[论文解读] Hedging Hydrogen: Planning and Contracting Under Uncertainty for a Green Hydrogen Producer

Owen Palmer, Hugo Radet+3 more|arXiv (Cornell University)|Jul 31, 2024

Energy, Environment, and Transportation Policies被引用 4

一句话总结

本文提出了一种两阶段随机优化模型，协同优化在不确定性条件下电解绿色氢生产商的设备尺寸与能源对冲策略——包括电力购售协议（PPAs）和电力期货。结果表明，在需求不确定时，随机方法至关重要，而规则驱动的对冲在简单情况下已足够；且RFNBO补贴推动了对地理和技术创新性多样的PPA投资组合的需求，以满足监管要求。

ABSTRACT

Green hydrogen production by water electrolysis using renewable electricity is considered essential for decarbonisation of certain sectors of the global economy, however development of the industry is lagging behind expectations due to the perceived financial risk for individual projects. This risk stems from a number of uncertainties, including future hydrogen demand, variable renewable energy sources, and volatile energy market prices. The interaction of these uncertainties is complex, yet the analysis of hydrogen projects is often carried out using simplified modelling that often omits uncertainty and/or energy hedging practices which are typical for intensive power consumers. In this study, we define a set of planning methods (planning policies) in order to compare the effectiveness of different modelling approaches. We propose a 2-stage market-focused stochastic program to represent a hydrogen producer supplying an industrial customer through a hydrogen offtake contract (a Hydrogen Purchase Agreement, or HPA). The model can be used to obtain equipment sizing decisions, as well as energy hedging decisions using Power Purchase Agreements (PPA's) and power futures. We find that for some HPA contract types, failure to use stochastic modelling can lead to planning decisions that result in 30% higher production costs during scenario stress-testing for the same project. This could lead to some projects being discarded by developers, incorrectly deemed to be unviable due to cost projections being too high. The results also show the importance of HPA contract volumetric obligations in limiting demand uncertainty.

研究动机与目标

• 解决由于电力价格、可再生能源发电和可变需求不确定而带来的绿色氢气项目财务风险。
• 克服将资产规模与能源对冲视为独立决策的局限性，通过单一模型实现协同优化。
• 在不同不确定性情景下，评估确定性方法与随机规划方法的有效性。
• 评估欧洲RFNBO分类规则及其相关补贴对最优PPA投资组合设计与氢气成本的影响。
• 为氢气生产商和采购方提供决策支持框架，以在价格与需求风险下设计可融资的氢气采购协议（HPAs）。

提出的方法

• 开发了一种两阶段市场导向的随机规划模型，模拟绿色氢气生产商在长期周期内向工业客户供应氢气。
• 纳入关键决策变量：电解槽容量、氢气储存规模、PPA采购量及电力期货头寸。
• 采用风险规避的随机优化方法，以最小化预期氢气平准化成本（LCOH），同时考虑日前市场电价波动。
• 对三个关键驱动因素建模不确定性：可再生能源发电（风能与太阳能）、日前电力市场电价及氢气需求。
• 采用基于情景的分解方法，结合蒙特卡洛采样，以体现时间相关性与不确定性实现。
• 将结果与确定性规则驱动的对冲启发式方法进行对比，并在不同监管情境（RFNBO合规水平）下评估性能表现。

实验结果

研究问题

• RQ1 在不确定性条件下，将能源对冲（PPAs与期货）与最优设备尺寸相结合，对氢气平准化成本（LCOH）有何影响？
• RQ2 在何种条件下，随机优化方法相较于确定性规则驱动的对冲策略在氢气项目规划中表现更优？
• RQ3 需求不确定性如何影响对灵活资产的需求及由此产生的氢气销售价格？
• RQ4 RFNBO合规规则（要求可再生能源发电与氢气产量在每小时层面相关）对PPA投资组合设计与多样化有何影响？
• RQ5 绿色氢气补贴在多大程度上刺激了对地理与技术多样性PPA投资组合的投资？

主要发现

• 在无需求不确定性的情况下，简单的规则驱动对冲（如通过PPA实现完全对冲）可达到近似最优结果；但当存在需求不确定性时，随机模型则至关重要。
• 当存在需求不确定性时，随机优化导致设备规模增大（尤其是氢气储存），并使平均LCOH分别上升至情境A中的6.54 €/kg和情境C中的4.67 €/kg，最坏情况下的LCOH达到7.17 €/kg。
• 模型表明，RFNBO合规性（100%可再生能源相关性）增加了对多样化PPA投资组合的需求，尤其在高RFNBO情境（如情境C）中，100%的产量必须符合RFNBO合规要求。
• 在情境B中，81%的产量需符合RFNBO合规要求，模型显示对多样化PPA投资组合有强烈偏好，以同时满足监管与成本目标。
• 在无RFNBO补贴的情况下，情境A中仅有40%的产量符合RFNBO合规要求，表明当前市场条件本身不足以推动高比例的RFNBO渗透。
• 结果表明，绿色氢气补贴很可能会刺激对技术与地理多样性PPA投资组合的需求，以满足RFNBO标准并降低成本波动。