太阳能波动特性大数据分析与风光互补耦合制氢系统集成

钱宇，陈耀熙，史晓斐，杨思宇

（华南理工大学化学与化工学院，广东广州 510640）

引 言

在全球向清洁低碳能源转型的大背景下，总发电量中煤电占比将逐步减少，而风能光能等可再生能源的发电占比将大幅提升。据国际能源署预测，到2024年，全球风电和光伏的总装机容量将超过煤炭[1]。中国的陆地风能和光能资源储量丰富，分别为5.0×109kW 和1.9×1012kW[2]，居世界前列[3-4]。大力利用风能与光能有助于减少煤炭消耗量，加快中国的能源转型，被寄予厚望。

太阳能广义上包括风能和光能，具有较大的随机性和间歇性。常规电网当面临大比例的高波动风电光电接入时，有时不得不弃风弃电[5]，或采用大容量储能装置[6]等手段，在安全性、可靠性和经济性方面都有较大的技术障碍[7-8]。长期以来，人们对风能光能的波动特性有一定的感性认识，但缺乏对其变化规律的科学分析。图1中示出一组全年风速与太阳光辐照强度的代表性数据，较小时间尺度的数据见图2。太阳光辐照具有日夜的间歇性，以及夏强冬弱的周期波动性，更具有阴晴雨雪导致的气象随机性。而风能也因太阳相对位置导致的季节、昼夜变化而具有周期性；还有因地理位置(纬度、海拔、陆地、高原、峡谷、海洋)的特异性以及大气运动而带来的随机波动性。

图1 我国新疆准东风速与太阳光辐射强度2020年波动数据图Fig.1 Fluctuation curves of wind speed and solar radiation in Xinjiang，China in 2020

图2 风电与光电昼夜波动曲线Fig.2 Day and night fluctuation curves of wind power and photovoltaic power

近年来，有研究者关注风能光能互补的研究。风能光能互补指风能光能共同出力，以寻求平抑供能的波动性，提升系统的可靠性，并降低发电成本。风光互补程度越佳，系统产出的稳定性越高。一些研究者从数据相关性的角度，提出了以相关性系数[9-10]来评价风光互补程度。相关性系数越接近-1，代表该地的风光互补程度越好。然而，迄今仍未有人从风能光能波动性变化规律的角度出发，提出新的风光互补程度评价方法。

将风能光能用于电解水制取高纯度氢气，可以减轻并网所需复杂调峰技术[11]与高昂成本[12]的负担，制取的氢气又可本地化利用，应用空间也广泛。李灿等[13]以太阳能规模化分解水制取高纯度氢，再以氢与CO2反应制取液态甲醇。其他学者也提出电解水制取高纯度氢可用于合成如甲烷[14]、DME[15]、氨[16]等大宗化工产品。高纯度氢也可作为氢燃料电池汽车的燃料，预期市场规模巨大[17]。然而，风能与光能具有间歇性与波动性，间歇或波动供电将导致电解槽频繁启闭，无法安全运行，需要使用大容量蓄电池抑峰填谷以稳定电解槽用电需求，或带来安全可靠性和经济性等技术瓶颈问题。

针对上述问题，本文探寻风能光能随机性波动和间歇性的科学规律和理论基础；从波动周期性角度提出风能光能互补程度的新评价方法；通过对波动性的抑制，设计制取稳定可靠低碳氢源的风光耦合制氢系统；并对风能光能电解制氢系统各单元装置进行合理容量配置。以期形成推动大规模风光互补利用的重要技术创新。

1 风能光能基础数据采集调研与处理分析

1.1 风能与光能的数据采集

本文数据采自世界气象组织(World Meteorological Organization，WMO)的数据库与美国国家航空航天局(National Aeronautics and Space Administration，NASA)的再分析数据库(The Modern-Era Retrospective Analysis for Research and Applications Version 2，MERRA2)。相关研究表明这两个数据库在风力和光照数据上具备可靠性[18-20]。本文从NASA-MERRA2 气象数据库获取在2010—2020 年11 年间的光辐射强度数据和距地表50 m 逐小时风速；选取我国北方已有或适宜建设大型风电站和光伏电场的大型能源基地所在区域，重点考察区域内蒙古通辽、包头，甘肃酒泉，新疆准东。

风力发电电功率Pw由式(1)可求[21]：

其中，hland和vland分别为参考地面的高度和风速；λ为地表的粗糙度系数，取1/7[22]。

光伏输出功率受天气等自然条件影响，影响因素包括季节、太阳辐射强度、天气类型、温度等。计算光伏输出功率Pp[21]：

1.2 风能与光能的周期波动特性分析

风电和光电输出功率数据的随机性强，常规的数学分析方法难以从中剔除无效的随机性波动，获得周期性波动规律。根据傅里叶原理，任何连续测量的时序或信号都可分解为不同频率的正弦波。对信号进行傅里叶变换，获取分解波的频率、幅值等特征的过程称为频谱分析，获取的特征在频谱图中以峰表示。本文为了分析风电与光电的波动特性，采用快速傅里叶变换[23](fast Fourier transform，FFT)对风电及光电功率数据进行频谱分析，得到各分解波的频率，为体现出时间尺度，又将频率换算为对应的时间，频谱图如图3 所示。频谱分析结果表明：风能，光能的波动均存在着昼夜(24 h)和年度(8760 h)两个周期性。事实上，风能光能的强度变化，与地球自转(24 h)、公转以及赤道与黄道面相应夹角的周期性变化(8760 h)密切相关。这构成了风能光能波动特性分析的科学基础。

图3 经频谱分析获取的风速与光强波动频率特征Fig.3 Frequency characteristics of wind speed and light intensity fluctuation obtained with the spectral analysis

太阳光能具有白天12 h 日照、夜晚12 h 黑夜的间歇性，也具有从黎明至黄昏的周期波动性。由此建立光能间歇性波动的基础模型：

由频谱分析图可见，风力也具有昼夜24 h 的周期波动。建立风能波动基础模型：

图4 光能与风能的基础模型仿真与实际数据的比较Fig.4 Comparison of the basic model simulations and actual data of solar and wind energy

运用滤波分析方法，可过滤筛分特定的频率波。取滤波宽度2Ω＞24 h，可滤去风力，光强曲线中的24 h 及以下的波动，从而提取出较长周期的波动特征。

从图5可以明显看出风力和光强的8760 h年度波动周期，并且呈现出强弱互补的特征。

图5 滤波后8760 h周期特征的风力和光强波动曲线Fig.5 Wind and light fluctuation curves with 8760 h periodic characteristics after filtering

根据上面滤波得到的年度波动特征，提出光强和风力的年周期波动基础模型和：

将风能光能的海量原始数据，用于拟合上述基础模型，可确定风能光能的波动幅值、周期、相位、有效输出功率等关键参数。风力光强实际数据因气候气象、云雾雨雪等因素而存在随机波动，在理论分析时采用上述滤波分析和数据整合等仿真拟合技术，在实际系统中则采用蓄电池及滤波器将其平抑。

1.3 风能光能互补耦合的可行性分析

由日常经验可知，太阳昼出夜没夏强冬弱，风力昼缓夜急夏熏冬朔。风能和光能的实际波动曲线见图6(上)。将风能与光能耦合，如图6(下)所示，似乎有一定的互补效果。

图6 风能光能波动互补平抑波动Fig.6 Wind energy and solar energy complement each other to suppress fluctuations

科学研究不能仅凭直观经验。频谱分析表明了风能光能的波动都有显著的8760 h 和24 h 周期，但幅值和相位有可能是不同的。理论上，两能叠加可以得到以下不同的效果：(1)光能风能波动周期的相位相同(φp=φw)，两种波动峰峰相叠，两者不能相互抵消；(2)两种波动有一定的相位差(φp-φw)，部分互补，两能耦合输出将平抑互补，可以部分平缓波动性；(3)若风与光的年度波动相位差为6个月，昼夜波动相位差为12 h，则在年与日时间尺度上，风与光波动的波峰波谷完全吻合，可视为两者达到年与日时间尺度上的最佳互补。

将上述光强基础模型gp(t,φ)与实际光电功率曲线Pp(t)的数据集合，风能基础模型gw(t,φ)与实际风能功率曲线Pw(t)数据集合，分别进行最小平方差拟合，可以分别获取该数据集所在地的光照周期相位φp和风力周期相位φw。

对内蒙古通辽、包头，甘肃酒泉，新疆准东四地的风能光能数据进行频谱分析、基波提取、拟合，可分析各地风能与光能的初相位与相位差。四地的风能光能初相位与相位差数据列于表1。风电光电初相位代表风电光电功率为均值时并不断增强的起始点；自初相位开始过四分之一个周期(年周期3个月或日周期6 个小时)，风电光电功率达到峰值。表1 初相位数据分析可体现出，各地具有一定的风光互补性，但又不尽相同。例如酒泉的风能的规律便有较大的不同。相关研究也表明酒泉的风确有该现象存在[24]。

表1 四地点风能光能8760 h与24 h周期初相位Table 1 The initial phases of 8760 h and 24 h cycles of wind energy and solar energy in four locations

为进一步表示地点的风能光能互补水平，以图7表示各地点的风能光能相位差与完全互补相位差的比值。地点的对应比值越接近于1，风能光能互补水平越好。四地点的互补程度由高到低依次为：准东、通辽、包头、酒泉。准东的风能与光能的昼夜波动相位差为7 小时42 分钟，年度波动相位差为5 个月1 天；其风能光能互补程度最高。通辽、包头的风能光能互补性居中，酒泉则风能光能互补性最差。

图7 四地点风能光能互补水平Fig.7 Complementary levels of wind energy and solar energy in the four locations

2 风能光能互补耦合制氢系统的集成

本文选取风光能互补程度较为适宜的准东进行风能-光能互补耦合，在理论分析和论证的基础上，提出一个风能-光能互补耦合能源制氢集成系统，包含风电、光电、耦合供电、蓄电、电解和储氢等单元，如图8所示。

图8 风光耦合制氢系统拓扑结构Fig.8 Topological structure of the wind-photovoltaic to hydrogen system

2.1 集成系统的技术指标

波动率常用于评价系统或单元输出量的稳定性。T时段内的波动率δ定义为：

式中，o(t)为t时刻的输出量，即供电功率或供氢流率；oavg为输出量在T时段内的平均值。δ越接近零，波动程度越小。本文以波动率作为系统稳定性的技术指标。从集成系统运行的稳定性和安全性考虑，蓄电池的供电波动率应小于45%；常见碱性电解槽承受的输入电流波动范围在15%～100%额定功率之间；储氢设备的供氢波动率应小于10%。本文以波动率作为系统稳定性的技术指标，应尽量降低供氢的波动性。但这以高昂的系统装置（蓄电池和储氢装置）为代价。作为权衡，经征求工业界和储能界的综合意见，取供氢波动率小于10%。蓄电池直接给电解槽供电制氢，而电解槽的允许供电波动范围较大。为此，取蓄电池的供电波动率为小于45%。这充分利用了电解槽对供电的包容性，在保证正常产氢的同时使用较少容量的电池。依实际应用要求也可对波动率指标适当调节。为达到这一系列的关键技术指标，需合理配置系统容量。

2.2 蓄电系统

Pw-p为输入蓄电池的耦合电功率，Pb为蓄电池的输出电功率。Pw-p高于Pb时，蓄电池充电；Pw-p低于Pb时，蓄电池放电。即蓄电池通过充放电，可将较高供电波动率的Pw-p变换至较低波动率的Pb。有限冲激响应(finite impulse response，FIR)滤波器是常见的数字滤波器，在滤波时具有稳定性好、精度高和易于获得严格线性相位特性的特点。通过FIR 滤波器对Pw-p曲线进行一阶低通滤波，滤去高频波动，可以得到符合预期波动率的蓄电池Pb曲线[25]。同理，该滤波器也可用于电解槽、储氢罐单元的曲线滤波。蓄电池各参数的计算公式如下：

式中，B(t)与B(0)分别为蓄电池t时刻的电量和蓄电池初始电量；η为蓄电池充放电系数；maxB(t)、minB(t)分别为蓄电池储电量最大值和最小值；Br为蓄电池额定容量，为了保证蓄电池电量具有一定的冗余，Br取为理论蓄电池容量的1.25 倍。时间常数为化工生产过程中常用的概念，表示化工品从进入到输出过程间的停留时间。本文中也构建了时间常数的概念，用以表述储能系统满足波动率指标所需的工作时间。时间常数的大小反映出储能系统平抑波动性的能力。式(14)中，为蓄电池的平均输出功率，τb为蓄电池时间常数。时间常数τb越大，则蓄电池容量越大，对供电波动的平抑效果越好。但是，蓄电池容量过大，也会引发安全性和经济性等方面的问题。

2.3 电解槽

2.4 储氢罐

储氢罐起到平衡供氢波动性的效果。当制氢流量高于供氢目标流量时，储氢罐充气；当制氢流量低于该目标流量时，储氢罐放气。

此处Hs(t) 为储氢罐的供氢质量流率。由式(17)可计算t时刻储氢罐组的储氢量M(t)。通过式(18)可计算储氢罐的额定容量Msr，其中maxM(t)和minM(t)分别为储氢量的最大值和最小值。式(19)中，Havg为总时段内平均供氢质量流率，τs为储氢罐时间常数。τs越大，储氢容量越大，对供氢波动性的平抑效果越好。但储氢容量也受储氢罐的安全性和投资成本的约束，不宜过大。

2.5 系统容量配置与供氢能力

以新疆准东的风能光能耦合，设定产氢量为7500 t/a，进行风能光能耦合互补电解制氢系统容量配置，数据结果见表2。可以看出，在满足稳定性产氢供氢的前提下，风电光电耦合制氢相比于仅凭光电或风电制氢，蓄电池和储氢罐所需装置容量均显著下降。目前中国最大的风力发电场是甘肃7965 MW 风电场，最大光伏电站是青海2200 MW 黄河水电格尔木太阳能公园[27]。与此相对照，本工作构建的风电光电互补系统的容量规模在安全可行的范畴内。目前全球最大的电化学储能项目是华为公司已签约建设的1300 MWh 电化学储能项目[28]。本风电光电耦合制氢系统所需的1250 MWh蓄电池容量处于相当的容量规模。由表2 也可看出，风光耦合系统的蓄电池的时间常数小，处于日时间尺度，主要平抑处理短周期波动；储氢罐的时间常数更长，主要用于平抑数日甚至数周尺度上的波动。

表2 风光耦合制氢系统容量配置Table 2 The capacity configuration of windphotovoltaic to hydrogen system

装置容量经合理配置后，系统制氢供氢波动性在指定的范围内，如图9 所示。此时，风能-光能互补耦合能源制氢集成系统可稳定供7500 t/a 的H2。制取的高纯度氢气可作为氢燃料电池公交车的燃料。1 辆氢公交车平均日行200 km，耗14 kg H2[29]。目前最大的加氢站日注量4.8 t[30]。则耦合制氢系统的供氢量至少可供4 座加氢站为1368 辆氢燃料电池公交车加氢。据最新统计，2019 年新疆乌鲁木齐市4411 辆公交车[31]，即供氢量所支持的氢燃料电池公交车足以替换新疆乌鲁木齐市31%的公交车。

图9 集成系统各环节波动率δ变化Fig.9 Variation of volatility δ of the integrated system

3 技术经济与环境性能分析

本文运用生命周期评价方法，对风光耦合制氢系统的碳排放性能进行评价和分析。生命周期评价是一种评价产品、工艺过程或活动从原材料的采集和加工到产品生产、运输、销售、使用、维护、回收和最终处理整个生命周期环境影响的分析工具[32]。系统的生命周期边界如图10所示。

图10 风光耦合制氢系统生命周期边界Fig.10 The life cycle boundary of wind-photovoltaic to hydrogen system

可计算本制氢系统的CO2排放总量F：

式中，Nj是第j类设备数量；FP,j、FT,j、FC,j、FO,j和FH,j分别指设备生产、运输、建筑、运营、废料处理阶段的碳排放和植被破坏造成的间接碳排放影响。

总制氢成本ctotal的计算如式(21)所示[33]：

式中，原料成本cR以单位消耗和市场价格计算；cOM是运营维护费用；cD是折旧费用；cPOC是管理费用；cAC是行政费用。

比对光伏制氢系统、风电制氢系统和风光耦合制氢系统的CO2排放强度及单位制氢成本，如图11 所示。在三类系统中，光伏制氢系统的单位制氢成本最高，为95.6 CNY/kg H2；风电制氢系统的单位制氢成本次之，为77.2 CNY/kg H2；风光耦合制氢系统的单位制氢成本最低，为25.5 CNY/kg H2，比单独能源制氢系统成本的均值显著下降了70.5%。这表明风能光能耦合互补平抑了部分发电的波动，大幅减少了系统所需的蓄电池和储氢罐容量配置，从而降低了风光耦合系统制氢成本。光伏制氢、风电制氢的CO2排放强度分别为3.91 kg CO2/kg H2和2.21 kg CO2/kg H2。而风光耦合制氢系统的CO2排放强度为2.34 kg CO2/kg H2，比光伏制氢系统与风电制氢系统CO2排放强度的均值（即两系统简单并联时）明显降低24%。

图11 制氢系统的CO2排放强度及单位制氢成本对比Fig.11 CO2 emission intensity and hydrogen production cost comparison of hydrogen production system

4 结 论

针对风能和光能在制氢时由波动性引发的稳定性及可靠性问题，本文对风能和光能的波动特性、互补特性进行了深入研究。通过设置波动性指标，构建了风光耦合供电供氢系统并配置系统的单元容量，主要结论如下。

(1)通过频谱分析、滤波分析等大数据方法，发现风能与光能存在以年和日的波动周期。两者存在最佳互补时间尺度互补相位差，年周期为6个月，日周期为12 个小时。对我国北方多地的实例数据分析表明，各地的风能光能波动特性不尽相同，但都存在一定的部分互补特性。

(2)依据上述基础特性的发现设计了大规模制氢的风光能耦合制氢系统。选用合适容量的蓄电池组和储氢罐，将供氢的流量波动率降至10%以下，满足稳定性供氢的要求。所设计的耦合制氢系统的供氢量足以让一个大中型城市的公共交通运力近三分之一都替换为氢燃料电池公交车。

(3)实例研究表明，本文风光耦合制氢系统的制氢成本为25.5 CNY/kg H2，排放强度为2.34 kg CO2/kg H2，相比风电制氢系统，风能光能耦合系统的CO2排放强度基本相当，而较光伏制氢系统的明显下降。

符 号 说 明

B——蓄电池电量，MWh

c——费用，CNY

cR，cOM，cD，

cPOC，cAC——分别为原料、运营维护、折旧、管理、行政费用，CNY

F——CO2排放量，t

FP，FT，FC，

FO，FH——分别为生产、运输、建筑、运营、废料处理阶段CO2排放量，t

f——系统发电效率

GT，G25°C——分别为T、25°C下光辐照强度，W/m2

g——功率波动基础模型

H——供氢质量流率，t/h

h——高度，m

k——模型波动幅值系数

L——残差平方和

M——储氢量，t

N——设备数目

o——输出量

P——发电功率，MW

q——单位产氢能耗，kWh/kg H2

r——氢气损耗率

T——时段时长，h

t——时刻，h

v——风速，m/s

vi，vr，vc——分别为风机切入、额定、切出风速，m/s

δ——波动率

η——充放电系数

λ——粗糙度系数

τ——时间常数，h

φ——周期波动初相位

Ω——半滤波宽度，h

上角标

b——蓄电池

e——电解槽

hub——风筒

land——地面

p——光伏

s——储氢罐

w——风电

w-p——风电光电耦合

下角标

avg——平均值

j——第j类设备

r——额定值

total——总数

24，8760——分别为日周期与年周期