计及电力市场交易机制的风-光-储-氢混合电厂配置策略研究

doi:10.19799/j.cnki.2095-4239.2025.0358

摘要/Abstract

摘要：

新能源发电正经历从保护性并网模式迈向电力市场竞争模式的转型。然而，由于新能源发电的不确定性和间歇性，难以独立有效地参与电力市场竞争。为此，构建了一种基于新能源场站的风-光-储-氢混合电厂模型，旨在稳定供应电力、参与电力市场交易和满足氢能负荷需求。在电力市场环境下，以资产收益率（return on equity, ROE）最大化为原则，结合中长期与现货市场交易规则，建立双层优化配置模型；外层采用改进的麻雀搜索算法（improved sparrow search algorithm, ISSA）寻求最优配置策略，计算ROE作为适应度数值，内层采用混合整数线性规划求解具体运行策略。同时，引入电解槽产生氢气的二次多项式约束，并将其松弛转化为混合整数二阶锥规划（mixed-integer second-order cone programming, MISOCP）问题，形成混合电厂的优化配置方案。案例仿真结果显示，优化配置方案的ROE可达0.32，通过制氢效率特性的进一步优化运行，ROE可提升至0.35，实现了电能与氢能的有效融合，显著增强了新能源发电在电力市场中的竞争力。

关键词: 电力市场, 新能源发电, 氢储能, 电化学储能

Abstract:

Renewable energy generation is undergoing a transformation from a protected grid-connection model to a competitive electricity market model. However, due to its inherent uncertainty and intermittency, renewable sources struggle to independently and effectively participate in electricity market competition. To address this issue, a wind–solar–battery–hydrogen hybrid power plant model based on renewable stations is developed, aiming to ensure stable power supply, engage in electricity market transactions, and meet hydrogen load demand. Within the electricity market environment, a bi-level optimal configuration model is established with the objective of maximizing the return on equity (ROE), integrating both medium- and long-term as well as spot market trading rules. The outer layer uses the improved sparrow search algorithm (ISSA) to determine the optimal configuration strategy, using ROE as the fitness function; the inner layer applies mixed-integer linear programming (MILP) to solve specific operational strategies. In addition, a quadratic constraint is introduced to accurately model the hydrogen production curve of the electrolyzer, and this constraint is relaxed and transformed into a mixed-iInteger second-order cone programming (MISOCP) problem, thereby forming the hybrid power plant's optimal configuration scheme. Case simulation results show that the optimized configuration achieves an ROE of up to 0.32, which can be further improved to 0.35 through enhanced operation based on hydrogen production efficiency, thereby enabling effective integration of electricity and hydrogen energy and significantly enhancing the competitiveness of renewable generation in the electricity market.

Key words: Electricity market, Renewable energy generation, Hydrogen energy storage, Electrochemical energy storage

中图分类号:

TK91

孙浩, 邢作霞, 吴维宁, 李明奇, 朱志, 王高涵. 计及电力市场交易机制的风-光-储-氢混合电厂配置策略研究[J]. 储能科学与技术, doi: 10.19799/j.cnki.2095-4239.2025.0358.

Hao SUN, Zuoxia XING, Weining WU, Mingqi LI, Zhi ZHU, Gaohan WANG. Research on Configuration Strategies for Wind-Solar-Storage-Hydrogen Hybrid Power Plants Considering Electricity Market Trading Mechanisms[J]. Energy Storage Science and Technology, doi: 10.19799/j.cnki.2095-4239.2025.0358.

图/表 9

图1

图2

图3

表1

分项工程与变量"

项目名称	变量
风电场容量	$X 1$
光伏电站容量	$X 2$
储能系统的功率	$X 3$
储能系统的容量	$X 4$
电解水制氢装置的功率	$X 5$
氢压缩机功率	$X 6$
氢储罐的容量	$X 7$
输电工程输送容量	$X 8$

表1

图4

表2

表3

系统配置方案"

Table 3 Configuration Scheme容量配置	方案一	方案二	方案三	方案四	方案五
风电场容量（ $M W$ ）	183	183	71	93	76
光伏电站容量（ $M W$ ）	121	121	53	127	32
储能系统功率（ $M W$ ）	100	89	19	1	10
储能系统容量（ $M W h$ ）	433	433	20	4	19
制氢装置功率（ $M W$ ）	40	——	40	40	——
氢压缩机功率（ $M W$ ）	0.48	——	0.45	0.38	——
氢储罐容量 $(k g)$	14001	——	10000	10000	——
线路输送容量（ $M W$ ）	93	93	41	93	93
ROE（%）	0.32	0.11	0.18	0.13	0.36
弃电率（%）	0.15	0.41	0.36	0.04	0

表3

表4

系统配置方案"

容量配置	方案一	方案三	方案四
风电场容量（ $M W$ ）	183	64	89
光伏电站容量（ $M W$ ）	121	55	127
储能系统功率（ $M W$ ）	100	13	5
储能系统容量（ $M W h$ ）	433	25	8
制氢装置功率（ $M W$ ）	40	40	40
氢压缩机功率（ $M W$ ）	0.48	0.45	0.37
氢储罐容量 $(k g)$	13220	10000	10000
线路输送容量（ $M W$ ）	93	42	93
ROE（%）	0.35	0.22	0.18
弃电率（%）	0.15	0.31	0.04

表4

表5

不同分解曲线对应的配置方案"

容量配置	峰平谷曲线	平均曲线	高峰曲线
风电场容量（ $M W$ ）	183	183	183
光伏电站容量（ $M W$ ）	121	121	121
储能系统功率（ $M W$ ）	100	114	90
储能系统容量（ $M W h$ ）	433	504	461
制氢装置功率（ $M W$ ）	40	40	40
氢压缩机功率（ $M W$ ）	0.48	0.48	0.48
氢储罐容量 $(k g)$	13220	13645	12861
线路输送容量（ $M W$ ）	93	93	93
ROE（%）	0.35	0.25	0.30
弃电率（%）	0.15	0.15	0.15

表5

参考文献 15

1	何翔路,娄素华,吴耀武,等.双结算模式下风储一体化电站两阶段市场投标调度策略[J].电力系统自动化,2022,46(4):47-55. DOI:10.7500/AEPS20210705005.
	HE Xianglu, LOU Suhua, WU Yaowu, et al. Two-stage Market Bidding and Scheduling Strategy of Integrated Wind Power and Energy Storage Station in Dual-settlement Mode[J]. Automation of Electric Power Systems, 2022, 46(4):47-55. DOI:10.7500/AEPS20210705005.
2	谢金勇,张逸,张亚超,等.提升新能源消纳的混合电解槽协同运行的园区级氢能系统优化配置方法[J/OL].电网技术,1-15[2025-04-07].https://doi.org/10.13335/j.1000-3673.pst.2024.1914.
	XIE Jinyong, ,ZHANG Yi,, ZHANG Yachao,et al. Optimized Configuration Method of Park-Level Hydrogen Energy System with Hybrid Electrolyzer Co-Operation for Enhancing New Energy Consumption[J/OL].Power System Technology, 1-15[2025-04-07].https://doi.org/10.13335/j.1000-3673.pst.2024.1914.
3	赵晶晶,樊濠诚,王涵,宋扬洋,周鑫怡.考虑碳减排的配电网电-氢混合储能系统优化配置[J/OL].电力自动化设备. https://doi.org/10.16081/j.epae.202503015.
	ZHAO Jingjing, FAN Haocheng, WANG Han, SONG Yangyang, ZHOU Xinyi. Optimized Configuration of Electricity-Hydrogen Hybrid Energy Storage System for Distribution Grids Considering Carbon Emission Reduction[J/OL]. Electric Power Automation Equipment. https://doi.org/10.16081/j.epae.202503015.
4	徐衍会,李冠霖.基于碱性-质子交换膜混合电解槽的离网型风光耦合制氢系统容量配置优化[J/OL].电力自动化设备. https://doi.org/10.16081/j.epae.202501014.
	XU Yanhui, LI Guanlin. Optimization of capacity allocation of off-grid scenic coupled hydrogen production system based on alkaline-proton exchange membrane hybrid electrolyzer[J/OL]. Electric Power Automation Equipment. https://doi.org/10.16081/j.epae.202501014.
5	张彦虎, 汪慧, 邹绍琨, 等. 多因素约束下源-储-荷协同的风储氢氨优化配置策略研究[J]. 储能科学与技术, 1-9.
	ZHANG Yan-hu, WANG Hui, ZOU Shao-kun, et al. Research on Optimal Allocation Strategy of Wind Hydrogen and Ammonia Storage under Multi-factor Constraints of Source-Storage-Load Cooperation[J]. Energy Storage Science and Technology, 1-9.
6	向昱瑾,赵年年,李晓靖,等.考虑源荷协调的电氢耦合微电网容量优化配置[J].智慧电力,2025,53(03):9-18.DOI:10.20204/j.sp.2025.03002.
	XIANG Yujin, ZHAO Niannian, LI Xiaojing, et al. Optimal allocation of electric-hydrogen coupled microgrid capacity considering source-load coordination[J].Smart Power, 2025,53(03):9-18.DOI:10.20204/j.sp.2025.03002.
7	谭玲玲, 孙鹏, 郭沛璇, 李元芳, 吉兴全, 张玉敏. 含氢储能的微电网低碳-经济协同优化配置[J]. 发电技术, 2024, 45(5): 983-994.
	Lingling TAN, Peng SUN, Peixuan GUO, Yuanfang LI, Xingquan JI, Yumin ZHANG. Low-Carbon and Economic Synergy Optimization Configuration for Microgrid With Hydrogen Energy Storage[J]. Power Generation Technology, 2024, 45(5): 983-994.
8	伊国通,赵辉,王红君,等.基于分布鲁棒优化的风光氢微电网容量配置方法研究[J].可再生能源,2024,42(11):1519-1526.DOI:10.13941/j.cnki.21-1469/tk.2024.11.011.
	YI Guotong, ZHAO Hui, WANG Hongjun, et al. Research on wind-hydrogen microgrid capacity allocation method based on distribution robust optimization[J]. Renewable Energy. 2024,42(11):1519-1526.DOI:10.13941/j.cnki.21-1469/tk.2024.11.011.
9	丁琦欣,赵波,陈哲,万灿,章雷其.基于多时间尺度特征提取的微网电氢混合储能协同优化配置[J/OL].中国电机工程学报.https://link.cnki.net/urlid/11.2107.TM.20241114.2052.025.
	DING Qixin, ZHAO Bo, CHEN Zhe, WAN Can, ZHANG Leiqi. Co-optimized allocation of electric-hydrogen hybrid energy storage for microgrids based on multi-timescale feature extraction[J/OL]. Proceedings of the CSEE. https://link.cnki.net/urlid/11.2107.TM.20241114.2052.025.
10	WU Xiong, CAO B, LIU Binrui, Liu Bingwen, et al. A Planning Model of Standalone Hydrogen-Based Carbon-Free Microgrid Through Convex Relaxation[J]. IEEE Transactions on Smart Grid, 2023, 14(4).
11	M. T. Baumhof, E. Raheli, A. G. Johnsen and J. Kazempour, "Optimization of Hybrid Power Plants: When is a Detailed Electrolyzer Model Necessary?," 2023 IEEE Belgrade PowerTech, Belgrade, Serbia, 2023, pp. 1-10, doi: 10.1109/PowerTech55446.2023.10202860.
12	Borraz-Sánchez C, Bent R, Backhaus S, et al. Convex relaxations for gas expansion planning[J]. INFORMS Journal on Computing, 2016, 28(4): 645-656.
13	Boyd S, Vandenberghe L. Convex optimization[M]. Cambridge university press, 2004.
14	李圣清,高泽华,乔靖潇,等.基于改进麻雀搜索算法的微电网容量优化配置[J/OL].太阳能学报,1-10[2025-04-29]. https://doi.org/10.19912/j.0254-0096.tynxb.2024-0968.
	Li Shengqing, Gao Zehua, Qiao Jingxiao, et al. Capacity Optimization Configuration of Microgrid Based on Improved Sparrow Search Algorithm [J/OL]. Acta Energiae Solaris Sinica,1-10[2025-04-29]. https://doi.org/10.19912/j.0254-0096.tynxb.2024-0968.
15	Lu J, Huang D, Ren H. Data-driven source-load robust optimal scheduling of integrated energy production unit including hydrogen energy coupling[J]. Global Energy Interconnection, 2023, 6(4):375- 388.

项目名称	负荷需求
年电力负荷总需求（亿kWh）	2.7
年氢能负荷总需求（吨）	638.56

[1]	陈晔, 李晋, 吴候福, 张少禹, 储玉喜, 卓萍. 大容量储能电池模组热失控传播行为与燃爆风险分析[J]. 储能科学与技术, 2024, 13(8): 2803-2812.
[2]	寇正, 王真龙. 储能设备在电力物联网领域中的作用效果分析[J]. 储能科学与技术, 2024, 13(8): 2785-2787.
[3]	许利君, 许利红, 宋方宇轩. 电化学储能电站的系统故障监测与诊断分析[J]. 储能科学与技术, 2024, 13(8): 2788-2790.
[4]	陈艺, 秦琪, 赵龙, 陈子坤, 王安宁. 新型储能技术的中国专利布局分析[J]. 储能科学与技术, 2024, 13(6): 2089-2098.
[5]	张楚, 陈栋才, 陈湘萍, 蔡永翔. 多应用场景下储能最优配置经济性效益分析[J]. 储能科学与技术, 2024, 13(6): 2078-2088.
[6]	林旗力, 陈珍, 王晓虎, 戚宏勋, 王伟. 基于“电-氢-电”过程的规模化氢储能经济性分析[J]. 储能科学与技术, 2024, 13(6): 2068-2077.
[7]	刘青宜. 钠离子电池的储能机制与性能提升策略[J]. 储能科学与技术, 2024, 13(6): 1871-1873.
[8]	曾坤, 郑晓妍, 龚慧玲, 邹博, 陈凯, 晏忠钠. 基于锂负极的液态金属电池研究进展[J]. 储能科学与技术, 2024, 13(1): 299-310.
[9]	闫苏, 钟芳芳, 刘俊伟, 丁美, 贾传坤. 高能量密度液流电池关键材料与先进表征[J]. 储能科学与技术, 2024, 13(1): 143-156.
[10]	欧阳意梅, 赵蒙蒙, 钟贵明, 彭章泉. 电化学储能界面的核磁共振谱学研究方法[J]. 储能科学与技术, 2024, 13(1): 157-166.
[11]	张力菠, 王格格. 电化学储能电池技术主题识别、演化及风险分析[J]. 储能科学与技术, 2023, 12(8): 2680-2692.
[12]	赵光金, 李博文, 胡玉霞, 董锐锋, 王放放. 退役动力电池梯次利用技术及工程应用概述[J]. 储能科学与技术, 2023, 12(7): 2319-2332.
[13]	黄渭彬, 张彪, 范金成, 杨伟, 邹汉波, 陈胜洲. ZIF-8复合PEO基固态电解质的制备与改性研究[J]. 储能科学与技术, 2023, 12(4): 1083-1092.
[14]	程志翔, 曹伟, 户波, 程云芳, 李鑫, 姜丽华, 金凯强, 王青松. 储能用大容量磷酸铁锂电池热失控行为及燃爆传播特性[J]. 储能科学与技术, 2023, 12(3): 923-933.
[15]	杨水丽, 来小康, 丁涛, 王则凯, 陈继忠, 诸嘉慧, 李婷婷. 新型储能技术在弹性电网中的应用与展望[J]. 储能科学与技术, 2023, 12(2): 515-528.