計及功率密度約束含氫儲能的預裝式多元儲能電站容量優化配置研究

袁鐵江 張 昱 栗 磊 曹新慧 楊 南

（1. 大連理工大學電氣工程學院 大連 116024 2. 國網寧夏電力有限公司電力科學研究院 銀川 750002 3. 國網新疆電力有限公司經濟技術研究院 烏魯木齊 830011）

0 引言

海島、邊防哨所等偏遠地區距離大電網較遠、可持續供電難以保障，多采用包含儲能系統的風力/光伏發電等分布式新能源微電網對其供電[1]。許繼集團等公司將多種儲能元件、散熱系統、控制系統集成，開發出可移動、可快速部署的小型預裝式微電網儲能電站，為平抑新能源功率波動[2-4]，維持“源-荷”平衡與微電網穩定運行提供了新的手段。為實現該類儲能集成系統效益最大化，儲能單元的選擇與儲能容量的配置中，考慮集裝箱體積形成的功率密度約束就顯得至關重要。

目前，國內外針對微電網儲能單元的選型及其容量優化配置方面做了大量的研究。文獻[5]采用區間數和層次分析法相結合的方法，求解儲能選型的問題。文獻[6]用模糊理論和層次分析法開展簡單對比選型，用以提高電能質量。文獻[7]根據現有的天氣和資源條件對系統容量進行了優化設計，但儲能形式單一，無法滿足各種工況下系統對不同種類儲能的需求。文獻[8-11]通過對風-光-儲系統的數學機理建模和經濟性評估，重點探究了獨立新能源微電網的容量優化配置問題，并給出了解決方案，但在約束條件中未考慮儲能單元剩余電量約束，可能造成求解結果不準確。文獻[12]對風電場輸出功率偏差進行頻譜分析，最終確定儲能系統容量和儲能補償后的系統備用需求。文獻[13]利用單一蓄電池將城市軌道交通平峰期或低峰期回收的制動能量部分轉移至高峰期，可以降低牽引變電所的建設成本，但蓄電池儲能手段單一，并未考慮不同應用場景下對不同儲能手段的需求，造成配置結果的片面性。文獻[14]利用遺傳算法對建立的蓄電池-超級電容器混合儲能系統的容量優化模型及其約束條件進行求解；然而在涉及混合儲能單元時，沒有頻譜分析的系統容量配置，可能會造成配置結果技術性、經濟性不足。文獻[15]研究了不平衡功率離散型傅里葉變換分斷點的分斷原則，建立孤島型微電網混合儲能優化配置模型，對儲能容量優化配置進行分解，降低了模型的求解復雜性。文獻[16]提出一種基于離散型傅里葉變換的主動配電網混合儲能容量優化配置模型，并考慮市場環境中的分時電價和電能交易，優化混合儲能系統充放電功率，減少了能量型儲能系統的壽命損耗；但蓄電池的能量密度在當前市場上并非最高，所配混合儲能系統的長時段供電能力不足。

目前市場上儲能電站的配置大多選擇超級電容器和鋰電池的混合儲能單元進行短時的能量支撐[17-23]。氫儲能相比于鋰電池可以長時間大規模儲存能量，更能適應獨立微電網極端持續穩定供電場景[24-25]，作為氫儲能組成部分的燃料電池具有很高的功率密度[26]。氫儲能的加入使得體積有限的預裝式儲能電站具有更高的功率密度與能量密度。超級電容器、鋰電池和氫儲能相結合的儲能系統性能完備，可以滿足不同場合的用電需求，使得預裝式儲能電站能夠更好地適應海島、邊防哨所存在的長時間、大功率的用電需求。尋求計及功率密度約束的含氫儲能的預裝式多元儲能電站容量優化配置方法對該類電站的應用是至關重要的。

因此，本文提出計及氫儲能的預裝式多元儲能電站容量優化配置方法，依據微電網平衡功率的頻率特性與多元儲能單元補償特性，劃分補償頻段，計算缺電懲罰費用及能量溢出懲罰費用，再以年均投資成本最小為目標追求，以剩余電量、負荷缺電率及能量溢出率等為約束，采用遺傳算法求解模型，得到儲能電站的最佳容量配置方案。

1 基于頻譜分析的微網功率分配策略

為分析微網功率分配策略，引入平衡功率的概念，對微網的平衡功率進行離散型傅里葉變換，將時序曲線轉換為幅頻特性下一系列的頻率及其對應的幅值。根據頻譜分析的結果與氫儲能、鋰電池和超級電容器的儲能特性，劃分多元儲能單元的頻率補償頻段。然后，將多元儲能單元的補償結果通過傅里葉反變換轉換到時域，詳細過程如圖1所示。

圖1 多元儲能單元功率分配策略Fig.1 Power allocation strategy of multi-component energy storage unit

1.1 功率平衡

根據微電網的實際風電、光伏發電和負荷數據，計算其實際平衡功率，對平衡功率進行離散傅里葉變換，得到一系列頻率及其對應的幅值。根據多元儲能單元的特性，確定多元儲能單元的補償，實現多元儲能單元之間的功率分配。定義t時刻新能源系統的輸出功率PRE(t)，所述的新能源系統包括光伏發電系統和風力發電系統。

式中，PPPG(t)為t時刻光伏發電系統的輸出功率；PWIND(t)為t時刻風力發電系統的輸出功率。

定義t時刻負荷功率PL(t)與新能源系統的輸出功率PRE(t)之差為微電網的平衡功率PPH(t)，即

1.2 頻譜分析及功率分配

根據微網中的光伏發電、風電出力及某一典型日負荷的采樣數據，可以通過式（1）、式（2）得到微網中的時域平衡功率，如圖2所示。

圖2 某孤立微電網中的時域平衡功率Fig.2 Time-domain balancing power in an island microgrid

首先采集平衡功率樣本數據。由奈奎斯特定理可知，采樣頻率大于采樣信號中的最高頻率的2倍時，采樣之后的數字信號才可以完整地保留原始信號中的信息。采樣周期越小，采樣點越多，頻譜分析的范圍就越準確，本文采用的采樣周期為 36s，即每小時采樣 100個點，1 200倍頻頻率為1/(2×36)Hz，故基準頻率為 1/(2×36×1200)Hz。

對樣本數據PPH={PPH(1), ??,PPH(n), ??,PPH(N)}進行離散型傅里葉變換，得到經傅里葉變換后不同頻率對應的幅值[27]為

式中，DFT(PPH)為對微網的平衡功率樣本數據PPH進行離散型傅里葉變換；SPH(n)為傅里葉變換之后第n個頻率fPH(n)所對應的幅值；N為樣本總數。

平衡功率的頻譜分析結果如圖3所示。平衡功率主要集中在低頻附近，中、高頻段幅值較小且呈現無規律波動。超級電容器功率密度大，充放電周期短，適合補償短時高頻波動，可作為功率型儲能單元[28]；鋰電池與超級電容器相比，能量密度大，持續供電能力強，可作為短期能量型儲能單元；氫儲能相比于鋰電池具有更好的能量密度和更強的持續供電能力，可作為長期能量型儲能單元。利用不同設備的響應特性合理分配多元儲能單元之間的功率分配，保障系統供電可靠性。本文選擇400倍頻、800倍頻作為分界點，將頻譜分為三段，[0,400]倍頻作為低頻段，用氫儲能進行補償；[400,800]倍頻作為中頻段，用鋰電池進行補償；[800,1200]倍頻作為高頻段，用超級電容器進行補償。為了更為直觀地看清頻譜分析結果，特挑選出前20倍頻分析結果供讀者觀看。

圖3 平衡功率頻譜分析結果Fig.3 Spectral distribution of balance power

根據上述補償頻段的劃分，利用傅里葉反變換將氫儲能、鋰電池和超級電容器補償頻段的幅頻結果轉換到時域上，即可得到儲能功率補償結果。

假設fJL∪fJL1為鋰電池補償頻段，其中fJL1表示SPH中以 Nyquist頻率(頻譜分析結果的最高分辨頻率，為采樣頻率的1/2)為對稱軸的與fJL對稱的頻段，其中fJL=[fJLmin,fJLmax]，fJLmin、fJmax分別為；電池補償頻段fJL的端點。用SL={SLi(nL),??,SLi(NL)}表示頻譜分析結果中鋰電池儲能單元補償頻段所對應的幅值，為了簡化計算，將未補償頻段對應的幅值置為0，補償頻段的幅值不變，即

對鋰電池儲能單元補償頻段的幅值SL進行傅里葉反變換，將頻譜分析的結果轉換到時域，可以得到鋰電池儲能單元的補償功率為

式中，nL表示的是頻域劃分之后的第nL個頻率。同理可以得到超級電容器和氫儲能的功率補償結果。

1.3 補償功率調整

在配置氫儲能、鋰電池和超級電容器的儲能容量時，不能為了保證某些尖端負荷的正常用電而無限大地配置儲能的容量。所以在配置儲能容量時既要保證負荷用電的可靠性也要兼顧容量配置的經濟性，即尋找儲能容量與供電可靠性之間的平衡點。

以鋰電池儲能單元為例：當需要鋰電池儲能單元補償的中頻分量Pzp(t)＞0時，表示需要鋰電池儲能單元放電，假設配置的鋰電池儲能單元的功率為PLi0，則定義鋰電池儲能單元補償的負荷缺電量為

則在整個壽命周期內，鋰電池儲能單元所補償的負荷缺電總量為

同理可以得到超級電容器和氫儲能的負荷缺電總量分別為LC_LPS和LC_HPS，則定義負荷缺電率為

當Pzp(t)＜0時，表示需要鋰電池儲能單元充電，假設配置的鋰電池儲能單元的容量為PLi0，定義能量溢出量為

則在整個壽命周期內，鋰電池儲能單元所補償的負荷能量溢出量為

同理可以得到超級電容器和氫儲能的能量溢出量分別為LC_EX、LH_EX，則定義能量溢出率為

式中，PLi0、PC0、Pfc0分別為配置的鋰電池、超級電容器和燃料電池的容量；T為研究周期。

2 多元儲能容量優化模型

2.1 目標函數

根據新能源系統輸出功率和負荷消耗功率的需求，合理配置氫儲能、鋰電池和超級電容器的容量，確定微電網系統年均綜合成本最小為微電網儲能容量優化配置的目標，建立微電網儲能容量優化配置的目標函數為

式中，C1和C2分別為氫儲能、鋰電池和超級電容器等設備的一次投資成本和運行維護成本；C3為缺電懲罰費用；C4為能量溢出懲罰費用；C5為體積成本費用。

式中，C11、C12、C13、C14分別為超級電容器、電解槽、儲氣罐、燃料電池的一次投資成本；M1、M2、B、C、D、E分別為超級電容器、鋰電池、電解槽、氫氣罐、氧氣罐和燃料電池的總數量；CIN_j為各個儲能單元的初始投資成本，儲能單元的初始投資成本與其額定功率的配置有關；kj為各個儲能單元的功率系數；PjD為各個儲能單元的額定功率；CRF為資金回收系數；r為利率；l為超級電容器和鋰電池的使用年限；Pb_ele為單臺電解槽j的功率；φb_ele為電解槽單位功率價格；Sc、Sd為體積單價；Vshp、Vsop分別為氫氣罐和氧氣罐的體積；Pe_Fc為單臺燃料電池的功率；γe_fc為燃料電池單位功率價格。

式中，C21、C22、C23、C24分別為鋰電池和超級電容器、電解槽、儲氣罐、燃料電池的運行維護費用；jγ為運行維護成本系數；EjD為各個儲能單元的額定容量；CRe、CRs為電解槽和儲氣罐的年維護費用系數；Mbt為第b臺電解槽在第t年的運行費用；εjt為第j瓶儲氣罐在第t年的運行費用；γe_fc為燃料電池的單位容量維護系數；PeD_fc為燃料電池的額定功率。

式中，εloss為負荷缺電懲罰系數；εwaste為能量溢出懲罰系數。

集裝箱的制造需要一定的成本，故引入體積成本費用C5。

式中，εtotal為體積成本系數。

2.2 約束條件

2.2.1 儲能單元剩余電量約束

考慮到儲能單元的壽命，其剩余電量都應該控制在合理的范圍內。因此，t時刻超級電容器、鋰電池和氫儲能剩余電量約束可以表示為

式中，ELimin、ELimax分別為鋰電池儲能系統的最小剩余電量和最大剩余電量；ECmin、ECmax分別為超級電容器儲能系統的最小剩余電量和最大剩余電量；EHmin、EHmax分別為氫儲能的最小剩余電量和最大剩余電量。氫儲能與超級電容器為最大容量的10%與90%，鋰電池為最大容量的20%與80%。

2.2.2 集裝箱功率密度約束

由于預裝式微網儲能電站的體積有限，為了能夠將多元儲能單元合理有序地擺入集裝箱，需要對箱體功率密度做約束，使多元儲能電站的總體積為

式中，Vtotal為多元儲能單元總體積；Pele為所配置燃料電池的容量；ηFc0、ηele、ηC0、ηLi分別為燃料電池、電解槽、超級電容器、鋰電池的功率密度；β為根據箱內擺放情況所設置的空間系數。

集裝箱的功率密度為

集裝箱的功率密度約束條件為

式中，ηtotal為集裝箱的功率密度；ηmin、ηmax分別為多元儲能單元中的最小、最大功率密度。

2.2.3 供電可靠性約束

儲能單元的容量配置過小，會造成負荷缺電量較大，供電可靠性降低；儲能單元的容量配置過大，會導致整個系統的成本升高，經濟性降低。鑒于此，引入負荷缺電率和能量溢出率的約束條件為

式中，δLPSP_max為負荷缺電率上限；δEXC_max為能量溢出率上限。

2.3 求解方法

預裝式多元儲能電站容量優化配置的過程是一個非線性、多變量問題的求解過程，采用遺傳算法進行求解。以燃料電池額定功率、電解槽額定功率、氫儲能的容量、鋰電池額定功率與額定容量和超級電容器的額定功率與額定容量為決策變量進行尋優。

3 算例分析

以我國某微電網風電裝機容量為3MW、光伏裝機容量為 6MW 的風光互補微電網為例進行計算，根據該微電網全年的風電出力、光伏出力和負荷用電需求的歷史監測值，優化配置多元儲能單元容量。據監測值顯示，該微電網負荷峰值為6MW，采樣的時間間隔為 36s。采用平均電價折算倍數法來估計缺點懲罰系數及能量溢出懲罰系數，平均電價為0.45元/(kW·h)，缺電懲罰電價倍數取2.7，能量溢出懲罰電價倍數取3.3。系統的相關參數見表1[27,29-30]。

3.1 儲能容量配置結果與分析

基于本文所建立的關于多元儲能容量優化模型，采用遺傳算法優化微電網系統儲能容量，誤差小于0.01作為運算結束控制變量。對可能出現的七種不同儲能組合方案進行了計算，其中，方案1：氫儲能、鋰電池和超級電容器組合的配置結果；方案2：氫儲能單一配置結果；方案3：鋰電池單一配置結果；方案4：超級電容器單一配置結果；方案5：氫儲能和鋰電池組合的配置結果；方案 6：氫儲能和超級電容器組合的配置結果；方案 7：鋰電池和超級電容器組合的配置結果。所得微網儲能容量優化配置結果見表 2。根據許繼集團、Maxwell以及Horizon燃料電池集團等生產廠家的數據得出多元儲能單元功率密度見表3。

表1 系統相關參數Tab.1 System related parameters

表2 儲能容量優化配置結果Tab.2 Optimization result of energy storage capacity

表3 多元儲能單元功率密度Tab.3 Power density of multiple energy storage units

由表 2可知，在對比配置方案 2、3與方案 4可以發現，采用氫儲能的單一儲能單元相較于采用鋰電池與超級電容器的單一儲能單元，系統的總造價下降了 46.38%與 46.39%，這主要是因為平衡功率中低頻分量占比較大，中頻和高頻分量占比較小，受制于經濟技術性能約束，鋰電池和超級電容器不用于補償低頻分量，而氫儲作為長期能量型的儲能具有更強的供電能力和平抑低頻分量的作用，使得氫儲能相較于鋰電池和超級電容器缺電懲罰費用分別下降了 54.05%與 53.99%，能量溢出費用分別下降了 78.17%與 78.11%，從而使得系統的年綜合成本大幅度下降，這也印證了引入氫儲能的必要性。

通過對比配置方案5、方案6、方案7與配置方案2、方案3、方案4可知，采用混合儲能單元代替單一的儲能單元，系統的經濟性也明顯向好，這是因為混合儲能單元相較于單一儲能單元功能完備，系統的供電可靠性增加，反向吸收溢出能量的能力也增加，使缺電懲罰費用與能量溢出費用降低，進而使系統的年綜合成本也大幅降低，這是引入混合儲能的原因所在。

配置方案1為包含氫儲能、鋰電池與超級電容器的多元儲能單元的配置方法，通過與配置方案 7僅含鋰電池與超級電容器的方法相比較，采用含氫儲能的多元儲能代替鋰電池與超級電容器的混合儲能單元配置方案，鋰電池和超級電容器的配置規模有所減小，但是增加了氫儲能，由于氫儲能出色的長期供電能力，使得因為由于引入氫儲能所增加的一次投資成本與運行維護成本遠遠小于缺電懲罰費用與能量溢出費用，使得系統年綜合成本降低了66%。

結合表2最終容量配置結果與表3的多元儲能單元功率密度可知，方案1所占用的總體積為59.96m3，方案2所占用的總體積為 49.88m3，方案 3所占用的總體積為 8.33m3，方案 4所占用的總體積為0.375m3，方案5所占用的總體積為58.46m3，方案6所占用的總體積為49.16m3，方案7所占用的總體積為 8.64m3。以許繼集團標準 40ft(12.032m×2.352m×2.549m)、體積為72m3的集裝箱為例，除去檢修散熱通道、控制系統等占用體積，實際儲能系統可用體積約為 30m3，本文所設計方案 1、2、5、6需使用兩個集裝箱，而方案 3、4、7需使用一個集裝箱。

3.2 含氫儲能的預裝式多元儲能電站運行模擬效果分析

由 3.1分析可知，考慮氫儲能在內的多元儲能相較于傳統的鋰電池和超級電容器儲能在功能上更為完備，經濟性能更優，采用該方案可以更好地提高微電網的運行經濟性和供電能力。

利用反傅里葉變換針對多元儲能單元頻譜分析結果進行時域變換，得到平衡功率中低、中、高頻功率分布如圖4所示。多元儲能單元之間的充放電主要取決于平衡功率的波動頻率的高低，低頻分量用氫儲能進行補償，中頻分量用鋰電池進行補償，而高頻分量用超級電容器進行補償。根據初始功率分配結果，為滿足峰荷需求將導致儲能容量大幅增加，進而使系統經濟性受損。因此這里進行功率調整以實現供電可靠性和儲能容量的平衡，即在最經濟的配置下達到供電可靠性最高。調整后的多元儲能功率分配結果分別如圖5～圖7所示，此時功率大于零表示充電，小于零表示放電，多元儲能單元的最大充放電功率有個明顯的“剃頭”效果，這就是對補償功率進行功率調整的結果，避免為了某些尖端負荷的供電而無限增加所配置容量的大小，降低了系統的年綜合成本，并提高了系統的經濟性。

圖4 多元儲能補償功率分配Fig.4 Compensation power distribution of multi-component energy storage

圖5 調整后氫儲能功率分配Fig.5 Power allocation of adjusted hydrogen storage

圖6 調整后鋰電池功率分配Fig.6 Power allocation of adjusted lithium battery

圖7 調整后超級電容器功率分配Fig.7 Power allocation of adjusted super capacitor

由圖8可知，在微網中接入儲能后，平衡功率的波動情況有了明顯的改善，正向峰值減小了26.12%，反向峰值減小了72.3%，起到了有效平抑平衡功率波動的作用。正反向峰值差的減小使得平衡功率的充放電由無規則的波動變為均值在零附近波動，使儲能系統可以在一天一個周期內基本完成一個完整的充放電，能夠有效地提高儲能系統的壽命。具體的參數對比見表4。

圖8 接入儲能后的功率變化情況Fig.8 Power change after accessing energy storage

表4 儲能容量優化前后參數對比Tab.4 Comparison of parameters before and after energy storage capacity optimization

由表4分析可得，加入儲能以后缺電懲罰費用減小了58.09%，有效保證了供電可靠性，避免了因新能源出力無法滿足負荷需求而停電造成的財產損失；能量溢出費用減小了 95.2%，避免了能量的過度浪費。本文所提出的多元儲能容量優化配置方法的經濟性得到了充分證明。

本文分別建立氫儲能、鋰電池、超級電容器荷電狀態曲線如圖 9～圖 11所示。由圖可知，氫儲能和超級電容器的荷電狀態都可以保持在 0.1～0.9之間，鋰電池的荷電狀態可以保持在 0.2～0.8之間。避免儲能單元的過充或者過放，可以提高儲能單元的使用壽命。圖9曲線變化平緩，而圖10和圖11變化相對比較劇烈，這是由于氫儲能補償低頻分量，低頻分量變化相對平緩，而鋰電池和超級電容器補償的中、高頻分量變化相對比較劇烈，是其在短時間內頻繁充放電造成的，通過對比觀察圖 5、圖 6和圖7也可以得到相同的結論；造成鋰電池和超級電容器的荷電狀態不斷變化的另外一個原因是通過頻譜分析可以發現，平衡功率中中頻和高頻分量占比較小，導致鋰電池和超級電容器所配置的容量不大，數量都在 10kW·h左右，這樣就會使鋰電池和超級電容器的充放電會造成荷電狀態的劇烈變化，實踐結果與理論分析一致。

圖9 氫儲能荷電狀態Fig.9 State of charge of hydrogen storage

圖10 鋰電池荷電狀態Fig.10 State of charge of lithium battery

圖11 超級電容器荷電狀態Fig.11 State of charge of super capacitor

由圖9可知，在8:30左右，氫儲能的荷電狀態達到全天最高的 0.74，這是由于在 3:00～8:30負荷較小，新能源出力較大，造成平衡功率為正，此時儲能單元在充電；在 17:00～22:00這段時間，負荷功率大于新能源出力，造成該段時間平衡功率為負，儲能單元在不斷地放電來維持功率的平衡與負荷之間的匹配。在 22:00時，用于補償低頻分量的氫儲能容量達到下限，無法再釋放能量，對應圖5可以看到，此時氫儲能的放電功率為 0。這是對儲能單元功率進行調整的效果，用降低一定程度的配置容量來提高整個系統的經濟性。

3.3 不同功率密度下配置結果的敏感性分析

為了驗證本文配置方法的合理性和經濟實用性，本文針對配置方案進行了不同功率密度下配置結果的敏感性分析。系統功率密度的不同，會影響到系統單日缺電懲罰費用和能量溢出懲罰費用，進而影響到儲能系統年綜合成本的大小。不同功率密度下系統的儲能容量配置及系統相關費用如圖12和圖13所示。

圖12 不同功率密度下儲能容量配置Fig.12 Energy storage capacity configuration under different power densities

圖13 不同功率密度下系統費用Fig.13 System cost under different power densities

由圖 12可知，所配置電解槽和燃料電池的功率是隨著集裝箱功率密度的增大而減小的。鋰電池和超級電容器的功率是隨著集裝箱功率密度的增大而增大的。這是因為集裝箱內部是由氫儲能、鋰電池和超級電容器三種混合儲能構成的，導致整個集裝箱的功率密度大小是介于最小功率密度電解槽和最大功率密度燃料電池之間的，由于電解槽和燃料電池功率密度小，所占用體積較大；超級電容器和燃料電池的功率密度非常大，所占用的體積較小，但配置的容量與鋰電池和電解槽的相差不多，又不足以將集裝箱的功率密度提升至一個非常大的量級，所以保持集裝箱的功率密度總體保持在40～110kW/m3之間。

由圖13可知，隨著集裝箱功率密度的增大，系統的綜合年成本是先減小后增大的，缺電懲罰費用和能量溢出費用趨勢相同。這是因為隨著集裝箱功率密度的增大，氫儲能所配置的容量就會減小，使得補償的低頻分量比例小，而低頻分量相較于中頻和高頻所占比重較大，從而造成缺電懲罰費用和能量溢出懲罰費用增大，使系統的年綜合成本越來越大。成本最小的點收斂在功率密度為 50.88 kW/m3處，也就是本文所配置的容量，敏感性分析驗證了本文所配置容量的經濟性。

4 結論

1）本文針對分布式新能源發電系統，構建了由氫儲能、鋰電池和超級電容器構成的多元預裝式儲能單元。在對微網平衡功率頻譜分析的基礎上，提出了基于儲能補償頻段特性的系統功率分配策略，通過尋找儲能容量和供電可靠性之間的平衡點，引入負荷缺電懲罰費用和能量溢出懲罰費用。以年均總成本最低為目標函數，在剩余電量、能量溢出率、缺電懲罰率及集裝箱功率密度等約束條件的約束下，與常規鋰電池和超級電容器的混合儲能方案相比，含氫儲能的多元儲能方案在功能和經濟方面優勢明顯。

2）以某一實際微網與許繼集團研制的標準集裝箱作為算例，去除檢修散熱通道與控制系統等占用體積，本文設計方案應采用兩個標準40 ft的集裝箱。為解決遠離大電網的偏遠地區供電難的問題提供了思路，為相關設備生產廠家提供了借鑒，具有深遠的意義。

3）本文在考慮功率密度約束情況下，討論了含氫儲能的多元預裝式儲能電站的容量配置問題，在實際中可能還需要考慮散熱、儲能單體的形狀等因素對容量配置的影響，將另文研究。