计及分时电价的风光氢储互补综合系统日前优化调度.pdf

2023 年第 44 卷第 7 期东北电力技术NORTHEAST ELECTRIC POWER TECHNOLOGY1 专论计及分时电价的风光氢储互补综合系统日前优化调度刘宏亮1,李 琦2,程雅雯1,白 章2,韩云滨2(1.中国石化集团胜利石油管理局有限公司新能源开发中心,山东 东营 257000;2.中国石油大学(华东)新能源学院,山东 青岛 266580)摘要:风光等可再生能源发电存在的随机性与间歇性问题将直接影响电网系统的安全稳定运行,采用风光氢储互补系统并结合系统日前调度的方法可以有效解决风光发电波动等问题。首先结合风光发电、电解水制氢、氢燃料电池与储能储氢,以分时电价为基础,综合考虑系统安全运行指标与用户侧电负荷,对总电力交易成本进行优化。进一步分析优化调度方法与各子系统动态运行特性,实现日前优化调度目标。结合案例分析表明,该调度计划与单一电网供电相比经济效益更高,全天电力交易成本下降 30.76%,且单元设备之间能够实现协调运行。研究结果可为风光氢储互补综合系统的能量管理与调度优化提供参考。关键词:分时电价;风光氢储;日前调度;系统优化中图分类号 TM73文献标志码 A文章编号 1004-7913(2023)07-0001-06基金项目:山东省自然科学基金(ZR2022YQ58);中央高校基本科研业务费专项资金(22CX07006A)Day-Ahead Optimal Scheduling of Wind-Solar-Hydrogen-Storage Complementary Integrated System With Time-of-Use Electricity PriceLIU Hongliang1,LI Qi2,CHENG Yawen1,BAI Zhang2,HAN Yunbin2(1.New Energy Development Center of China Petrochemical Group Shengli PetroleumAdministration Co.,Ltd.,Dongying,Shandong 257000,China;2.College of New Energy,China University of Petroleum(East China),Qingdao,Shandong 266580,China)Abstract:The power generation of renewable energy sources,such as wind energy and photovoltaic have the problem of randomness and intermittency,which directly affect the safety and stable operation of the power system.The wind-solar-hydrogen-storage comple-mentary system combined with the system day-ahead scheduling method is able to effectively solves the issue of wind-solar fluctuating power generation.Firstly,it will combine wind-solar power generation,electrolytic water hydrogen production,hydrogen fuel cell and hydrogen storage.Based on the time-of-use electricity price,and comprehensively considered the system safety operation index and the user-side electrical load,the power transaction cost function is optimized it analyzes the optimal scheduling method and dynamic opera-tion characteristics of each subsystem to achieve day-ahead optimal scheduling objectives.Combined with the case analysis,the results indicate that the economic benefit of the scheduling plan is superior to the stand-only power grid supply.The all-day electricity transac-tion cost decreased by 30.76%,and the coordinated operation can be achieved between the various unit devices.The research can provide a reasonable reference for the energy management and scheduling optimization of wind-solar-hydrogen-storage complementary in-tegrated system.Key words:time-of-use electricity price;wind-solar-hydrogen-storage;day-ahead scheduling;system optimization0 引言大力开发太阳能与风能等可再生能源是推动能源转型、助力实现“碳达峰、碳中和”目标的重要战略举措1。近年来,我国可再生能源装机容量不断攀升,截至 2022 年底,全国累计发电装机容量约25.6 亿 kW,其中风电、光伏装机容量分别达到 3.7 亿 kW 和 3.9 亿 kW,同比增长 11.2%和28.1%2。但是风光资源的不连续和不稳定属性严重影响了并网安全稳定运行与电网电能质量,为推2 东北电力技术2023 年第 44 卷第 7 期动风光发电的大规模应用,解决风光发电中的“源-网-荷”不平衡问题,配备一定的储能将有利于保障并网安全稳定运行3-4。其中,氢能作为一种能量密度高、寿命长、便于储运的清洁能源,可以与风光发电技术相互耦合,发挥长期储能与功率调节的优势,进一步提高可再生能源并网的稳定性,充分利用弃风弃光资源5-6。同时为电-氢双向转换的氢储能发电系统提供了有效支撑。然而风光制氢系统在动态运行过程中受到风光资源、电网电力交易、用户端变负荷需求等影响,需要针对风光发电机组、电解水、储能、燃料电池耦合系统的协调控制开展研究。国内外学者针对风光氢储系统的优化调度进行了大量研究。贾成真等利用快速非支配排序遗传算法(NS-GA-)构建了考虑运氢量的风光氢发电系统内部跟踪日前发电计划的优化调度方案7。Xu 等在社区的地热-太阳能-风能多能源耦合框架中构建了多能源调度方案,实现社区多能源运行的稳定性8。Zhang 等通过对容量配置的优化调度,实现了提高可再生能源消纳能力的目标,同时满足了多能互补系统的综合性要求9。董砚等以风光氢储系统中的制氢机组和储能电池为优化调度对象,根据目标地点风光出力曲线,采用改进时序差分算法与粒子群算法求解,提高风光发电经济效益与消纳能力10。段青熙等采用分层递阶控制原理,以风电最大化消纳为目标,实现了风电-氢储能与煤化工多能耦合系统(WP-HES&CCMFCS)更好消纳风电、降低能耗和污染的目标11。姚芳等通过构建多能耦合变工况日前调度模型,考虑非均质能量转换的非线性关系,提升了日前调度方案的合理性12。大量研究对风光氢储互补综合系统的经济性、容量配置与优化调度提供了多角度的理论支撑,其中用户侧变负荷需求与电网分时电价将显著影响风光氢储互补综合系统的日前调度,针对该问题以电网电力交易为基础的系统日前优化调度有待深入研究。为了进一步优化完善风光氢储互补综合系统的日前优化调度,降低电网的电力交易成本,提高弃风弃光资源利用率,本文在构建风光氢储互补综合系统的基础上,将结合各单元的物理模型,以分时电价为基础,针对用户的电力变负荷需求,以日前电力交易总成本最低为优化目标,协调风光发电、电解水制氢、储能、燃料电池等设备之间的运行,优化风光制氢综合系统的调度策略,形成日前优化调度方案,并结合案例,分析系统的运行状态及日前调度方案的可行性。1 风光氢储互补综合系统建模1.1 风光氢储互补综合系统构成风光氢储互补综合系统耦合了多种能源的互补模式,由风力发电、光伏发电、蓄电池、电解水制氢、储氢设施与燃料电池等单元组建,如图 1 所示。该综合系统可以通过风机与光伏实现可再生能源发电,通过电解水制氢与燃料电池设备实现“电-氢-电”的能量转化,并通过储能储氢设备实现可再生能源的平滑波动与削峰填谷,提高风光发电的可调节性。为了进一步协调控制各单元运行状态,满足用户变负荷的电力需求,综合系统各设备单元的运行出力由控制系统与电网的协调调度。具体控制原理为:风光发电的电负荷通过供电稳定系统进行上网供给用户,或将电力储存于铅酸蓄电池,或直接供给碱性电解槽进行电解水制氢,将氢气储存在储氢罐中,额外氢气进行外供,氢燃料电池利用氢气发电作为补充用户负荷的手段。该过程的可再生能源发电均可以提供给用户,同时电网可为碱性电解槽、蓄电池及用户电负荷供电补充,通过该系统将极大提高风光资源利用率。图 1 风光氢储互补综合系统结构1.2 风光氢储互补综合系统模型为优化风光氢储互补综合系统日前调度,结合互补综合系统中的各单元特性,构建相应的物理模型,综合形成系统调度模型。1.2.1 风光发电模型为确定日前调度的风光发电情况,基于风光资源预测数据,通过风光发电物理模型进行计算。其中风力机组将捕获的风能转换为电能,发电输出功率具有波动性的特点,以二次方分布为输出模型,输出功率 Pwt可由式(1)计算13:2023 年第 44 卷第 7 期刘宏亮,等:计及分时电价的风光氢储互补综合系统日前优化调度3 Pwt=0,0vvinav3-bPr,vinvvr12aACp(,)v3rtg,vrvvout0,vvout(1)a=Prv3r-v3in,b=v3inv3r-v3in(2)式中:vr、vin和 vout分别为风力发电机的额定风速、切入风速和切出风速;t、g分别为机械传动效率和电力转换效率;a、A 和 Cp分别为空气密度、风轮面积和利用系数;Pr为风力发电机的额定功率。光伏阵列利用光生伏特效应,将太阳辐射转换为电能,其输出功率为14Ppv=IphnbVpv-IrsnbVpv-IrseqVpvncAKtnbVpv(3)式中:nb、nc分别为光伏电池并联数目和串联数目;Iph、Irs分别为光生电流和二极管的反向饱和电流;Vpv为光伏电池的输出电压;t 为光伏电池的输出温度;q、K 分别为电子电荷和玻尔兹曼常数。1.2.2 混合储能模型混合储能系统由碱性电解槽、氢燃料电池、储氢罐及蓄电池组成,能够实现电与氢之间的转换,同时平抑风光发电的功率波动,可实现稳定负荷供电,进一步提高可再生能源发电利用率。碱性电解槽设备的运行功率主要受自身极化特性及响应速度等因素影响,根据其极化特性关系,电解制氢功率 PAE为15PAE=Iel V0+rAcellIel+slgTelAcellIel+1()(4)式中:Iel为电解槽电流;Tel为电解槽温度;r 为电解液欧姆电阻参数;Acell为电解槽有效面积;s为电极过电压系数;V0为可逆电压。根据经验模型,电解水制氢的产氢速率 nH2可由式(5)确定:nH2=FNelIelzF(5)式中:Nel为电解槽单元个数;F为法拉第效率;F 为法拉第常数,取 96 485 C/mol;z 为每次反应电子转移数。碱性电解槽产生的氢气可应用气态高压储氢技术进行储氢,通过储氢速率计算罐中的储氢量。按照克拉伯龙方程,储氢量 nsto可以表示为nsto(t0+t)=t0+tt0nsto(t)dt+nsto(t0)PstoVsto=RTnsto 10-6(6)式中:nsto(t0)为 t0时刻储氢罐储氢量;nsto(t)为储氢速率;Psto和 Vsto分别为储氢罐压力和体积;nsto为氢气摩尔量;R 为理想气体常数;T 为储氢热力学温度。燃料电池采用质子交换膜燃料电池,其主要受到电化学特性影响,燃料电池内部有欧姆损耗以及激活损耗,因此氢燃料电池实际输出电压由式(7)计算16:Uact=NfcAfcln(Ifc/I0)1sTdelay+1Uohm=RohmIfc(7)式中:Nfc为单体电池数量;Ifc为燃料电池输出电流;I0为交换电流;Rohm为燃料电池内阻。燃料电池对氢气的需求量 nfc可以由式(8)表示:nfc=NfcIfczF(8)在混合储能系统中,为方便协调控制,将碱性电解槽、储氢罐、氢燃料电池组成氢储能系统。储氢罐储量为氢储能系统的额定容量,碱性电解槽的运行功率为氢储能的输入功率,氢燃料电池为氢储能系统的输出功率,即可用容量与功率表示氢储能系统的运行状态。2 风光氢储互补综合系统日前调度策略为了提高风光资源的利用率,保证风光发电并网的稳定性以及经济性,将构建风光氢储互补综合系统日前调度策略,通过电网协调控制综合系统各单元的运行状态,降低电网的总电力交易成本,进一步保证用户侧负荷的需求。综合考虑电网未来 24 h 的分时电价与风光氢储互补综合系统的上网电价,在电价高峰期时,风光发电量优先供给用户侧负荷,若电量充足可同时向储能系统进行充电,若电量不足可由储能系统的蓄电池与氢燃料电池进行反向补充,同时减少或避免电网向储能系统充电;而在电价低谷时,主要由电网向用户侧供给电量,风光发电优先为碱性电解槽供电制氢并给蓄电池充电,同时电网可作为补充电源向储能系统进行部分供电,以此发挥储能系统的削峰填谷作用。当储氢罐容量已满,风光发电的额外产氢可以进行外送。进一步制定风光氢储互补综合系统的日前调度计划,如图 2 所示,将通过优化算法对总电力交易成本的目标函数进行优化。首先根据预测的风光资4 东北电力技术2023 年第 44 卷第 7 期源计算日前风光发电量,并结合用户预测负荷与当地电价形成优化数据集,进一步考虑风光氢储互补综合系统的功率平衡约束、动态运行约束与储能容量约束等,经过优化算法后,提出基于风光氢储互补综合系统的日前优化管理方法,实现对综合系统中各子系统的出力调控。图 2 风光氢储互补综合系统日前优化控制2.1 优化函数与约束条件风光氢储互补综合系统日前调度以 24 h 运行周期内,系统总电力交易成本 Cele为目标优化函数,其包括风光氢储综合系统的购电成本与用户侧的购电成本两部分。将日前优化问题转换为对目标函数求最小值的问题,进一步得到各单元设备的功率分配关系。Cele=24t=1(Csys(t)+Cload(t)(9)式中:Csys(t)为 t 时刻风光氢储互补综合系统中混合储能的购电成本;Cload(t)为 t 时刻用户侧的购电成本。风光氢储综合系统中,混合储能系统的购电成本,可由式(10)计算,其中风光发电与混合储能系统同属于风光氢储互补综合系统,之间不考虑电力交易。Csys(t)=CH2(t)+Cess(t)CH2(t)=Pgrid,H2(t)Cprice(t)Cess(t)=Pgrid,ess(t)Cprice(t)(10)式中:CH2(t)、Cess(t)分别为 t 时刻电解槽与蓄电池的电网购电成本;Pgrid,H2、Pgrid,ess分别为 t 时刻电网向电解槽与蓄电池提供的电量;Cprice(t)为 t时刻的电网分时电价。用户侧的购电成本包括向电网的购电以及综合系统的购电成本,可由式(11)计算。Cload(t)=Cgrid,load(t)+Csys,load(t)Cgrid,load(t)=Pgrid,load(t)Cprice(t)Csys,load(t)=Psys,load(t)Con(t)(11)式中:Cgrid,load(t)、Csys,load(t)分别为 t 时刻用户侧向电网的购电成本与互补综合系统的购电成本;Pgrid,load、Psys,load分别为 t 时刻电网向用户的供电量及综合系统向用户的供电量;Con(t)为 t 时刻综合系统供电电价。当采用电网用电进行制氢与蓄电时,不同时刻的运行成本受到该时刻的分时电价影响,因此当目标函数最小时可得到日前优化调度结果。为保证系统安全稳定运行,将采用以下约束条件。a.功率平衡约束。综合系统与电网的供应功率应与该时刻下的用户电负荷相等,而设备的负荷可由多部分提供。Pload(t)=Pwind,pv(t)+Pess,load(t)+Phess,load(t)+Pgrid,load(t)Pess(t)=Pwind,ess(t)+Ppv,ess(t)+Pgrid,ess(t)PAE(t)=Pwind,AE(t)+Ppv,AE(t)+Pgrid,AE(t)(12)式中:Pload(t)、Pess(t)和 PAE(t)分别为 t 时刻用户负荷、蓄电池充电负荷和电解槽运行负荷;Pwind,pv(t)、Pess,load(t)、Phess,load(t)和 Pgrid,load(t)分别为 t时刻风光、蓄电池、燃料电池、电网向用户提供的实时功率;蓄电池与电解槽的负荷均可由风光发电与电网提供。b.动态运行约束。在运行过程中,应保证各设备的安全运行,如式(13)所示:PminAEPAE(t)PmaxAEPminhessPhess(t)PmaxhessPmingirdPgrid(t)Pmaxgird(13)式中:PAE、Phess和 Pgrid分别为碱性电解槽、燃料电池、电网上下电的运行范围,当一段时间不运行时电解槽输入功率为零。c.储能容量约束。保证储能储氢在蓄电池与储氢罐设备的最大允许容量范围内。0SOC(t)SOC,max0Psh(t)Psh,max(14)式中:SOC(t)和 Psh(t)分别为蓄电池荷电量、储氢罐氢压;SOC,max和 Psh,max分别为蓄电池荷电量、储氢罐氢压状态上限。2.2 策略优化算法风光氢储互补综合系统的日前优化调度是以总电力交易成本作为目标优化函数,以蓄电池、电解2023 年第 44 卷第 7 期刘宏亮,等:计及分时电价的风光氢储互补综合系统日前优化调度5 槽、燃料电池的 24 h 功率输出作为决策变量的单目标优化问题,采用遗传算法对问题进行优化求解,具体流程如图 3 所示,得到日前 24 h 的优化解集。图 3 遗传算法求解流程3 结果讨论与分析3.1 案例数据针对风光氢储互补综合系统的运行以及用户侧变负荷,将选择山东某地的 24 h 风光资源与用户负荷案例数据集进行案例研究,其数据采样间隔为15 min。通过风光发电模型计算该风光资源下的风光发电数据,将计算所得与日前用户侧负荷数据进行对比,如图 4 所示。用户侧负荷全天呈现 2 个高峰,而风光发电量受资源影响,光伏发电主要集中在白天,风力发电全天波动性较大。该案例用户侧负荷不超过 250 kW,考虑风光资源的间歇性问题,风电和光伏部分的发电规模均设置为 150 kW;此外,为保证碱性电解槽和燃料电池的基础运行效率,其规模分别设置为 80 kW 和100 kW;并配置容量分别为 240 kWh 和 400 kWh 的蓄电池与氢储能,以提高削峰填谷的能力,具体参数如表 1 所示。同时选择某地商业分时电价数据,如表 2 所示,全天电价分为 4 段,风光氢储互补综合系统的上网电价为 0.688 元/kWh。因此,将综合考虑峰谷分时电价与调度策略,结合设备参数,以电力交易成本为目标,通过遗传算法进行函数优化,实现图 4 风光发电与电荷和功率曲线表 1 风光氢储互补综合系统各设备参数设备容量或规模运行上限/kW初始状态/%风力发电150 kW150光伏发电150 kW150蓄电池240 kWh5020碱性电解槽80 kW80燃料电池100 kW100氢储能400 kWh10010表 2 某地商业用电分时电价时段类型具体时段电价/(元kWh-1)尖峰段11:0014:00;20:0021:001.387峰段14:0016:00;19:0020:00;21:0022:001.307平段08:0011:00;16:0019:00;22:0024:000.863谷段00:0008:000.533最优风光氢储互补综合系统经济调度运行。3.2 日前调度结果根据上述的设备参数与电网分时电价相结合,通过优化算法,以电力交易总成本为优化目标,对日前调度策略进行优化,得到综合系统日前调度计划,该计划与单一电网供电相比,全天交易成本由3849.58 元降至 2665.57 元,降幅达 30.76%,同时将额外产生 6.395 kg 氢气,该计划具备更好的经济性。进一步分析不同设备单元具体出力情况,如图5 所示,展示了不同设备单元对用户负荷的供应情况。同时结合图 6 所示的风光发电量供应流向情况,可以综合出力对比。在 00:0008:00 时间段,此段分时电价较低,且低于综合系统的上网电价,因此电网优先供应用户,风光发电出力优先供应碱性电解槽与蓄电6 东北电力技术2023 年第 44 卷第 7 期图 5 日前调度各单元供给用户出力图 6 风光发电量供应流向情况池,该案例下风光资源可以满足供应,若不满足可适当从电网购得低价的电力资源为蓄电池与碱性电解槽提供额外电量;在 08:0019:00 时间段,随着电价达到高峰,负荷不断增大,风光发电出力将优先供给用户,剩余电量进行电解水制氢并储存或外输,当风光发电量不足以供给用户时,通过蓄电池或燃料电池补充;在 19:0024:00 时间段,风光发电量逐渐减少不足以供给全部用户负荷,此时燃料电池与蓄电池作为供应用户侧电负荷的主要设备,电网将作为最终的补充设备。通过以上调度大大降低了电力购电成本,提高系统经济效益,同时全天结束后,混合储能系统仍基本保持初始状态。蓄电池储能系统与氢储能系统作为风光氢储互补综合系统中的关键设备,其工作状态显示日前调度安排情况,如图 7 所示,为储能设备的运行功率与 SOC情况。可以看出,蓄电池与氢储能系统的出力情况相似,当电网电价更低时,电网优先供应用户,风光发电将优先供应储能系统;当电网电价较高,且风光发电出力供给用户不足时储能系统进行放电。由此可知,通过对风光氢储互补综合系统的图 7 蓄电池与氢储能系统出力与 SOC变化日前调度优化,在保证总电力交易成本最低的目标下,可以实现各个单元之间的协调运行。4 结语本文构建了风光氢储互补综合系统,基于分时电价,以总电力交易成本为优化目标,通过单目标遗传算法对综合系统的协调运行策略进行优化,并通过具体模拟案例,分析互补综合系统的运行状态。结果表明,案例的调度计划与单一电网供电相比,全天交易成本降低 30.76%,额外产生 6.395 kg 氢气,该策略能够提高电力系统经济效益,同时通过分析各单元运行特点,验证了在分时电价下的风光氢储互补综合系统各单元之间的协调运行,表明此日前优化调度策略具有可行性。参考文献:1 李 晖,刘栋,姚丹阳,等.面向碳达峰碳中和目标的我国电力系统发展研判 J.中国电机工程学报,2021,41(18):6245-6258.2 国家能源局.2022 年全国电力工业统计数据 EB/OL.http:/ SHI X,QIAN Y,YANG S.Fluctuation analysis of a complementary wind-solar energy system and integration for large scale hydrogen production J.ACS Sustainable Chemistry&Engineering,2020,8(18):7097-7110.4 黄雨涵,丁涛,李玉婷,等.碳中和背景下能源低碳化技术综述及对新型电力系统发展的启示 J.中国电机工程学报,2021,41(S1):28-51.5 ABDIN Z,ZAFARANLOO A,RAFIEE A,et al.Hydrogen as an energy vector J.Renewable and Sustainable Energy Re-views,2020,120:109620.6 荆 涛,陈庚,王子豪,等.风光互补发电耦合氢储能系统研究综述 J.中国电力,2022,55(1):75-83.(下转第 14 页)14 东北电力技术2023 年第 44 卷第 7 期参考文献:1 于彦良,李静力,王 斌.改进深度学习优化电力设备缺陷图像识别 J.机械设计与制造,2021(7):176-178,183.2 杨蜀秦,刘江川,徐可可,等.基于改进 CenterNet 的玉米雄蕊无人机遥感图像识别 J.农业机械学报,2021,52(9):206-212.3 张 力,黄丹平,廖世鹏,等.基于目标检测网络的轮对踏面缺陷检测方法 J.激光与光电子学进展,2021,58(4):244-253.4 樊红卫,胡德顺,高烁琪,等.基于深度信念网络的铁谱图像智能识别方法与试验验证 J.润滑与密封,2021,46(7):15-22.5 何宁辉,王世杰,刘军福,等.基于深度学习的航拍图像绝缘子缺失检测方法研究 J.电力系统保护与控制,2021,49(12):132-140.6 盛子旗,霍冠英.样本仿真结合迁移学习的声呐图像水雷检测 J.智能系统学报,2021,16(2):385-392.7 徐一鸣,张 娟,刘成成,等.迁移学 习模式 下基于GoogLeNet 网络的风电机组视觉检测 J.计算机科学,2019,46(5):260-265.8 王晓燕,李 杰,彭帮平,等.动态混沌扰动遗传算法的振动模糊高光谱图像复原 J.光谱学与光谱分析,2021,41(7):2219-2225.9 林晨,尹增山.基于注意力机制的图像盲去模糊算法J.计算机应用,2020,40(S2):151-157.10 LIU K H,YEH C H,CHUNG J W,et al.A motion deblur method based on multi-scale high frequency residual image learning J.IEEE Access,2020,8:66025-66036.11 陈慧雅,伍锡如.基于生成对抗网络的交通模糊图像复原J.桂林电子科技大学学报,2021,41(2):167-172.12 朱超平,杨永斌.基于改进的 Faster-RCNN 模型的汽车轮毂表面缺陷在线检测算法研究 J.表面技术,2020,49(6):359-365.13 MAO X D,LI Q,XIE H R,et al.Least squares generative ad-versarial networks.In:Proceedings of the 2017 IEEE Interna-tional Conference on Computer Vision.Venice,Italy:IEEE,2017:2813-2821.14 姜媛媛,张书婷.基于改进的 VMD 和 CNN 神经网络的光伏逆变器软故障诊断方法研究 J.电测与仪表,2021,58(2):158-163.15 薛家祥,陈海峰.基于卷积神经网络的光伏阵列污染报警系统 J.电测与仪表,2020,57(7):54-59.16 刘 娜,宋 娟,董 丽,等.基于多尺度卷积神经网络的高光谱图像分类 J.计算机仿真,2021,38(7):451-455,466.17 左 羽,徐文博,吴 恋.植物识别融合式双特征卷积神经网络 J.计算机工程与设计,2021,42(6):1706-1712.18 刘吉华,张梦迪,彭红霞,等.基于卷积神经网络的汽车销量预测模型 J.计算机科学,2021,48(S1):178-183,189.19 马怀祥,冯旭威,李东升,等.基于 CNN 和 XGBoost 的滚动轴承故障诊断方法 J.中国工程机械学报,2021,19(3):254-259.20 李宏波,朱永利,王京保.基于多层特征融合 CNN 的变压器 PRPD 图谱识别 J.电测与仪表,2020,57(18):63-68.21 刘恒勇,刘永礼,邓世聪,等.一种基于 LSTM 模型的电力负荷辨识方法 J.电测与仪表,2019,56(23):62-69.22 张 婷,赵 杏,陈文欣.基于条件生成对抗网络的图像去雾方法 J.计算机应用,2021,41(S2):248-253.作者简介:李艳丰(1983),男,学士,工程师,从事配电网研究工作。(收稿日期 2022-09-10)(编辑:孙丝萝)(上接第 6 页)7 贾成真,王灵梅,孟恩隆,等.风光氢储发电系统的容量优化 配置及 日前优 化调度 J.中国电 力,2020,53(10):80-87.8 XU D,YUAN Z,BAI Z,et al.Optimal operation of geothermal-solar-wind renewables for community multi-energy suppliesJ.Energy,2022,249:13672.9 ZHANG Y,SUN H,TAN J,et al.Capacity configuration opti-mization of multi-energy system integrating wind turbine photo-voltaic hydrogen battery J.Energy,2022,252:124046.10 董 砚,卢禹,雷兆明,等.风光储制氢下多台制氢机组优化调度研究 J.高技术通讯,2022,32(1):77-83.11 段青熙,袁铁江,梅生伟,等.风电-氢储能与煤化工多能耦合系统能量协调控制策略 J.高电压技术,2018,44(1):176-186.12 姚 芳,杨晓娜,葛磊蛟,等.风-光-氢能源系统容量优化配置研究 J.综合智慧能源,2022,44(5):56-63.13 ZHANG W,MALEKI A,NAZARI M.Optimal operation of a hydrogen station using multi-source tenewable energy(solar/wind)by a new approach J.Journal of Energy Storage,2022,53:104983.14 张孝顺,谭恬,蒙蝶,等.基于光伏系统的动态代理模型最大功率点跟踪算法研究 J.华电技术,2021,43(8):1-10.15 ALIRAHMI S,RAZMI A,ARABKOOHSAR A.Comprehensive assessment and multi-objective optimization of a green concept based on a combination of hydrogen and compressed air energy storage(CAES)systems J.Renewable and Sustainable Energy Reviews,2021,142:110850.16 KHAYRULLINA A,BLINOV D,BORZENKO V.Novel kW scale hydrogen energy storage system utilizing fuel cell exhaust air for hydrogen desorption process from metal hydride reactor J.En-ergy,2019,183:1244-1252.作者简介:刘宏亮(1983),男,高级工程师,从事新能源开发技术研究工作。(收稿日期 2023-02-26)(编辑:刘 娟)