"重庆大学破解电氢系统难题：高效算法驱动能源协同优化"

在全球能源转型的大潮中，氢能作为战略性核心资源，正为电力、交通等领域的深度脱碳提供强劲动能。氢燃料电池汽车凭借快速充能、持久续航等优势，成为绿色交通转型的关键突破口。与此同时，分布式供氢网络作为城市供氢的创新方案，为电-氢系统的协同优化开辟了广阔空间。然而，氢负荷波动与分布式电源出力的不确定性，为系统的安全经济运行带来了严峻挑战。在此背景下，深入研究电-氢概率最优能量流，充分挖掘电-氢协同潜力，成为推动能源系统高效运行的核心课题。

当前，我国氢燃料电池汽车与加氢站建设正呈现快速扩张态势，分布式供氢网络在城市供氢体系中扮演着日益重要的角色。但在实际运行中，该系统面临两大关键难题：一是多主体协同困境，现有方法未能有效整合站间氢能流与双向电力P2P交易，且忽视了氢能长管拖车运输的特殊性；二是高维概率计算中的"维数灾难"问题尚未突破，缺乏兼顾效率、精度与稳健性的优化方案，制约了电-氢系统协同优化理论的发展。针对这些挑战，一项创新研究从模型架构与算法设计双维度切入，提出了突破性解决方案。

为充分释放氢能的时空协同潜力，研究团队创新性地提出了兼顾站间氢能P2P协同的电-氢最优能量流建模方法。该方法以母子站-配电网P2P协同模式为核心，通过耦合站间氢能流与双向电力P2P交易，构建了基于纳什谈判理论的电-氢概率最优能量流模型。模型中，时滞性与离散性被纳入站间氢能P2P约束，多主体收益分配与电-氢价格决策得以协调，从而提升了系统的可行性与公平性。这一思路为多主体能源系统的协同建模提供了全新视角，填补了现有模型在电-氢能源流协同方面的理论空白。

在高维概率计算领域，研究团队基于压缩稀疏-任意多项式混沌展开技术，开发了母子站-配电网概率最优能量流求解算法。该算法以历史数据驱动生成配点，通过解析方法计算期望值、标准差等关键统计指标，无需依赖先验概率信息。为优化计算性能，算法融合了高斯正交规则构建高频配点，并结合压缩稀疏网格技术提出有效压缩判据。理论证明显示，该算法在降维效果与计算精度上表现卓越，确保了高维问题求解的高效性与稳健性。这一成果完善了高维概率优化问题的理论体系，为类似复杂系统的优化提供了可借鉴的算法框架。

实际应用中，该研究成果展现出显著优势。CS-aPCE算法在求解高维电-氢概率能量流时，计算时间仅为传统MCS法的10%，期望值和标准差的误差低于4.21%，高阶矩计算精度较传统aPCE法提升60.28%至156.98%。同时，平稳度阈值的合理选取对算法精度与效率具有重要影响，需结合随机变量的平稳度分布特征进行优化配置。考虑站间氢能P2P协同的电-氢最优能量流模型，能够有效调动分布式供氢网络的灵活资源协调潜力，优化站间氢能流分布，并实现多主体收益的公平分配。这一成果为大规模分布式供氢网络与配电网的协同运行提供了技术支撑，推动了氢能在交通、电力等领域的深度融合应用。

该研究由一支跨学科团队完成，团队成员在低碳综合能源系统、概率分析计算、不确定性量化等领域积淀了丰富经验。研究工作得到了国家自然科学基金项目和中央高校基本科研业务费项目的资助，相关成果发表于电气工程领域权威期刊《电工技术学报》。这一创新不仅为电-氢系统的优化调度与安全运行提供了理论依据，也为多主体能源系统的协同发展开辟了新路径。