基于AI的绿电制氢项目配置寻优方案

基于AI的绿电制氢项目配置寻优方案

天际氢能科技（北京）有限公司

博天环境集团股份有限公司

姬俊彪霍福望孙华

一、方案简介

1.行业痛点

可再生能源制氢是氢能行业的主推场景之一。在项目规划阶段，投资方需要落地性强、可靠的建设方案。业内普遍采用简化计算（假定参数、去要素化）的设计方法，但鉴于风光发电的波动性，预设运行模式往往不符合实际项目，甚至出现实际产能利用率低于50%、弃电率高达30%的现象。长此以往，不利于行业发展。

2.解决方案

本方案深入研究离网绿氢特点，首个将AI算法应用到绿氢项目规划寻优工具（简称“寻优工具”）。研发绿氢项目风光储氢配置的全要素仿真寻优工具，采用逐小时全要素计算方案，代替人工分析和对比，为客户找到更可靠、更经济、更落地的建设方案。

二、方案设计、功能介绍

1.方案思路

遵循“系统安全稳定>项目业务需求>经济性等”的原则，使用寻优工具，对绿电—储能—制氢进行全要素仿真计算，得到规划方案，指导可研设计。

2.方案优势

传统的电、氢、储线性仿真分析方法通常是假定参数简化计算，减少要素变化影响。相比之下，本方案中的全要素AI寻优方法更准、更快、更满足目标。AI寻优可在本质原理上保证8760h电氢平衡，满足全要素约束，因地制宜贴合项目绿电特点、产能需求，从根本上实现了方案适应项目，而不是传统方法的项目适应方案。

3.核心能力

寻优工具基于启发式+精确模型AI耦合计算，根据可再生能源的逐小时数据、项目业务需求（以氢定电或以电定氢），充分考虑系统运行约束与源荷平衡并设定组合目标（单位成本极低、储能极低、产能利用率极高、单耗极低、弃电极低等）；逐小时优化电源出力、制氢用电功率、储能运行功率、线损等功率数据；通过全要素的仿真计算验证约束条件，得出最优的绿电、储能、各类

制氢装置的规模配置及功率曲线；再计算出氢气产量、单位成本、电单耗、线损、产能利用率、外购/销售电量等关键指标，指导项目设计。

寻优工具原理

三、方案特色/亮点

1.算法先进求解全要素

采用启发式算法与精准算法（集成数学求解器）相结合的多目标优化技术，突破了传统的绿电、制

氢、储能的线性分析方法，建立非线性方程组、全要素复杂约束，迭代计算求解，混合优化电—储—氢的功率平衡及容量配置。其创新的两层优化策略实现高效处理大规模非凸混合整数非线性规划问题，提升全局优化能力的同时保障贴合业务需求。

2.商业模式灵活满足多类使用场景

（1）SaaS云服务。提供在线使用的极速版寻优工具，快速出结果，主要面向设计院及研究人员。

（2）项目全过程咨询。为投资提供技术咨询、方案寻优、技术指导、专家支持等全过程服务（使用深度版寻优工具，更优更准）。

3.客户收益显著提升行业效率

（1）赋能投资方可在规划阶段高效找到落地方案，决策更快更准，降低专家咨询成本、时间成本、试错成本。

（2）经案例验证，相比于传统设计方法，寻优工具成果综合成本降幅达到15%～35%，项目IRR提升15%以上，回收期缩短0 .5～1 .5年，提升行业信心。

（3）赋能设计人员，成为绿电制氢方案专家，专项工作效率提升200%。

四、适用场景及应用

1.适应场景

包含并/离网绿电制氢、绿电直连+电解水制氢等类型项目的规划及设计工作。主要面向能源投资方、设计院、综合能源服务运营商等。

2.应用案例

新能源总装机容量40MW，设计绿氢产能。设计院方案为：①绿电发电量最大；②典型日数据假定 ALK+PEM电解槽规模；③峰平差定储能容量；④多方案对比选择效益最大。该方案考虑要素较少，制氢成本约14 .03元/kg。相比之下，天际氢能的AI寻优方法采用算法迭代计算寻优，产能略有降低，但成本最大降低35%，仅9 .26元/kg（同一匡算参数），更具有投资优势。

应用案例的方案对比