图1 风电场/群制氢系统结构
Fig.1 Structure of the wind farm/cluster hydrogen production system
摘要 针对“双碳”目标下风电深度消纳及电网灵活性提升的规模化风电制氢经济容量配置问题，该文提出计及调峰辅助服务的风电场/群经济制氢容量计算方法，实现单个风电场及省级风电最佳制氢容量计算。在计及电解水制氢系统规模化成本效应的情况下，以净现值最大为目标，考虑电网调峰需求，构建制氢容量经济优化目标函数，对电解水制氢系统的初始投资成本、制氢电价、氢气售卖价格、电解槽转化率和设备退化率等参数进行敏感性分析，并在其基础上预测未来风电场/群制氢经济性。通过吉林省49个风电场进行算例分析，结果表明，风电制氢参与调峰辅助服务市场能够在最大化消纳风电、提升电网动态调节能力的同时，计算出49个风电场及吉林省省级最佳经济制氢容量。该文为风电场/群制氢容量配置提供有效计算方法。
关键词：风电场/群 制氢 调峰辅助服务 容量配置 经济性
随着“双碳”目标的提出，新一轮电力体制改革的有序推进，新能源电网动态调节能力不足以及规模化可再生能源并网消纳问题日益突出[1-2]。电解水制氢作为可调节的灵活性资源，具有响应速度快、零碳排放和与社会其他能源灵活耦合的特点[3-4]，相比于电池储能，还具有大容量、长周期储能的优势，可再生能源耦合电解水制氢系统并网运行，有助于促进高比例可再生能源发电安全可靠、经济、高效地接入电网，并成为大规模可再生能源与电网友好协调及最大化并网消纳的重要解决方案[5]。然而，较高的电解水制氢用能成本和投资成本对其容量配置的经济合理性提出了更高的要求[6]。因此，如何优化配置电解水制氢容量，使其在最大化消纳可再生能源、提高电网灵活性的同时实现氢储能的规模化经济利用成为亟待解决的问题。
合理配置电解水制氢系统容量对于推进电力系统向安全可靠、经济高效、清洁低碳转型具有重要意义[7-8]。目前，国内外学者在这一方面已开展了相关研究，文献[9]以电氢系统综合成本最小为目标，利用粒子群优化算法对“电氢一体化能源站”内的制储氢装置进行容量优化配置，提高了系统的经济性和灵活性。文献[10]构建了含氢储能的并网光伏/燃料电池混合发电系统的容量优化模型，在降低制氢电力成本的同时有效减少碳排放。文献[11]对海上风电-氢能系统的运行模式、各模式配置与经济性进行研究，所提模式可以实现对海上负荷的100%清洁供电。文献[12]在考虑政策影响的情况下，得出了可再生能源制氢的经济可行性条件以及最佳制氢容量，并分析了当前市场趋势下可再生能源制氢的前景。文献[13]建立了以系统净收益最大为目标的风氢耦合发电系统容量规划模型，得出了不同场景下系统的最佳容量，在提高系统经济性的同时降低了弃风率。然而，随着市场机制的不断完善，储能系统参与调峰辅助服务的潜力逐渐被挖掘，电解水制氢作为一种新型储能方式，可考虑参与辅助服务市场以进一步提高其经济性。
电解水制氢参与电力辅助服务市场对于系统经济性的提高以及电网动态调节能力的提升具有双向促进作用[14]。目前国内外相关研究仍处于起步阶段。文献[15]在计及风氢耦合系统平滑效益的基础上，以净资产收益率最大为目标建立风氢耦合系统容量优化模型，并提出通过参与辅助服务市场提高系统经济性的可能，但并未对其进行具体分析。在此基础上，文献[16]针对海上风电制氢系统的最佳制氢容量进行研究，发现海上风电制氢系统只有通过参与辅助服务市场才能获得成本竞争力。文献[17]分析了利用风电场弃风与电转气技术在系统容量优化配置下参与电力市场调频辅助服务的经济性与可行性，在解决风电消纳问题的同时提高了系统的灵活性。文献[18]建立了加氢站参与辅助服务市场的双层优化模型，在最优配置系统各装置容量的同时实现对系统的优化调度。文献[19]针对分布式和集中式电解水制氢系统开发了一个通用的优化运行管理模型，通过参与辅助服务市场，在最大化系统净收益的同时提高了电网灵活性。
上述文献针对海上/陆地制氢等不同应用场景，从降低弃风率、提升电网灵活性、提高系统经济性等角度对电解水制氢系统经济容量配置问题进行研究，然而，针对不同规模电解水制氢系统经济容量配置问题，上述文献难以准确计算不同容量电解水制氢系统的初始投资成本，适用范围较小，缺乏普适性。基于此，本文提出一种风电场/群制氢参与调峰辅助服务经济容量计算方法，在计及电解水制氢系统成本规模影响的情况下，以净现值最大为目标，构建制氢容量经济优化目标函数，计算风电制氢系统最佳制氢容量。通过对吉林省49个风电场进行算例分析，可得每个风电场及全省风电经济制氢容量，为吉林省规模化风电经济制氢容量测算提供理论参考。
风电场/群-电解水制氢系统结构如图1所示，包括风电场/群汇集、升压站和电解水制氢系统（包括制氢、储氢以及相关换流设备）等。风电场/群与电解水制氢系统独立并入升压站，风电场/群按上网电价并网发电，在风电大发时段/负荷低谷时段利用电解水制氢系统向电网购电制氢吸纳部分过剩电力，参与电网调峰辅助服务，同时将制取的氢气作为商品销售给化工、冶金及交通等行业。
图1 风电场/群制氢系统结构
Fig.1 Structure of the wind farm/cluster hydrogen production system
鉴于《东北电力辅助服务市场运营规则》[20]中有关第三方独立主体参与调峰辅助服务市场的细则仍未完善，本文在此基础上结合华北市场《第三方独立主体参与华北电力调峰辅助服务市场规则》[21]，采用在风电场/群升压站安装分布式电解水制氢系统参与电网调峰辅助服务的市场盈利模式，相较于集中式储能，其在减少线路损耗与投资压力、提高电网运行经济性与安全性方面具有重要作用。假设风电场不参与调峰补贴费用市场分摊机制，净负荷模拟定义为负荷经由各发电厂分担后剩余的需由风电场承担的负荷，则风电场/群制氢系统的运行盈利模式如图2所示，其收益分为以下三部分：
图2 风电场/群制氢系统运行盈利模式
Fig.2 Profitable operation of wind farm/cluster hydrogen production systems
1）风电场/群按相应地区上网电价并网发电，获得售电收益。其上网电量受净负荷模拟以及电解水制氢系统额定容量的限制。
2）电解水制氢系统以满足出清时段调峰需求为目标，向电网购电制氢参与电网调峰辅助服务，获得调峰补贴收益。
3）电解水制氢系统运行期间制得的氢气销售给其他行业，获得售氢收益。
本文利用净现值（Net Present Value, NPV）法对电解水制氢系统参与电网调峰辅助服务的全寿命周期经济性进行计算，以投资方案净现值最大为目标，建立电解水制氢系统容量配置优化模型。
风电场/群制氢系统成本由平准化度电成本（Levelized Cost of Electricity, LCOE）和平准化氢气成本（Levelized Fixed Cost of Hydrogen, LFCH）表述。作为生命周期内单位功率成本的衡量指标，在计算时考虑了初始投资成本、固定运行成本、可变运行成本、设备退化率、折旧、企业所得税和资金时间价值等因素。
2.1.1 平准化度电成本
LCOE是指风电场在其生命周期内生产1 kW·h电量所需的成本。假设风电场的可变运行成本忽略不计，则LCOE可表示为
（1）
式中，下标e表示发电；f为平准化固定运行成本 [元/(kW·h)]；D为包含企业所得税和折旧在内的税收系数；ce为平准化容量成本[元/(kW·h)]。
风机的平准化固定运行成本fe可表示为
（2）
其中
（3）
式中，T为项目周期；Fei为风机在第i年的固定运行成本（元/kW）；g 为基于加权平均资本成本r的折现率，g =(1+r)-1；
为风机生命周期内固定运行成本的折现总额；CFm为风机年均上网电量的容量系数；L为系统在其生命周期内运行的总折现小时数；m为一年总时长；x为设备退化率；(1-x)i-1表示设备在第i年仍在运行的容量占初始容量的百分比。
税收系数D 可表示为
（4）
式中，a 为企业所得税率；di为第i年的折旧率。
风机的平准化容量成本ce可表示为
（5）
式中，SPe为风机的初始投资成本（元/kW）。
2.1.2 平准化氢气成本
LFCH是指电解水制氢系统在其生命周期内消耗1kW·h电量所需的成本。LFCH可表示为
（6）
式中，下标h表示氢气；
为修正后的平准化电解水制氢容量成本。
电解水制氢系统的平准化固定运行成本fh可表示为
（7）
式中，Fhi为电解水制氢系统第i年的固定运行成本（元/kW）；
表示电解水制氢系统生命周期内固定运行成本的折现总额；zm为电解水制氢系统年均制氢容量系数。
电解水制氢系统的平准化容量成本ch可表示为
（8）
式中，SPh为电解水制氢系统的初始投资成本（元/kW）。
由于不同容量电解水制氢系统的初始投资成本差异较大，故采用式（9）对其进行修正。
（9）
则
（10）
式中，
为修正后电解水制氢系统的初始投资成本（元/kW）；Sh为电解水制氢系统的容量（kW）；Sh,ref为电解水制氢系统的容量参考值（kW）；n为成本规模修正系数；SPh,ref为电解水制氢系统的初始投资成本参考值（元/kW）。
2.1.3 成本预期
随着市场的进步以及技术的更新，电解水制氢系统的初始投资成本呈现逐年降低的趋势，为评估成本下降对风电场/群制氢经济性的影响，利用式（11）计算未来电解水制氢系统的初始投资成本[22]。
（11）
其中
（12）
（13）
式中，
为第i年电解水制氢系统的初始投资成本；Xi为初始年份至第i年间的经验累积；X0为初始年份经验累积；E为表示技术进步速率快慢的经验参数；LR为技术经验积累速率；PR为技术发展系数。
系统在t时段获得的收益包含售电收益、售氢收益及调峰补贴收益三部分，可表示为
（14）
式中，ps为风电上网电价[元/(kW×h)]；CVh为氢气转换价值[元/(kW×h)]，即将电力转化为氢气获得的收益；
为t时段制氢容量系数；CTh为调峰补贴价格[元/(kW×h)]。
将风机容量标准化为1 kW，则t时段风机年均上网电量的容量系数CFm(t)可表示为
（15）
式中，CF为风机容量系数，即风电机组实际功率与该机组额定功率的比值；CL为负荷容量系数，即净负荷模拟功率按风电机组额定功率折算后的容量系数；kh为电解水制氢系统相对于风机的容量系数。
氢气转换价值CVh(t)可表示为
（16）
其中
（17）
式中，h 为电解槽转化率[kg/(kW×h)]，即每kW·h电力可以转化的氢气量；ph为氢气售卖价格（元/kg）；wh为电解水制氢系统的可变运行成本（元/kg）；pe为制氢电价[元/(kW×h)]；pw为电解用水成本（元/kg）。
t时段制氢容量系数可表示为
（18）
NPV是指一项投资所产生的未来现金流的折现值与项目投资成本之间的差额，可表示为
（19）
式中，ke为风机标准化后的容量，ke=1；
为第i年的税后现金流，可表示为
（20）
式中，
为第i年的税前现金流；
为第i年的企业应纳税所得额。
第i年的税前现金流可表示为
（21）
第i年的企业应纳税所得额可表示为
（22）
将式（20）～式（22）代入式（19），可得到
（23）
将税收系数D 以及系统在其生命周期内运行的总折现小时数L代入式（23），可得到
（24）
将式（1）和式（6）代入式（24），可得到
（25）
令
（26）
则
（27）
本文所提模型的计算流程如图3所示。
图3 模型求解流程
Fig.3 Model solving flow chart
具体步骤如下：
（1）输入数据：主要为风电功率、负荷功率等基础数据；风机和电解水制氢系统成本、电网分时电价、企业所得税等经济参数以及电解槽转化率、设备退化率等技术参数。
（2）取调峰补贴价格和电解水制氢系统相对于风机的容量系数为变量，以适当的步长等间隔取值，计算2.1节、2.2节中相关参数各时段的值（求解周期为一年，采样间隔15 min）。
（3）依次按调峰补贴价格、电解水制氢系统相对于风机的容量系数CF，循环遍历求解2.3节中不同调峰补贴价格下电解水制氢系统相对于风机的容量系数及对应的净现值，得到最优解。
本文以吉林省49个省直调风电场为研究对象，对其安装电解水制氢装置的经济性进行评估，并对不同调峰补贴价格下电解水制氢系统的容量进行优化配置。由于地理位置相邻的地区风电资源相似，为了方便计算，利用K均值算法将49个风电场进行聚类分析，划分出9个出力特征相似典型区，如图4所示，每个区域选取1个典型风电场对其进行算例分析，各区域风电出力特点与9个典型风电场的额定容量见表1。
算例中，49个风电出力数据选取该风电场某年35 040个数据（数据经过处理）；净负荷模拟数据选取吉林省某年负荷数据折算模拟。电网分时电价按照《吉林省发展改革委关于进一步完善分时电价政策有关事项的通知》中规定的2022年大工业电价选取，电网分时电价见表2[23]，其中双蓄电价参考《河北省发展和改革委员会关于核定河北省级电网2020—2022年输配电价及销售电价的通知_冀》[24]。其他经济参数的选取见表3，其中电解水制氢系统采用碱性电解水技术；企业所得税率取我国一般企业所得税率；内部收益率取电力行业基准收益率；折旧方法采用直线折旧法；风电上网电价以国家发改委发布的《国家发展改革委关于完善风电上网电价政策的通知》中对2020年Ⅲ类资源区的规定为准[25]。
利用本文所提的经济容量计算方法，对吉林省风电场/群制氢进行算例分析，本文重点讨论风电场/群在不同调峰补贴价格下的最佳经济容量计算，不同氢气售卖价格对经济容量的影响分析方法类似，本文不作赘述，表1中的9个典型风电场经济容量结果如图5所示。由图5可知，随着电解水制氢系统相对于风机容量的不断升高，净现值呈现先增后降的趋势。主要原因是随着电解水制氢系统容量的升高，风电消纳量以及制氢量均得到提高，使得售电、售氢收益增加，但当其容量达到其盈亏平衡点（即图中圆圈标注的位置）时，售电和售氢带来的收益不足以弥补电解水制氢系统增加的初始投资成本以及运行成本，因此经济性有所下降。不同风电场的最佳经济容量不同，其中风电场26和风电场44在调峰补贴价格CTh=0.6元/(kW×h)的情况下净现值仍小于0，而其他风电场在此价格下都能获得正净现值，主要原因是其风机平均容量系数CF相对于其他风电场较小。9个风电场的平均CF值为0.157 7，而风电场26与风电场44的CF值分别为0.055 1和0.124 6，约为其他风电场的1/3和2/3。由此可见，风机出力大小对风电场制氢项目的经济性有较大影响，若风电场中风机出力过小，则该风电场不适合安装电解水制氢装置。
图4 吉林省风电场分布及分期聚类图
Fig.4 Wind farm distribution and partition clustering map of Jilin province
表1 风电场出力特性与额定容量
Tab.1 Wind farm output characteristics and rated capacity
区域编号典型风电场编号区域特点额定容量/MW 11出力波动大，夜间风速小，春季风速大，机组平均出力较小198 211出力波动较大，白天风速大，春季风速大，机组平均出力较大240 320出力波动较大，白天风速大，夏季风速小，机组平均出力较大148.5 426出力波动较小，夜间风速小，春冬风速大，机组平均出力大198 528出力波动较小，白天风速大，春季风速大，机组平均出力大249.9 638出力波动较大，白天风速大，春冬风速大，机组平均出力较大99 744出力波动较小，白天风速大，夏季风速小，机组平均出力小99 846出力波动较小，白天风速大，夏季风速小，机组平均出力较大99 949出力波动较小，白天风速大，春冬风速大，机组平均出力较小49.5
表2 电网分时电价
Tab.2 Grid time-sharing tariff
分类时段t电价pe/[元/(kW·h)] 高峰时段900—1130 1530—21000.879 9 平时段600—900 1130—1530 2100—23000.586 6 低谷时段2300—6000.234 6（双蓄电价）
表3 经济参数
Tab.3 Economic parameters
参 数数 值 系统生命周期T/a30 企业所得税率a0.25 设备退化率x(%)5[26] 内部收益率r(%)8 折旧率d(%)5[12] 折旧年限15 电解槽转化率h/[kg/(kW·h)]0.02[27]
（续）
参 数数 值 电解用水成本pw/(元/t)10[27] 风电上网电价ps/[元/(kW·h)]0.38 氢气售卖价格ph/(元/kg)70[28] 风机固定运行成本Fe/(元/kW)395.076 6[26] 风机初始投资成本SPe/(元/kW)6 584.61[26] 电解水制氢系统固定运行成本Fh/(元/kW)339.535 3[29] 电解水制氢系统容量参考值Sh,ref/kW312[29] 成本规模修正系数n0.7[29] 电解水制氢系统初始投资成本参考值SPh,ref/(元/kW)13 784.8[29] 技术经验积累速率LR0.15[23] 技术发展系数PR0.85[23]
图5 典型风电场最佳经济容量结果
Fig.5 Best economic capacity results for a typical wind farm
对于电解水制氢系统的某最佳容量系数
，可以得到49个风电场相应的调峰补贴盈亏平衡价格
，即使NPV=0的调峰补贴价格，见表4，其中区域6与区域8的风电场在调峰补贴价格为0时也能获得正净现值，故其调峰补贴盈亏平衡价格暂未计入。由表4可知，在目前调峰补贴申报价格上限为0.6元/(kW×h)的情况下，大部分风电场安装电解水制氢系统是经济可行的。
表4 调峰补贴盈亏平衡价格
Tab.4 Break-even price for peaking subsidies
区域编号风电场编号盈亏平衡价格/(元/kg)最佳容量系数风机额定容量/MW 110.1850.47198 20.2700.4545 30.2190.4699 40.2630.4549.5 50.2200.4699 60.1850.47197.9 70.2630.4549.5 80.6540.4938 90.5750.5099 100.5750.5198.8 2110.2550.49240 120.2630.4549.5 130.1860.47197.5 140.3490.4749.5 150.3510.4748 160.2210.4699 170.2330.50400.5 180.1940.48147 190.2640.4549.5 3200.1930.49148.5 210.1790.49198 220.2970.4530 230.2590.4749.5 240.2150.4899 250.2590.4749.5 4268.580.12198 270.2590.4749.5 5280.5170.51249.9 290.5290.51201 300.5190.52243
（续）
区域编号风电场编号盈亏平衡价格/(元/kg)最佳容量系数风机额定容量/MW 5310.5750.5099 320.6760.4930.06 330.5770.5099 340.5730.5196.8 350.5750.5199 360.6320.4948.3 370.5070.51297 638—0.5599 39—0.58148.5 40—0.5799 41—0.5557.35 42—0.5698.8 43—0.58244 7441.0500.5199 451.1410.5040 846—0.6299 47—0.6049.5 48—0.5949.5 9490.3190.6049.5 —总0.2050.395 672.41
图6所示为不同调峰补贴价格下49个风电场的总经济容量结果，以及电解水制氢系统不参与电网调峰辅助服务时的经济容量曲线。在电解水制氢系统不参与电网调峰辅助服务的情况下，风电场所发的电力在满足净负荷模拟的基础上将剩余电力输送至电解水制氢系统制取氢气，制氢电价定为0.25元/ (kW×h)，此时风电场仅获得售电收益以及售氢收益。对比分析可知，在调峰补贴价格不低于0.37元/ (kW×h)的情况下，电解水制氢系统参与调峰辅助服务的经济性较不参与调峰辅助服务更好。
图6 总经济容量结果及参与/不参与调峰对比
Fig.6 Total economic capacity results and comparison of participation/non-participation in peaking
利用3.2节得到的最佳容量系数以及调峰补贴盈亏平衡价格进一步分析电解水制氢系统的调峰特性。9个典型风电场某典型日的风电功率曲线、净负荷模拟曲线以及电解水制氢系统运行曲线如图7所示。此外，图8为49个风电场的总调峰结果。
图7 调峰结果
Fig.7 Peaking results
图8 49个风电场调峰
Fig.8 49 wind farm peaking figures
由图7和图8可知，不同时段负荷功率大小不同，其中8
00—1100、1600—1800为高峰时段，000—600、2200—2400为低谷时段，其余为平时段；风电出力波动较大，且一般大于负荷功率，具有比较明显的反调峰特性。因此，在负荷低谷时段/风电大发时段电解水制氢系统的出力较大，以消纳多余的风电。然而，由于电解水制氢系统容量的限制，仍会有一定的弃风产生，但相比未安装电解水制氢系统前，风电消纳水平有明显提高，具体数值见表5。
各风电场安装电解水制氢系统参与电网调峰辅助服务的时段占比多为全年总时段的27%～36%，然而，风电场26与风电场44由于自身风电出力较低，在满足净负荷功率的情况下用于制氢的功率难以达到调峰要求，故而参与电网调峰辅助服务的时段较少，仅为16%与21%，相应的调峰收益与售氢收益较低。各风电场售电收益、售氢收益以及调峰收益占比如图9所示。对比图5与图9分析可知，参与电网调峰辅助服务时段占比越大的风电场，其调峰补贴收益与售氢收益越大，整体经济性越好。因此，通过电解水制氢系统参与电网调峰辅助服务，不仅可以提高风电消纳水平与制氢经济性，还有利于电网调节能力的提升。
表5 弃风率对比
Tab.5 Comparison of wind abandonment rates
典型风电场编号安装电解水制氢系统前弃风率(%)安装电解水制氢系统后弃风率(%) 144.284.40 1143.533.46 2043.793.24 2651.303.85 2850.344.29 3844.543.86 446.891.94 4651.474.19 4945.135.45 总35.662.99
图9 收益占比
Fig.9 Revenue share chart
对于大部分风电制氢项目，电解水制氢系统的初始投资成本SPh是主要的成本来源，因此，有必要分析净现值对其的敏感性；此外，制氢电价pe和氢气售卖价格ph作为主要经济因素、电解槽转化率h 和设备退化率x作为主要技术因素亦对项目净现值有较大影响，对其进行敏感性分析，敏感性分析结果如图10所示。其中，敏感性因素的变化幅度取正负向40%，间隔取10%。各敏感性因素基准值的选取与3.2节一致。
图10 敏感性分析结果
Fig.10 Sensitivity analysis results
由图10可知，曲线斜率越大，净现值对该参数越敏感。净现值对氢气售卖价格最为敏感，对电解槽转化率以及制氢电价也较为敏感，但由于设备退化率相对来说变化较小，且考虑规模效应后电解水制氢系统的初始投资成本已降至较低水平，故两者对净现值的影响最不明显。其中，氢气售卖价格和电解槽转化率与净现值同方向变化，其他参数与净现值反方向变化。
随着电解制氢技术的进步以及国家氢能战略的不断推进，电解水制氢系统的初始投资成本呈现逐年下降趋势，与此同时，随着可再生能源电力成本的下降，电解水制氢将变得更加经济。结合上述敏感性分析结果对风电场/群制氢的经济前景进行分析。假设制氢电价以每年3%等比下降，同时电解槽转化率以每年2%等比提高，此外，电解水制氢系统初始投资成本按照式（11）～式（13）的趋势逐年下降，则不同调峰补贴价格下氢气盈亏平衡价格的变化趋势如图11所示。由图11可知，当各参数按照上述趋势变化时，氢气盈亏平衡价格将显著降低，直至2050年，氢气盈亏平衡价格最低可达到21.3元/kg。由此可见，风电制氢通过参与调峰辅助服务可以为氢储能规模化经济利用提供有效解决方案。
图11 氢气盈亏平衡价格变化趋势
Fig.11 Trends in break-even prices for hydrogen
本文针对“双碳”目标下风电深度消纳及电网灵活性提升的规模化风电制氢经济容量配置问题进行研究，主要工作可总结为：
1）建立了风电场/群-电解水制氢系统拓扑结构，提出了系统参与电网调峰辅助服务的运行盈利模式。
2）在计及电解水制氢系统规模化成本效应的情况下，以净现值最大为目标，考虑电网调峰需求，构建制氢容量经济优化目标函数。
3）通过对吉林省49个省直调风电场进行算例分析，得到了各风电场及省级风电盈亏平衡点调峰补贴价格、对应调峰补贴价格下最佳经济制氢容量；针对吉林省，在调峰补贴价格不低于0.37元/(kW×h)的情况下，电解水制氢系统参与调峰辅助服务的经济性较不参与调峰辅助服务更好。同时，通过对调峰结果的分析验证了本文所提方法对于降低风电弃风率，提高系统经济性的有效性。
4）通过敏感性分析得到各因素重要性排序如下：氢气售卖价格、电解槽转化率、制氢电价、电解水制氢系统的初始投资成本、设备退化率。当制氢电价以每年3% 等比下降，电解槽转化率以每年2%等比提高，此外，电解水制氢系统初始投资成本按照其经验公式逐年变化时，针对不同调峰补贴价格，预计2050年氢气盈亏平衡价格将比目前降低53.64%～58.68%，最低可达21.3元/kg。
目前风电场/群-电解水制氢系统参与辅助服务市场已具备一定的盈利空间，但要实现制氢的规模化经济利用，未来需要从以下方面入手：
1）提高电解槽转化率：合理设计电解槽几何结构，研发具有高催化性能且稳定的阴阳极材料。
2）降低制氢电价：探索可再生能源发电制氢支持性电价政策，完善氢储能直接参与电力市场交易的价格机制。
参考文献
[1] 李争, 张蕊, 孙鹤旭, 等. 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.
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 Electro- technical Society, 2021, 36(3): 446-462.
[2] 张鹏成, 徐箭, 柯德平, 等. 氢能驱动下钢铁园区能源系统优化配置[J]. 电力系统自动化, 2022, 46(14): 1-10.
Zhang Pengcheng, Xu Jian, Ke Deping, et al. Optimal configuration of energy system in iron and steel park driven by hydrogen energy[J]. Automation of Electric Power Systems, 2022, 46(14): 1-10.
[3] 张红, 袁铁江, 谭捷. 统一能源系统氢负荷中长期预测[J]. 中国电机工程学报, 2021, 41(10): 3364- 3372, 3662.
Zhang Hong, Yuan Tiejiang, Tan Jie. Medium and long-term forecast of hydrogen load in unified energy system[J]. Proceedings of the CSEE, 2021, 41(10): 3364-3372, 3662.
[4] 蔡国伟, 孔令国, 薛宇, 等. 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.
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.
[5] 吴文传, 张伯明, 孙宏斌, 等. 主动配电网能量管理与分布式资源集群控制[J]. 电力系统自动化, 2020, 44(9): 111-118.
Wu Wenchuan, Zhang Boming, Sun Hongbin, et al. Energy management and distributed energy resources cluster control for active distribution networks[J]. Automation of Electric Power Systems, 2020, 44(9): 111-118.
[6] 熊宇峰, 司杨, 郑天文, 等. 基于主从博弈的工业园区综合能源系统氢储能优化配置[J]. 电工技术学报, 2021, 36(3): 507-516.
Xiong Yufeng, Si Yang, Zheng Tianwen, et al. Optimal configuration of hydrogen storage in industrial park integrated energy system based on stackelberg game[J]. Transactions of China Electro- technical Society, 2021, 36(3): 507-516.
[7] 侯慧, 刘鹏, 黄亮, 等. 考虑不确定性的电-热-氢综合能源系统规划[J]. 电工技术学报, 2021, 36(增刊1): 133-144.
Hou Hui, Liu Peng, Huang Liang, et al. Planning of electricity-heat-hydrogen integrated energy system considering uncertainties[J]. Transactions of China Electrotechnical Society, 2021, 36(S1): 133-144.
[8] 袁铁江, 张昱, 栗磊, 等. 计及功率密度约束含氢储能的预装式多元储能电站容量优化配置研究[J]. 电工技术学报, 2021, 36(3): 496-506.
Yuan Tiejiang, Zhang Yu, Li Lei, et al. Capacity optimization configuration of pre-installed multi- energy storage power station considering power density constrained hydrogen storage[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 496- 506.
[9] 高赐威, 王崴, 陈涛. 基于可逆固体氧化物电池的电氢一体化能源站容量规划[J]. 中国电机工程学报, 2022, 42(17): 6155-6170.
Gao Ciwei, Wang Wei, Chen Tao. Capacity planning of electric-hydrogen integrated energy station based on reversible solid oxide battery[J]. Proceedings of the CSEE, 2022, 42(17): 6155-6170.
[10] Okundamiya M S. Size optimization of a hybrid photovoltaic/fuel cell grid connected power system including hydrogen storage[J]. International Journal of Hydrogen Energy, 2021, 46(59): 30539-30546.
[11] 李梓丘, 乔颖, 鲁宗相. 海上风电-氢能系统运行模式分析及配置优化[J]. 电力系统自动化, 2022, 46(8): 104-112.
Li Ziqiu, Qiao Ying, Lu Zongxiang. Operation mode analysis and configuration optimization of offshore wind-hydrogen system[J]. Automation of Electric Power Systems, 2022, 46(8): 104-112.
[12] Glenk G, Reichelstein S. Economics of converting renewable power to hydrogen[J]. Nature Energy, 2019, 4(3): 216-222.
[13] Deng Zhihong, Jiang Yuewen. Optimal sizing of wind-hydrogen system considering hydrogen demand and trading modes[J]. International Journal of Hydrogen Energy, 2020, 45(20): 11527-11537.
[14] 潘光胜, 顾伟, 张会岩, 等. 面向高比例可再生能源消纳的电氢能源系统[J]. 电力系统自动化, 2020, 44(23): 1-10.
Pan Guangsheng, Gu Wei, Zhang Huiyan, et al. Electricity and hydrogen energy system towards accomodation of high proportion of renewable energy[J]. Automation of Electric Power Systems, 2020, 44(23): 1-10.
[15] Jiang Yuewen. Size optimization and economic analysis of a coupled wind-hydrogen system with curtailment decisions[J]. International Journal of Hydrogen Energy, 2019, 44(36): 19658-19666.
[16] Scolaro M. Optimizing hybrid offshore wind farms for cost-competitive hydrogen production in Ger- many[J]. International Journal of Hydrogen Energy, 2022, 47(10): 6478-6493.
[17] 马亦耕, 张峰, 丁磊. 弃风参与电网调频的电转气-储气-燃气轮机容量优化配置[J]. 电力系统自动化, 2020, 44(7): 79-86.
Ma Yigeng, Zhang Feng, Ding Lei. Optimal capacity configuration of power-to-gas, gas tank and natural gas generation unit with participation of curtailed wind power in frequency regulation of power grid[J]. Automation of Electric Power Systems, 2020, 44(7): 79-86.
[18] Dadkhah A. On the optimal planning of a hydrogen refuelling station participating in the electricity and balancing markets[J]. International Journal of Hydrogen Energy, 2021, 46(2): 1488-1500.
[19] Hany E Z, Farag. Optimal operation management of distributed and centralized electrolysis-based hydrogen generation and storage systems[J]. Electric Power Systems Research, 2020, 187: 106476.
[20] 东北电力辅助服务市场运营规则, http://dbj.nea. gov.cn/zwfw/zcfg/202012/t20201223_4055300.html.
[21] 华北能源监管局关于继续开展第三方独立主体参与华北电力调峰辅助服务市场试点工作的通知, http://hbj.nea.gov.cn/adminContent/initViewContent.do?pk=000000007647226901764c4e28ae0011.
[22] 孔令国. 风光氢综合能源系统优化配置与协调控制策略研究[D]. 北京: 华北电力大学(北京), 2017.
[23] 吉林省发展改革委关于进一步完善分时电价政策有关事项的通知, http://jldrc.jl.gov.cn/zcfb/zcjd/ 202111/t20211130_8305114.html.
[24] 河北省发展和改革委员会关于核定河北省级电网2020-2022年输配电价及销售电价的通知_冀, http://www.doc88.com/p-04161518067429.html.
[25] 国家发展改革委关于完善风电上网电价政策的通知, http://www.gov.cn/xinwen/2019-05/25/content_ 5394615.htm.
[26] Rezaei M. Co-production of electricity and hydrogen from wind: a comprehensive scenario-based techno- economic analysis[J]. International Journal of Hydrogen Energy, 2021, 46(35): 18242-18256.
[27] 邵志芳, 吴继兰, 赵强, 等. 风电制氢效费分析模型及仿真[J]. 技术经济, 2018, 37(6): 69-75, 129.
Shao Zhifang, Wu Jilan, Zhao Qiang, et al. Cost effectiveness analysis model for wind power produce hydrogen system and simulation[J]. Technology Economics, 2018, 37(6): 69-75, 129.
[28] 魏繁荣, 随权, 林湘宁, 等. 一种电网多主体场景下的制氢装置新运营模式及其调度策略[J]. 中国电机工程学报, 2018, 38(11): 3214-3225.
Wei Fanrong, Sui Quan, Lin Xiangning, et al. A new equity mode and scheduling strategy of hydrogen production equipment in the multi-subject scene of the grid[J]. Proceedings of the CSEE, 2018, 38(11): 3214-3225.
[29] Marocco P, Ferrero D, Gandiglio M, et al. A study of the techno-economic feasibility of H2-based energy storage systems in remote areas[J]. Energy Con- version and Management, 2020, 211: 112768.
Abstract With the proposal of carbon peak, neutrality targets, and the orderly promotion of power system reform, the problem of poor dynamic regulation of the grid and the large-scale renewable energy grid connection and consumption issues are becoming increasingly significant. The grid-connected operation of renewable energy coupled with power-to-gas facility helps to promote the safe, reliable, and cost-effective connection of a high proportion of renewable energy generation to the grid. It becomes one of the effective solutions for the friendly coordination of large-scale renewable energy with the grid and the maximization of grid-connected consumption. However, the high energy and investment costs of power-to-gas facilities require higher economic rationality of capacity configuration. Therefore, optimizing the capacity of power-to-gas facilities to maximize the consumption of renewable energy and improve the flexibility of the grid while enabling large-scale economic use of hydrogen is an urgent issue to be addressed. This paper proposes a method for calculating the power-to-gas capacity of a hybrid energy system combining wind farms/clusters with a power-to-gas facility. Considering the peak regulation auxiliary services, the optimal power-to-gas capacity of each wind farm and the whole province can be obtained by analyzing 49 wind farms in Jilin province.
Firstly, the topology of the hybrid energy system combining the wind farms/clusters with a power-to-gas facility was established, and a market profit model for the system to participate in the peak regulation auxiliary service of the grid was proposed. Secondly, an economic optimization model of the hydrogen production capacity was constructed to maximize the net present value, taking into account the effect of the size of a power-to-gas facility. Finally, using Matlab to solve the model, the capacity factor of the power-to-gas facility relative to the wind farm and the corresponding net present value with different peak regulation subsidy prices were calculated, and the results of the optimal power-to-gas capacity of each wind farm and the whole province were obtained.
The results show that: (1) By analyzing 49 wind farms in Jilin Province, we can obtain the break-even subsidy price for peak regulation for each wind farm and the whole province, and the optimal power-to-gas capacity under the corresponding break-even price. In Jilin Province, when the subsidy price of peak regulation is higher than RMB 0.37/(kW·h), the economics of participating in peak regulation auxiliary service is better. (2) The peak regulation results show that the proposed method can reduce the wind curtailment rate and improve the economy of the system. (3) According to the sensitivity analysis, the importance of each factor was ranked as follows: hydrogen price, electrolyzer conversion rate, electricity price for hydrogen production, initial investment cost of power-to-gas system, and equipment degradation rate. When the electricity price for hydrogen production decreases by 3% annually, the electrolyzer conversion rate increases by 2% annually. The initial investment cost of the power-to-gas system changes according to its empirical formula, and the break-even price of hydrogen in 2 050 is expected to be 53.64% to 58.68%, lower than the current one for different peak regulation subsidy prices, with a minimum of RMB 21.3/kg. (4) The participation of hydrogen production in the peak regulation ancillary services market is currently profitable. However, the following aspects need to be considered to realize the large-scale economic utilization of hydrogen. (1) Improve electrolyzer conversion rate. Rational design electrolyzer geometry, research and develop cathode and anode materials with high catalytic performance and stability. (2) Reduce the electricity price for hydrogen production. Explore supportive policies for hydrogen production from renewable energy and improve the price mechanism for hydrogen to participate in electricity market transactions.
keywords：Wind farms/clusters, hydrogen production, peak regulation auxiliary service, capacity con- figuration, economics
DOI: 10.19595/j.cnki.1000-6753.tces.221847
中图分类号：TM73
国家重点研发计划（2018YFB1503100）、国家自然科学基金（51907021）和吉林省发改委（2023C032-1）资助项目。
收稿日期 2022-09-28
改稿日期 2022-10-14
孔令国 男，1984年生，博士，副教授，从事可再生能源耦合氢能关键技术研究。E-mail: klgwin@neepu.edu.cn（通信作者）
陈钥含 女，1997年生，硕士研究生，从事可再生能源制氢技术经济性分析。E-mail: chenyuehan0505@163.com
（编辑 郭丽军）