氢可持续供应链和社会成本效益的多目标优化：在匈牙利的应用【以为有供氢保证】

一只公羊
166 阅读25分钟

闪光点

氢电池

比较 单目标 和 多目标的优化结果

风光不确定性、税收不确定性、

摘要

本文提出了一种全面的方法来设计针对工业和移动市场的氢气供应链(HSCs)。即使纳入可持续性标准是最重要的，但只有少数研究同时考虑经济、环境和社会方面-最难衡量的方面。在本文中，安全风险和社会成本效益(SCB)被确定为可量化的社会标准，这将影响社会和最终用户。本研究的目标是：

  • (1)通过混合整数线性规划模型，使用四个目标函数，即氢气的平准化成本、全球变暖潜能、安全风险和社会成本效益 SCB，设计一个可持续的氢气电池；
  • (2)比较SCB和多目标优化的结果。

在优化阶段整合SCB标准不是一项简单的任务，是这项工作的主要贡献之一。它意味着公共汽车和卡车的总拥有成本(TCO)最小化。通过使用ε-约束方法的多目标和多周期优化框架，研究了2030年至2050年的HSC的演变。该方法被应用于匈牙利的一个案例研究，其中有几种情况来测试需求类型和数量以及生产技术的敏感性。结果分析强调：

  • (1)混合需求(工业和交通)和逐步引入/迁移到电解技术和燃料电池汽车(FCVs)以实现平稳过渡是有益的。通过核能和风能驱动的水电解生产的液态氢，其平均平准化成本为4.78美元，每公斤H2的二氧化碳当量为3.14公斤；
  • (2)多目标优化和SCB最大化的框架是互补的，因为它们在设计HSC时优先考虑不同方面。H2燃料的税收和附加费将影响其在加气站的最终价格，导致2030年FCV的总拥有成本高于柴油巴士和卡车，但从2035年起，当SCB最大化时，氢气卡车的总拥有成本几乎变得有竞争力。SCB函数可以被改进，并且很容易被调整以包括额外的外部因素。

1. 引言

能源部门正面临着与需求和全球环境问题相关的关键时刻[[1]] 。欧盟委员会已经制定了到2050年实现气候中立的协议和指导方针[[2]] 。, [[3]] 所有这些都符合《巴黎协定》，该协定旨在将全球变暖限制在1.5℃[[4]]。欧洲绿色协议，通过 "2030年气候目标计划"，打算将温室气体减排从40%的目标提高到与1990年水平相比减少50-55%[[2]] 。, [[3]] , [[5]] , [[6]] . 欧洲绿色协议已经公布了其 "适合55 "一揽子计划，以使欧盟能够实现这些目标。这些举措与COVID19大流行病的衔接，导致了以清洁复原系统为重点的恢复计划和经济刺激措施 [[1]] 。, [[7]] . 虽然去碳化是能源转型的一个关键问题，但能源消耗将继续增长[[8]] 。迫切需要在能源安全方面开展工作，并加快能源转型，以获得可负担的清洁能源[[9]]。可再生能源的[间歇性]一直是限制可再生能源在能源组合中的渗透。为了应对这一挑战，氢气(H2)代表了一种有前途的选择，通过回收剩余的电力(如来自光伏和风场的电力)来平衡[发电]和其消费，在能源系统中创造更大的灵活性[[10]]。

氢气作为一种重要的能源载体已经在一些路线图中被提及[[7]] 。, [[11]] , [[12]] . 它可以被用于燃料电池(FC)，用于移动和固定的应用，以产生电力。氢气的竞争力，特别是当可持续性成为目标时，取决于几个因素，例如，需求和市场类型、可用的基础设施、技术类型和准备情况、可用的能源资源、监管、安全、教育(知识)、社会接受度等。

在工业领域，氢气目前被用于合成氨厂、炼油厂、化学工业等，而且氢气在能源密集型行业的应用也有很大潜力：钢铁和水泥行业，部分原因是更昂贵的二氧化碳配额[[13]] 。, [[14]] .

在流动性方面，预计汽车、公共汽车、无人机、重型卡车、火车和飞机对氢气的需求将大幅增加 [[13] ] 。第二十六届缔约方会议达成了一项区域性协议，"最迟在2030年使零排放车辆在所有地区成为可获得、可负担和可持续的车辆，从而使其成为新常态"[[15]] 。，电动和[燃料电池汽车]是这一类别的主要竞争者。 M此外，欧盟委员会通过的监管建议之一是修改新乘用车和轻型商用车(货车)的强制性二氧化碳(CO2)排放目标[[16]]，以促进技术转换。欧洲最近的努力允许在几个国家安装[加气站]，并对固定选项(如H2谷平台)的试点项目有奖励[[17]] 。

公路货运部门是欧洲经济的一个重要支柱，因为75%的货物是通过车轮运输的，但它对碳排放也有重要贡献[[18]] 。重型车辆(HDV)可以包括卡车和公共汽车，构成了一个关键的去碳化部门。燃料电池电动巴士(FCEB)的采购价格从2020年的65万欧元下降到2023年的50万欧元[[17]] 。，而且这些都处于商业阶段。在欧盟(EU-28)，HDV约占公路运输相关二氧化碳排放量的27%[[19]] 。重型卡车(HDTs)主要用于货物的物流和供应链，并利用欧洲走廊穿越几个欧盟国家。燃料电池重型卡车(FCHDT)已被广泛推广以取代柴油卡车。今天，有原型卡车在路上演示，但[商业化]仍处于早期阶段。市场渗透率是一个重要的变量，因为对卡车和氢气的需求都会影响总拥有成本(TCO)[[18]] 。但有限的加气基础设施和氢气的平准化成本(LCOH)会影响市场份额。然而，Ruf等人[[18]]发现，随着FCHDT生产规模的扩大和氢气报价低于每公斤6欧元[6.8美元]，FCHDT在日行驶里程、加气时间、[有效载荷能力]、总拥有成本方面提供了与柴油卡车最相似的运行性能，并能在2027年前具有成本竞争力。在欧盟，计划到2030年拥有80,000-100,000辆氢气卡车和1,000个[氢气站] [[17]] 。, [[20]] . 为此，欧洲工业部门正在努力研究和开发，以实现这些目标(例如，壳牌公司正在与戴姆勒卡车和沃尔沃集团合作，为FCHDT的大规模市场引进创造条件)[[21]] 。而一些走廊也开始安装加氢站[[22]] 。

此外，欧盟委员会[[23]]已经宣布了一个雄心勃勃的目标，即到2030年使氢气成本低于每公斤1.8欧元[∼2美元]，并在2030年将欧洲的[绿色氢气]年产量提高到1000万吨[[17]] 。[[24]]到2024年在欧盟安装至少6吉瓦的可再生氢气[电解器]，到2030年安装40吉瓦的可再生氢气电解器[[24]]。从这些目标来看，有两个重要的分析点。第一个是与欧洲可再生资源的可用性以及可用于大规模生产H2的数量有关。这需要一个一致的计划来同时发展可再生能源和氢气供应链(HSC)。氢气进口将影响一个国家的能源依赖性；因此，在任何发展计划中都必须仔细考虑；在一些地区，氢气进口可能比国内生产更便宜[[25] ] 。第二个问题与LCOH和碳排放有关，除其他方面外，还取决于不同国家的供应链(从能源来源到分配)中使用的技术。广泛的技术选择提供了[生产氢气]的可能性，但这并不系统地涉及可持续发展的愿景，使决策更加复杂。发展可持续的氢气电池的一个关键点是证明可行性，同时必须克服许多技术、经济和社会障碍[[10]] 。, [[26]] .

一些路线图已经开始探索中欧和东欧的氢气潜力[[18]] 。, [[19]] . 在本研究中，将对匈牙利的情况进行分析。匈牙利对减少其能源进口需求有明显的兴趣，同时确保其与区域电网和[天然气网络]的连接，从而保证供应安全和有效的进口竞争[[12]]。匈牙利已经制定了氢气国家战略[[27]]，并宣布了几个H2试点项目(如黑马，[1]H2山谷，"绿色卡车"，沿走廊的加气站，[2]等)，并承诺解决监管障碍[[28]]，以及计划建立适当的条件(包括安全)和激励措施，以便将氢气注入天然气系统[[13]]。 匈牙利有近1000万人口，面积为93,030平方公里[[29]] 。匈牙利的卡车、公共汽车和轻型商用车的能源使用量占公路部门的44%，并认为使用电动汽车和FCV是移动性脱碳的机会[[28]] 。匈牙利的位置对于货物物流来说是战略性的，因为它连接着西欧和东欧。匈牙利也正在与其他维舍格勒国家(斯洛伐克、捷克共和国和波兰)合作，以制定一个协调的计划[[30] ] 。匈牙利国家能源和气候计划(NECP)报告称，2030年其运输需求的约1%将由氢气覆盖，2040年约为5%[[12]] 。, [[13]] . 在NECP中，一些方案已经显示了 "清洁 "氢气的潜在消费，从2026年起市场需求量较低[[12]] 。

欧洲和国家的路线图提供了有用的指导方针；然而，也需要对供应链的战略和运营部署的方法。一些混合整数线性编程(MILP)模型已经被提出来设计HSC。在[第2节]中介绍的绝大多数[优化]研究主要涉及技术-经济或环境方面。也有一些[多目标优化]模型，例如在优化中包括每日总成本、二氧化碳排放和风险[[31]] 。, [[32]] , [[33]] . 然而，到目前为止，在使用HSCs的多目标优化的工作中，社会方面很少被处理，主要与安全风险、碳排放或空气污染物的最小化有关[[34]] 。, [[35]] , [[36]] , [[37]] . 在这一点上，潜在用户可能会问："把我的柴油HD卡车换成FC卡车值得吗？"重要的是要包括实际的社会标准，如车辆的总拥有成本，以设计巴士或卡车可能成为商业上可行的网络，H2价格必须与化石燃料的价格竞争。社会成本效益(SCB)可能是一个有用的衡量标准，因为它可以包括总拥有成本、车辆的购买价格、燃料成本、铂金成本、碳价格、噪音成本等。据我们所知，在为数不多的对HSC(或其某些要素)进行SCB分析的研究中，没有一项研究将其作为优化阶段的一部分(只进行了优化后或情景分析)[[18]] 。, [[26]] , [[38]] . 这是一个需要填补的重要研究空白，因为仅将HSC的环境影响最小化可能不会导致LCOH在经济上与化石燃料竞争(反之亦然)，而且仅仅测量SCB不会对输出配置产生影响。为了填补这一空白，这项工作的创新之处在于将Cantuarias-Villessuzanne等人首次提出的SCB[[38]]作为HSCs优化阶段的一部分。它包括从用户角度出发的成本和环境影响，以及铂金的损耗。据我们所知，这是第一个将SCB与TCO纳入HSC的多目标优化模型的工作。

本文的科学目标是在优化方法中设计一个可持续的HSC，结合工程和社会概念。更确切地说，本文涉及一种数学方法，通过使用多目标优化技术来设计匈牙利的HSC。在需求市场(工业和流动性)和技术选择(蒸汽甲烷重整(SMR)、电解或两者)的变化下，探讨了几种方案。考虑到包括经济、技术、环境和社会方面的可持续性标准，提出了一个为期5年(2030-2050)的多期方法。我们以前的工作[[33]] , [[34]] [[39]]作为参考，但提出了一个新的模型，以适应最新的条件并包括新的优化函数，即每日总成本函数将被LCOH取代，社会方面将从安全和SCB的角度来研究。环境部分是通过最小化全球升温潜能值来实现的。因此，我们对现有知识体系的贡献包括：[(1)]在HSC模型中纳入和优化带有TCO的SCB，[(2)]一方面通过使用ε约束方法比较多目标优化的结果，另一方面用适用于匈牙利的方法和模型比较SCB的最大化。这项研究是在三个研究小组的协调下进行的：科维努斯高级研究所、区域能源政策研究中心和化学工程实验室(Laboratoire de Génie Chimique-LGC - Université de Toulouse)，将被称为 "匈牙利的绿色H2"。

本文的其余部分组织如下：在下一节，介绍了文献回顾。在[第3节]中描述了问题陈述，然后是方法([第4节])。在[第5节]中，介绍了数学模型的目标函数。[第6节]专门介绍了[多目标问题]的解决策略和基于实验设计的方案定义框架。所有案例的优化结果和随后的讨论在[第7节]中提出。最后，给出了结论和展望。

2. 文献回顾

文献回顾的指导思想是搜索通用的氢气供应链模型和在匈牙利应用的报告。题为 "考虑到国家能源和气候计划的[氢经济]技术的机会 "的文件[[13]] 。[[28]]是一个有趣的方法，包括对不同地区不同技术的评估，并提出了成本、排放、创造就业等方面的综合结果，为特定国家的条件提供建议。匈牙利的NECP[[12]]和国家氢气战略[[27]]明确了目标。其他重要的国际文件是由[IEA][[25]]发布的文件。, [[40]] 和IRENA [[41]] 发表的文件。, [[42]] , [[43]] . 尽管人们普遍认为氢气可以对能源政策目标做出长期的重大贡献，但对 "可持续的氢气经济 "并没有一个单一的、共同的愿景[[10]] 。在H2经济的战略阶段，欧洲和国家的路线图是最重要的；然而，需要额外的方法来支持供应链的战略和运营部署。由于现有基础设施的缺乏在专门的文献中被大量报道，设计HSC的一个替代方法是使用供应链管理工具。供应链的管理是一项复杂的任务，主要是由于物理供应网络的规模很大，其相关的不确定性和决策包括[[44]] 。

  • 生产基地、仓储和配送中心的数量、规模和位置，以及其中的资源。

  • 与工厂生产计划和调度有关的生产决策。

  • 网络连接(例如，将供应商分配给工厂，将储存单位分配给市场，等等)。

  • 库存水平的管理。

  • 运输决策

回顾表明，在设计和模拟所谓的HSC时，最常见的方法是通过具有一些特定目标函数(如经济、安全、环境方面)的数学模型进行[优化]。

[MILP]方法已被广泛使用。Almansoori和Shah的开创性工作[[45]] 。[[46]]介绍了一个一般模型，确定了H2车辆使用网络(生产、运输和储存)的最佳设计，其中网络是由需求驱动的，并应用于基于[成本最小化]的大不列颠案例。他们随后的出版物通过考虑能源的可用性及其物流，以及长期规划范围内氢气需求的变化来扩展该模型。经济方面一直是大多数HSC模型优化的主要目标。每日总成本[[33]] 。[[47]]或净现值或折现成本[[37]] 。, [[48]] 都被用作优化函数。在最近的出版物中，特别是在那些包括氢气转化为气体的部门中[[49]] 。, [[50]] 因为它便于在不同的报告中进行比较(例如[[51]] , [[52]])，所以正在使用LCOH而不是日成本。

HSC研究的空间尺度已被广泛研究，将HSC优化应用于不同国家或地区，如[[31]] 。, [[32]] , [[37]] , [[47]] , [[48]] , [[53]] , [[54]] . 然而，地理影响的详细程度主要取决于技术，而且没有考虑不同单位的位置。然而，一些论文通过考虑空间和地理限制并使用地理信息系统测试其模型和假设的敏感性[[33]] 。, [[39]] , [[55]] , [[56]] , [[57]] , [[58]] , [[59]] , [[60]] , [[61]] .

一些研究解决了与HSCs的设计和部署有关的问题，通过考虑多种标准找到最有效的HSC网络[[31]] 。, [[33]] , [[45]] , [[48]] , [[56]] , [[62]] , [[63]] , [[64]] , [[65]] , [[66]] , [[67]] , [[68]] . 它们主要基于技术经济考虑，如氢气成本和环境评估，主要涉及全球变暖潜能值(GWP)指标，以及以更系统的方式，采用[生命周期评估方法][[31]]，最近的贡献包括行星边界[[69]]，在[MILP模型]中增加了一套对地球安全运行至关重要的生物物理限制。

社会文化标准在发展的早期阶段往往很难被量化，所以尽管它们很重要，却很少被整合到设计方法论中。大型的可持续发展框架将不同的维度联系起来，这些维度可以像可持续发展目标[[70]]那样提出，也可以通过指数来衡量，例如世界能源三要素[[71]]。在一个国家，社会方面需要一个整体的观点，一些方法包括许多维度，例如，社会未来指数旨在通过一个适用于国家的措施提供一个规范性框架，包括一些维度和指标来定义 "美好生活 "或一个国家的福祉[[72]] 。这项研究和其他社会学研究一样，将能源作为一个重要的变量，由于在过去几年中发展和增加的高度依赖性，对社会产生了影响。探讨的另一个方面是用于能源转换的有限资源，而不同社会的人类福祉、行为、习惯和选择会影响[能源生产]和消费，反之亦然[[72]] 。, [[73]] . 在电力系统的全球层面上，Heras和Martín[[74]]将社会指数(如失业率、地区GDP和人口密度)纳入一个模型，以确定电力设施的位置。在[[75]]的评论文章中，已经为混合可再生能源系统提出了 "多目标优化"。[[76]] 其中使用了一套技术、经济、环境和社会政治目标(接受度、劳动力、碳排放的社会成本、供应安全)[[76]] 。虽然这些作品列出了潜在的社会标准，但没有给出社会方面的表述。

通往氢经济的道路必须包括可持续发展的三大支柱，虽然有宏观研究将社会方面纳入分析，但已确定的与氢有关的社会评估信息不足[[77]] 。, [[78]] , [[79]] . 在描述性研究中对公众的接受程度进行了研究，重点是通过测量用户对新汽车类型和[加气站]的接受程度来比较柴油、汽油和氢气汽车[[80]] 。, [[81]] , [[82]] .

在MILP模型中，Dayhim等人[[36]]使用社会总成本函数来优化不确定的日常需求下的多期HSC网络，其中包括资本和运营成本以及排放成本($/d)。在这项研究中，对[燃料电池汽车]的需求是汇总的，并基于不同的家庭属性，如收入、教育等。环境方面的货币影响也在[[37]]中得到了优化(即碳税的贴现成本和低碳燃料标准的收入)。

安全风险指数作为一个关键的社会标准已经被探索出来，它取决于技术但影响社会[[32]] 。, [[33]] , [[35]] , [[55]] . 最近的工作正在增加关于需求类型或市场的细节(例如，H2用于工业、移动性等)，最近更多的论文正在评估公共汽车[[83]]和重型卡车[[60]]的潜在需求。[[84]]在HSC模型中；然而，这个市场的社会方面仍然只从安全角度研究。

MILP模型的替代方法已经为社会方面的评价引入了一些选择。Creti等人[[85]]对德国2050年的FC汽车进行了成本-效益分析。Cantuarias-Villessuzanne等人[[38]]开发了一个SCB分析，以估计从汽油[内燃机汽车]过渡到FCV的社会经济效益的时期，考虑不同的生产技术和两个外部成本：通过FCV减少二氧化碳的成本和通过测量铂的消耗在制造燃料电池时使用不可再生资源。在[[38]]中，总拥有成本的计算方法是：通过FCV减少二氧化碳的排放，以及通过测量铂金的损耗，在制造燃料电池时使用不可再生资源。在[[38]]中，总拥有成本的计算使运行成本受到氢气价格的影响。对于HDV，Ruf等人[[18]]，[[86]]报告了TCO。[[86]]报告了重型车辆的总成本。这些分析是基于Excel的计算。

最近，Ochoa Robles等人[[26]]从HSC MILP模型的输出结果中计算出SCB，作为一种事后最优的计算。尽管这种方法对于计算移动性的总拥有成本和SCB是有用的，但社会成本标准没有被视为[优化程序]的目标函数。同样，Shamsi等人[[87]]使用一个优化模型来设计HSC，然后量化污染减少带来的健康效益(使用机动车排放模拟器)，以显示使用FCEV的潜在社会和经济激励。

有必要采取更全面的方法，将燃料与其社会成本效益联系起来，并将不同流动性类型的总成本与其他目标函数如LCOH、GWP和风险联系起来。这是必要的，因为需求和基础设施密切相关，从用户的角度来看，TCO是一个相关的指标，而SCB则是政府层面决策的关键，因为政府可以实施补贴。在[表1]中，给出了支持我们建议的新颖性的具体特征，并与其他框架进行了比较。

表1. 以前开发的使用SCB的框架的建模细节与我们的建议的比较。

出版物SCB分析包含TCO移动性行业分类需求SCB Excel计算优化模型SCBa优化TCO优化评论
Creti等人[[85]]。成本效益分析坎塔里亚斯-维利苏斯
Cantuarias-Villessuzanne等人[[38]]。X = X = X = X = X = X = X = X = X = X = SCB
Dayhim等人[[36]]。XaXXXaa每日社会总成本
Talebian等人[[37]]。XaXXXa社会碳成本
Ruf等人[[18]]。, [[86]]XXXXbb假设
Ochoa Robles等人[[26]]。X = X = X = X = X = X = X = X = X = X = 日总成本优化
Shamsi等人[[87]]。XaXXXXXA总成本分析和总收益分析
我们的建议X X X X X X C X D X X X X X C为验证目的，对移动性需求进行了分解，并对行业进行了汇总。SCB和TCO是优化的。

3. 问题陈述和目标

问题的表述可以如下。考虑到公交车、重型卡车和工业中的氢气需求，目标是通过综合考虑经济和环境指标以及社会方面的标准来确定最佳的HSC。为此，我们提出了四个标准来比较不同的结果。LCOH、GWP、安全风险和SCB。为了优化这些标准，需要满足生产、储存、运输和分配方面的限制，因此，一组技术-经济数据被用来解决供应链位置分配模型。目标函数可以单独解决，但目标是比较单目标优化和多目标优化提出的解决方案，以找到确保可持续性的最佳权衡方案。

本文的贡献在于。

  • 在数学模型中引入了新的优化标准--所有权总成本和社会成本-效益。据我们所知，这是第一个在优化阶段包括车辆总成本和社会成本的HSC模型。

  • 该方法和模型(在[4方法]、[5数学模型]中介绍)应用于 "匈牙利绿色H2 "项目，对匈牙利的三种情况进行了探讨，探讨了几个因素(即需求量和类型、生产技术类型)。本研究的研究框架见[图1] 。输入块对应于项目组选择的所有数据库、假设和情景。数学模型和多目标优化方法的整合构成了该方法的核心。有关决策变量和目标函数的快照和结果是主要输出。

图1. 方法学框架。

4. 方法论

由[[33]]提出的HSC的优化方法已经在匈牙利进行了调整，以回答以下问题。

  • 在匈牙利生产和储存氢气的最佳选择是什么？

  • 集中式生产还是分散式生产更有成本效益？

  • 是否有可能在全国范围内找到有竞争力的目标(无需进口)？

  • 不同的HSC方案对匈牙利的环境影响是什么？

  • 在匈牙利最安全的HSC配置是什么？

  • 匈牙利HSC的规模经济和市场的影响是什么？

  • 燃料电池巴士和卡车的总成本何时能与柴油技术竞争？

  • 哪种方法更有效，单目标或多目标优化？

4.1. 供应链网络

这项工作的重点是匈牙利的HSC设计，考虑五个梯队，即能源、生产、储存、运输和市场([图2])。考虑了五个时间段(2030-2050)，时间步长为5年，因为匈牙利认为2021-30年是H2技术的准备和初步阶段，重点是基础和应用研究[[14] ] 。

4.2. 数据收集

本研究收集了大量的数据。领土划分考虑了内部区域的[离散化]，并假定每个区域的需求是确定的。该数据集包括与氢气需求有关的信息，以及与HSC的每个组成部分有关的技术、环境、经济和风险数据。还包括卡车和公共汽车的购买和维护支出的信息。一些数据是从最近的数据和出版物(REKK, NECP, [IEA] , FCH JU, H2 [Observatory] [[52]] , IRENA等)以及与能源领域的专家和教授(能源领域的专业研究人员和社会学家)的访谈中收集的；然而，由于技术在不断发展，市场尚未明确，许多投入存在很大的不确定性，将对其中一些数据的敏感性进行调查，特别关注需求分析。

4.2.1. 技术-经济数据

所有的技术经济参数(即最小和最大的生产和储存能力，各地的平均交货距离和每种运输方式的能力等)都在附录A中定义。在本节中，我们只介绍与匈牙利有关的主要具体问题。

4.2.2. 地理上的细分

根据其地理和行政划分，匈牙利被划分为区域，代表7个区([图3])。这种划分被用来获得各区之间存在主要道路的现实路径，并从匈牙利中央统计局(Központi Statisztikai Hivatal - KSH)的区域统计数据中估计潜在需求。

4.2.3. 能源来源和生产设施。

本研究中包括的可再生能源和化石能源的预测可用性使用了REKK的匈牙利国家清洁发展战略的最新建模结果，2021年。[表2]列出了从2020年起发展可再生能源的战略目标，并有一个明确的趋势，即从2045年起将化石燃料从能源结构中完全去除。有潜力发展[RES]的区域来自匈牙利能源和公共事业管理局(MEKH)[[88]] 。, [[89]] . 基于这项研究并考虑到当前的能源状况，预测了2030年至2050年期间，电网g中[一次能源]e的初始平均可用性(每天千瓦时)。

表2. 电力生产的能力。来自 "匈牙利国家清洁发展战略来源的建模结果"(REKK，2021年)的结果。

| 每年GWh | 2020 | 2025 | 2030 | 2035 | 2040 | 2045 | 2050 |

| 核电1 | 14,892 | 14,892 | 33,814 | 22,645 | 18,922 | 18,922 | 18,922 | 18,922 | 煤炭 | 3951 | 2637 | 276 | 40 | 0 | 0 | 0 | 0 | 石油 | 95 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 天然气 | 4193 | 4428 | 3148 | 1411 | 853 | 0 | 0 | 0 | 生物质 | 1874 | 1826 | 1494 | 2248 | 7271 | 11,076 | 10,861 | | 水力发电站 | 244 | 244 | 244 | 244 | 244 | 244 | | 风力 | 743 | 743 | 1496 | 1948 | 1506 | 1506 | 21,983 | | 太阳能 | 1875 | 6000 | 10,874 | 13,620 | 14,911 | 29,901 | 56,074 | | 地热 | 20 | 20 | 779 | 779 | 779 | 1885 | 2254 | | 总计 (GWh) | 27,886 | 30,790 | 52,125 | 42,935 | 44,488 | 63,535 | 110,336 | | 可再生能源 (%) | 17 % | 29 % | 29 % | 44 % | 56 % | 70 % | 83 % ! | RES + Nuclear (%) | 70 % | 77 % | 93 % | 97 % | 98 % | 100 % | 100 % | 100 % !

1目前的[核电站]是多瑙河南岸的帕克斯。在目前的计划中，它预计将在2030年退役，因为它建于70年代，已经到了生命周期的末端。然而，预计到2030年匈牙利将建造两个新的核电站机组，每个机组的容量为1200兆瓦(Paks2)[[12]] 。

考虑了两种生产类型，即[碱水电解]和[SMR]，带和不带碳捕获和封存。我国可再生能源(太阳能、风能、地热能......)和核能的高潜力使电解成为绿色制氢的关键选择。用于工业的大型[电解器]目前正处于示范阶段[[17]] 。但到2030年，假设1兆瓦、20兆瓦和100兆瓦的电解器将在欧洲实现商业化 [[51] ] 。然而，今天使用的商业生产技术主要是基于SMR，因此，由于该技术的成熟度和规模潜力，该生产技术与电解的比较似乎是相关的。尽管匈牙利在大规模部署CCS方面的准备工作有限，但这一选项被包括在内，因为有计划在2030年前使用CCS技术[[28]] 。而且还将建立一个刺激性的监管环境和支持系统[[27]] 。

4.2.4. 调节、储存和运输

今天的分配通常依靠卡车运送氢气，无论是气体还是液体，这可能仍然是未来十年的主要分配机制[[25]] 。高度绝缘的低温油罐车可以装载多达4000公斤的液化氢(LH2)，目前通常用于长达4000公里的长途旅行[[25] ] 。然而，如果有足够大的、持续的和本地化的需求，管道可能是本地氢气分配的最具成本效益的长期选择。虽然目前正在运行的[天然气管道]应该在技术上适应氢气的分配。一些在欧洲范围内评估管道分配的分析正在开发中(例如REKK EGMM和REKK [氢气基础设施]模型[[90]])。本研究只关注LH2的调节、储存和分配，因为LH2具有较高的[能量密度]，而且更容易处理、运输和储存，所以被考虑代替[压缩气态氢]。

氢气可以储存在地上和地下[[17]] 。需要进一步研究，以评估未来在容量、持续时间、价格和排放速度方面可能需要的存储类型，并研究开发方案[[25]] ：地质存储是大规模和长期存储的最佳选择，而储罐更适合短期和小规模的存储，但目前正在努力缩小储罐的尺寸[[25]] 。储存压缩氢气或液化氢气的储罐具有较高的排放率和约99%的效率，使其适合于需要随时提供本地燃料或原料库存的小规模应用[[25]] 。在本研究中，只考虑储存LH2的储罐。

4.2.5. 分配给最终消费者

HSC的最后一个梯队是LH2的分配。它可以被运送到工业或加气站。我们以前的模型只计算了要安装的加油站的数量[[39]] 。在这个模型中，加气站是整数变量，需要根据容量需求约束进行优化。与加气站有关的参数在附录A中报告，方程式在附录B中报告。建议到2030年，公共汽车、轿车和卡车至少每150公里安装一个加油站[[17]] 。目前在匈牙利有一个加油站[[91] ] 。

4.2.6. 需求估计

考虑了工业和FCEV对氢气的确定性需求。匈牙利在工业中使用氢气的潜力很大[[28]] 。模型中包括的工业部门有：合成氨生产、炼油、石化、炼钢(基于H2的直接还原铁)[[13]] 和水泥[[27]] 。, [[52]] . 工业的日常需求总结于[图4] 。

图4. 每个时期的工业需求量(每天一吨)。使用[[27]]的数据进行计算。

匈牙利国家氢能战略[[27]]强调，对于交通部门，一个主要目标是逐步减少化石燃料的使用，重点是重型车辆交通(相应地减少碳足迹)。出于这个原因，本研究排除了私家车的需求，以衡量只考虑HDV的市场是否足够大，以保证低[氢燃料]成本。对于FCHDTs的情况，12吨以上的长途货运卡车(国际和国内物流)被考虑在内，数据来自HU-TIMES模型[[18]] 。总重量为40吨的4x2牵引车(+拖车)的数据[[86]]被用来计算匈牙利每辆FC HDV年行驶里程为11万公里的TCO(HU-TIMES模型)。

公共汽车的氢气需求也包括在HU-TIMES模型中。短途和长途巴士都被考虑在内，并假设每辆巴士的年行驶里程为60,000公里(HU-TIMES模型)。数据库和参考文献可以在附录A中找到。

流动性需求值在[图5]中指出，以及匈牙利国家战略对流动性的预测需求，其中不仅包括HDV，还包括私家车、火车、船舶。然而，这个方案没有被测试，因为2030年以后，没有具体的公共汽车和高清车数量的数据。但必须强调的是，该预测表明，汽车市场在SC设计中也是非常重要的，并且可以在未来纳入。

图5. 公共汽车和卡车在每个时期的需求量(每天一吨)。使用HU-TIMES模型和[[27]]的数据进行计算。

移动用氢气的潜在需求根据公式[(1)]计算：(1)DigT=FE×d×Qcg

其中每个地区的总需求(DTig)来自于车辆的燃料经济性(FE)、平均总行驶距离(d)和每个地区的车辆总数(Qcg)的乘积。公共汽车的FE被假定为8.6公斤H2/100公里[[92]]，高清卡车为7.6公斤H2/100公里(4x2_Trac 330千瓦)[[86] ] 。

4.2.7. 设想方案

匈牙利的国家氢气战略[[27]] 。HU-TIMES模型和匈牙利NECP[[12]]已被用作情景定义的主要参考。为了测试需求量(规模经济)的影响，我们提出了三种方案([表3])。第一个，"基本情况"(BC)是根据HU-TIMES模型的数据定义的。情景1(S1)预测客车和卡车的快速市场渗透。情景2(S2)与S1相似，但需求减半。每个方案都测试了两种市场类型。市场1(M1)有工业需求，市场2(M2)没有工业需求。最后，探讨了生产灰色、蓝色(SMR、带有CCS的SMR)或绿色[3] H2(电解)的不同技术选择。细节显示在[表3]。

表3. 情景摘要。

基本情况情景1. 快速的市场渗透方案2. 低需求
主要参考。HU-TIMES市场渗透率%建议1参考。情景1(需求减半)
市场1:-行业

  • 市场1:--行业 移动性(仅巴士2) | 市场1:--行业

  • 流动性(公共汽车和高清卡车) | 市场1:-行业

  • 流动性(公共汽车和高清卡车 | 市场2:- 行业流动性(仅巴士) | 市场2:- 行业流动性(巴士和高清卡车) | 市场2:- 行业流动性(巴士和高清卡车) | 市场2:- 行业流动性(巴士和高清卡车) | 技术：SMR(含或不含CCS)和电解

  • 技术：SMR(含或不含CCS)和电解

  • 技术：SMR(含或不含CCS)和电解。

  • 只有电解

1Bus: 2030 6%, 2035 12%, 2040 18%, 2045 21%, 2050 25%。

HD：2030年2%，2035年10%，2040年18%，2045年21%，2050年25%。

在本研究收集数据时(2021年11月)，2FC HD卡车没有包括在HU-TIMES模型中。

4.2.8. 假设

本研究是基于以下假设。

  • 由于电网饱和，可再生能源在现场直接使用。这允许将二氧化碳影响分配给每个来源。

  • 允许区间运输，不考虑区内分配。

  • 考虑了10天的LH2安全库存。

  • 安全风险指数由Kim等人提出的方法计算，[[35]] 。

  • 当只允许电解时，工厂的数量被初始化为空值。在包括SMR的情景中，现有的H2工厂应该可以同时满足工业和移动性需求。基于REKK数据库，已经确定了一些工厂([图9]-基础地图)。

  • 没有考虑将目前的加气站迁移到H2燃料的成本。

  • 由于积累的经验，学习率成本降低被认为是每期2%[[93] ] 。

  • 对于总拥有成本的计算，既不考虑补助金、税收和路费减免，也不考虑公共收入，以减轻技术迁移的影响。对基础设施的支持也没有考虑，因为目前在匈牙利没有具体的国家碳税或财政规则来促进可再生或低碳氢的使用[[28]] 。

5. 数学模型

基于[MILP]的模型表述考虑到了参考模型[[35]] 。, [[39]] , [[45]] , [[46]] 来制定生产、储存和运输的方程式。然而，由于加入了新的目标函数，所以增加了新的方程式。在拟议的公式中，氢气可以由能源e生产，以特定的物理形式i(如液体)交付，在规模为j的工厂中生产，涉及不同的生产技术p，储存在存储单元s中，由运输模式l分配，使用燃料f从一个地区g到另一个地区g'(g'≠g)，在时间段t内用于市场v的多周期方法([图2])。

这个最新模型的一个具体特征是引入了加油站的数量作为一个整数变量。另一个修改是计算LCOH，而不是[[39]]中使用的每日总成本。因为它没有报告现值，而且严重依赖资本变化系数(年)，对成本结果有重要影响，这在我们以前的敏感性分析中已经解释过[[94]]。在这个版本中，与HD车辆和公共汽车的总拥有成本有关的制约因素以及与社会成本效益函数有关的其他制约因素都被包括在内。

[5.1.1-5.1.3和5.2.1节]制定了四个目标函数，用于优化策略。完整的数学模型可以在附录B中找到。

图6. 氢气供应链的[可持续设计]的目标函数。LCOH: 氢气的平均成本; [GWP] : 全球变暖潜能; SCB: 社会成本-效益。

5.1. 单一目标函数

5.1.1. 氢气的平准化成本

考虑到快速变化的电力系统，平准化能源成本是一个成熟的衡量标准，用于比较今天的发电成本[[95]] 。尽管这个指标类似于折算的平均成本，但它更好地代表了一个受管制的市场。然而，通过对价格波动的隐性成本调整贴现率，原则上，LCOE概念也适用于放松管制的市场[[95]]。

平准化氢气成本(LCOH)基于同样的原则，是一个广泛用于建模、政策制定和公众辩论的工具[[49]] 。, [[50]] , [[51]] , [[52]] . LCOH(单位：美元/千克)是通过将总成本折现除以资产经济寿命期间生产的氢气总量得出的[[49]]。由于我们的HSC优化模型的多期性质，时间段t的LCOH(公式[(2)])是分子中两个项的总和，第一个项与CAPEX有关，其中时间t的设施资本成本(FCCt)[包括生产厂、储存设施和加气站]和时间t的运输资本成本(TCCt)通过使用r=12%的贴现率进行贴现。在公式[(2)]中，nt对应于投资年，可以在期初前每5年进行一次(n1从第0年开始，n2第5年，n3第10年...)。每个t只计算该时间段内安装的新工厂的资本成本，并假定每15年进行一次投资[[51]]，如果需求需要，新设施将被重新安装。没有直接考虑能源的CAPEX(即通过电力成本考虑它们作为原料)。第二项是类似的，但适用于每日OPEX带到年度值(α=365天)，然后进行折现，其中包括时间t的设施运营成本(FOCt)，时间t的运输运营成本(TOCt)和进口能源的成本(ESCt)。 在这种情况下，通过考虑整个时间范围[2030-2050]，nnt是每个时期包括的年份(即nn1：1-20年，nn2：6-25年，nn3：10-30年，...)。贴现成本最后除以给定时间段内生产的氢气；然而，由于在模型中生产量应等于需求量，使用i在网格g和时间段t(DTigt)的氢气总需求量(确定性参数)来保持模型的线性度是有效的。每个时间段的LCOH以每公斤H2美元为单位报告，并对总和进行了优化。(2)LCOHt=(FCCt+TCCt)∑nt1+rnt+∑nntα(FOCt+TOCt+ESCt)1+rnnt∑n2α∑i,gDTi,g,t1+rnnt

5.1.2. 全球升温潜能值

总的全球升温潜能值(g CO2-eq/天)由生产、储存和运输的全球升温潜能值之和计算，如[[33]]中提出的：(3)GWPTot=∑t(PGWPt+SGWPt+TGWPt)

5.1.3. 相对安全风险

氢气的广泛采用需要对安全和风险问题进行严格的调查。然而，必须强调的是，新的[氢气生产]和储存技术的风险评估是一个备受关注的领域，但对其反馈仍然很少。人们承认，通过对氢气的火灾和爆炸风险进行建模和模拟的定量风险评估是实现氢气安全部署的一个重要工具，可以用来适当量化这些风险。然而，QRA需要可靠性数据，而目前氢气QRA由于缺乏氢气的具体可靠性数据而受到限制，从而阻碍了必要的[安全规范]和标准的制定[[9]] 。, [[10]] . 在这个模型中，总的相对安全风险(单位)是由生产、储存和运输的相对风险之和计算出来的，正如在[[33]]中提出的那样 [[35]] ：(4)TRt=∑t(TPRiskt+TSRiskt+TTRiskt)

5.2. 多目标优化

5.2.1. 社会成本-效益(三目标)

SCB分析的方法遵循[[18]]中制定的准则。, [[26]] , [[38]] , [[86]] . 如前所述，本文的主要贡献之一是将这一功能纳入优化模型，而不是作为一个额外的优化后计算。为了调整方法，有必要明确定义可以被替换的技术类型。由于案例研究包括工业和交通，因此可以通过比较目前使用柴油的[内燃]公共汽车和卡车以及它们在FCEBs和FCHDTs中的等效性，使方法适用于后者。对于工业来说，类似的比较到目前为止是不可能的，因为在现有的数据库中几个工业类型被汇总了。 (5)SCBt=∑vΔTCOv,t+ΔCAv,t+ΔPDv,t

在公式[(5)]中，第一项对应的是经济比较的净现值，其中总拥有成本包括车辆类型v在t期间的购买价格、运行成本、维护、AD蓝、保险和[道路通行费]成本。 ΔTCOv,t是使用不同燃料(柴油与H2)的公共汽车或卡车之间的差异。在优化模型中包括这个函数的主要优点是，在优化SCB的同时，LCOH将被最小化(最大化函数)。燃料价格是影响车辆运行成本的一个关键变量。这些方案假定增加的成本将转移给最终用户[21]。在优化阶段使用SCB似乎很有意义，因为氢气的部署可以被看作是一个鸡和蛋的战略问题：氢气的成本和需求是相互依赖的，所以需要确保一个有竞争力的价格，这取决于整个安装的基础设施。

外部成本对应于碳减排的净现值(ΔCAv,t)和车辆类型v在时间段t的铂金损耗(ΔPDv,t)。再次，所有变量的整合允许量化和优化网络的全球升温潜能值，然后，当SCB最大化时，为机动车市场v提供燃料所排放的二氧化碳也最小。今天，公路运输的二氧化碳定价机制还存在不确定性(例如，排放交易系统的适应性)。对于内燃机车和燃料电池车，我们考虑采用Well-to-Wheel方法。这确保了燃料电池汽车从油箱到车轮的零排放的好处被考虑在内，并且作为HSC(油箱到油箱)系统一部分的排放也被量化。总之，通过使用SCB功能，三个标准(SCB、LCOH和GWP)以及TCO功能以间接方式得到优化。

这个函数的结果是以美元为单位的，当柴油技术更有竞争力时，可以取负值。可以加入更多的外部因素来减少技术之间的差距，例如，空气污染和噪音成本也被包括在对汽车进行的后最优水平的分析中[[26] ] 。在本研究中，主要目的是在建议加入额外的潜在外部因素之前，分析不同时间段的几种情况下的差距。

5.2.2. 通过增强的ε-约束法实现多目标(所有函数)

全局多目标模型可以用更简洁的方式表述如下。

该模型的目标是找到业务x∈R和战略y∈Y={0,1}，z∈Z+决策变量的值，受制于一组平等h(x,y)=0和[不平等约束]g(x,y)≤0。在该模型中，连续的业务变量涉及专门针对来源、生产、储存和运输率的决策，而离散的战略变量反映投资决策，如选择活动类型和运输环节。所有的成本、排放和风险方程都表示为相关决策变量的线性函数。解决方案包括由代表供应链配置的不同可能性的解决方案组成的[帕累托前沿]。

6. 解决策略和敏感性分析

这个MILP问题在GAMS 23.9中处理，并通过CPLEX 12.9使用单目标和多目标优化方法进行求解。[图7]显示了对[第4.2.7节]中所列情景的敏感性分析的实验设计，通过改变需求情景、市场类型和生产技术(SMR、电解或两者)。如果每个目标策略单独运行，总共需要60个实验。

图7. 用于敏感性分析的[实验设计]。LCOH: 氢气的平均成本; [GWP] : 全球变暖潜能; SCB: 社会成本-效益。

对于单项优化，LCOH、GWP和风险是分别优化的。对于SCB最大化，LCOH和GWP同时被最小化，如[第5.2.1节]所解释。最后，包括LCOH、GWP、风险和SCB的多目标优化是通过实施Mavrotas等人[[96]]提出的增强的ε约束(AUGMECON)方法来解决的。其中，除一个目标外，所有目标都被转化为约束条件，只有一个目标需要优化。AUGMECON代码可在GAMS库中找到(www.gams.com/modlib/libh…)。通过改变上界和/或下界的数值，可以得到一个[帕累托前沿]。在这项工作中，已经测试了21个网格点，最后一次优化迭代的数值被选为[帕累托最优]选项中的首选方案。

7. 结果和讨论

纳入SCB方面的新MILP模型包含17380个方程，9536个连续变量和4340个离散变量。单目标优化需要0.06到20个CPU秒，以找到一个[优化]差距低于0.01%的解决方案，这取决于方案(处理器Intel®Core™i7-4790)。更确切地说，我们总共解决了12种不同的情景，这些情景是由以下因素组合而成的(1)三种情景类型(BC、S1和S2)，(2)两种市场类型(工业和流动性或只有流动性)，(3)，两种技术选择(SMR和电解或只有电解)。为便于比较，这12种情况的最佳网络是通过5种优化方案获得的。LCOH、GWP、风险最小化；SCB最大化；以及通过ε-约束方法进行的多目标优化；共进行了60次实验(运行)。对于多目标优化(使用ε-约束方法)，寻找帕累托前沿和达到最佳权衡方案大约需要7个小时。由于不同的实验产生了大量的数据，这里对最相关的结果进行了总结，并特别关注我们在[第4节]提出的研究问题。包括5个优化选项在内的12个方案的结果在[图8]中进行了总结。详细结果见附录C，支持我们结论的统计分析见附录D。

图8. 来自[实验设计]的所有方案组合的结果汇总。

图9. 通过[多目标优化]解决的情景1的[绿色氢气]供应链(2030-2050)。(关于本图例中颜色的参考解释，读者请参考本文的网络版) 。

7.1. LCOH

在2030年至2050年的时间范围内，配置的平均LCOH在每公斤H2 3.34美元至11.15美元之间([图8] a)。根据P值(附录D)，LCOH与市场类型有显著关系，其次是技术类型，最后才是需求量(仍然显著)。通过比较技术，在实验中得到的M1-SMR和电解的平均LCOH值较低(即每公斤H2 4.41美元)，而M1-电解选择生产绿色氢气(每公斤H2 5.71美元)。这与一些报告一致，在实践中预计电解和SMR生产相结合[[14]] 。只包括移动性需求减半的情景(M2)导致较高的LCOH，与所使用的技术或需求量无关，因为目前的安装能力不能用于移动性需求，需要进行新的投资。M2使用的技术对平均成本的影响很低(M2-SMR和电解：7.29美元 vs M2-电解：7.57美元/公斤H2)，需求量的影响也很小。成本最低的是LCOH最小化，其次是SCB、多目标和风险优化(见附录C1-C4中每个标准的具体结果)。GWP最小化导致LCOH最高，从而反映了这两个标准的对立性质。从三种需求量方案(BC、S1和S2)来看，结果显示出类似的趋势，M2方案之间的变化更大(附录C3-C4)。

7.2. 全球升温潜能值

在[图8]b中，全球GWP的结果显示最低和最高值分别为每千克H2 1.98和11.13千克CO2-eq。对于这一目标，主要因素是技术类型(表D1)，所有完全使用电解法生产绿色H2的方案的数值都相当低。S1-M1-电解的结果是每公斤H2的最低和最高排放为1.98-3.21公斤CO2-eq，与S1-M1-MR&Electrolysis的实验(每公斤H2 4.15至10.99公斤CO2-eq)相比，总是较低。然而，重要的是要强调，该标准的最佳HSC解决方案选择使用核源的电解作为首选(基于可用性)，其次是风能(基于二氧化碳当量排放)，而太阳能和地热发电被零星选择。这是一个重要的发现，因为匈牙利正在发展太阳能发电部门，所以如果[光伏]是未来H2生产的唯一/更重要的来源，这将需要在模型中进行调整。这些结果加强了优化研究中初始方案的定义的重要性。第二个重要因素是市场类型：发现M1情景下的排放量更高。通过比较需求量(BC、S1和S2)的P值，可以得出结论，这个因素在优化GWP方面并不重要，因此如果单独评估，规模经济并不影响这个目标。从GWP的单目标最小化中得到的最低GWP值，其次是多目标和SCB优化。风险和LCOH优化的结果是GWP值较高(附录C-C8)。

7.3. 风险

安全风险结果([图8]c)对(1)技术(类型、规模和安装设施的数量)、(2)市场类型和(3)需求量(低重要性)敏感，见表D1。风险是用相对风险指数来衡量的，平均值从33到663个单位不等。拥有更多运输单元(更高的流速)和更多储存/生产单元的配置会因相对风险最小而受到惩罚。从[图8]c可以看出，包括 "SMR和电解 "的配置是风险最小化的首选方案。附录C9-C12介绍了SCB和LCOH优化的风险指数结果的差异，导致相对风险值较高，因为在风险、全球升温潜能值和多目标优化中获得了最佳结果。然而，LCOH-SCB和风险优化之间存在一些对立。一个例子是，对于S1-M1-SMR&电解在SCB最大化与风险最小化中，储存设施和运输单位的数量变化很大，即在整个时间范围内，SCB有749个储存单位和132辆油罐车，而风险最小化有103个储存罐和11辆卡车。这一趋势在M1和M2中是相同的；然而，使用 "电解 "的M1导致了风险最高的分散配置，因为需要安装许多电解器来满足工业和流动性的需求(每个生产单位都受到惩罚)。从这些结果可以证实，风险函数在HSC网络的设计中起着重要的作用，因为它影响着集中化程度，正如以前在[[34]]中报道的那样。

7.4. SCB

最后要分析的目标是社会成本效益。[图8]d和表D1显示，当需求量不同(即BC、S1或S2)时，最重要的变化被发现。这是有道理的，因为目前模型中的SCB函数只对流动性进行了这方面的评估，其中基本情况只包括公共汽车，而，S1和S2同时包括公共汽车和重型卡车。第二个重要因素是市场类型，而生产技术并不重要。SCB是一个最大化函数，对于所研究的方案，在任何实验中都没有发现正值。然而，S2的数值更接近于0，因为该情景下车辆数量较少。正如之前在[第4.2.8节]中解释的那样，在本模型中使用的SCB函数中，既不包括补贴也不包括免税，以便首先分析只有总拥有成本、碳价格和铂金消耗与FCVs比较的情况。在全球范围内，如果柴油车被FCV取代，其价值从-M1,930.05到−M1,930.05到-M224.90不等。在附录C13-C16中，显示了SCB和LCOH优化的最佳值，其次是多目标、风险和GWP优化。尽管SCB的优化对LCOH和GWP给出了相对较好的解决方案，但对LCOH的影响更大，因为它被用来计算TCO。

即使在时间范围内柴油车的TCO较低([表4])，但从2035年开始，当SCB被最大化，并且使用的技术是SMR和电解时，它变得更接近FC卡车的TCO。Ruf等人的TCO研究[[18]]显示了FCHDT技术的成本竞争力的明显趋势(无法与其他包括SCB计算的研究做进一步的比较[[26]] ，[[38]] )。, [[38]] 因为应用的是移动性，但用于私人车辆)。对于只允许电解的情况，从2040年开始有比较接近的结果。公共汽车的总拥有成本差距较大，它主要受到附录A中报告的购买价格差异的影响。

表4. 总拥有成本：使用柴油或氢气的公共汽车和卡车的比较。

总拥有成本 (每辆车$)
空电池燃料20302035204020452050
公交车柴油595,844 元 / 381,597 元 / 258,323 元 / 212,002 元 / 170,959 元
H2 - SCB max - S1-M1-SMR&Electrolysis$ 961,052$ 532,639$ 347,499$ 315,865$ 234,644!
H2 - SCB max S1-M1-Electrolysis$ 1,018,947$ 567,500$ 377,361$ 331,344$ 250,002!
卡车柴油$643,537$476,962$334,376$245,220$207,246
H2 - SCB max S1-M1-SMR&Electrolysis$ 781,428$ 480,447$ 342,176$ 291,868$ 209,760!
H2 - SCB max S1-M1-Electrolysis$ 875,226$ 536,926$ 390,559$ 316,946$ 234,642!

7.5. 单目标优化与多目标优化

在这项工作中，已经运行了单目标(LCOH、GWP和Risk)和多目标(SCB、通过ε约束方法的多目标)的优化。单目标方法显示了与以前的工作[[33]]中报告的类似特征。, [[34]] . 对于使用ε约束的多目标策略，在4个标准的权重相同的情况下，创建帕累托前沿需要7小时左右的时间来获得最佳权衡方案。SCB最大化包括LCOH和GWP，需要几秒钟的时间来找到一个具有权衡性的最佳配置，并且对LCOH和GWP给出了良好的结果。在这一点上，这些[多目标方法]是互补的，因为它们衡量的是不同方面。

7.6. 匈牙利可持续的HSC的快照

通过在优化中使用ε-约束方法，S1-M1-电解的结果被用来说明HSC的详细结果。在[图9]中，从当前装置的基础地图开始，显示了网络的近似值(REKK)。黑线用于分隔区域，蓝线是国际道路网。2021年确定的设施(基础地图)的位置只是为了显示一些工业需求地点。 从2030年到2050年，新设施通过电解使用核电(直接或来自电网)[生产氢气]，风能、太阳能和[水电]也以较低份额出现。这与[[14]]中提出的讨论一致。这与[[14]]中的讨论一致，其中明确指出，尽管将安装一些绿色H2容量，但2030年后预期的较高份额将基于核能和可再生能源。为了满足2030年的工业和交通需求，每年将需要约10,500GWh通过电解生产H2。与其他研究的结果相比，这个数量很高[[14]] 。, [[27]] 28]]，并且需要从核电而不仅仅是可再生能源中获得重要份额。在匈牙利国家清洁发展战略的最新结果中([表2])，估计匈牙利在2030年的太阳能光伏发电量将超过10874GWh/年，风力发电量为1496GWh/年。太阳能光伏发电可以满足本研究中预测的2030年的全部H2需求；然而，太阳能光伏发电的[LCOE]和二氧化碳排放值在优化中对该技术进行了惩罚。这一点在方案定义方面需要特别注意，因为即使在优化中选择使用核电和风电，在欧洲的路线图中，光伏和风场应该与H2结合，以增加能源系统的灵活性。需要强调的是，尽管与核电(2150)相比，风电的全球升温潜能值较低(984克CO2-eq/千克H2)，但模型结果反映了匈牙利风电发展的能力限制，因为严格的法规只允许在人口密集区的12公里范围内安装[[97]]。在[表2]中，显示了从2025年到2045年匈牙利风力发电的缓慢发展。这一事实也会影响风能的LCOE，如(附录A-表A.8)所示。此外，尽管匈牙利的太阳能发电能力将在未来几年内得到发展，但这种技术的LCOE和CO2排放量都高于核电的数值，所以 "电力-PV "受到了惩罚。由于这些原因，"电解-核 "似乎是目前匈牙利用于H2生产的主要替代方案之一。到目前为止，从邻国进口电力或氢气的选择还没有被探索。

尽管[图9]中的地图显示的是任意的、近似的位置，但这些地点是根据其潜在的需求、能源的可用性和E型公路在各地区进行的。在匈牙利北部的Miskolc(区域1)周围有许多基于电解的生产基地，这是因为氨和钢铁工业的高需求和目前的位置，还有中部的Transdanubia(区域5)，那里现在有SMR生产。事实上，匈牙利正在评估这些地区以及第4区和第7区，以便在2030年前建立两个新的氢气谷[[27]] 。大多数的风力生产厂位于第1区。加气站被放置在E型公路旁边，在2030年期间，需要44个加气站(国家战略中预计有20个加气站[[27]] )。根据需求的增长，加气站和储存中心的数量随着时间的推移而增加。在匈牙利，由于其他储存和运输方案(地下储存和管道)的潜力，这一点需要更多的调查[[14] ] 。在地图中，箭头代表了公路运输环节，由于这些环节非常少，所以网络是一个相当分散的环节。

详细结果见[表5]，从中可以看出，在国家层面，经济结果非常接近欧洲的目标，即如果只考虑生产部分，到2030年氢气成本低于每公斤1.8欧元[∼2,23美元]。整个HSC在2030年的LCOH为6.33美元，而使用电解法的具体生产成本约为2.7美元。可以强调的是，传输和分配的成本很高，IEA[[25]]提到，它可能是[氢气生产]成本的三倍；这可能解释了为什么配置是相当分散的。关于加气站的氢气价格，Ruf等人[[18]]报告说，氢气的价格需要低于每公斤6欧元[∼6.8美元]，因此必须考虑氢气燃料的税收和附加费用，根据[[86]]，这可能是额外的113%。因此，从6.33美元的LCOH来看，预计2030年加气站每公斤H2的价格为13.48美元，2035年LCOH为3.97美元，将导致价格为8.47美元。

表5. 用多目标优化法解决方案1中生产绿色氢气的详细结果。

空单元空单元2030年2035年2040年2045年2050年
总需求每年T171,571200,890232,821292,854363,762
需求 - 工业163,000165,000167,000207,500248,000
需求 - 移动性857135,89065,82185,355115,762
配置空单元配置空单元
总生产设施的数量单位2222252935
新建生产设施的数量20346
仓储设施总数1919252629
新建总储存设施的数量19613
加气站的数量4478183183247
运输单位的数量1363333
目标函数空细胞20302035204020452050
氢气的平准化成本每公斤H2 $ 6.33$ 3.97$ 4.56$ 5.08$ 3.95
全球变暖潜能每千克氢气的二氧化碳当量3.163.143.133.133.16
总的安全风险单位1479297116134
社会成本效益每期百万美元-469-434-629-848-445
总拥有成本空单元20302035204020452050
公交车-柴油车每辆车 $ 595,844.31$ 381,597.20$ 258,323.11$ 212,002.12$ 170,959.35
巴士-H21,050,643.74美元573,530.80美元392,425.32美元337,628.90美元252,261.43美元
卡车-柴油机$643,536.60$476,961.78$334,375.95$245,220.40$207,246.27!
卡车-H2926,579.47美元546,696.90美元414,964.50美元327,128.43美元238,302.91美元
资本成本空细胞20302035204020452050
工厂、存储、加油站的资本成本$2,708.91$66.67$953.48$308.80$680.77!
运输模式的资本成本16.59美元 - 7.42美元 - 3.98美元 - 3.73美元
运营成本空舱空舱
工厂、仓储、加油站的运营成本每天1.84美元2.02美元2.40美元2.78美元3.45美元
运输方式的运营成本0.01美元0.00美元0.00美元0.00美元
一次性能源成本$ 0.13$ 0.13$ 0.16$ 0.17$ 0.22!
全球升温潜能值空心电池20302035204020452050
生产吨二氧化碳当量/天1009.441178.211360.691711.432158.52
储存467.71547.63634.68798.33991.62运输
运输6.383.090.531.11
风险空单元20302035204020452050
生产单位1616192430
储存5555788498
运输752185
社会成本效益空格2030年2035年2040年2045年2050年
Delta TCO每期M$$ (505.72)$ (586.90)$ (891.74)$ (1,141.87)$ (782.28)
减轻流动性的二氧化碳每期$ 39.12$ 157.53$ 266.56$ 296.61$ 341.45 !
铂金损耗每期 $ (1.90)$ (4.18)$ (3.50)$ (2.78)$ (4.30)

HSC的碳减排平均每公斤H2的排放量为2.99公斤二氧化碳当量，而一些HSC配置的排放量超过每公斤H2 11公斤二氧化碳当量。仅考虑这里分析的运输市场(公共汽车和卡车)，如果用氢气替代柴油，2030年可以避免大约8.4万吨二氧化碳当量的排放；这个数字接近国家战略中对所有运输部门的预测[[27]] (每年13万吨二氧化碳)。到2050年的减排量约为每年113万吨二氧化碳当量，仅适用于HD运输部门。

8. 结论和展望

本研究测试了设计可持续的氢气供应链的不同标准。氢气供应链包括能源、生产和储存设施、运输模式和不同的市场(工业和流动性)，它从2030年到2050年的演变已被多期优化研究。通过考虑在优化阶段纳入SCB标准，提出了一个新的MILP模型来优化HSC，该模型可进一步用于计算移动市场的总成本，即本研究中的公共汽车和重型车辆。除了经济支柱的平准化氢气成本和环境贡献的温室气体排放之外，风险指数和SCB函数都可以被认为是特定的社会标准。总共有60种情况被优化，以测试需求和技术的敏感性。该方法已被应用于匈牙利的案例研究，考虑到没有进口的国家生产。

情景定义是最重要的，对结果有严重影响。可以得出结论，最好有一个混合的需求(工业和移动性)，逐步引进FCV和迁移到电解技术，以确保平稳过渡，特别是在最初的时期。获得的配置显示出平均LCOH从每公斤H2 3.34美元到11.15美元不等。

在一个包括工业和移动需求(公共汽车和卡车)的市场中，通过使用电解技术，绿色氢气在2030年可以导致每公斤H2的LCOH为6.33美元。H2燃料的税收和附加费用将影响加气站的最终价格，通过使用我们目前的数据库，H2价格可能是LCOH的两倍。这可能会影响H2的竞争力。根据Ruf等人的研究[[18]]，到2030年，氢气需要有足够的能量。到2030年，氢气的报价需要低于每公斤6欧元[∼6.8美元]，因此需要额外的补贴或免税，以使H2在2030年具有竞争力。在同样的情况下(S1-M1-电解)，每公斤H2的排放量从1.98到3.21公斤二氧化碳当量不等。如果同时使用电解和SMR，排放量会高得多：每公斤H2有4.15至10.99公斤二氧化碳当量。风险的最佳配置意味着中低程度的集中化，道路运输环节少。根据多目标优化方法，生产的最佳选择是电解与核电、风电和[水电]在一个分散的网络中结合。如果加速从蓝色/灰色氢气向绿色氢气的全面过渡，这些能源的电力需求就会大大增加。SCB的最大化似乎是非常相关的，因为氢气的部署可以被看作是一个鸡和蛋的战略问题：氢气的成本和需求是相互依赖的，所以需要确保一个有竞争力的价格，而这取决于整个安装的基础设施和FCV和氢气的销售。在目前的表述中，SCB包括总拥有成本、铂金损耗和公共汽车和卡车的碳减排。由于缺乏关于最终用户的详细数据，这一分析没有扩展到工业市场，但这可以在未来的研究中进行探讨。尽管在整个时间范围内，柴油车的总成本较低，但从2035年起，当SCB达到最大，所使用的技术是SMR和电解时，它变得更接近于FC卡车的总成本。公共汽车的总成本差距较大，这可归因于基于所使用的数据库的购买价格的差异。纳入额外的外部因素和降低公共汽车的购买价格可以帮助减少这一差距。

最后，比较了SCB的最大化和多目标优化的结果。可以得出结论，这些方法是互补的。主要区别在于网络集中化程度和相对风险指数，SCB最大化的风险更高。通过使用ε约束方法进行的多目标优化包括LCOH、GWP、风险和SCB，经过几个小时的计算得出了一个折衷方案。在几秒钟内就找到了SCB的解决方案，LCOH和GWP的权衡解决方案隐含了对TCO的最小化。将这一方法应用于更多的案例研究将使我们能够得出结论，这些结果是否可以推广，但我们已经开发了一个敏感性分析，以分析目标函数和不同因素之间的关系：市场类型、技术类型和需求量。

已经确定了几个研究角度，可以开发更多的研究来调查。

  • 能源：例如，匈牙利正在预测太阳能发电部门的发展，生物质能也是可用的。未来可以通过只包括可再生能源来开发更多的方案。

  • 其他市场：汽车、供暖、沼气...。

  • 技术选择。PEM与[碱性电解]；管道运输，地下储存，使用氢气载体(例如，氨，液体有机载体......)。

  • 通过包括用于汽车工业和其他外部因素的额外催化转换器材料(如[钯]和铑)来分析和改进SCB功能。这可能会增加H2的竞争力。

  • 地域规模。[粒度]分析，自下而上和自上而下的比较，区域分析(如维舍格勒国家)，正式的地理信息系统分析，国际进口

  • 敏感性分析：数据经常更新，这意味着需求、设施寿命、能力、CAPEX、车辆购买价格、燃料效率、碳价格和其他投入可能需要定期进行敏感性分析

  • 为确保HSC的可持续性应考虑的其他社会因素

  • 风险评估可以通过包括对可持续和有弹性的供应链很重要的意外风险等，来改进安全和经济观点。

参考：www.x-mol.com/paperRedire…

avatar
文章
阅读
粉丝