[论文解读] Extended Load Flexibility of Utility-Scale P2H Plants: Optimal Production Scheduling Considering Dynamic Thermal and HTO Impurity Effects

Yiwei Qiu, Buxiang Zhou+6 more|arXiv (Cornell University)|Jan 28, 2023

Hybrid Renewable Energy Systems被引用 4

一句话总结

本文提出了一种面向大规模碱性水电解（AEL）制氢（P2H）电站的多物理场感知最优调度框架，明确建模了动态热效应与氢气-氧气（HTO）杂质影响，以提升负载灵活性。在配备22台电解槽的风能驱动电站中，采用基于分解的求解方法（SDM-GS-ALM），与传统方法相比，氢气产量提升7.74%，利润提升8.72%。

ABSTRACT

In the conversion toward a clear and sustainable energy system, the flexibility of power-to-hydrogen (P2H) production enables the admittance of volatile renewable energies on a utility scale and provides the connected electrical power system with ancillary services. To extend the load flexibility and thus improve the profitability of green hydrogen production, this paper presents an optimal production scheduling approach for utility-scale P2H plants composed of multiple alkaline electrolyzers. Unlike existing works, this work discards the conservative constant steady-state constraints and first leverages the dynamic thermal and hydrogen-to-oxygen (HTO) impurity crossover processes of electrolyzers. Doing this optimizes their effects on the loading range and energy conversion efficiency, therefore improving the load flexibility of P2H production. The proposed multiphysics-aware scheduling model is formulated as mixed-integer linear programming (MILP). It coordinates the electrolyzers' operation state transitions and load allocation subject to comprehensive thermodynamic and mass transfer constraints. A decomposition-based solution method, SDM-GS-ALM, is followingly adopted to address the scalability issue for scheduling large-scale P2H plants composed of tens of electrolyzers. With an experiment-verified dynamic electrolyzer model, case studies up to 22 electrolyzers show that the proposed method remarkably improves the hydrogen output and profit of P2H production powered by either solar or wind energy compared to the existing scheduling approach.

研究动机与目标

• 为解决现有调度模型中因保守的恒定负载假设而导致大规模P2H电站负载灵活性受限的问题。
• 将此前被忽略的动态热效应与HTO杂质交叉影响整合进碱性电解槽的生产调度中。
• 开发一种可扩展的优化框架，以实现对含数十台电解槽的大规模P2H电站的高效调度。
• 通过最大化利用风能与太阳能等可变可再生能源，提升氢气产量与盈利能力。
• 利用真实CNDQ5/3.2碱性电解槽的实验数据验证所提出的模型。

提出的方法

• 构建一个混合整数线性规划（MILP）模型，以捕捉碱性电解槽中动态温度演变与HTO杂质累积过程。
• 在调度优化中引入热力学与传质约束，包括温度依赖的过电位与HTO可燃性限值。
• 提出一种基于分解的求解方法SDM-GS-ALM，以应对含大量电解槽的大规模P2H电站的可扩展性问题。
• 采用基于真实世界调节信号（如PJM RegD）的时间序列功率指令，以在真实负载波动下验证动态模型。
• 利用25 kW CNDQ5/3.2碱性电解槽的实验数据对动态模型进行校准与验证。
• 以ε = 0.1%的容忍度与10⁻⁶的MIP间隙求解调度问题，以确保高求解精度。

实验结果

研究问题

• RQ1 动态热效应与HTO杂质影响如何影响碱性电解槽在变负载工况下的负载灵活性与能效？
• RQ2 集成动态多物理场模型在多大程度上可提升大规模P2H电站的氢气产量与盈利能力？
• RQ3 基于分解的优化方法是否能有效扩展至含数十台电解槽的大规模P2H电站，同时保持求解精度？
• RQ4 与传统固定负载范围方法相比，所提出的调度方法在氢气产量与经济利润方面表现如何？
• RQ5 可再生能源波动性（风能/太阳能）对所提出调度框架性能有何影响？

主要发现

• 与传统调度方法相比，所提方法在22台电解槽的风能驱动电站中，氢气产量提升7.74%，利润提升8.72%。
• 采用SDM-GS-ALM方法调度22台电解槽耗时713.82秒，且计算时间随电站规模呈线性增长。
• 对于8台电解槽的电站，直接求解完整调度问题在24小时内未能收敛，凸显了分解方法的必要性。
• 温度与HTO杂质的动态模型经实验验证，与25 kW碱性电解槽的真实世界数据高度吻合。
• 该方法使电解槽能够接近热与HTO极限运行，从而最大化可再生能源电力的利用灵活性与效率。
• 当直接耦合风能时，平均利润提升1.438%；耦合太阳能时，平均利润提升0.982%，表明在不同能源来源下均具有一致增益。