在全球可持续能源转型的浪潮中，氢能作为核心战略资源，正为电力、交通等领域的深度脱碳注入强劲动力。其中，氢燃料电池汽车凭借充能迅速、续航持久等优势，成为交通领域绿色转型的焦点。与此同时，分布式供氢网（DHSN）作为城市供氢的创新方案，为电-氢系统的协同优化提供了广阔空间。然而，氢负荷波动与分布式电源出力的不确定性，给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，挖掘电-氢协同潜力，成为推动能源系统高效运行的关键课题。
当前，我国氢燃料电池汽车与加氢站规模正快速扩张，分布式供氢网在城市供氢中扮演着愈发重要的角色。但在实际运营中，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能P2P，且忽视了氢长管拖车运输的独特性；二是高维概率计算的“维数灾”问题尚未攻克，缺乏兼顾效率、精度与稳健性的求解方案，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构建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考虑站间氢能P2P协同的电-氢最优能量流建模方法。该方法以子母站-配电网P2P协同模式为核心，通过耦合站间氢能流与双向电能P2P，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。这一创新为多主体能源系统的协同建模提供了全新思路，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（CS-aPCE），开发了子母站-配电网概率最优能量流求解算法。该算法以历史数据为驱动生成配点，通过解析方法计算期望、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，确保了高维问题中的高效性与稳健性。这一成果完善了高维概率优化问题的求解理论体系，为类似问题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。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DHSN的灵活性资源协调潜力，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、电力领域的深度应用。
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累了丰富经验。研究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，相关成果发表于权威学术期刊《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。
