DOI: https://doi.org/10.1016/j.ijhydene.2026.153445
تاريخ النشر: 2026-01-10
المؤلف: Amirreza Kaabinejadian وآخرون
الموضوع الرئيسي: أنظمة الطاقة المتجددة الهجينة
نظرة عامة
تجري هذه الدراسة تحليلًا شاملًا من الناحية التقنية والاقتصادية والبيئية لدمج الهيدروجين في شبكات التدفئة المركزية الهولندية (DHNs) لتعزيز قدرات التخزين الموسمي وتقليل انبعاثات CO₂. يجمع النظام الهجين المقترح بين الألواح الكهروضوئية (PV)، وتوربينات الرياح، ونظام تخزين الطاقة بالبطارية (BESS)، ومحلل غشاء تبادل البروتون (PEM)، ووحدات ضغط وتخزين الهيدروجين، وخلايا وقود PEM، ومضخة حرارية من الماء إلى الماء. تم تقديم وحدة تحكم لتقليل ذروة الحمل لإدارة BESS، مما يقلل بشكل فعال من أعلى ذروات استيراد الشبكة التي تم ملاحظتها بنسبة 72% بينما يوجه الكهرباء المتجددة الزائدة نحو إنتاج الهيدروجين. تم تقييم النظام في مدينة إنشيده، مما يوضح قدرته على دعم تقليل الذروة وتخزين الهيدروجين الأخضر للاستخدام خلال فترات الطقس البارد.
تشير النتائج إلى أن الهيدروجين يعمل كحل فعال للتخزين الموسمي، حيث يزود 42.21% من طلب الحرارة في الشتاء ويعمل بالتوازي مع المضخة الحرارية المدفوعة بالكهرباء خلال الفترات الباردة. تستخدم الدراسة إطار عمل تحسين مدعوم بالتعلم العميق، مقترنًا بخوارزمية جينية، مما يقلل بشكل كبير من التكاليف الحاسوبية ويعزز دقة التنبؤ بالانبعاثات ومعدل التكلفة الإجمالية وكفاءة الإكسي. تشمل النتائج الرئيسية كفاءة إكسي تبلغ 35.04%، ومعدل تكلفة إجمالية يبلغ 4.84 يورو/ساعة (حوالي 5.24 دولار/ساعة)، وانبعاثات سنوية من CO₂ تبلغ 63.64 طن. من الجدير بالذكر أن التحليل يكشف أن مزرعة الطاقة الشمسية هي المصدر الرئيسي للاختلالات بسبب الفرق الكبير في درجة الحرارة بين الإشعاع الشمسي والظروف المحيطة. بشكل عام، يظهر دمج الهيدروجين في DHNs أنه يخفف بشكل فعال من الاعتماد على استيراد الشبكة ويساهم في تقليل الانبعاثات.
مقدمة
تسلط المقدمة الضوء على الدور المهم للبيئة المبنية في انبعاثات غازات الدفيئة (GHG) واستهلاك الطاقة داخل الاتحاد الأوروبي (EU)، حيث تعتمد أنظمة التدفئة السكنية بشكل أساسي على الوقود الأحفوري، وخاصة الغاز الطبيعي. لمكافحة ذلك، حدد الاتحاد الأوروبي أهدافًا طموحة لدمج الطاقة المتجددة وتحسين كفاءة الطاقة بحلول عام 2030. تم تحديد شبكات التدفئة المركزية (DHNs) كالبنية التحتية الأساسية لتحقيق هذه الأهداف، خاصة في هولندا، حيث يتم تلبية جزء كبير من طلب الحرارة السكنية بواسطة الغاز الطبيعي. تناقش الورقة تطور DHNs عبر أجيال مختلفة، مع التركيز على التقدم الذي يعزز الكفاءة والتوافق مع مصادر الطاقة المتجددة، وخاصة من خلال دمج الهيدروجين كوسيلة طاقة متعددة الاستخدامات.
تركز الأسئلة البحثية المطروحة على إمكانية الهيدروجين المنتج من الموارد المتجددة المحلية لمعالجة عجز التدفئة في الشتاء، وفعاليته كوسيلة تخزين موسمي، وتطبيق التعلم العميق المدرك للفيزياء لتحسين الأنظمة الهجينة. تهدف الدراسة إلى تقديم رؤى أصلية من خلال دمج الهيدروجين في DHNs كمصدر ذروة، وتقييم دوره في التخزين الموسمي، وتطوير نموذج بديل مدعوم بالتعلم العميق لتسهيل تحسين متعدد الأهداف مع الحفاظ على الدقة في المبادئ الديناميكية الحرارية. تسعى هذه المقاربة إلى تعزيز استدامة وكفاءة أنظمة الطاقة في سياق سيناريو التدفئة المركزية الهولندية.
طرق
توضح قسم المنهجية النهج المتبع لتنفيذ النمذجة الرياضية للنظام المقترح، مع التركيز على التحليلات الطاقية والإكسي والحرارية الاقتصادية وفقًا للقوانين الأولى والثانية للديناميكا الحرارية. تم تطوير النموذج باستخدام بايثون، مع الاستفادة بشكل خاص من واجهة برمجة التطبيقات Cool-Prop لحساب الخصائص الديناميكية الحرارية.
تشمل الافتراضات الرئيسية التي تستند إليها الدراسة تطبيق النمذجة المجمعة لكل من محلل غشاء تبادل البروتون (PEME) وخلايا وقود غشاء تبادل البروتون (PEMFC)، حيث يعمل PEME فقط خلال فترات الطاقة المتجددة الزائدة لتوليد الهيدروجين. بالإضافة إلى ذلك، تتجاهل التحليل الخسائر الحرارية في الأنابيب والأجهزة الداخلية، وتفترض عمليات إيزنتالبك لصمامات التقييد والتوسع، وتتجاهل انخفاض الضغط في مكونات مثل المبردات والمبردات بعد التبريد. هذه الافتراضات حاسمة لتبسيط النموذج مع الحفاظ على صلته بتقييم أداء النظام.
نتائج
في هذا القسم، يقدم المؤلفون نتائج دراسة تحسين النظام باستخدام نهج تصميم التجارب (DOE)، وتحديدًا تصميم بلاكيت-برمان، لتحديد معلمات التصميم المؤثرة لمشكلة تحسين متعددة الأهداف. يكشف التحليل أن كفاءة الإكسي وانبعاثات CO₂ تتأثر بشكل كبير بعدد سلاسل الألواح الكهروضوئية (PV) وتوربينات الرياح، بينما يتأثر معدل التكلفة الإجمالية بجميع المعلمات المدروسة، بما في ذلك نسبة الضغط وكفاءة الإيزنتروبي لضواغط الهيدروجين، وسعة نظام تخزين الطاقة بالبطارية (BESS)، وحجم خزان تخزين الهيدروجين. تؤكد هذه النتائج على أهمية التركيز على متغيرات القرار الرئيسية، والتي تم تفصيلها في الجدول 8.
لنمذجة الأداء الحراري الاقتصادي، يستخدم المؤلفون نماذج بديلة من نوع الشبكة العصبية متعددة الطبقات (MLP)، مما يولد حوالي 4000 زوج من المدخلات والمخرجات من متغيرات القرار المختارة. يتم تقسيم مجموعة البيانات إلى مجموعات تدريب (85%) واختبار (15%)، مع استخدام التحقق المتقاطع 5-طيات والبحث الشبكي لتحسين المعلمات الفائقة لثلاث شبكات عصبية اصطناعية (ANNs) منفصلة تتنبأ بكفاءة الإكسي، ومعدل التكلفة الإجمالية، وانبعاثات CO₂ السنوية. يتم تقييم أداء هذه الشبكات العصبية باستخدام مقاييس مثل متوسط الخطأ التربيعي (MSE)، وجذر متوسط الخطأ التربيعي (RMSE)، ومتوسط الخطأ المطلق (MAE)، مما يضمن قدرات تنبؤية قوية للتكامل في خوارزمية جينية للتحسين. يتم تلخيص أفضل الهياكل للشبكات العصبية في الجدول 9، مما يبرز النهج المنهجي المتبع لتعزيز عملية التحسين.
مناقشة
ت outlines قسم المناقشة من ورقة البحث النظام الهجين المقترح المصمم لمدينة إنشيده، هولندا، مع التركيز على دمجه لتقنيات الطاقة الشمسية والرياح والهيدروجين لتلبية الطلبات السكنية للطاقة. إنشيده، التي تتميز بانخفاض انتشار شبكات التدفئة المركزية (DHNs) وتباين موسمي كبير في مصادر الطاقة المتجددة، تعتبر دراسة حالة مثالية. يهدف النظام الهجين إلى الاستفادة من الطبيعة التكميلية للطاقة الشمسية وطاقة الرياح – حيث تزداد الطاقة الشمسية في الصيف بينما تكون طاقة الرياح أكثر وفرة في الشتاء – لتوفير إمدادات طاقة موثوقة. تستهدف التحليل بشكل خاص منطقة ويك تويكيلرفيلد، التي تتكون من 4719 أسرة، وتستخدم ملفات الطلب التفصيلية لتحديد حجم النظام بشكل مناسب.
يتكون النظام المقترح من عدة مكونات: الألواح الكهروضوئية (PV)، وتوربينات الرياح، ونظام تخزين الطاقة بالبطارية (BESS)، ومحلل غشاء تبادل البروتون (PEME)، ووحدة تخزين الهيدروجين، وخلايا وقود غشاء تبادل البروتون (PEMFC). تم تصميم النظام لتوليد الكهرباء والحرارة، مع إنتاج الهيدروجين عبر التحليل الكهربائي للاستخدام خلال فترات انخفاض توليد الطاقة المتجددة. يعزز دمج مضخة حرارية من الماء إلى الماء قدرة النظام على تلبية الطلبات الحرارية. كما تؤكد المناقشة على أهمية الاعتبارات التنظيمية للتنفيذ المستقبلي، بما في ذلك التصاريح البيئية والسلامة. بالإضافة إلى ذلك، تسلط الورقة الضوء على الحاجة إلى التحليلات الاقتصادية والبيئية، والتي تعتبر حاسمة لتقييم جدوى النظام الهجين في تقليل انبعاثات غازات الدفيئة وتحسين التكاليف.
القيود
ت stem القيود في الدراسة بشكل أساسي من اعتمادها على ملفات الطلب على الكهرباء والحرارة بالساعة لعام 2023، والتي قد لا تعكس بدقة تقلبات الطلب المستقبلية. بالإضافة إلى ذلك، يركز التقييم البيئي فقط على انبعاثات CO₂ التشغيلية من استهلاك الكهرباء وتحويل الهيدروجين، متجاهلاً الانبعاثات المتجسدة من مكونات النظام. بينما تعتبر هذه المعلمات مناسبة لتحليل مقارن لتكوينات النظام، فإنها من المحتمل أن تقلل من تقدير التأثير المناخي الإجمالي.
تشمل اتجاهات البحث المستقبلية دمج المراقبة في الوقت الحقيقي لالتقاط أنماط الطلب المتطورة والبيانات التشغيلية، مما سيعزز دقة النماذج البديلة ونتائج التحسين. علاوة على ذلك، فإن توسيع التحليل البيئي ليشمل منظور دورة الحياة الشاملة – مع الأخذ في الاعتبار جميع المراحل ذات الصلة وإمكانية تسرب سلسلة الهيدروجين – سيوفر رؤية أكثر شمولية لتداعيات المناخ. أخيرًا، فإن دمج درجة حرارة مصدر المضخة الحرارية الديناميكية من خلال نمذجة التفاعل بين حلقة تبريد مركز البيانات ودرجات حرارة عودة شبكة التدفئة المركزية (DHN) يمكن أن يوفر رؤى حول كيفية تأثير تقلبات درجة حرارة المصدر على مؤشرات أداء النظام على المستوى الكلي.
DOI: https://doi.org/10.1016/j.ijhydene.2026.153445
Publication Date: 2026-01-10
Author(s): Amirreza Kaabinejadian et al.
Primary Topic: Hybrid Renewable Energy Systems
Overview
This study conducts a comprehensive techno-economic-environmental analysis of integrating hydrogen into Dutch district heating networks (DHNs) to enhance seasonal storage capabilities and reduce CO₂ emissions. The proposed hybrid system combines photovoltaic (PV) panels, wind turbines, a battery energy storage system (BESS), a proton exchange membrane (PEM) electrolyzer, hydrogen compression and storage units, a PEM fuel cell, and a water-to-water heat pump. An adaptive peak-shaving controller is introduced to manage the BESS, effectively reducing the highest observed grid import peaks by 72% while directing surplus renewable electricity towards hydrogen production. The system is evaluated in the city of Enschede, demonstrating its ability to support peak shaving and store green hydrogen for use during cold spells.
The findings indicate that hydrogen serves as an effective seasonal storage solution, supplying 42.21% of winter heat demand and working in tandem with the electricity-driven heat pump during colder periods. The study employs a deep learning-assisted optimization framework, coupled with a genetic algorithm, which significantly reduces computational costs and enhances predictive accuracy for emissions, total cost rate, and exergy efficiency. Key results include an exergy efficiency of 35.04%, a total cost rate of €4.84/h (approximately $5.24/h), and annual CO₂ emissions of 63.64 tons. Notably, the analysis reveals that the PV farm is the primary source of irreversibilities due to the significant temperature difference between solar radiation and ambient conditions. Overall, the integration of hydrogen into DHNs is shown to effectively mitigate reliance on grid imports and contribute to emissions reductions.
Introduction
The introduction highlights the significant role of the built environment in greenhouse gas (GHG) emissions and energy consumption within the European Union (EU), with residential heating systems predominantly relying on fossil fuels, particularly natural gas. To combat this, the EU has set ambitious targets for renewable energy integration and energy efficiency improvements by 2030. District heating networks (DHNs) are identified as essential infrastructure for achieving these goals, particularly in the Netherlands, where a substantial portion of residential heat demand is met by natural gas. The paper discusses the evolution of DHNs through various generations, emphasizing advancements that enhance efficiency and compatibility with renewable energy sources, particularly through the integration of hydrogen as a versatile energy vector.
The research questions posed focus on the potential of hydrogen produced from local renewable resources to address winter heating deficits, its effectiveness as a seasonal storage medium, and the application of physics-aware deep learning for optimizing hybrid systems. The study aims to contribute original insights by integrating hydrogen into DHNs as a peaking resource, assessing its role in seasonal storage, and developing a deep learning surrogate model to facilitate multi-objective optimization while maintaining fidelity to thermodynamic principles. This approach seeks to enhance the sustainability and efficiency of energy systems in the context of a Dutch district heating scenario.
Methods
The methodology section details the approach taken to implement the mathematical modeling of the proposed system, focusing on energy, exergy, and thermo-economic analyses in accordance with the first and second laws of thermodynamics. The model was developed using Python, specifically utilizing the Cool-Prop API for thermophysical property calculations.
Key assumptions underpinning the study include the application of lumped modeling for both the Proton Exchange Membrane Electrolyzer (PEME) and the Proton Exchange Membrane Fuel Cell (PEMFC), with the PEME functioning solely during periods of surplus renewable energy to generate hydrogen. Additionally, the analysis neglects thermal losses in pipelines and internal devices, assumes isenthalpic processes for throttling and expansion valves, and disregards pressure drops in components such as intercoolers and aftercoolers. These assumptions are critical for simplifying the model while maintaining its relevance to the system’s performance evaluation.
Results
In this section, the authors present the results of a system optimization study utilizing a Design of Experiments (DOE) approach, specifically the Plackett-Burman design, to identify influential design parameters for a multi-objective optimization problem. The analysis reveals that the exergy efficiency and CO₂ emissions are significantly affected by the number of photovoltaic (PV) strings and wind turbines, while the total cost rate is influenced by all studied parameters, including the pressure ratio and isentropic efficiency of hydrogen compressors, battery energy storage system (BESS) capacity, and hydrogen storage tank volume. These findings underscore the importance of focusing on key decision variables, which are detailed in Table 8.
To model the thermo-economic performance, the authors employ feed-forward multi-layer perceptron (MLP) surrogates, generating approximately 4000 input-output pairs from the selected decision variables. The dataset is split into training (85%) and testing (15%) subsets, with a 5-fold cross-validation and grid search used to optimize hyperparameters for three separate artificial neural networks (ANNs) predicting exergy efficiency, total cost rate, and annual CO₂ emissions. The performance of these ANNs is assessed using metrics such as mean squared error (MSE), root mean squared error (RMSE), and mean absolute error (MAE), ensuring robust predictive capabilities for integration into a genetic algorithm for optimization. The best architectures for the ANNs are summarized in Table 9, highlighting the systematic approach taken to enhance the optimization process.
Discussion
The discussion section of the research paper outlines the proposed hybrid energy system designed for the city of Enschede, Netherlands, focusing on its integration of solar, wind, and hydrogen technologies to meet residential energy demands. Enschede, characterized by a low penetration of district heating networks (DHNs) and significant seasonal variability in renewable energy sources, serves as an ideal case study. The hybrid system aims to utilize the complementary nature of solar and wind energy—solar energy peaks in summer while wind energy is more abundant in winter—to provide a reliable energy supply. The analysis specifically targets the district of Wijk Twekkelerveld, which consists of 4,719 households, and employs detailed demand profiles to size the system appropriately.
The proposed system comprises several components: photovoltaic (PV) panels, wind turbines, a battery energy storage system (BESS), a proton exchange membrane electrolyzer (PEME), a hydrogen storage unit, and a proton exchange membrane fuel cell (PEMFC). The system is designed to generate electricity and heat, with hydrogen produced via electrolysis for use during periods of low renewable generation. The integration of a water-to-water heat pump further enhances the system’s ability to meet thermal demands. The discussion also emphasizes the importance of regulatory considerations for future implementation, including safety and environmental permits. Additionally, the paper highlights the need for economic and environmental analyses, which are critical for assessing the viability of the hybrid system in reducing greenhouse gas emissions and optimizing costs.
Limitations
The limitations of the study primarily stem from its reliance on hourly electricity and heat-demand profiles for 2023, which may not accurately reflect future demand fluctuations. Additionally, the environmental assessment focuses solely on operational CO₂ emissions from electricity consumption and hydrogen conversion, omitting embodied emissions from system components. While these parameters are suitable for a comparative analysis of system configurations, they likely underestimate the total climate impact.
Future research directions include the integration of real-time monitoring to capture evolving demand patterns and operational data, which would enhance the accuracy of surrogate models and optimization outcomes. Furthermore, expanding the environmental analysis to encompass a comprehensive life-cycle perspective—accounting for all relevant stages and potential hydrogen chain leakage—would provide a more holistic view of the climate implications. Lastly, incorporating a dynamic heat-pump source temperature by modeling the interaction between the data-center cooling loop and district heating network (DHN) return temperatures could yield insights into how fluctuations in source temperature influence system-level performance indicators.