含氢储能的公路交通风、光自洽微网系统优化调度策略研究

收稿日期：2022-07-19

基金项目：国家重点研发计划（2021YFB2601300；2021YFB1600200）

通信作者：贾利民（1963—），男，博士、教授，主要从事交通控制与安全、智能交通系统、能源与交通融合等方面的研究。jialm@vip.sina.com.cn

DOI：10.19912/j.0254-0096.tynxb.2022-1066 文章编号：0254-0096（2023）11-0513-09

摘 要：该文构建以服务区微网净收益最大化为目标，以微网系统功率平衡为约束，包括蓄电池与氢能两种储能单元在内的风、光发电服务区微网优化调度模型。采用CPLEX求解器进行求解，并对纯蓄电池、纯氢储能、蓄电池与氢储能混合系统3种不同配置方案下的优化策略进行对比分析。研究结果表明：含氢储能的方案提升了风、光资源利用率的同时增强了系统供电可靠性，验证了该方案下优化调度策略的有效性。

关键词：可再生能源；氢储能；微电网；电力负荷调度；交通与能源融合；公路服务区

中图分类号：TM919 """""""" 文献标志码：A

0 引 言

资源紧缺、气候变化、环境污染给人类带来了严峻挑战［1］，能源与交通作为社会经济体系最重要的基础产业和集大成者特征的科技领域，亟需重大变革以引领和塑造经济发展模式［2］。

国内外学者已针对道路基础设施蕴含的风、光可再生能源禀赋开发利用开展了相关的可行性研究［3］。文献［4］提出一种在车辆上安装小型风力涡轮机提供动力的解决方案。文献［5-6］探索在道路上方铺设光伏组件收集相关交通基础设施能源。文献［7］提出一种可在城市道路运行的垂直轴风力涡轮机。文献［8］研究直接以风能为电动汽车充电站供电的可行性。尽管这些研究探讨了可再生能源在公路交通领域的应用可能性，但忽视了其波动性和时效性对交通供电可靠性与电网稳定性的影响。

同时，在纯可再生能源发电领域，学者们针对风、光资源的波动性和时效性开展了灵活的需求管理和智能能源管理的相关研究［9-13］。文献［14］提出一种孤岛场景下就地发电机与可再生能源发电成本最优的微电网优化调度方法。文献［15］从微网实时调度需求出发，构建同时寻求储能单元放电机会成本和边际充电成本的最优调度模型。文献［16］建立了含柴油发电机、微型燃气轮机和燃料电池的微网运行成本优化模型。上述研究虽考虑了新能源发电系统波动性与时效性因素，但仍无法满足电力生产与需求之间的实时自洽平衡。

中国西部地区具有负荷小、无电网的特点，传统以柴油发电为主的离网运行方式能耗高、污染重。而公路交通系统自洽是指充分利用公路基础设施蕴含的风、光可再生清洁能源，为道路交通系统提供清洁、自洽的电能和氢能，实现道路交通系统能源需求的分布式自洽供给［17］。因此，本文提出一种基于氢储能、充分利用当地丰富的风、光自然资源禀赋，为公路交通系统提供自洽供给清洁能源的优化调度运行策略，也为解决中国西部无电地区公路交通系统“双碳”目标提供系统解决方案。

1 公路交通自洽微网系统结构

与东部地区相比，西部地区电网结构薄弱、站点间距离过长等特性决定了西部微网交流中低压孤岛的运行方式。西部地区典型微网主要以风、光为主要能源输入，通过能量管理中心的调度满足发电单元与负荷之间的供需平衡，如图1所示。能量管理中心需满足不同服务区等级及服务设施的多种用电类型供电可靠性，还需保证具有波动性和间歇性的风、光资源的能源利用率，除此之外还要考虑系统整体经济性与环保性，在微网系统中担负着重要任务。为满足微网系统供电可靠性及运行经济性，能量管理中心应采用一种适用于不同等级高速公路服务区微网的能量调度策略，本文提出的公路自洽微网系统基于交通基础设施用电类型、运行负荷及发电单元运行特性，制定具有针对性的优化调度方案，利用风、光互补特性及蓄电池、氢能发电系统等储能单元的可控特性，获得自身制氢、微网间购/售氢最佳的、保证供电可靠性的动态适应性优化调度方案。

2 公路交通自洽微网系统数学模型

2.1 分布式能源模型

2.1.1 风电机组出力模型

中国地域辽阔，风能资源丰富，有广阔的开发潜力［18］，风能［19］在高速公路上可方便地应用于监控系统、照明、收费系统以及配套设施的电能供应。

装机容量[PE]是指电力系统实际安装的发电机组额定有效功率的总和，其计算方法为：

[PE=i=1nNi∙Pi]"""" （1）

式中：[Ni]——该区域内[i]型号风电机组的安装数量，个；[Pi]——道路沿线某路段或某服务区周边[i]型号风电机组的单机容量，MW。

公路沿线风能发电潜力[Pdj]为：

[Pdj=503k=1nη∙t∙PE]""" （2）

式中：[Pdj]——服务区第[j]时的风能发电潜力，kWh；[n]——高速公路服务区总数，个；[k]——高速公路第[k]个服务区；[η]——发电效率；[t]——不同风资源区典型日24 h有效风速在2.5～25 m/s区间的时长，min。

2.1.2 光伏机组发电量模型

太阳能资源是指可利用的太阳辐射能。中国地处北半球欧亚大陆东部，主要处于温带和亚热带，具有较丰富的太阳能资源。公路交通自洽微网系统光伏机组发电量模型为：

[Pt（t）=100SESσ（t）]""""" （3）

式中：[Pt（t）]——[t]时刻（间隙为1 h）的光伏机组发电量，kWh；[SE]——实际光伏设备可铺设面积，m2；[S]——建设10 MW（即1万kW）光伏发电站用地面积，m2；[σ（t）]——[t]时刻该地区单位装机容量可发电量，kWh。详细参数见2015年国土资源部发布的《光伏发电站工程项目用地控制指标》［20］。

2.2 储能系统模型

2.2.1 蓄电池模型

在能量优化调度过程中，根据充放电过程中直流母线侧的电池功率计算蓄电池的剩余能量：

[Ebat（t）=Ebat（t-1）×（1-α）+Δt×Pcbat（t-1）×ηcbat-Pdbat（t-1）ηdbat]

（4）

式中：[Ebat（t）]——[t]时刻的蓄电池电量，kWh；[α]——蓄电池的自放电系数，取0.001/h；[Δt]——步长，1 h；[Pcbat]——蓄电池充电功率，kW；[Pdbat]——蓄电池放电功率，kW；[ηcbat]——蓄电池充电效率，取0.9；[ηdbat]——蓄电池放电效率，取0.9。

2.2.2 氢能发电系统模型

1）电解槽模型

碱式电解槽是大规模制氢的首选装置，其原理是将水电解为氢气和氧气［21］。

电解槽输出功率为：

[PH1=ηele∙Pele]"""" （5）

式中：[ηele]——电解槽效率，取0.6；[Pele]——电解槽输入功率，kW。

2）储氢罐模型

储氢罐的主要作用：一是存储由电解槽产生的氢气；二是为燃料电池供给氢气。

储氢罐数学模型为：

[Hbat（t）=Hbat（t-1）+ηele∙Pele（t-1）∙ΔtQH-Pfc（t-1）∙Δtηfc×QH]""" （6）

式中：[Hbat（t）]——[t]时刻储氢罐剩余容量，kg；[QH]——氢的热值，取39.54 kWh/kg；[Pfc（t-1）]——[t-1]时刻燃料电池的输出功率，kW；[ηfc]——燃料电池的工作效率，取0.5。

3）燃料电池模型

氢能源转换为电能主要有氢燃料电池与氢燃料内燃机两种方式。在污染物排放方面，由于氢燃料电池通过化学反应转化为电能，反应过程中只产生水［22］，而氢燃料内燃机燃烧时，不具备零污染物排放特性，会伴随有氮氧化物的排放［23］。在转换效率方面，当前工程化的氢燃料电池效率接近60%，其理论效率则高达90%［24］，而氢燃料内燃机效率的转化效率仅为30%～40%，远低于氢燃料电池。

因此，氢燃料电池与氢燃料内燃机虽都能实现完全脱碳，但相对氢燃料内燃机而言，氢燃料电池无污染物排放，更加环保；同时，两者效率相差悬殊，在制备同样电能情况下，氢燃料电池所需供氢量仅为氢燃料内燃机的一半，因而更适配公路交通自洽微网系统的需求。

常见的固体氧化物燃料电池的输出功率为：

[Pfc=ηfc∙PH2]"""""" （7）

式中：[PH2]——储氢罐到燃料电池的输入功率，kW。

2.3 负荷模型

公路自洽微网系统用电负荷按负荷聚集场景分为服务区、收费站、隧道、桥梁及道路沿线5大类；根据用电负荷实现功能分为监控设施、服务设施及信息化设施3种，如表1所示。

本文针对高速公路基础设施能耗，按负荷聚集场景分析其用能需求。基础设施能耗测算模型为：

[Q=Qf+Qs+Qb+Qt+Qr] （8）

式中：[Q]——基础设施能耗，kWh；[Qf]——服务区能耗，kWh；[Qs]——隧道能耗，kWh；[Qb]——桥梁能耗，kWh；[Qt]——收费站能耗，kWh；[Qr]——道路沿线设备能耗，kWh。

2.3.1 服务区能耗模型

服务区能耗主要分为餐厅、超市、客房、办公区、加油站等场所能耗，其计算模型为：

[Qf=（14.63+15.8+108.43）×Sf]""" （9）

式中：[Sf]——服务区的建筑面积，m2。

2.3.2 隧道能耗模型

高速公路的隧道为保障行车安全，需配备通风、照明、监控、通信等系统。其能耗模型为：

[Qs=351Ls+210782.8ns]"""""" （10）

式中：[Ls]——隧道总长度，m；[ns]——该段隧道总条数。

2.3.3 桥梁能耗模型

桥梁周边用电设备种类繁多，为保障行车安全，高速公路的桥梁需配备照明、监控、通信、应急电力系统等系统。其能耗模型为：

[Qb=140.438Lq-438]"""" （11）

式中：[Lq]——桥梁长度，m。

2.3.4 收费站能耗模型

高速公路收费站主要能耗来源于收费系统、监控系统、照明系统、日常管理办公，其模型为：

[Qt=328nt]"""" （12）

式中：[nt]——收费站数量，个。

2.3.5 沿线设备能耗模型

高速公路沿线主要耗能设备为车辆检测器与紧急电话，其能耗模型为：

[Qr=0.438L-438]"" （13）

式中：[L]——高速公路全长，m。

3 公路交通自洽微网系统运行调度优化模型

为使本文构建的公路交通自洽微网系统更适配实际应用需求，本节构建针对不同需求的目标函数及约束条件。

3.1 目标函数

针对不同服务区场景实际情况下的不同需求，选取3个优化子目标函数，分别为日运行成本[g1]、停电成本[g2]和氢交易成本[g3]。不同服务区对上述3种优化子目标有不同需求，本文应用线性加权求和法不仅可通过改变权重系数[m1、m2、m3]从而适应优化需求，也可将多目标优化问题转换成单目标优化问题。

目标函数为：

[minf=m1∙g1+m2∙g2+m3∙g3]"""""" （14）

1）日运行成本

[g1=cpv+cwt+cbat+cH] （15）

式中：[g1]——微网一天运行维护成本，元；[cpv]——光伏系统日运行成本，元；[cwt]——风电机组系统日运行成本，元；[cbat]——蓄电池日运行成本，元；[cH]——氢能系统日运行成本，元。

2）停电成本

[g2=1+PLoad-Ppv-Pwt-Pdbat+Pcbat+Pele-Pfc+Psale-PbuyPLoad×"""""""" Δt×CHQH]""""""""""""""" （16）

式中：[g2]——微网停电成本，元；[PLoad]——负荷出力，kW；[Ppv]——光伏出力，kW；[Pwt]——风电机组出力，kW；[Pfc]——燃料电池出力，kW；[Psale]——氢交易电解槽出力，kW；[Pbuy]——氢交易燃料电池出力，kW；[CH]——氢价格，取30元/kg。

3）氢交易成本

[g3=CH×PbuyQH×ηfc-CH×Psale×ηeleQH]""""" （17）

式中：[g3]——微网氢交易成本，元。

3.2 约束条件

3.2.1 蓄电池约束

1）蓄电池容量约束

[Ebatmin≤Ebat（t）≤Ebatmax]"""" （18）

式中：[Ebat（t）]——蓄电池的剩余容量，kWh；[Ebatmin]——蓄电池容量下限，kWh；[Ebatmax]——蓄电池容量上限，kWh。

2）蓄电池充放电功率约束

[0≤Pdbat（t）≤Pdbatmax]"""" （19）

[0≤Pcbat（t）≤Pcbatmax]""""" （20）

式中：[Pdbatmax]——蓄电池最大放电功率，kW；[Pcbatmax]——蓄电池最大充电功率，kW。

3.2.2 氢能发电系统约束

1）储氢罐容量约束

[Hbatmin≤Hbat（t）≤Hbatmax]""" （21）

式中：[Hbat（t）]——储氢罐剩余容量，kg；[Hbatmin]——储氢罐剩余容量的最小值，kg；[Hbatmax]——储氢罐剩余容量的最大值，kg。

2）电解槽功率限制

[0≤Pele（t）≤Pelemax]" （22）

式中：[Pelemax]——电解槽最大功率，kW。

3）燃料电池功率限制

[0≤Pfc（t）≤Pfcmax]"""" （23）

式中：[Pfcmax]——燃料电池最大功率，kW。

3.2.3 微网功率平衡约束

在任意时刻都要保证各发电单元和储能装置的输出功率满足负荷要求。

[PLoad-Ppv-Pwt=Pdbat-Pcbat-Pele+Pfc-Psale+Pbuy] （24）

4 求解流程

本文所求含氢储能与风、光可再生能源的公路交通自洽微网系统优化调度问题为线性化处理后的凸优化问题。决策手段是多分布式电源出力、蓄电池与氢能发电系统相结合的混合储能系统，降低公路交通自洽微网系统运行成本，同时保证能源利用效率与系统供电可靠性。具体计算流程为：

1）调研目标地区风光资源分布情况及风电机组、光伏组件可装机容量，进而确定风光出力。

2）调研目标地区基础设施建设情况，计算基础设施能源需求。

3）综合考虑供电可靠性、能源利用效率及经济成本的前提下，配置适配对应场景的储能系统。

4）考虑各分布式能源系统与混合储能系统相关约束与系统功率平衡约束，以微网运行成本最低为目标构建调度优化模型，求解最优调度方案。

计算过程中，设一天（24 h）为一个调度周期。调度间隔最小单位为1 h。本文提出的公路交通自洽微网系统优化调度模型是混合整数线性规划（mixed integer linear programming， MILP）问题，本文采用Yalmip建模工具箱，在Matlab环境下搭建含氢储能与风、光可再生能源的公路交通自洽微网系统优化调度程序，使用 CPLEX求解器中的分支定界法对所建模型进行优化，在保证计算时间的同时获得了良好精度。详细求解流程如图2所示。

5 算例分析

5.1 算例来源

为验证本文模型和方法的有效性，以中国西部某高速公路服务区为例，参考文献［25］相关计算数据，对微网内各分布式单元出力策略开展连续24 h的典型日运行优化调度。

本文算例中高速公路服务区可再生能源出力及负荷如图3所示。分析图3可知，风能出力一天内波动较大，峰值出现在夜间，谷值出现在中午；光伏发电工作在06：00—19：00时段，峰值出现在中午13：00，光伏和风能出力呈现出一定的互补性。负荷一天内波动较大，白天负荷需求大，夜间较小。风能出力能够基本满足夜间负荷需求，光伏出力能够弥补白天风能出力不足。风光互补发电系统对满足高速公路服务区负荷需求有良好的适应性。

微网系统内各类发电机组的运行费用及惩罚系数参考文献［13， 26-27］，详细数据如表2和表3所示。

5.2 实验方案设计

为验证氢能系统应用于服务区微网的合理性，本文提出仅考虑蓄电池的公路交通自洽微网系统、含蓄电池与氢能发电系统的公路自洽微网系统及含蓄电池、氢能发电系统与氢交易的公路交通自洽微网系统3种调度场景。

1）场景1：仅考虑蓄电池的公路交通自洽微网系统

该场景下，系统除风、光出力及负荷外，仅考虑蓄电池进行储能。本文在该场景下采用高速公路服务区风、光及负荷基础数据进行蓄电池容量配置与调度优化。通过结果对比，分析和验证蓄电池转移风、光出力性能。

2）场景2：含蓄电池与氢能发电系统的公路自洽微网系统

该场景下，系统除风、光出力及负荷外，蓄电池与氢能发电系统共同进行储能。本文在该场景下采用高速公路服务区风、光及负荷基础数据进行蓄电池及氢能发电系统容量配置与调度优化。通过结果对比，分析和验证蓄电池及氢能发电系统转移风、光出力性能。结合场景1分析氢能发电系统的加入对系统各微源出力及系统各类指标的影响。

3）场景3：含蓄电池、氢能发电系统与氢交易的公路交通自洽微网系统

该场景下，系统除风、光出力及负荷外，蓄电池与氢能发电系统共同进行储能。本文针对该场景采用高速公路服务区风、光及负荷基础数据及氢交易系统对功率不平衡部分进行优化，在此基础上，进行蓄电池及氢能发电系统的容量配置与调度优化。通过结果对比，分析和验证蓄电池及氢能发电系统转移风、光出力性能。结合场景1、2分析氢交易系统的加入对系统各微源出力及系统各类指标的影响。

5.3 运行结果分析

1）场景1：仅考虑蓄电池的公路交通自洽微网系统

为研究高速公路服务区微网系统能量一天内的优化调度情况，仅考虑蓄电池储能场景下蓄电池荷电状态变化和系统分布式单元出力如图4所示。

分析图4可知，在00：00—06：00时段主要由风能满足服务区负荷需求，蓄电池消纳多余风电出力。在07：00—19：00时段风光同时出力满足负荷需求，风光不足出力由蓄电池补给。20：00—24：00时段由风能满足服务区负荷，蓄电池处于容量限制下限，但仍有部分需求无法满足。

2）场景2：含蓄电池与氢能发电系统的公路自洽微网系统

含蓄电池与氢能发电系统场景下蓄电池荷电状态与储氢罐容量状态变化及系统分布式单元出力如图5所示。

分析图5可知，在00：00—06：00时段主要由风能满足服务区负荷需求，蓄电池与氢能发电系统同时消纳多余风电出力，减少弃风现象。在07：00—19：00时段风光同时出力满足负荷需求，风光不足出力由蓄电池与氢能发电系统同时补给。20：00—24：00时段由风能满足服务区负荷，蓄电池与储氢罐处于容量限制下限，但仍有部分需求无法满足。

3）场景3：含蓄电池、氢能发电系统与氢交易的公路交通自洽微网系统

含蓄电池、氢能发电系统与氢交易场景下蓄电池荷电状态与储氢罐容量状态变化及系统分布式单元出力如图6所示。

分析图6可知，在00：00—06：00时段主要由风能满足服务区负荷需求，蓄电池与氢能发电系统同时消纳多余风电出力，减少弃风现象。在07：00—19：00时段风光同时出力满足负荷需求，风光不足出力由蓄电池与氢能发电系统同时补给。20：00—24：00时段由风能满足服务区负荷，蓄电池与储氢罐处于容量限制下限，此时系统从外部购氢，通过燃料电池来满足风光未满足的负荷需求。

5.4 不同方案对比分析

为综合对比3种调度策略方案，根据图4～图6的调度结果，计算出不同方案下相关指标如表4所示。

分析表3可知：对比方案1与方案2，因为加入了氢能发电系统导致系统运营成本上升0.68%，但因为弃风弃光和断电率的减少，使惩罚成本减少了23.17%，进而使综合成本减少；对比方案1与方案3，方案3因为加入了氢交易环节，虽然增加了运营成本及氢交易成本，但由于提升了风光利用率及供电可靠性，从而惩罚成本变为0；对比方案2与方案3，与上述情况相同，方案3牺牲一定的经济性从而提升了系统供电可靠性与能源利用率，后续加大风光出力，通过卖氢收入，方案3可弥补经济性的不足。

6 结 论

针对独立微网传统的柴油机组电力供应模式污染环境、风光出力具有随机性和波动性等问题，本文考虑高速公路服务区微网净收益最大，建立含蓄电池、氢能发电系统及风光发电系统的服务区微网优化调度模型，通过算例分析验证了该方法的有效性，并得到以下主要结论：

1）本文提出以蓄电池作为高速公路服务区微网的储能设备，能够平抑风电的波动性，具有良好的可调节性，保证了服务区微网运行的安全稳定。

2）对于具有丰富风光资源的西部地区，引入氢能发电系统能够将服务区多余风光资源转化为氢能。引入氢能发电系统虽然在系统运行成本上有所增加，但产生的氢气带来了客观的效益，经济性、供电可靠性及新能源消纳率得到提高。

本文提出的含氢能发电系统的高速公路服务区微网优化运行方案更适合风光资源丰富的西部地区。随着不断上涨的化石燃料成本、“双碳”背景下的碳排放惩罚和可再生发电机组成本的降低，构造一个100%由可再生能源发电的高速公路服务区微网系统更具有发展前景。

［参考文献］

［1］"""" 张运洲， 张宁， 代红才， 等. 中国电力系统低碳发展分析模型构建与转型路径比较［J］. 中国电力， 2021， 54（3）： 1-11.

ZHANG Y Z， ZHANG N， DAI H C， et al. Model construction" and" pathways" of" low-carbon" transition" of China’s power system［J］. Electric power， 2021， 54（3）： 1-11.

［2］"""" RIFKIN J. The third industrial revolution： how lateral power is transforming energy， the economy， and the world［J］. Civil engineering， 2012， 82（1）： 74-75.

［3］"""" GUO" L" K，" WANG" H." Non-intrusive" movable" energy harvesting devices： materials， designs， and their prospective"" uses"" on"" transportation"" infrastructures［J］. Renewable and sustainable energy reviews， 2022， 160： 112340.

［4］"""" HOSSAIN M F. Application of wind energy into the transportation sector［J］. International journal of precision engineering and manufacturing-green technology， 2021， 8（4）： 1225-1237.

［5］ GUO L K， LU Q. Potentials of piezoelectric and thermoelectric technologies for harvesting energy from pavements［J］. Renewable and sustainable energy reviews， 2017， 72： 761-773.

［6］"""" WANG H， JASIM A， CHEN X D. Energy harvesting technologies in roadway and bridge for different applications： a comprehensive review［J］. Applied energy， 2018， 212： 1083-1094.

［7］"""" POPE K， DINCER I， NATERER G F. Energy and exergy efficiency comparison of horizontal and vertical axis wind turbines［J］. Renewable energy， 2010， 35（9）： 2102-2113.

［8］"""" NOMAN F， ALKAHTANI A A， AGELIDIS V， et al. Wind-energy-powered electric vehicle charging stations： resource availability data analysis［J］. Applied sciences， 2020， 10（16）： 5654.

［9］"""" ØSTERGAARD P A， MATHIESEN B V， MÖLLER B， et al. A renewable energy scenario for Aalborg Municipality based on low-temperature geothermal heat， wind power and biomass［J］. Energy， 2010， 35（12）： 4892-4901.

［10］""" LUND H， MÜNSTER E. Management of surplus electricity-production from a fluctuating renewable-energy source［J］. Applied energy， 2003， 76（1-3）： 65-74.

［11］""" DROSTE-FRANKE B， PAAL B P， REHTANZ C， et al. Demand for balancing electrical energy and power［M］. Heidelberg： Springer， 2012： 61-82.

［12］""" ØSTERGAARD P A， LUND H. A renewable energy system in Frederikshavn using low-temperature geothermal energy for district heating［J］. Applied energy， 2011， 88（2）： 479-487.

［13］""" 冉金周， 李华强， 李彦君， 等. 考虑灵活性供需匹配的孤岛微网优化调度策略［J］. 太阳能学报， 2022， 43（5）： 36-44.

RAN J Z， LI H Q， LI Y J， et al. Optimal scheduling of isolated microgrid considering flexible power supply and demand［J］. Acta energiae solaris sinica， 2022， 43（5）： 36-44.

［14］""" SHAH P， MEHTA B. Microgrid optimal scheduling with renewable energy sources considering islanding constraints［J］. Iranian journal of science and technology， transactions of electrical engineering， 2020， 44（2）： 805-819.

［15］""" ZHANG Z， WANG J X， DING T， et al. A two-layer model for microgrid real-time dispatch based on energy storage system charging/discharging hidden costs［J］. IEEE transactions on sustainable energy， 2017， 8（1）： 33-42.

［16］""" 陈深， 肖俊阳， 黄玉程， 等. 基于改进量子粒子群算法的微网多目标优化调度［J］. 电力科学与技术学报， 2015， 30（2）： 41-47.

CHEN S， XIAO J Y， HUANG Y C， et al. Multi-objective optimal dispatching of micro-grid with improved quantum-behaved particle swarm algorithm［J］. Journal of electric power science and technology， 2015， 30（2）： 41-47.

［17］""" 贾利民， 师瑞峰， 吉莉， 等. 我国道路交通与能源融合发展战略研究［J］. 中国工程科学， 2022， 24（3）： 163-172.

JIA L M， SHI R F， JI L， et al. Road transportation and energy integration strategy in China［J］. Strategic study of CAE， 2022， 24（3）： 163-172.

［18］""" 朱蓉， 王阳， 向洋， 等. 中国风能资源气候特征和开发潜力研究［J］. 太阳能学报， 2021， 42（6）： 409-418.

ZHU R， WANG Y， XIANG Y， et al. Stydy on climate characteristics and development potential of wind energy resources in China［J］. Acta energiae solaris sinica， 2021， 42（6）： 409-418.

［19］""" SIYAL S H， MENTIS D， MÖRTBERG U， et al. A preliminary assessment of wind generated hydrogen production potential to reduce the gasoline fuel used in road transport sector of Sweden［J］. International journal of hydrogen energy， 2015， 40（20）： 6501-6511.

［20］""" 中华人民共和国自然资源部. 《光伏发电站工程项目用地控制指标》［EB/OL］. （2022-12-05）［2023-10-24］.http：//gi.mnr.gov.cn/202212/t20221205_2769519.html.

Ministry" of" Natural" Resources，" People’s" Republic" of China. Land quota of photovoltaic power station project［EB/OL］. （2022-12-05）［2023-10-24］.http：//gi.mnr.gov.cn/202212/t20221205_2769519.html.

［21］""" 张晨佳， 蔡军， 张玉魁， 等. 基于热力学平衡的高温固体氧化物电解水制氢模拟［J］. 太阳能学报， 2021， 42（9）： 210-217.

ZHANG C J， CAI J， ZHANG Y K， et al. Simulation of high temperature solid oxide water electrolysis for hydrogen production based on thermodynamic equilibrium［J］. Acta energiae solaris sinica， 2021， 42（9）： 210-217.

［22］""" 刘应都， 郭红霞， 欧阳晓平. 氢燃料电池技术发展现状及未来展望［J］. 中国工程科学， 2021， 23（4）： 162-171.

LIU Y D， GUO H X， OUYANG X P. Development status and future prospects of hydrogen fuel cell technology［J］. Strategic study of CAE， 2021， 23（4）： 162-171.

［23］""" 中国电动汽车百人会. 中国氢能产业发展报告2022 ［R］. 北京： 中国电动汽车百人会， 2022： 29-38 （2022-06-15） ［2022-07-14］. http：//www.ev100plus.com/report/.

China Electric Vehicle Association. China hydrogen industry development report 2022［R］. Beijing： China electric vehicle association， 2022： 11-17 （2022-06-15） ［2022-07-14］. http：//www.ev100plus.com/report/.

［24］""" 中国氢能联盟. 中国氢能源及燃料电池产业白皮书 ［R］. 北京： 中国氢能联盟， 2019： 31-36 （2019-06-26） ［2022-07-16］. http：//www.h2cn.org.cn/Uploads/File/2019/07/25/u5d396adeac 15e.pdf.

China Hydrogen Energy Alliance. White paper on China′s hydrogen energy and fuel cell industry［R］. Beijing： China hydrogen energy alliance， 2019： 31-36 （2019-06-26） ［2022- 07-16］. http：//www.h2cn.org.cn/Uploads/File/2019/07/25/u5d396adeac15e.pdf.

［25］""" 贾利民， 师瑞峰， 吉莉， 等. 轨道与道路交通与能源融合发展战略研究报告： 道路篇［R］. 北京： 中国工程院战略咨询报告， 2022.

JIA L M， SHI R F， JI L， et al. Research report on integrated development strategy of rail and road transportation and energy： road［R］. Beijing： Strategic consulting report of Chinese Academy of Engineering， 2022.

［26］""" 徐诗鸿， 张宏志， 林湘宁， 等. 近海海岛多态能源供需自洽系统日前优化调度策略［J］. 中国电机工程学报， 2019， 39（增刊1）： 15-29.

XU S H， ZHANG H Z， LIN X N， et al. Optimal day-ahead dispatching strategy for polymorphic energy self-consistent system with supply and demand for offshore island［J］. Proceedings of the CSEE， 2019， 39（S1）： 15-29.

［27］""" 吴雄， 王秀丽， 王建学， 等. 微网经济调度问题的混合整数规划方法［J］. 中国电机工程学报， 2013， 33（28）： 1-9.

WU X， WANG X L， WANG J X， et al. Economic generation scheduling of a microgrid using mixed integer programming［J］. Proceedings of the CSEE， 2013， 33（28）： 1-9.

RESEARCH ON OPTIMAL DISPATCH STRATEGY OF WIND AND SOLAR SELF-CONSISTENT MICROGRID IN ROAD TRANSPORTATION

SYSTEM WITH HYDROGEN ENERGY STORAGE

Shi Ruifeng1，2，Ning Jin1，Gao Yuqin1，Jia Limin2，3

（1. School of Control and Computer Engineering， North China Electric Power University， Beijing 102206， China；

2. China Institute of Energy and Transportation Integrated Development， North China Electric Power University， Beijing 102206， China；

3. State Key Lab of Rail Traffic Control amp; Safety， Beijing Jiaotong University， Beijing 100044， China）

Abstract：A microgrid dispatch optimization model with wind and solar power generation， together with battery and hydrogen energy storage system， is proposed in this paper， in which maximum net income of the service area microgrid is employed as optimization objective and the power balance of the microgrid system is employed as the constraint. A CPLEX-based solver is adopted to analyze and optimize the problem， and three optimization schemes are compared for case study， which takes pure battery， pure hydrogen energy storage， and hybrid battery and hydrogen energy storage system into consideration respectively. Experimental results show that the hybrid wind and solar power generation microgrid with hydrogen energy storage system performs better on the indices of resource utilization and power system reliability simultaneously， which verifies the effectiveness of the method proposed in this study.

Keywords： renewable energy； hydrogen energy storage； microgrids； electric load dispatching； transport and energy integration； highway service areas；