于3時，規(guī)劃不滿足加氫負(fù)荷覆蓋率約束，M大于7時經(jīng)濟性較差，其次受HPRS距離約束與重疊站點約束。

HPRS規(guī)劃數(shù)量M為5時其各路網(wǎng)建設(shè)節(jié)點對應(yīng)設(shè)備容量如表5。如表5可知，路網(wǎng)建設(shè)節(jié)點3、節(jié)點14捕獲加氫負(fù)荷較多，其設(shè)備容量較高。

規(guī)劃區(qū)光伏總裝機容量為80 MW，HPRS建設(shè)前規(guī)劃區(qū)用電負(fù)荷總量為478.16 MWh，外電網(wǎng)供電量為232.55 MWh，新能源自消納率僅為65.72%。由新能源消納變化圖8可知，建設(shè)HPRS之后用電負(fù)荷在09：00—16：00時段明顯升高。HPRS采用恒定功率運行，在09：00—12：00時段、15：00—16：00時段HPRS用電功率消納光伏余電量的同時，不能滿足制氫功率，需從外電網(wǎng)供電，因此外電網(wǎng)供電量為275.37 MWh相比建站前增加42.82 MWh。在10：00—16：00時段HPRS用電功率消納了光伏倒送余電量，光伏倒送外網(wǎng)電量從128.11 MWh減少到24.56 MWh，新能源自消納率從65.72%提高到93.43%。

5 結(jié) 論

本文構(gòu)建交通網(wǎng)與電網(wǎng)多目標(biāo)評價的HPRS選址定容模型，在規(guī)劃區(qū)交通網(wǎng)層面生成車輛加氫負(fù)荷時空分布，在此基礎(chǔ)上結(jié)合規(guī)劃區(qū)電網(wǎng)架構(gòu)與市區(qū)布局進行HPRS不同數(shù)量下選址定容優(yōu)化。其結(jié)論如下：

1）規(guī)劃確定HPRS站數(shù)和位置，提高了車輛加氫負(fù)荷覆蓋率，滿足了HPRS的交通網(wǎng)服務(wù)質(zhì)量。

2）在大規(guī)模光伏并網(wǎng)電力系統(tǒng)中，HPRS規(guī)劃布局與容量配置有效降低了HPRS在接入電網(wǎng)后引起的電網(wǎng)損耗與電壓偏差，滿足電網(wǎng)穩(wěn)定運行要求。同時，新能源自消納率大幅提高。

3）在滿足電網(wǎng)層面與交通網(wǎng)層面要求的同時，在經(jīng)濟性層面降低了建設(shè)與運營成本。

算例電網(wǎng)為10 kV單一電壓等級模型，后續(xù)研究將面向風(fēng)光儲多電壓等級復(fù)雜電網(wǎng)展開，以適應(yīng)新能源并網(wǎng)規(guī)模增長、電/氫負(fù)荷增加的新型電力系統(tǒng)發(fā)展趨勢。

［參考文獻］

［1］ 李佳琪， 徐瀟源， 嚴(yán)正. 大規(guī)模新能源汽車接入背景下的電氫能源與交通系統(tǒng)耦合研究綜述［J］. 上海交通大學(xué)學(xué)報， 2022， 56（3）： 253-266.

LI J Q， XU X Y， YAN Z. 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 Jiao Tong University， 2022， 56（3）： 253-266.

［2］ 胡海濤， 鄭政， 何正友， 等. 交通能源互聯(lián)網(wǎng)體系架構(gòu)及關(guān)鍵技術(shù)［J］. 中國電機工程學(xué)報， 2018， 38（1）： 12-24， 339.

HU H T， ZHENG Z， HE Z Y， et al. The framework and key technologies of traffic energy internet［J］. Proceedings of the CSEE， 2018， 38（1）： 12-24， 339.

［3］ 李亮榮， 彭建， 付兵， 等. 碳中和愿景下綠色制氫技術(shù)發(fā)展趨勢及應(yīng)用前景分析［J］. 太陽能學(xué)報， 2022， 43（6）： 508-520.

LI L R， PENG J， FU B， et al. Development trend and application prospect of green hydrogen production technologies under carbon neutrality vision［J］. Acta energiae solaris sinica， 2022， 43（6）： 508-520..

［4］ 劉峻， 趙汪， 高學(xué)強， 等. 全球加氫站產(chǎn)業(yè)、技術(shù)及標(biāo)準(zhǔn)進展綜述［J］.太陽能學(xué)報， 2022，43（6）： 362-372.

LIU J， ZHAO W， GAO X Q， et al. Review on advances in industry technology， and standard of global hydrogen refuelling stations［J］. Acta energiae solaris sinica， 2022， 43（6）： 362-372.

［5］ 張繼紅， 闞圣鈞， 化玉偉， 等. 基于氫氣儲能的熱電聯(lián)供微電網(wǎng)容量優(yōu)化配置［J］. 太陽能學(xué)報， 2022， 43（6）： 428-434.

ZHANG J H， KAN S J， HUA Y W， et al. Capacity optimization of CHP microgrid based on hydrogen energy storage［J］. Acta energiae solaris sinica， 2022， 43（6）： 428-434.

［6］ HE C M， SUN H R， XU Y， et al. Hydrogen refueling station siting of expressway based on the optimization of hydrogen life cycle cost［J］. International journal of hydrogen energy， 2017， 42（26）： 16313-16324.

［7］ SUN H R， HE C M， YU X Z， et al. Optimal siting and sizing of hydrogen refueling stations considering distributed hydrogen production and cost reduction for regional consumers［J］. International journal of energy research， 2019， 43（9）： 4184-4200.

［8］ ZHENG Q H， LV H， ZHOU W， et al. Research on multi-period hydrogen refueling station location model in jiading district［J］. World electric vehicle journal， 2021， 12（3）： 146-151.

［9］ YANG G M， JIANG Y W. Siting and sizing of the hydrogen refueling stations with on-site water electrolysis hydrogen production based on robust regret［J］. International journal of energy research， 2020， 44（11）： 8340-8361.

［10］ FABIAN G， LUCY D， MARTIN R， et al. Carsharing with fuel cell vehicles： sizing hydrogen refueling stations based on refueling behavior［J］. Applied energy， 2018， 228（Oct.15 Pt.1091/2580）： 1540-1549.

［11］ GHAHARI S A， MIRALINAGHI M， LABI S. Multi-time period model for hydrogen refueling station locations considering budget constraints［C］//58th Transportation Research Forum Annual Conference. Beijing， China， 2017.

［12］ WU X， QI S， WANG Z， et al. Optimal scheduling for microgrids with hydrogen fueling stations considering uncertainty using data-driven approach［J］. Applied energy， 2019， 253（1）： 1540-1549.

［13］ 項寅. 考慮產(chǎn)業(yè)布局和用戶滿意度的氫能源汽車加氫網(wǎng)絡(luò)優(yōu)化模型［J］. 中國管理科學(xué)， 2023， 31（5）： 164-175.

XIANG Y. Hydrogenation infrastructure network optimization considering industrial layout and customer satisfaction［J］. Chinese journal of management science： 2023， 31（5）： 164-175.

［14］ 黃文濤， 鄧明輝， 葛磊蛟， 等. 考慮配電網(wǎng)與氫燃料汽車耦合影響的制氫加氫站布點優(yōu)化策略［J］. 高電壓技術(shù)， 2023， 49（1）： 105-117.

HUANG W T， DENG M H， GE L J， et al. Layout optimization strategy of hydrogen production and refueling stations considering the coupling effect of distribution network and hydrogen fuel vehicles［J］. High voltage engineering， 2023， 49（1）： 105-117.

［15］ ZHANG H C， QI W， HU Z， et al. Planning hydrogen refueling stations with coordinated on-site electrolytic production［C］//Power" " and" " Energy" " Society" " General Meeting. Chicago， USA， IEEE， 2017.

［16］ 劉子璇， 張強. 考慮風(fēng)電消納的電—氣儲能系統(tǒng)的選址與定容研究［J］. 現(xiàn)代鹽化工， 2022， 49（5）： 67-71.

LIU Z X， ZHANG Q. Analysis of quality control measures in water quality laboratory analysis［J］. Modern salt and chemical industry， 2022， 49（5）： 67-71.

［17］ 江岳文， 楊國銘， 朱振山. 考慮交通流量捕獲的風(fēng)-氫-電耦合網(wǎng)絡(luò)規(guī)劃［J］. 電力系統(tǒng)自動化， 2021， 45（22）： 19-28.

JIANG Y W， YANG G M， ZHU Z S. Wind-hydrogen-electricity coupled network planning considering traffic flow capture［J］. Automation of electric power systems， 2021， 45（22）： 19-28.

［18］ 李曉輝， 李磊， 劉偉東， 等. 基于動態(tài)交通信息的電動汽車充電負(fù)荷時空分布預(yù)測［J］. 電力系統(tǒng)保護與控制， 2020， 48（1）： 117-125.

LI X H， LI L， LIU W D， et al. Spatial-temporal distribution prediction of charging load for electric vehicles based on dynamic traffic information［J］. Power system protection and control， 2020， 48（1）： 117-125.

［19］ 余婷. 基于實時路況的交通網(wǎng)絡(luò)耗時最優(yōu)路徑研究［D］. 南京： 南京林業(yè)大學(xué)， 2017.

YU T. Study of optimal path in traffic network with random link travel times based on real-time traffic information［D］. Nanjing： Nanjing Forestry University， 2017.

［20］ 王凱亮， 孔慧超， 李俊輝， 等. 考慮配電網(wǎng)可靠性的儲能系統(tǒng)選址定容優(yōu)化［J］. 南方電網(wǎng)技術(shù)， 2022， 16（4）： 21-29.

WANG K L， KONG H C， LI J H， et al. Optimization of energy storage system location and capacity considering the reliability of distribution network［J］. Southern power system technology， 2022， 16（4）： 21-29

［21］ 劉澤健， 楊蘋， 許志榮. 考慮典型日經(jīng)濟運行的綜合能源系統(tǒng)容量配置［J］. 電力建設(shè)， 2017， 38（12）： 51-59.

LIU Z J， YANG P， XU Z R. Capacity allocation of integrated energy system considering typical day economic operation［J］. Electric power construction， 2017， 38（12）： 51-59.

LOCATION AND CAPACITY DETERMINATION OF HYDROGEN PRODUCTION AND REFUELING STATIONS IN COUPLING

FRAMEWORK OF TRANSPORTATION NETWORK AND POWER GRID

Zhao Yuanfa，Si Yang，Ma Linrui，Gao Mengyu，Su Xiaoling

（Key Laboratory of smart Operation of New Energy Power System（Qinghai University）， Ministry of Education， Xining 810001， China）

Abstract：The rational planning of hydrogen production and refueling stations （HPRS） is critical for the development of hydrogen fuel cell vehicles. This paper proposes a method for HPRS planning based on the coupling framework of transportation networks and power grids. The method focuses on site selection and capacity determination of HPRS within large-scale distributed renewable energy integrated power systems. Firstly， by simulating the driving patterns of hydrogen fuel vehicles using an urban road network impedance information model， the spatial-temporal distribution of hydrogen refueling load at the transportation network level is obtained. Then， a multi-objective evaluation-based model for site selection and capacity determination is constructed， taking into account factors such as construction and operation costs， hydrogen refueling load coverage of the transportation network， and power grid stability. The model utilizes an improved particle swarm optimization algorithm to solve for the optimal site selection and equipment capacity of HPRS. The effectiveness of the proposed method is verified through case studies on a 33-node power grid and a 25-node transportation network， demonstrating its ability to reduce power grid losses and voltage deviation caused by HPRS integration， enhance the self-consumption rate of renewable energy， improve the transportation network service quality of HPRS， and reduce construction and operation costs.

Keywords：regional planning； hydrogen production； hydrogen refueling station； site selection； transportation network； power distribution network