《International Journal of Hydrogen Energy》：Multi-timescale stochastic planning framework of hydrogen-integrated energy systems considering future EV and HFCV demand growth uncertainty
编辑推荐：
氢集成能源系统（Hydrogen-integrated energy systems, H-IES）因可通过电-氢耦合提升可再生能源利用率而受到越来越多关注。然而，现有H-IES规划框架对电动汽车（electric vehicles, EVs）和氢燃料电池汽车
氢集成能源系统（Hydrogen-integrated energy systems, H-IES）因可通过电-氢耦合提升可再生能源利用率而受到越来越多关注。然而，现有H-IES规划框架对电动汽车（electric vehicles, EVs）和氢燃料电池汽车（hydrogen fuel cell vehicles, HFCVs）快速增长所带来的长期负荷需求不确定性考虑不足，从而威胁系统可靠性与经济效率。本研究提出一种面向H-IES的多时间尺度随机规划（multi-timescale stochastic planning, MTSP）框架，以保障长期可靠的多能源供给并最小化投资与运行成本。该框架同时考虑了可再生能源发电、制冷、供热、用电、EV与HFCV负荷的短期不确定性，以及未来EV与HFCV增长的长期不确定性。案例研究表明：与确定性规划相比，总成本下降50.5%，碳排放下降61.8%；与仅考虑短期不确定性的规划相比，总成本下降45.6%，碳排放下降47.1%。上述结果证实了所提出MTSP框架在应对多时间尺度不确定性方面的有效性与成本效益。
该论文发表于《International Journal of Hydrogen Energy》，聚焦低碳转型背景下氢集成能源系统（Hydrogen-integrated energy systems, H-IES）的容量配置与规划优化问题。随着气候变化缓解和温室气体减排需求不断增强，电、热、冷、气等多能源协同供应已成为综合能源系统（Integrated energy systems, IES）的关键发展方向。与此同时，可再生能源大规模接入虽有助于降低化石能源依赖，却也因其波动性和间歇性提高了系统运行与规划复杂度。H-IES通过引入氢能这一兼具高能量密度、灵活储能能力和深度脱碳潜力的能量载体，实现电力、天然气、热能与氢能之间的耦合转化，因此在提升新能源消纳、增强系统韧性和促进多能互补方面具有重要价值。
但现有研究仍存在两类突出不足。其一，已有H-IES规划大多分别考虑EV负荷不确定性或HFCV负荷不确定性，缺乏对两类交通电气化/氢能化负荷联合扰动的系统建模。由于EV充电行为和HFCV加氢需求均具有随机到达特征，且分别作用于电负荷与氢负荷侧，若孤立处理，将削弱多能源供给可靠性。其二，已有研究对未来车辆保有量增长带来的长期需求演化考虑不足。随着低碳交通持续推进，EV与HFCV渗透率将在规划期内不断提升，这种长期增长不仅会改变系统的最优容量配置，还会影响投资节奏与运行成本。若仅采用确定性增长率假设，难以反映真实规划环境中的长期不确定性。因此，开展同时覆盖短期波动与长期增长的多时间尺度规划研究具有明确必要性。
针对上述问题，研究人员提出了一个面向H-IES的多时间尺度随机规划（MTSP）框架，目标是在规划期内最小化系统总投资成本与期望运行成本，并在未来脱碳趋势下保证多能源稳定可靠供应。论文的核心贡献包括：一是构建了H-IES多时间尺度不确定性建模方法，同时纳入短期不确定性与长期EV/HFCV渗透增长不确定性；二是建立了基于场景的随机规划框架，通过保留不同不确定因素的相关性与多时间尺度特征，为容量优化模型提供源荷输入，从而求得最优系统配置。案例结果表明，该框架在经济性、碳减排和可靠供能方面均优于对照规划方案。
从方法上看，研究人员构建了一个涵盖供能单元、转换单元、储能单元和终端负荷单元的H-IES规划模型，并在此基础上引入多时间尺度不确定性。短期层面，考虑可再生能源出力、常规冷/热/电负荷以及EV、HFCV负荷波动；长期层面，采用Logistic扩散模型与Beta分布离散描述EV和HFCV渗透率增长不确定性。随后通过场景生成与场景化随机优化方法形成规划输入，并设置五类规划情景，对不同方案的资源配置、电网交互、成本效益、可再生能源渗透率和碳排放进行比较评估。文中说明采用历史数据进行建模，但所给文本未进一步明确具体样本队列来源。
以下结合论文主体各部分进行解读。
在“Description of the hydrogen-integrated energy system”部分，研究人员首先界定了系统结构。该H-IES耦合电力、供热、供冷、天然气和氢能等多种能量载体，用于协调能源生产、转换、储存与终端消费。系统由四个基本单元组成：供能单元、转换单元、储能单元和终端需求单元。其中，供能侧包括光伏（photovoltaic, PV）和风力发电机（wind turbine, WT）提供电能，天然气则供给燃气轮机（gas turbine, GT）和燃气锅炉（gas boiler, GB）。这一结构说明该研究的问题并非单一电力系统优化，而是面向多能耦合、跨载体转换的综合规划问题，为后续多能供需平衡与容量配置分析奠定了模型基础。
在“Outline of the multi-timescale stochastic planning framework”部分，论文给出了所提MTSP框架的总体流程。该框架以最小化H-IES在短期和长期不确定性下的规划总成本为目标，首先对多时间尺度不确定性进行建模。短期不确定性覆盖可再生能源出力、常规多能源负荷、EV充电需求与HFCV加氢需求；长期不确定性则聚焦未来EV与HFCV渗透率增长。研究人员基于历史数据对这些不确定因素进行刻画，并通过场景化方法构建兼顾相关性与时间尺度差异的输入集合，再将其输入随机优化规划模型以获得最优配置。由此可见，论文的创新点不在于单一设备建模，而在于规划层面对“不确定性结构”的系统组织。
在“Case study setup”部分，研究人员开展了同时考虑短期与长期不确定性的案例研究，用以验证所提框架的有效性。虽然给定文本未展开全部算例参数和设备细节，但能够明确的是，案例设计围绕不同规划假设展开比较，目的是识别：仅采用确定性方法、仅考虑短期不确定性以及同时考虑多时间尺度不确定性时，系统配置与运行表现会产生何种差异。这一设计直接服务于验证MTSP框架相对于传统规划范式的增益。
在“Results and analysis”部分，论文对不同规划场景下的最优系统配置与性能进行了比较分析，重点考察资源配置、电网交易、成本效益、可再生能源渗透率和碳排放。根据摘要与结论部分提供的量化结果，研究人员发现，相较于确定性基准方案（Case-0），采用MTSP框架后，总成本降低50.5%，碳排放降低61.8%；相较于仅考虑短期不确定性的规划，总成本进一步降低45.6%，碳排放降低47.1%。这些结果表明，在H-IES规划中，同时纳入短期波动与长期车辆需求增长不确定性，不仅能够避免因信息简化带来的配置偏差，还能显著提高系统经济性和减排表现。换言之，长期交通负荷增长不确定性并非边缘扰动，而是决定系统长期投资效率的重要因素。
从结果逻辑上看，论文强调了两层结论。第一，忽略EV和HFCV联合不确定性，可能导致多能源供给可靠性下降，或因保守预留容量而造成过度投资。第二，忽略长期增长不确定性，则可能低估未来电力与氢能需求扩张对设备容量和运行策略的影响，进而推高全寿命周期成本。所提MTSP框架通过统一刻画这两类不确定性，使规划模型能够在更贴近真实的源荷演化条件下进行容量决策，因此在总成本与碳排放方面均表现出更优结果。
在“Discussions”部分，研究人员指出，本研究提出的MTSP框架在短期不确定性和长期EV/HFCV需求增长不确定性共同作用下，能够有效支持H-IES规划，比较结果验证了其优势。论文进一步说明，通过对气候条件和需求增长假设等参数进行适当调整，该框架可迁移至其他分布式能源系统。这意味着该方法并不局限于特定地区或固定负荷结构，而具有一定通用性。同时，研究人员强调，EV/HFCV增长受政策、技术与用户行为影响，因此预测数据应被视为基于场景的规划输入。这一表述反映出论文对长期预测不确定性的审慎处理：其重点在于通过场景覆盖未来可能性，而非声称对单一未来路径进行精确预报。
在“Conclusions”部分，研究人员总结指出，论文开发了一个集成短期多重不确定性与长期EV/HFCV负荷增长不确定性的多时间尺度随机规划框架，目标是在保障多能源可靠供应的同时，获得具有成本效益的容量配置。研究设置了五种规划情景，用于在整个规划期内获得最优配置并评估其性能。其主要结论可概括为：与确定性基准相比，考虑不确定性的规划能够显著降低总成本与碳排放；与仅考虑短期不确定性的方案相比，同时纳入长期EV/HFCV增长不确定性可进一步改善系统经济性与低碳性。结合摘要给出的定量结果，可以将结论部分译述为：所提出的MTSP框架通过整合短期源荷波动和长期车辆需求增长不确定性，能够实现更可靠的多能源供给与更优的容量配置；在案例验证中，该框架相较于传统确定性规划和仅含短期不确定性的规划均取得了更低的总成本和碳排放，证明了其在H-IES长期规划中的有效性与成本效益。
总体而言，这篇论文的学术价值主要体现在三个方面。首先，在研究对象上，它将EV与HFCV两类新型交通负荷同时纳入H-IES规划，拓展了既有研究通常单独处理某一类车辆负荷的局限。其次，在方法体系上，它通过多时间尺度不确定性建模，将短期运行波动与长期需求扩张统一到一个随机规划框架中，增强了规划问题对现实复杂性的适应能力。最后，在应用效果上，案例分析显示该框架可显著降低成本和碳排放，说明多时间尺度场景化规划对于未来低碳、多能耦合能源系统具有明确工程应用意义。整篇论文围绕“如何在EV/HFCV快速发展背景下实现H-IES长期可靠、经济、低碳规划”这一核心问题展开，结构完整，结论清晰，且与《International Journal of Hydrogen Energy》关注的氢能系统规划与应用主题高度契合。
