CN115759568B - 一种氢能高速公路加氢站选址规划方法 - Google Patents
一种氢能高速公路加氢站选址规划方法 Download PDFInfo
- Publication number
- CN115759568B CN115759568B CN202211295950.2A CN202211295950A CN115759568B CN 115759568 B CN115759568 B CN 115759568B CN 202211295950 A CN202211295950 A CN 202211295950A CN 115759568 B CN115759568 B CN 115759568B
- Authority
- CN
- China
- Prior art keywords
- hydrogen
- station
- optimized
- highway
- site selection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 424
- 239000001257 hydrogen Substances 0.000 title claims abstract description 424
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 386
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000000446 fuel Substances 0.000 claims abstract description 63
- 238000005984 hydrogenation reaction Methods 0.000 claims abstract description 49
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 238000013178 mathematical model Methods 0.000 claims abstract description 19
- 239000002245 particle Substances 0.000 claims description 39
- 238000004519 manufacturing process Methods 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 23
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 22
- 229910052799 carbon Inorganic materials 0.000 claims description 22
- 125000004435 hydrogen atom Chemical group [H]* 0.000 claims description 20
- 150000002431 hydrogen Chemical class 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000003032 molecular docking Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005868 electrolysis reaction Methods 0.000 description 2
- 238000005429 filling process Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000005611 electricity Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Fuel Cell (AREA)
Abstract
本发明提供一种氢能高速公路加氢站选址规划方法，具体包括以下步骤：S1、获取待优化高速公路路段总里程、单位公里待优化高速公路日均车辆行驶里程、氢燃料电池汽车燃油经济性数据以及氢燃料电池汽车市场占有率数据，计算待优化高速公路路段氢需求；S2、以氢供应链网络用氢总成本最小化为目标，建立加氢站选址优化数学模型；S3、根据待优化高速公路路段氢需求、氢源产能、加氢站容量以及加氢站间距，构造约束条件；S4、对上述目标模型求解，得到氢能高速公路加氢站布局方案；S5、综合加氢站的位置坐标与已有服务区的位置信息，确定最终氢能高速公路加氢站选址位置。本发明的技术方案采用科学合理且经济高效的方法规划布局加氢站。
Description
技术领域
本发明涉及氢能产业加氢基础设施选址规划技术领域，具体而言，尤其涉及一种氢能高速公路加氢站选址规划方法。
背景技术
氢能源作为清洁无碳且可储存的二次能源，是新能源技术领域的重要发展方向之一，被视作为实现碳减排的重要途径。氢燃料电池汽车是氢能最典型的应用领域，加氢站是确保氢燃料电池汽车燃料供应的配套基础设施。
在氢燃料电池汽车渗透市场的初期，加氢站等基础设施的建设非常重要，然而零星分布的加氢站显然不能保证氢燃料电池汽车行驶过程中稳定的能源供应。氢燃料电池汽车被大众接受，一方面需要加氢站等配套基础设施的跟进，另一方面则需要氢能路网的完善，而氢能路网的建设，需要从氢能高速公路开始。因此，如何采用科学合理的方法布置氢能高速公路加氢站成为亟待解决的问题。
当前的加氢站选址方法主要从城市区域出发，针对氢气供给从加氢站到消费者这一阶段，考虑的是最小化加氢距离或最大化加氢站服务量。而从氢源到加氢站这一阶段，则需要充分考虑氢气的生产、储运、以及加氢站加注方式等诸多因素，而这些因素会对加氢站布局的经济型造成影响。因此，为提高加氢站规划的经济性，氢气供应中从氢源到加氢站的阶段也应纳入优化。
综上，针对氢能高速公路，如何采用科学合理且经济高效的方法规划布局加氢站，是本领域中急需解决的技术问题，尤其对于推动氢能路网建设与氢燃料电池汽车普及具有积极作用和现实意义。
发明内容
针对如何采用科学合理且经济高效的方法规划布局加氢站的技术问题，而提供一种氢能高速公路加氢站选址规划方法。
本发明采用的技术手段如下：
一种氢能高速公路加氢站选址规划方法，具体包括以下步骤：
S1、获取待优化高速公路路段总里程、单位公里待优化高速公路日均车辆行驶里程、氢燃料电池汽车燃油经济性数据以及氢燃料电池汽车市场占有率数据，计算待优化高速公路路段氢需求；氢燃料电池汽车燃油经济性数据包括氢燃料电池汽车单位公里耗氢量和氢燃料电池汽车续航里程数据；
S2、建立氢能高速公路二维坐标模型，将氢能供应从氢源到加氢站的阶段纳入优化，根据氢供应链网络成本构成，将氢供应链网络用氢总成本分为氢生产成本、氢储运成本以及加氢站成本三部分，各成本组成根据氢的生产技术、氢的储运方式以及氢的加注技术，以氢供应链网络用氢总成本最小化为目标，建立加氢站选址优化数学模型；
S3、根据待优化高速公路路段氢需求、氢源产能、加氢站容量以及加氢站间距，构造约束条件；
S4、对上述目标模型求解，得到氢能高速公路加氢站布局方案，即若干个加氢站的位置坐标；
S5、综合求解得到的加氢站的位置坐标与待优化高速公路已有服务区的位置信息，确定最终氢能高速公路加氢站选址位置；
S6、对最终氢能高速公路加氢站选址位置作综合评价，并结合碳排放因子法对氢供应链网络作碳减排测算，对所得到的选址方案作技术效果综合评价。
进一步地，步骤S1具体包括以下步骤：
S1.1、获取待优化高速公路路段总里程、单位公里待优化高速公路日均车辆行驶里程、氢燃料电池汽车单位公里耗氢量以及氢燃料电池汽车市场占有率数据；
S1.2、根据步骤S1.1获取的数据采用下式计算待优化高速公路路段氢需求：
D＝L×MS×cveh×lveh (1)
其中，D为待优化高速公路路段日总氢需求，L为待优化高速公路路段总里程，MS为氢燃料电池汽车市场占有率，cveh为氢燃料电池汽车单位公里耗氢量，lveh为单位公里待优化高速公路日均车辆行驶里程；
S1.3、输出待优化高速公路路段氢需求。
进一步地，步骤S2建立的加氢站选址优化数学模型为：
Minimize C＝Σi∈NΣj∈Mwij×[pj+(A×dij+B)+chi] (2)
其中，C为氢供应链网络总用氢成本，i与j分别是加氢站与氢源的索引，N与M分别为加氢站与氢源的集合，wij为氢源j为加氢站i供给氢气的质量，pj为氢源j的单位氢生产成本，A为运输工具的成本指数，dij为氢源j与加氢站i之间的距离，B为氢储运成本指数，chi为单位加氢站成本。
进一步地，加氢站选址优化数学模型中：
氢源j的单位氢生产成本pj通过氢气生产分析模型计算得到；
氢储运成本指数B以及单位加氢站成本chi通过氢气输送场景分析模型进行评估；
运输工具的成本指数A以及氢源j与加氢站i之间的距离dij分别通过下式计算：
dij＝|xi-xj|+d (4)
其中，fp为氢运输工具所用燃料的单位价格，length为氢运输路径长度，mpg为氢运输工具的燃油经济性，lh为氢运输工具载重量，xi为加氢站i坐标(xi,yi)，xj为氢源j对应的坐标(xj,yj)，d为氢源j与垂直于高速公路方向的运输节点之间的路径距离。
进一步地，步骤S2具体包括以下步骤：
S2.1、根据氢供应链网络所采取的氢的生产技术、氢的储运方式以及氢的加注技术，采集相应的技术经济性参数；
S2.2、将步骤2.1采集到的技术经济性参数输入氢气生产分析模型、氢气输送场景分析模型以及公式(3)-(4)中进行计算；
S2.3、步骤S2.2得到的计算结果用于作为所述加氢站选址优化数学模型计算输入。
进一步地，步骤S3中构造的约束条件为：
Σi∈Nwij≤Lj (5)
∑j∈Mwij≤wi (6)
∑i∈Nwi≥D (7)
∑j∈MLj≥∑i∈Nwi (8)
di,i+1≤200 (9)
其中，Lj为氢源j的日最大产能，wi为加氢站i的日加氢容量，di,i+1为相邻加氢站之间的距离。
进一步地，步骤S3具体包括以下步骤：
S3.1、整合步骤S1及步骤S2中的优化高速公路路段氢需求、氢燃料电池汽车续航里程数据，以及氢源产能和加氢站容量；
S3.2、将S3.1的数据作为约束条件参数输入，构造公式(5)-(9)的约束条件。
进一步地，步骤S4以待建加氢站的位置坐标作为未知数，结合步骤S2建立的加氢站选址优化数学模型以及步骤S3构造的约束条件，以满足步骤S1中待优化高速公路路段氢需求为前提，利用MATLAB以及粒子群算法求解加氢站选址优化数学模型，具体包括以下步骤：
S4.1、将待建加氢站位置作为决策变量记为一个n维向量并看作一个粒子，算法种群大小设置为500；
S4.2、随机初始化决策变量，并计算目标函数值，比较所有粒子的初始适应度，找出position粒子群初始的全局最优适应度和全局最优位置；
S4.3、与全局最优比较，通过下式更新所有粒子的速度，并以此更新所有粒子的位置，并对每个粒子的速度和位置进行越限检查，最大迭代次数设为5,000：
其中，k为迭代次数，i为算法种群中粒子的索引，w为惯性因子，c1、c2分别为粒子对个体、全局最优位置的学习率，r1、r2均为0-1之间的随机数，v与x分别为粒子在迭代中的速度与位置，Pbest为粒子在迭代过程中个体最优位置，Gbest为全局最优位置；
S4.4、达到指定迭代次数5,000时，终止迭代并输出相关结果，即若干个加氢站的位置坐标信息。
进一步地，步骤S5综合步骤S4求解得到的加氢站的位置坐标与待优化高速公路已有服务区的位置信息，结合实际情况，考虑将求解方案中靠近已有服务区位置的加氢站建立在服务区，以节约土地资源、降低投资成本，确定最终氢能高速公路加氢站选址位置。
进一步地，步骤S6对步骤S5得到地确定最终氢能高速公路加氢站选址位置作综合评价，并结合碳排放因子法对氢能供应链网络作碳减排测算，碳排放因子法的计算方法为：
其中，为CO2的排放量，Mf为燃料的消耗量，/>为所消耗燃料的CO2排放因子。
较现有技术相比，本发明具有以下优点：
本发明提供的氢能高速公路加氢站选址规划方法，根据交通流数据、氢燃料电池汽车市场渗透情况及耗氢情况，以满足高速公路氢总需求为前提，将氢能供应从氢源到加氢站阶段纳入优化，考虑氢供应链网络各部分氢成本，各组成成本充分考虑氢的生产技术、氢的储运方式以及氢的加注技术，加入氢源产能、加氢站容量以及加氢站间距的约束，并结合实际情况，科学且经济地对氢能高速公路沿线加氢站进行选址布局；同时对最终选址方案作综合评价，并对高速公路氢供应链网络作碳减排测算；该方法能对后续优化规划氢燃料电池汽车服务选址提供可靠的参考及有效指导，从而推动氢能高速公路网络及氢能源汽车行业积极向前发展。
基于上述理由本发明可在氢能产业加氢基础设施选址规划领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所述氢能高速公路加氢站选址规划方法流程图。
图2为实施例1仿真收敛结果图。
图3为采用本发明所述选址规划方法确定的加氢站选址位置示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
如图1所示，本发明提供了一种氢能高速公路加氢站选址规划方法，具体包括以下步骤：
S1、获取待优化高速公路路段总里程、单位公里待优化高速公路日均车辆行驶里程、氢燃料电池汽车燃油经济性数据(包括氢燃料电池汽车单位公里耗氢量、氢燃料电池汽车续航里程数据等)以及氢燃料电池汽车市场占有率数据，计算待优化高速公路路段氢需求；
步骤S1中，各项数据可以通过交通运输部门(交通运输部门的数据报告)及氢燃料电池汽车(氢燃料电池汽车企业提供)大数据平台进行采集；
S2、建立氢能高速公路二维坐标模型，将氢能供应从氢源到加氢站的阶段纳入优化，根据氢供应链网络成本构成，将氢供应链网络用氢总成本分为氢生产成本、氢储运成本以及加氢站成本三部分，各成本组成根据氢的生产技术、氢的储运方式以及氢的加注技术，以氢供应链网络用氢总成本最小化为目标，建立加氢站选址优化数学模型；
S3、根据待优化高速公路路段氢需求、氢源产能、加氢站容量以及加氢站间距，构造约束条件；
S4、利用MATLAB及优化算法对上述目标模型求解，得到氢能高速公路加氢站布局方案，即若干个加氢站的位置坐标；
S5、综合求解得到的加氢站的位置坐标与待优化高速公路已有服务区的位置信息，确定最终氢能高速公路加氢站选址位置；
S6、对最终氢能高速公路加氢站选址位置作综合评价，并结合碳排放因子法对氢供应链网络作碳减排测算，从而从碳减排方面对所得到的选址方案作技术效果综合评价。
进一步地，步骤S1具体包括以下步骤：
S1.1、获取待优化高速公路路段总里程、单位公里待优化高速公路日均车辆行驶里程、氢燃料电池汽车单位公里耗氢量以及氢燃料电池汽车市场占有率数据；
S1.2、根据步骤S1.1获取的数据采用下式计算待优化高速公路路段氢需求：
D＝L×MS×cveh×lveh (1)
其中，D为待优化高速公路路段日总氢需求，L为待优化高速公路路段总里程，MS为氢燃料电池汽车市场占有率，cveh为氢燃料电池汽车单位公里耗氢量，lveh为单位公里待优化高速公路日均车辆行驶里程；
S1.3、输出待优化高速公路路段氢需求。
进一步地，步骤S2建立的加氢站选址优化数学模型为：
Minimize C＝Σi∈NΣj∈Mwij×[pj+(A×dij+B)+chi] (2)
其中，C为氢供应链网络总用氢成本，i与j分别是加氢站与氢源的索引，N与M分别为加氢站与氢源的集合，wij为氢源j为加氢站i供给氢气的质量，pj为氢源j的单位氢生产成本，A为运输工具的成本指数，dij为氢源j与加氢站i之间的距离，B为氢储运成本指数，chi为单位加氢站成本。
进一步地，加氢站选址优化数学模型中：
氢源j的单位氢生产成本pj通过氢气生产分析模型(H2A)计算得到；
氢储运成本指数B以及单位加氢站成本chi通过氢气输送场景分析模型(HDSAM)进行评估；
运输工具的成本指数A以及氢源j与加氢站i之间的距离dij分别通过下式计算：
dij＝|xi-xj|+d (4)
其中，fp为氢运输工具所用燃料的单位价格，length为氢运输路径长度，mpg为氢运输工具的燃油经济性，lh为氢运输工具载重量，xi为加氢站i坐标(xi,yi)，xj为氢源j对应的坐标(xj,yj)，d为氢源j与垂直于高速公路方向的运输节点之间的路径距离。
进一步地，步骤S2具体包括以下步骤：
S2.1、根据氢供应链网络所采取的氢的生产技术、氢的储运方式以及氢的加注技术，采集相应的技术经济性参数；
所述技术经济性参数具体指氢气生产、储运以及加注过程中所采用的不同技术时所对应的技术经济性参数：如氢气生产过程中采取PEM电解水技术，则需要采集氢气生产规模、电堆设备参数、原料消耗、电价等数据；如氢气储运以及加注过程中采取气态储运加注方式，则需要采集氢气储运压力、运输距离、运输工具的载重、燃油经济性、加注压力、效率等参数。这些参数主要作为H2A与HDSAM两开源分析模型的输入，较易获得；
S2.2、将步骤2.1采集到的技术经济性参数输入氢气生产分析模型、氢气输送场景分析模型以及公式(3)-(4)中进行计算；
S2.3、步骤S2.2得到的计算结果用于作为所述加氢站选址优化数学模型计算输入。
进一步地，步骤S3中构造的约束条件为：
∑i∈Nwij≤Lj (5)
∑j∈Mwij≤wi (6)
∑i∈Nwi≥D (7)
∑j∈MLj≥∑i∈Nwi (8)
di,i+1≤200 (9)
其中，Lj为氢源j的日最大产能，wi为加氢站i的日加氢容量，di,i+1为相邻加氢站之间的距离。
进一步地，步骤S3具体包括以下步骤：
S3.1、整合步骤S1及步骤S2中的优化高速公路路段氢需求、氢燃料电池汽车续航里程数据，以及氢源产能和加氢站容量；
S3.2、将S3.1的数据作为约束条件参数输入，构造公式(5)-(9)的约束条件：
优化高速公路路段氢需求作为全路段加氢站总容量的最小值对氢供应链网络的加氢需求进行约束；氢燃料电池汽车的续航里程作为加氢站邻站间建站的最大距离对建站距离进行约束；氢源产能以及加氢站的容量则对氢源的最大产能以及加氢站的最大容量进行了约束。
约束条件的构造保证了各站从同一氢源需氢量不超过该氢源产能；保证了各站从不同氢源处购氢量不超过自身容量；保证了所有加氢站容量满足路段总氢需求；保证了所有加氢站容量不超过所有氢源产能；限制了相邻两站之间的最大距离。需求约束决定了加氢站的容量与数目，距离限制决定了加氢站在高速公路上的建站位置。
进一步地，步骤S4以待建加氢站的位置坐标作为未知数，结合步骤S2建立的加氢站选址优化数学模型以及步骤S3构造的约束条件，以满足步骤S1中待优化高速公路路段氢需求为前提，利用MATLAB以及粒子群算法求解加氢站选址优化数学模型，具体包括以下步骤：
S4.1、将待建加氢站位置作为决策变量记为一个n维向量并看作一个粒子，算法种群大小设置为500；
S4.2、随机初始化决策变量，并计算目标函数值，比较所有粒子的初始适应度，找出position粒子群初始的全局最优适应度和全局最优位置；
S4.3、与全局最优比较，通过下式更新所有粒子的速度，并以此更新所有粒子的位置，并对每个粒子的速度和位置进行越限检查，最大迭代次数设为5,000：
其中，k为迭代次数，i为算法种群中粒子的索引，w为惯性因子，c1、c2分别为粒子对个体、全局最优位置的学习率，r1、r2均为0-1之间的随机数，v与x分别为粒子在迭代中的速度与位置，Pbest为粒子在迭代过程中个体最优位置，Gbest为全局最优位置；
全局最优为整个粒子群当前迭代次数时找到的最优解，粒子群开始迭代时，每个粒子都被赋以初始位置、初始速度和初始适应度，并且取步骤S4.2中粒子的初始位置和初始适应度中的最小值作为初始的个体最优位置、全局最优位置，个体最优适应度与全局最优适应度，每次迭代中，将各粒子代入到目标函数计算出各自的适应度值，通过比较得到新的个体最优位置和全局最优位置，然后由步骤S4.3中的公式更新各自的速度和位置，然后进入下一次迭代，直到满足迭代终止条件时结束；
S4.4、达到指定迭代次数5,000时，终止迭代并输出相关结果，即若干个加氢站的位置坐标信息。
进一步地，步骤S5综合步骤S4求解得到的加氢站的位置坐标与待优化高速公路已有服务区的位置信息，结合实际情况，考虑将求解方案中靠近已有服务区位置的加氢站建立在服务区，以节约土地资源、降低投资成本，确定最终氢能高速公路加氢站选址位置。
进一步地，步骤S6对步骤S5得到地确定最终氢能高速公路加氢站选址位置作综合评价，并结合碳排放因子法对氢能供应链网络作碳减排测算，碳排放因子法的计算方法为：
其中，为CO2的排放量，Mf为燃料的消耗量，/>为所消耗燃料的CO2排放因子。
下面以辽宁省鹤大高速大连-丹东段为例详细说明本发明所述方法：
鹤大高速大连-丹东段全长约300km，全程共有3处服务区，以大连市为坐标原点，以“拉直”后大连市到丹东市方向为x轴正方向，将x轴顺时针旋转90度作为y轴正方向建立坐标系；
根据步骤S1，由收集到的交通流数据以及以国产氢燃料电池汽车荣威950为标准，可得氢燃料电池汽车车辆每公里耗氢194kg/km/d，假设氢燃料电池汽车市占率达到5％，因此鹤大高速大连-丹东段的氢总需求计算为2,930kgH2/d。以海上风电-港口质子交换膜电解水模式制氢作为氢源，以高压氢气储运作为氢气的主要储运方式，加氢站加注压力设为35MPa，通过氢气生产分析模型以及氢气输送场景分析模型对氢供应链网络各部分成本参数进行计算，相关计算结果汇总如表1-2所示。
表1氢源位置信息
表2氢供应链网络各部分组成成本结果汇总
上述相关结果参数作为步骤S2及S3当中模型与约束的输入，结合步骤S4中应用MATLAB及粒子群算法对模型迭代求解，双氢源供氢模式下，仿真收敛结果如图2所示。
根据步骤S5，将加氢站选址方案与实际高速公路服务区位置拟合，考虑将求解方案中靠近已有服务区位置的加氢站建立在服务区，确定最终氢能高速公路加氢站选址位置，如图3所示。
根据步骤S6，对步骤S5得到地最终氢能高速公路加氢站选址位置作综合评价，并结合碳排放因子法对氢能供应链网络作碳减排测算，碳减排结果汇总于表3，其中单位氢生产、氢需求CO2减排量以及单位高速公路里程CO2减排量基于氢气生产端与需求端减排结果与氢源产量、路段长短、氢总需求量综合计算得到，公式(12)中不同的燃料对应不同的的Mf和可通过中国国家***发布的《2006年IPCC国家温室气体清单指南》和《中国能源统计年鉴2019》查询。
表3鹤大高速大连-丹东段氢供应链网络碳减排测算结果。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。
Claims (3)
1.一种氢能高速公路加氢站选址规划方法，其特征在于，具体包括以下步骤：
S1、获取待优化高速公路路段总里程、单位公里待优化高速公路日均车辆行驶里程、氢燃料电池汽车燃油经济性数据以及氢燃料电池汽车市场占有率数据，计算待优化高速公路路段氢需求；氢燃料电池汽车燃油经济性数据包括氢燃料电池汽车单位公里耗氢量和氢燃料电池汽车续航里程数据；
S2、建立氢能高速公路二维坐标模型，将氢能供应从氢源到加氢站的阶段纳入优化，根据氢供应链网络成本构成，将氢供应链网络用氢总成本分为氢生产成本、氢储运成本以及加氢站成本三部分，各成本组成根据氢的生产技术、氢的储运方式以及氢的加注技术，以氢供应链网络用氢总成本最小化为目标，建立加氢站选址优化数学模型；
S3、根据待优化高速公路路段氢需求、氢源产能、加氢站容量以及加氢站间距，构造约束条件；
S4、对上述目标模型求解，得到氢能高速公路加氢站布局方案，即若干个加氢站的位置坐标；
S5、综合求解得到的加氢站的位置坐标与待优化高速公路已有服务区的位置信息，确定最终氢能高速公路加氢站选址位置；
S6、对最终氢能高速公路加氢站选址位置作综合评价，并结合碳排放因子法对氢供应链网络作碳减排测算，对所得到的选址方案作技术效果综合评价；
步骤S3中构造的约束条件为：
∑i∈Nwij≤Lj (5)
∑j∈Mwij≤wi (6)
∑i∈N wi≥D (7)
∑j∈M Lj≥∑i∈N wi (8)
di,i+1≤200 (9)
其中，Lj为氢源j的日最大产能，wi为加氢站i的日加氢容量，di,i+1为相邻加氢站之间的距离；
步骤S3具体包括以下步骤：
S3.1、整合步骤S1及步骤S2中的优化高速公路路段氢需求、氢燃料电池汽车续航里程数据，以及氢源产能和加氢站容量；
S3.2、将S3.1的数据作为约束条件参数输入，构造公式(5)-(9)的约束条件；
约束条件的构造保证了各站从同一氢源需氢量不超过该氢源产能；保证了各站从不同氢源处购氢量不超过自身容量；保证了所有加氢站容量满足路段总氢需求；保证了所有加氢站容量不超过所有氢源产能；限制了相邻两站之间的最大距离；需求约束决定了加氢站的容量与数目，距离限制决定了加氢站在高速公路上的建站位置；
步骤S1具体包括以下步骤：
S1.1、获取待优化高速公路路段总里程、单位公里待优化高速公路日均车辆行驶里程、氢燃料电池汽车单位公里耗氢量以及氢燃料电池汽车市场占有率数据；
S1.2、根据步骤S1.1获取的数据采用下式计算待优化高速公路路段氢需求：
D＝L×MS×cveh×lveh (1)
其中，D为待优化高速公路路段日总氢需求，L为待优化高速公路路段总里程，MS为氢燃料电池汽车市场占有率，cveh为氢燃料电池汽车单位公里耗氢量，lveh为单位公里待优化高速公路日均车辆行驶里程；
S1.3、输出待优化高速公路路段氢需求；
步骤S2建立的加氢站选址优化数学模型为：
Minimize C＝∑i∈N∑j∈Mwij×[pj+(A×dij+B)+chi] (2)
其中，C为氢供应链网络总用氢成本，i与j分别是加氢站与氢源的索引，N与M分别为加氢站与氢源的集合，wij为氢源j为加氢站i供给氢气的质量，pj为氢源j的单位氢生产成本，A为运输工具的成本指数，dij为氢源j与加氢站i之间的距离，B为氢储运成本指数，chi为单位加氢站成本；
加氢站选址优化数学模型中：
氢源j的单位氢生产成本pj通过氢气生产分析模型计算得到；
氢储运成本指数B以及单位加氢站成本chi通过氢气输送场景分析模型进行评估；
运输工具的成本指数A以及氢源j与加氢站i之间的距离dij分别通过下式计算：
dij＝|xi-xj|+d (4)
其中，fp为氢运输工具所用燃料的单位价格，length为氢运输路径长度，mpg为氢运输工具的燃油经济性，lh为氢运输工具载重量，xi为加氢站i坐标(xi,yi)，xj为氢源j对应的坐标(xj,yj)，d为氢源j与垂直于高速公路方向的运输节点之间的路径距离；
步骤S2具体包括以下步骤：
S2.1、根据氢供应链网络所采取的氢的生产技术、氢的储运方式以及氢的加注技术，采集相应的技术经济性参数；
S2.2、将步骤2.1采集到的技术经济性参数输入氢气生产分析模型、氢气输送场景分析模型以及公式(3)-(4)中进行计算；
S2.3、步骤S2.2得到的计算结果用于作为所述加氢站选址优化数学模型计算输入；
步骤S5综合步骤S4求解得到的加氢站的位置坐标与待优化高速公路已有服务区的位置信息，结合实际情况，考虑将求解方案中靠近已有服务区位置的加氢站建立在服务区，以节约土地资源、降低投资成本，确定最终氢能高速公路加氢站选址位置。
2.根据权利要求1所述的氢能高速公路加氢站选址规划方法，其特征在于，步骤S4以待建加氢站的位置坐标作为未知数，结合步骤S2建立的加氢站选址优化数学模型以及步骤S3构造的约束条件，以满足步骤S1中待优化高速公路路段氢需求为前提，利用MATLAB以及粒子群算法求解加氢站选址优化数学模型，具体包括以下步骤：
S4.1、将待建加氢站位置作为决策变量记为一个n维向量并看作一个粒子，算法种群大小设置为500；
S4.2、随机初始化决策变量，并计算目标函数值，比较所有粒子的初始适应度，找出position粒子群初始的全局最优适应度和全局最优位置；
S4.3、与全局最优比较，通过下式更新所有粒子的速度，并以此更新所有粒子的位置，并对每个粒子的速度和位置进行越限检查，最大迭代次数设为5,000：
其中，k为迭代次数，i为算法种群中粒子的索引，w为惯性因子，c1、c2分别为粒子对个体、全局最优位置的学习率，r1、r2均为0-1之间的随机数，v与x分别为粒子在迭代中的速度与位置，Pbest为粒子在迭代过程中个体最优位置，Gbest为全局最优位置；
S4.4、达到指定迭代次数5,000时，终止迭代并输出相关结果，即若干个加氢站的位置坐标信息。
3.根据权利要求1所述的氢能高速公路加氢站选址规划方法，其特征在于，步骤S6对步骤S5得到地确定最终氢能高速公路加氢站选址位置作综合评价，并结合碳排放因子法对氢能供应链网络作碳减排测算，碳排放因子法的计算方法为：
其中，为CO2的排放量，Mf为燃料的消耗量，/>为所消耗燃料的CO2排放因子。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211295950.2A CN115759568B (zh) | 2022-10-21 | 2022-10-21 | 一种氢能高速公路加氢站选址规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211295950.2A CN115759568B (zh) | 2022-10-21 | 2022-10-21 | 一种氢能高速公路加氢站选址规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115759568A CN115759568A (zh) | 2023-03-07 |
| CN115759568B true CN115759568B (zh) | 2024-01-19 |
Family
ID=85352643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211295950.2A Active CN115759568B (zh) | 2022-10-21 | 2022-10-21 | 一种氢能高速公路加氢站选址规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115759568B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117541027B (zh) * | 2024-01-09 | 2024-03-15 | 四川省公路规划勘察设计研究院有限公司 | 开放式服务区选址分析方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110287612A (zh) * | 2019-06-28 | 2019-09-27 | 成都理工大学 | 一种加氢站选址智能算法 |
| WO2020227429A1 (en) * | 2019-05-06 | 2020-11-12 | Strong Force Iot Portfolio 2016, Llc | Platform for facilitating development of intelligence in an industrial internet of things system |
| CN113222387A (zh) * | 2021-04-30 | 2021-08-06 | 北京理工新源信息科技有限公司 | 面向氢燃料车辆的多目标调度与协同优化方法 |
| CN113420382A (zh) * | 2021-07-06 | 2021-09-21 | 北理新源(佛山)信息科技有限公司 | 基于大数据的制氢运氢和加氢调度*** |
| CN113672857A (zh) * | 2021-08-11 | 2021-11-19 | 北理新源(佛山)信息科技有限公司 | 一种基于氢能源汽车、制氢厂数据进行加氢站选址的方法 |
| WO2022111563A1 (zh) * | 2020-11-25 | 2022-06-02 | 中国第一汽车股份有限公司 | 续驶里程预测方法、装置、设备及存储介质 |
| CN115204546A (zh) * | 2021-07-27 | 2022-10-18 | 中国电建集团华东勘测设计研究院有限公司 | 考虑建设与运行成本的电解制氢加氢站制氢及储氢配置方法 |
-
2022
- 2022-10-21 CN CN202211295950.2A patent/CN115759568B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020227429A1 (en) * | 2019-05-06 | 2020-11-12 | Strong Force Iot Portfolio 2016, Llc | Platform for facilitating development of intelligence in an industrial internet of things system |
| CN110287612A (zh) * | 2019-06-28 | 2019-09-27 | 成都理工大学 | 一种加氢站选址智能算法 |
| WO2022111563A1 (zh) * | 2020-11-25 | 2022-06-02 | 中国第一汽车股份有限公司 | 续驶里程预测方法、装置、设备及存储介质 |
| CN113222387A (zh) * | 2021-04-30 | 2021-08-06 | 北京理工新源信息科技有限公司 | 面向氢燃料车辆的多目标调度与协同优化方法 |
| CN113420382A (zh) * | 2021-07-06 | 2021-09-21 | 北理新源(佛山)信息科技有限公司 | 基于大数据的制氢运氢和加氢调度*** |
| CN115204546A (zh) * | 2021-07-27 | 2022-10-18 | 中国电建集团华东勘测设计研究院有限公司 | 考虑建设与运行成本的电解制氢加氢站制氢及储氢配置方法 |
| CN113672857A (zh) * | 2021-08-11 | 2021-11-19 | 北理新源(佛山)信息科技有限公司 | 一种基于氢能源汽车、制氢厂数据进行加氢站选址的方法 |
Non-Patent Citations (4)
| Title |
|---|
| "Multi-objective optimization of cascade storage system in hydrogen refuelling station for minimum cooling energy and maximum state of charge";Hao Luo et.al.;《International Journal of Hydrogen Energy》;第47卷(第20期);第10963-10975页 * |
| "基于全生命周期的加氢站选址定容优化";孙浩然;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;第2018年卷(第09期);第C035-70页 * |
| 基于路段通行能力限制的机动车污染物总排放量最优化研究;朱志高;李铁柱;李文权;;交通运输***工程与信息;第8卷(第02期);第84-88页 * |
| 张建国.《建筑行业温室气体减排机会指南》.中国经济出版社,2018,第27页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115759568A (zh) | 2023-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | Location optimization of electric vehicle charging stations: Based on cost model and genetic algorithm | |
| Greene et al. | Challenges in the designing, planning and deployment of hydrogen refueling infrastructure for fuel cell electric vehicles | |
| Liu et al. | Deployment of fuel cell vehicles in China: Greenhouse gas emission reductions from converting the heavy-duty truck fleet from diesel and natural gas to hydrogen | |
| Messaoudi et al. | GIS based multi-criteria decision making for solar hydrogen production sites selection in Algeria | |
| Messaoudi et al. | Site selection methodology for the wind-powered hydrogen refueling station based on AHP-GIS in Adrar, Algeria | |
| Kudria et al. | Resource potential for wind-hydrogen power in Ukraine | |
| Zhou et al. | Geographic information big data-driven two-stage optimization model for location decision of hydrogen refueling stations: An empirical study in China | |
| CN115759568B (zh) | 一种氢能高速公路加氢站选址规划方法 | |
| Hernández et al. | Mathematical model for the placement of hydrogen refueling stations to support future fuel cell trucks | |
| Wang et al. | Evaluating construction land use efficiency under carbon emission constraints: A comparative study of China and the USA | |
| Wang et al. | Location optimization of hydrogen refueling stations in hydrogen expressway based on hydrogen supply chain cost | |
| CN116433440A (zh) | 一种数据自回归增强的碳排放测算方法、***及电子设备 | |
| CN113222460B (zh) | 一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法 | |
| Trofimenko et al. | Forecast of the vehicle fleet size and structure in Russian Federation by ecological class, a type of power installations and a fuel type for the period up to 2030 | |
| Trofimenko et al. | Forecast of Decarbonization of Road Transport in Russia until 2050 in the Context of Digitalization and Expansion of the Use of Unmanned Vehicles | |
| Lin et al. | The hydrogen infrastructure transition model (HIT) & its application in optimizing a 50-year hydrogen infrastructure for urban Beijing | |
| Du et al. | A robust dynamic hydrogenation network layout model considering station capacity expansion and flexible transportation modes | |
| Ogden et al. | Technical and economic assessment of transition strategies toward widespread use of hydrogen as an energy carrier | |
| Sun et al. | Battery Swapping Dispatch for Self-Sustained Highway Energy System Based on Spatiotemporal Deep-learning Traffic Flow Prediction | |
| Fu et al. | Predicting The Number of Hydrogen Fuel Cell Vehicles and Demand of Hydrogen Refueling in Shanghai Based on Diffusion Model | |
| CN116452396B (zh) | 一种能源产业链的监控方法、装置、设备和介质 | |
| Stecuła et al. | Kami nski, P.; Matuszewska, D.; Duong Duc, H. Towards Sustainable Transport: Techno-Economic Analysis of Investing in Hydrogen Buses in Public Transport in the Selected City of Poland. Energies 2022, 15, 9456 | |
| CN115899550A (zh) | 一种考虑不同氢源的高速公路加氢站布局方法 | |
| Tumin et al. | Energy Transition to Renewable Energy Sources and Its Consequences for Russia | |
| Liao et al. | BILEVEL GAME-THEORETIC FRAMEWORK FOR THE OPTIMAL PLANNING OF BIOFURL REFUELING STATIONS UNDER MARKET EQUILIBRIUM |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |