利用氫儲能在含可再生能源系統容量配置綜述

劉道兵，袁野，李世春，曹宏基，金梓桐，鮑志陽

(1.三峽大學 電氣與新能源學院，湖北 宜昌 443002；2. 三峽大學 梯級水電站運行與控制湖北省重點實驗室，湖北 宜昌 443002)

0 引 言

當地時間2019年8月9月，英國倫敦發生了大規模停電，此次事故的主要原因是新能源電源的低抗干擾能力導致大幅功率缺額，從而使大電網系統失去穩定，本次大停電事故是高比例新能源停電事故的典型案例[1]。與傳統能源相比，以風電和光伏為主導的新能源具有高效性和環保性[2-3]。但由于新能源存在不確定性和波動性等缺點，造成電網系統功率不平衡，因此，如何使新能源在電力系統中安全穩定運行以及提高新能源的利用率是目前研究的重點。為了更好地處理新能源并網問題，提出了微電網(Microgrid)的概念[4-5]。微電網由分布式發電單元、用電負荷、監控、保護和自動化裝置等組成，是一個能夠基本實現內部電力電量平衡的小型供用電系統[6]。微電網是目前新能源多能互補優化和友好接入電網的一種有效手段[7]。

隨著大比例新能源滲透于電網，更加突顯出了儲能系統的重要地位。現階段研究中，作為微電網最重要的組成部分，儲能系統能高效提高電網對大比例新能源的消納水平，降低對電網的沖擊[8]，削峰填谷[9]，能夠有效提高微電網運行的安全與穩定，是大規模新能源滲透于微電網中高效的處理辦法。在2017年印發的《關于促進儲能技術與產業發展的指導意見》明確規定：“十三五”期間儲能的主要目標是實現儲能由研發示范向商業化初期過渡；“十四五”期間實現由商業化初期向規模化發展轉變[10]。

現階段研究中，大多數以風力發電，光伏發電、微型汽輪機、蓄電池、超級電容器等之間協調配合為主[11-21]。針對電-氫儲能在微網方面目前研究相對較少[22]，氫儲能具有清潔，高效，能量密度大，大容量存儲，利用率高等特點[23]，將電-氫儲能用于微電網作為混合儲能部分，系統各元件相互協調配合，能夠大大提高微網系統消納能力，實現能源梯級利用。由于混合儲能部分成本過高，微電網經濟性存在不足，因此對氫儲能組成的微網系統的容量規劃以及其經濟性評估具有重要意義。

文中從含氫儲能微網的基本結構出發，介紹其各裝置的數學模型以及相關研究進展，詳細介紹了氫儲能和其他儲能技術的特點以及應用；探究了目前在容量規劃方面的現狀、研究優化配置的相應優化目標和存在的問題；最后對未來研究的創新和研究方向進行了分析與展望。

1 微網系統結構

與單一的儲能結構相比，儲能部分由蓄電池和電-氫系統組成，發電部分由光伏電池和風電機組構成，其余部分由各種DC-DC變換器、AC-DC整流器和負荷構成。目前，現有研究中已提出的氫儲能部分，包括綜合能源系統[24]、園區能源互聯網[25]等，其數學模型主要包括能源的生產、轉換、儲存、消費、銷售等環節，形成一個能源生產和銷售一體化的系統。

現階段研究中，氫儲能用于微網方面研究相對較少，包括容量規劃方面、能量管理方面、優化調度方面、需求側響應方面等；文中將從容量規劃方面入手，將現有研究各設備容量、成本的合理優化進行總結。將系統分為能源部分，儲能部分，負荷部分；其物理最初基本結構如圖1所示。

圖1 微電網系統最初基本結構

2 微網系統數學模型

2.1 能源部分數學模型

2.1.1 光伏發電

光伏電池為光伏發電的重要裝置，將太陽能轉化為電能的裝置，工作原理為半導體P-N結接受太陽輻照產生光伏效應[9]。由于太陽能是綠色能源，具有可再生，無限利用的特點，具有廣闊的發展前景。其電能輸出主要受環境因素影響，包括溫度、太陽輻射強度、光照時長等。由于太陽能的不確定性和波動性，目前針對光伏發電部分數學模型的研究，文獻[26]光照強度呈現近似Beta分布，輸出功率具有一定隨機性，因此基于光照強度，列出概率密度函數，并結合環境溫度，得出光伏輸出功率的數學模型；文獻[27]從光伏發電板自身入手，考慮各種角度因素，包括緯度、傾斜程度、太陽光的入射角、天頂角等，根據這些影響因素列寫出光伏數學模型；文獻[28]利用Collares-Pereira&Rabl模型列寫出光伏數學模型；文獻[29]考慮光伏面板表層溫度，對光伏輸出功率進行合理建模。現階段對光伏模型研究，很少考慮季節，氣象等因素，通過智能算法安排光伏出力，例如通過智能算法進行光照預測和對MPPT進行控制，未來可以針對這些因素進行相應研究。

2.1.2 風力發電

目前風電是新能源中發展最快，技術最為成熟的一種發電技術[30]。風電工作原理為風先通過風電機組葉片，其與發電機之間經過一系列轉換成為電能的一種發電裝置[31]。由于風能的隨機性與間歇性，并受到氣候和地理條件影響，對風能的預測顯得尤為重要。針對風電的數學模型研究，大部分文獻采用的是自回歸滑動平均模型(ARMA)[32-33]和基于Weibull分布對風速進行預測的輸出功率模型[34]；前者可以通過歷史的風速數據與當前時刻相關聯，從而可對未來風速進行預測；后者對風速分布通過概率函數進行預測得到相對應的風速，并通過數學模型對風機出力進行計算。

2.2 儲能部分數學模型

2.2.1 儲能類型與應用

目前，根據儲能技術方法，分為機械儲能、熱儲能、化學儲能和電儲能，如表1所示。

表1 儲能分類

從功能方面分類，儲能可分為能量型儲能和功率型儲能[35]，能量型儲能具有能量密度高，能進行大容量儲能的優點，缺點是放電時間長，循環壽命短[36]，可作為長期儲能裝置；功率型儲能具有功率密度高，響應速度快，循環壽命長，但無法進行大容量儲存[37]，可作為短期儲能裝置。

儲能技術應用于微電網中，有助于微網的安全穩定運行，也能夠提升系統的可靠性[38-42]，文獻[43]介紹了儲能在電力系統中具有調峰、調頻、改善電能質量和提高系統穩定性和可靠性的作用，并對全球儲能應用現狀進行了總結；文獻[44]結合微網與儲能的優勢和特點，對儲能運用于微電網進行了介紹與討論，并對目前存在的問題與未來展望進行了詳細分析；文獻[45-46]對于儲能應用于三種不同的應用場景進行歸納，指出相關模型應對不同問題的優缺點，總結出未來需考慮的問題并給予關注。

文中將從以蓄電池與氫儲能設備相結合的混合儲能系統入手，對兩者目前的應用現狀以及相應的模型進行綜述與總結。

2.2.2 電-氫儲能

隨著儲能技術的發展和科學家們的快速探索，氫能的優勢逐漸體現。它的能量密度大、大容量存儲、利用率高的特點、可作為長期儲能系統；由于它清潔，環保的特點，在可持續發展框架和“碳中和”、“碳達峰”的背景下[47-50]，氫能將作為未來的能源，進行大規模開發和利用，從而在微網系統中達到低碳可靠運行的目的。儲氫的方式分為兩種，一種是物理儲氫，另一種為化學儲氫。物理儲氫分為液氫儲存、高壓氫氣儲存、活性碳吸附儲存、碳纖維和碳納米管儲存等[51]；化學儲氫分為金屬氫化物儲氫、有機液氫化物儲氫、無機物儲氫等[52]。電解水技術、儲氫技術和燃料電池技術是電-氫系統的核心部分[53]。

目前，氫儲能在綜合能源系統以及園區方面研究較多，文獻[54]根據多能聯供聯儲的特點，設計配置氫儲能的綜合能源系統架構，參考現有的博弈模式，提出了基于遺傳算法和混合整數優化含氫儲能綜合能源系統的三階段主從博弈框架，不僅對綜合能源系統的規劃有一定的指導意義，也為新型儲能-氫儲能的應用提供了重要參考；文獻[55]基于綜合需求側響應，提出以最小化系統運行總成本為目標函數的協調優化模型，并采用禁忌搜索算法和粒子群算法相結合的改進算法進行驗證，經驗證此方案提高了系統的經濟性、環保性，并提高了新能源的消納；文獻[56]建立基于摻氫方式的電-氣綜合能源系統的模型，以經濟性為評估目標進行協調優化，將此方案與不同儲氫容量的本地儲氫系統進行了對比，經驗證氣網摻氫和本地儲氫均能提高系統的經濟性，且氣網摻氫收益優于本地儲氫，但摻氫會導致電網側的成本和氣網側的收益同時上升；文獻[57]提出含電轉氣的變效率熱電聯產調度模型，以系統購能成本、運行維護成本以及能量損耗成本之和最小為目標，構建含電轉氣的熱電耦合綜合能源系統優化調度模型，經驗證該模型可促進多種能源高效利用，有效提高能源利用率與系統經濟性;文獻[58]首先分析了氫儲能的特性，根據能量流動結構和負荷的需求特性，提出了燃料電池與能量流動耦合方式以及冷熱電聯供系統的運行模式，以經濟最優為目標優化系統，經驗證此類運行模式可以使燃料電池滿足多種需求，實現了能量梯級利用，提高了系統的經濟性；文獻[59]提出了含電制氫裝置的綜合能源系統優化模型，通過對多種能源之間的相互轉化，同時滿足需求，通過算例驗證得出風電制氫裝置對于降低系統運行成本、提高清潔能源消納量的重要作用，但此文并未考慮新能源的出力的不確定性對系統運行的影響。

氫儲能在微網方面研究相對較少，文獻[60]提出了滿足微網基礎指標的能量管理辦法，結合了使用成本最小算法和等效氫耗最小算法，對氫儲能消納新能源產生的多余能量以及放電補充系統缺額能量等狀態進行最小使用成本以及儲能狀態平衡的優化控制，但本研究未在更長的時間尺度進行驗證；文獻[61]提出一種全天候能量管理辦法，在滿足微網基本指標基礎上，將多余的電轉化為氫能進行儲存，當系統出現功率缺額的時候燃料電池進行放電，通過對各種設備以及管理層的協調控制，實現其能量管理，經檢驗該方法在保持電-氫系統穩定運行的前提下，無需外界提供額外能量即可確保該系統的全天候正常運行；文獻[62]設計了一種電源管理系統，解決了系統大比例可再生能源接入、直流母線電壓穩定、供需平衡和負荷動態等問題；經驗證得出發現直流微電網能夠顯著提高了整體系統性能和能量效率；光伏、燃料電池、電解槽、蓄電池組成的系統適用于光伏發電出力高或者低等暫態運行工況下的負荷需求，以及負荷需求的突變增減；文獻[63]提出了一套經濟性最優為原則的調度方案，使得混合儲能協調配合，達到功率波動的平抑，建立四項經濟性指標模型，從而使儲能得到最優配置容量，但此方案未在孤島模式下進行穩定性研究。

現階段對于氫儲能研究的數學模型大部分采用如下所述公式。

(1)電解槽模型

常采用堿式電解槽，是大規模制氫首選裝置。其將水電解為氫氣和氧氣[64]。電解槽的輸出功率為：

Pelectrolyzer-out=ηelectrolyzerPelectrolyzer-in

(1)

式中Pelectrolyzer-in為電解槽輸入功率；ηelectrolyzer為電解槽效率。

(2)儲氫罐模型

儲氫罐有兩個作用：一個是存儲由電解槽產生的氫氣；另一個是為燃料電池供給氫氣。

儲氫罐的數學模型為：

Ehydrogen(t)=Ehydrogen(t-1)+ηelectrolyzerPelectrolyzer-in(t-1)

(2)

式中Ehydrogen(t)為t時刻儲氫罐儲存能量；ηDC/DC為變換器的工作效率；ηhydrogen為儲氫罐的工作效率；PPEMFC(t-1)為t-1時刻燃料電池的輸出功率；ηPEMFC為燃料電池的工作效率。

(3)燃料電池模型

通常采用質子交換膜燃料電池(PEMFC)，燃料電池的輸出功率為：

PPEMFC=ηPEMFCPPEMFC-in

(3)

式中PPEMFC-in為儲氫罐到燃料電池的輸入功率。

2.2.3 蓄電池模型

蓄電池是儲能系統中最重要的裝置，也是最常用的儲能裝置。其具有雙向充放電、體積小、反應速度快、安裝方便等特點[44,65]。蓄電池分為鋰離子電池、鉛酸電池和鈉硫電池等[66-67]。蓄電池模型分為充放電模型和壽命模型。最常用的蓄電池模型有Shepherd模型、Facinalli模型和KiBam模型等[68]。

目前基于蓄電池的建模與其在儲能方面的應用的研究，文獻[69]介紹和綜述了4種蓄電池模型，其可以對蓄電池充放電進行優化管理，從而對電池進行更好的維護，還可以幫助工作人員進行方案優化，提高電池質量，縮短設計周期；文獻[70]考慮電池健康狀態(State of Health, SOH)，提出基于此的儲能電池容量評估方法，并設置了動態安全裕度，有效延長了系統的運行壽命，經驗證此方案有效降低了配置成本，延長了蓄電池的壽命；文獻[71]根據調度指令功率大小確定電池組充/放電個數，通過SOH對電池組工作狀態進行優先級排序，利用數學規劃算法對各電池組進行分配，經驗證，此方案能夠對電池組進行合理的功率分配，從而達到延長電池組的使用壽命，但文中未考慮多電池之間SOH的估計誤差；文獻[72]基于蓄電池的荷電狀態(SOC)的能量管理策略，對光儲系統進行容量規劃，以全生命周期費用和買賣電量費用之和最小為目標，結合可供能量和需求功率，應用改進的粒子群算法，建立了容量配置雙層模型；文獻[73]在PIES中構建電池壽命損耗模型，對電池壽命損耗進行評估，通過電池的置換成本來表示電池壽命損耗的影響，以混合儲能投資置換成本與運行成本等年值最低為目標函數，建立一個雙層規劃模型，經驗證，此方案對系統經濟性和電池壽命有了明顯提升，但此研究忽略了可再生能源和負荷的不確定性；文獻[74]基于電池參與用戶側削峰填谷的經濟問題和梯次利用電池的問題，采用對比分析方法，建立基于投資回報率、投資回收期的經濟性評估模型。

3 氫儲能在微網的容量規劃問題

3.1 儲能容量規劃問題

隨著氣候變化的日益嚴峻，2020年中國在聯合國大會上提出了“碳達峰”和“碳中和”的目標[75]，在此背景下，大批新能源備受關注，因此氫能源脫穎而出。氫能與蓄電池配合，組合成混合儲能系統，作為長期儲能裝置。從而為微電網系統提供一個安全、穩定的運行狀態。因此，儲能系統的容量規劃是這個過程中最重要的環節，與系統整體經濟性和穩定性運行緊密相連。如果儲能系統過小，無法保證微網的電能質量和運行質量的提升；如果儲能系統過大，則其對微網將會提高設備投資和維護成本[76]。

目前氫儲能在容量規劃方面的研究，文獻[77]提出含氫儲能的混合儲能系統微電網容量配置方案，以LCE、LPSP和EER為目標函數，采用PSO求解驗證，結果表明：該方案保證了系統的經濟性和可靠性，但此方案未考慮需求側響應對此系統的影響；文獻[78]建立了風氫互補的儲氫容量配置雙層規劃模型，將氫能交易帶來的利潤計入成本當中，選用改進的遺傳算法進行求解驗證，驗證表明：此算法可對優化方案可降低風電波動率以及儲氫容量;文獻[79]通過能量管理算法和容量最優算法，并考慮動態電價，建立儲能單元的風光電耦合制氫系統，并將氧氣收益納入經濟性部分，并對儲能系統進行優化配置，結果表明：此方案能降低發電部分的棄電率，并提高了電能質量，最后指出了提高新能源制氫經濟性的關鍵因素；文獻[80]以經濟收益最大為目標，建立制氫系統最優電解槽配置方案，采用區間優化理論確定制氫系統的最優配置容量，但文中未考慮制氫的銷售周期；文獻[81]提出一種混合算法，將天氣與神經網絡結合用于光伏、風電預測，以總生命周期成本最小為目標函數，評估系統的可靠性，結果表明：此算法與天氣信息結合在此系統應用的優勢；文獻[82]針對系統提出一種自適應控制方案，并考慮電池的SOC和充放電功率，用Nyquist穩定性準則分析此控制方案的穩定性；文獻[83]通過對系統平衡功率頻譜的分析，根據儲能裝置的響應特性，制定混合儲能系統的分配方案，以年綜合成本最小為目標，考慮各種約束的影響，采用GA進行求解，但文中未考慮散熱、儲能形狀等因素的影響；文獻[84]建立氫儲能模型和負荷模型，從兩個角度定義可靠性指標，提出負荷削減和功率調度策略，考慮多種隨機性因素的影響，采用基于Sequential Monte Carlo Method的可靠性評估方案，經驗證引入氫儲能有效提高了系統可靠性，使系統容量達到最優。

如何在氫儲能領域里提升新能源的利用率、降低設備利潤、提高系統效益，從而達到容量最優是目前要研究的主要內容。

3.2 混合儲能運行策略

運行策略決定了電-儲之間的出力順序，從而影響著設備的性能與壽命，還會影響經濟性運行和能源的充分利用。根據各儲能的自身特點，由于蓄電池的響應速度快，因此優先工作，作為短期儲能；由于儲氫系統能大容量儲存，因此作為長期儲能，實現兩者的梯級利用。微電網工作模式分為兩種：一種是并網運行；另一種是孤島運行。因此將從這兩種工作狀態進行論述。

微網電-儲之間的工作切換的判斷依據[85]：

ΔP(t)=PDG(t)-PFH(t)

(4)

式中 ΔP(t)表示t時刻微網功率缺額；PDG(t)表示t時刻發電側所發的功率；PFH(t)表示t時刻負荷側的功率。

當ΔP(t)>0時，余下的能量優先給蓄電池充電，剩下再通過電氫系統儲存于儲氫罐，當微電網并網運行且儲氫罐已儲滿時，剩余電能銷售電網獲利；當微電網孤島運行且儲氫罐已儲滿時，過剩功率記為Padd。

當ΔP(t)<0時，蓄電池優先快速放電，當蓄電池達到SOC下限時停止工作，再由燃料電池補充系統缺額，當微電網并網運行且儲氫罐達到下限時，向電網購買電能，維持系統穩定運行；當微電網孤島運行且儲氫罐達到下限時，缺額功率記為Punadd，并對系統進行切負荷處理，從而保持系統平衡。

3.3 優化配置目標

目前已有的研究絕大多數優化配置方面常以經濟性指標作為單一目標[86-88]。優化過程如圖2所示。

圖2 微網容量規劃流程圖

如果采用單一目標，由于系統本身結構和能源互補的差異，從而導致優化策略和運行決策的不同，最終使得優化結果產生較大誤差，造成結果的局部最優。為了減少最優結果的誤差，故采用多目標函數進行求解，從而達到各指標兼顧以及結果達到全局最優原則。

目前針對優化配置的目標，一般分為經濟性目標、可靠性目標、能源利用率等[89-92]，如圖3所示。

圖3 優化指標分類

在優化配置過程中，通過多目標最優容量以及經濟性求解，可使系統達到健康穩定運行以及經濟性最優，也可以使多種新能源的利用率達到積極作用。

3.3.1 目標函數

采用成本-效益的分析方法，即將系統成本與最終收益結合起來，判斷方案是否符合經濟性[93]。如式(5)所示：

S=E-Q

(5)

式中S表示年利潤；E表示系統年收益值，Q為系統年成本。一般采用全生命周期綜合效益對此方案進行預測，其被稱為NPV(記為NPV)[94]。表達式為：

(6)

式中T為全生命年限；β為折現率。

微電網系統效益的具體項目如表2所示[22]。

表2 效益的具體項目

3.3.2 目標函數求解

容量優化過程一般采用智能算法進行求解[95]，包括蟻群算法(Ant Colony Optimization,ACO)[96]、遺傳算法(Genetic Algorithm,GA)[97]、粒子群算法(Particle Swarm Optimization,PSO)[98]等。通過各種算法自身特點以及收斂速度，選取合適的算法進行迭代求取最優值，從而減少求得解的誤差，更好的得到最佳容量以及最優經濟性。智能算法多用于經濟性調度，電力系統規劃等問題。

3.4 目前所存在的問題與創新方面

目前氫儲能研究主要集中在各設備在系統設計階段的容量規劃，但對于整個系統的經濟性方面以及效益方面的研究相對較少，包括氫交易過程中未考慮運輸成本、將氫儲能在基于調整系統穩定運行的同時并對部分氫氣進行銷售獲利的“雙贏”模式等方面缺乏研究，因此在今后的研究中可以深入探討這些方面。

氫儲能作為清潔能源，并能大容量存儲，如何對含氫系統在以“雙碳”目標為核心的背景下，使容量最優的同時，達到經濟性最優和低碳的效果是今后研究的重點。故采用低碳經濟指標作為容量配置的優化指標[99-104]，基于綠證交易[105-106]與碳交易市場[107]相結合的方式目前研究相對較少，將其作為低碳經濟性指標，從而實現容量最優和低碳經濟目標。

4 今后研究的創新與對未來展望

4.1 基于光熱電站的氫儲能微網系統研究

光熱電站是一種可以大規模儲熱的新興發電技術[108]，如圖4所示。其可達到“光-熱-電”能量之間的轉換，可長時間運行[109]。國家在“十三五”規劃中明確指出：大力發展光熱電站和大規模儲能技術的研發應用。因此利用氫儲能的優勢和儲熱系統的轉移能量作用相結合，與可再生能源系統配合，可以降低儲能成本，在低碳的大背景下，提升環境效益，可實現功率波動的平抑[110]。但目前存在熱源單一的問題，導致其無法靈活發揮其運行能力，因此采用電加熱器與其相互配合，從而達到電熱雙向轉移，不僅可以通過分時電價獲得低價格儲熱，也可以提升光熱電站的運行靈活和熱能的持續供應[111]。

目前大多數儲能配置研究中未考慮光熱電站。作為新型發電技術，促進其大規模發展，并與氫儲能設備相配合，使得電與熱之間能量轉移更為高效，并加入綠證交易作為激勵，達到低碳經濟的效果，是未來雙碳目標研究的趨勢。

圖4 含光熱電站的微網系統圖

4.2 基于經濟共享的氫儲能微網系統的研究

近些年來，共享經濟理念的提出，打破了傳統經濟模式。其在多領域里已開始廣泛開展。它能夠高效進行資源配置達到最優并對其進行有效利用，從而使各能源進行結合，達到設備利用率提升，成本降低的重要意義[112]。目前此理念的研究和應用在開始階段[113-115]，在容量配置研究方面較少，如何利用共享經濟在微電網“電-儲-荷”中，使其成本達到最低，容量達到最優，從而充分利用各種能源是目前的重點內容，且具有積極意義。

共享經濟原理圖如圖5所示。其分為四個參與主體：服務商、設備用戶、電網公司和制氫商。服務商將信息(新能源出力預測、用戶側負荷使用情況、儲能部分的剩余容量等)進行收集和上報，對于上述信息制定當日計劃，并將當日計劃經過通訊部分傳遞給系統各部分對應的用戶部分，最后用戶部分所接收到的計劃，根據各設備之間的差異和互補的特點，通過控制器調節設備出力，從而使各設備響應其計劃，實現共享服務；本日結束，整個平臺更新信息與計劃，用于下一日。

圖5 經濟共享原理圖

4.3 含氫儲能微網中各設備經濟方面的博弈分析

目前大部分研究都把“電-儲”部分當作一個整體，從整體微網系統的經濟性來考慮利益和容量優化問題。光伏、風電、蓄電池、儲氫系統和用戶這部分都隸屬于不同投資人，所以采用整體經濟性來考慮問題會與各投資者期望的各自利益產生了矛盾[116]。因此建立以此為主體的博弈論模型。博弈論分為合作博弈、非合作博弈和演化博弈，主要用于兩個或兩個以上的主體，從而來決策如何使各自效益達到最大化[117]。

目前博弈論在儲能方面的研究，文獻[118]建立基于分時電價和轉移負荷的負荷響應和儲能系統的目標函數和模型，通過合作博弈進行聯合優化配置，采用智能算法求出Nash均衡點，從而使配置達到最優；文獻[119]通過風光儲三者組成的微網系統，以缺電率作為可靠性約束，建立三種博弈模型，通過比較得出最優配置方案；文獻[120]以市場為主體，建立合作博弈，通過分析得到Nash均衡；文獻[121]建立基于演化博弈的微電網電-儲規劃方案，以微電網運營商運行成本及內部經濟收益為目標，建立參與人支付函數模型。博弈論研究模型與思路如圖6所示。

對于氫儲能而言，利用博弈論研究其經濟性和容量規劃方面較少，如何通過博弈論模型使含有氫儲能的微電網系統達到各方收益最大，支出成本最低以及容量規劃最優是現階段要研究的重要內容。

圖6 博弈論研究模型與思路流程圖

5 結束語

隨著新能源的大比例發展，由于新能源低慣量的特性，現階段針對系統如何安全、穩定運行已受到各方面的重視，因此儲能系統孕育而生。氫能源作為大力發展的未來能源之一，受到各方青睞。如何滿足系統安全穩定運行的同時提升新能源利用率，各設備容量達到最優時成本最低是現階段亟需解決的問題。文中從現階段的研究發展進行分析和對未來發展進行展望。以“雙碳”目標為核心，基于低碳經濟指標作為氫儲能的經濟性以及效益評估和綠色證書與碳交易市場相結合的方式,達到低碳經濟效果將是未來的研究趨勢與重點。