热力发电

参数	数值	参数	数值
液冷机架数量	100	每台服务器散热量/W	325
每个机架中服务器数量	40	水的密度/（kg·m^–3）	983.191
服务器最大总水流量/GPM	105^[22]	水的比热容/（J·（kg·℃）^–1）	4 182
液冷机架进口温度/℃	40~65^[22]	液冷机架出口温度/℃	50~60^[10]

参数	数值	参数	数值
液冷机架数量	100	每台服务器散热量/W	325
每个机架中服务器数量	40	水的密度/（kg·m^–3）	983.191
服务器最大总水流量/GPM	105^[22]	水的比热容/（J·（kg·℃）^–1）	4 182
液冷机架进口温度/℃	40~65^[22]	液冷机架出口温度/℃	50~60^[10]

参数	数值	参数	数值
蒸发器传热率/kW	1 440	中间换热器出口压力/MPa	8.700
蒸发器温度/℃	60	涡轮机出口压力/MPa	1.250
中间热交换器温度/℃	90	泵和压缩机效率/%	85
冷凝器出口温度/℃	20	涡轮机等熵效率/%	80
蒸发压力/MPa	1.765	热泵流量/（kg·s^–1）	10.5
冷凝压力/MPa	2.900	有机朗肯循环的流量/（mol·s^–1）	90.3

参数	数值	参数	数值
蒸发器传热率/kW	1 440	中间换热器出口压力/MPa	8.700
蒸发器温度/℃	60	涡轮机出口压力/MPa	1.250
中间热交换器温度/℃	90	泵和压缩机效率/%	85
冷凝器出口温度/℃	20	涡轮机等熵效率/%	80
蒸发压力/MPa	1.765	热泵流量/（kg·s^–1）	10.5
冷凝压力/MPa	2.900	有机朗肯循环的流量/（mol·s^–1）	90.3

单个PEM电堆参数	单个PEMFC参数
工作温度/℃	80	工作温度/℃	60~70
工作电压/V	1.9	工作电压/V	0.7
电流密度/（A·cm^-2）	2.0	电流密度/（A·cm^-2）	1.5
工作压力/MPa	0.3	工作压力/MPa	0.2
功率密度/（W·cm^-2）	1.26	系统效率	0.5

单个PEM电堆参数	单个PEMFC参数
工作温度/℃	80	工作温度/℃	60~70
工作电压/V	1.9	工作电压/V	0.7
电流密度/（A·cm^-2）	2.0	电流密度/（A·cm^-2）	1.5
工作压力/MPa	0.3	工作压力/MPa	0.2
功率密度/（W·cm^-2）	1.26	系统效率	0.5

	设计参数	符号	数值
PV	转换效率/%	ηsta	18.7
太阳能电池的数量	N_PV	5 000
单个电池的面积/m²	A_PV	1.63
功率温度系数/%/℃	γ	0.38
电池的光学参数	τα	0.81
WT	风力涡轮机的数量	N_WT	80
单个风力涡轮机的转子面积/m²	A_WT	52.81
功率系数	C_WT	0.49
机械效率/%	ηWT	90

	设计参数	符号	数值
PV	转换效率/%	ηsta	18.7
太阳能电池的数量	N_PV	5 000
单个电池的面积/m²	A_PV	1.63
功率温度系数/%/℃	γ	0.38
电池的光学参数	τα	0.81
WT	风力涡轮机的数量	N_WT	80
单个风力涡轮机的转子面积/m²	A_WT	52.81
功率系数	C_WT	0.49
机械效率/%	ηWT	90

组件名称	裸模块成本C_BM/元	年份	CEPCI₀	文献
换热器	6.534·Q_HE	2005年	468.2	[38]
蒸发器	6.534·Q_evap	2005年	468.2	[38]
膨胀阀	9 624·W_Exp	2021年	754.7	[38]
压缩机	91 565（W_comp/455）^0.67	2018年	603.1	[38-39]
中间换热器	6.534·Q_IHE	2005年	468.2	[38]
ORC	2 340·W_NET，ORC	2016年	541.7	[40]
PEM	1 000· $P PEM t$	2017年	567.5	[41]
氧气/氢气储罐	295·V_tank	2019年	607.5	[38]
PV	990元/kW（CAPEX）	2022年	816.0	[42]
WT	6 500元/kW（CAPEX）	2021年	796.1	[43]

组件名称	裸模块成本C_BM/元	年份	CEPCI₀	文献
换热器	6.534·Q_HE	2005年	468.2	[38]
蒸发器	6.534·Q_evap	2005年	468.2	[38]
膨胀阀	9 624·W_Exp	2021年	754.7	[38]
压缩机	91 565（W_comp/455）^0.67	2018年	603.1	[38-39]
中间换热器	6.534·Q_IHE	2005年	468.2	[38]
ORC	2 340·W_NET，ORC	2016年	541.7	[40]
PEM	1 000· $P PEM t$	2017年	567.5	[41]
氧气/氢气储罐	295·V_tank	2019年	607.5	[38]
PV	990元/kW（CAPEX）	2022年	816.0	[42]
WT	6 500元/kW（CAPEX）	2021年	796.1	[43]

项目	数值	年份	参考文献
系统寿命/年	30
年利率/%	6
工业电价/（元·MWh^–1）	640.95	2024年	[44]
氧气价格/（元·t^–1）	1 220.84	2020年	[31]
氢气价格/（元·kg^–1）	62.08	2023年	[45]
工艺用水/（元·t^–1）	0.477		[31]

项目	数值	年份	参考文献
系统寿命/年	30
年利率/%	6
工业电价/（元·MWh^–1）	640.95	2024年	[44]
氧气价格/（元·t^–1）	1 220.84	2020年	[31]
氢气价格/（元·kg^–1）	62.08	2023年	[45]
工艺用水/（元·t^–1）	0.477		[31]

组件名称	寿命/年	文献
系统	30	[46]
PV	30	[47]
WT	20	[48]
PEM	7	[49]
PEMFC	20	[50-51]
ORC	20	[52]

组件名称	寿命/年	文献
系统	30	[46]
PV	30	[47]
WT	20	[48]
PEM	7	[49]
PEMFC	20	[50-51]
ORC	20	[52]

HPA-ORC工质组合	热泵性能系数COP	误差/%	ηHPA-ORC/%	误差/%
R134a/R245fa	12.28	12.32	12.370	0.41/0.73	4.70	4.74	4.71	0.210/0.630
R1234ze/R1234ze		11.4	11.401	0.006		2.70	2.718	0.667
Pentane/Pentane		11.5	11.498	0.016		4.10	4.112	0.281
R161/Pentane		13.2	13.120	0.610		4.10	4.118	0.438

HPA-ORC工质组合	热泵性能系数COP	误差/%	ηHPA-ORC/%	误差/%
R134a/R245fa	12.28	12.32	12.370	0.41/0.73	4.70	4.74	4.71	0.210/0.630
R1234ze/R1234ze		11.4	11.401	0.006		2.70	2.718	0.667
Pentane/Pentane		11.5	11.498	0.016		4.10	4.112	0.281
R161/Pentane		13.2	13.120	0.610		4.10	4.118	0.438

参数	文献[32]	文献[55]	本文	误差/%
工作电压/V	1.9	2.1	1.9	0/9.53
电流密度/（A·cm^–2）	2.1	2 A	2
效率/%	76.76%（51.1 kW·h/kg）	70.03	77.40	0.83/10.53

参数	文献[32]	文献[55]	本文	误差/%
工作电压/V	1.9	2.1	1.9	0/9.53
电流密度/（A·cm^–2）	2.1	2 A	2
效率/%	76.76%（51.1 kW·h/kg）	70.03	77.40	0.83/10.53

热泵辅助-有机朗肯循环协同氢储能的数据中心绿色能源系统集成设计

PDF下载

任露露 ¹ , 严儒井 ¹ , 吴谋 ² , 何宇 ¹ , 张靖 ¹

热力发电 | 储能技术研究 2026,55(6): 39-51

收起

热力发电 |储能技术研究 2026 , 55 (6) : 39 -51

热泵辅助-有机朗肯循环协同氢储能的数据中心绿色能源系统集成设计

全屏

任露露¹, 严儒井¹, 吴谋², 何宇¹, 张靖¹

作者信息

^1.贵州大学电气工程学院，贵州贵阳 550025

^2.华中科技大学电气与电子工程学院，湖北武汉 430074

通讯作者:

严儒井（1990），男，博士，副教授，主要研究方向为综合能源系统供需协调优化调度，rjyan@gzu.edu.cn。

作者简介:

任露露（1998），女，硕士研究生，主要研究方向为多能互补集成与运行优化，gs.renll23@gzu.edu.cn。

Integrated design of green energy system for data center with heat pump assisted-organic Rankine cycle collaborative hydrogen storage

Lulu REN¹, Rujing YAN¹, Mou WU², Yu HE¹, Jing ZHANG¹

Affiliations

^1.College of Electrical Engineering, Guizhou University, Guiyang 550025, China

^2.School of Electrical and Electronic Engineering, Huazhong University of Science and Technology, Wuhan 430074, China

出版时间: 2026-06-25 doi: 10.19666/j.rlfd.202509042

文章导航

摘要

收起

【目的】

绿电直供数据中心配置氢储能和余热回收是应对可再生能源波动和提升能源效率的有效路径，但需要验证该路径促进数据中心能源系统运行性能提升和降低运行成本的可行性。

【方法】

基于此，提出采用热泵辅助-有机朗肯循环对数据中心进行余热回收并用于发电，利用氢储能保障可再生能源波动场景下数据中心的电力供需平衡。随后，建立其能-㶲-经济模型，基于中国贵阳市2023年气象数据，评估其在月和年时间尺度上的运行性能；采用敏感性分析探究不同服务器利用率及6种低全球变暖潜能值（global warming potential，GWP）工质对整体性能的影响。

【结果】

结果表明，系统能量和㶲效率分别为57.12%和55.36%，数据中心能源使用效率和再利用效率分别为1.3和0.74。经济性分析表明，系统的动态投资回收期为6年，净现值为174.96万元。服务器利用率90%时，低GWP的R161/Pentane工质组合性能优于高GWP的R134a/R245fa工质。

【结论】

通过余热回收与氢储能协同可实现技术经济性能提升，为数据中心运营商投资建设绿电直连配套能源系统提供了技术路径。

关键词

数据中心 / 氢储能 / 余热回收 / 热泵辅助-有机朗肯循环 / 能-㶲-经济性能

Abstract

收起

[Objective]

Configuring hydrogen energy storage and waste heat recovery in data centers directly powered by green electricity constitutes an effective approach to mitigate renewable energy intermittency and improve overall energy efficiency. This study aims to verify the technical and economic feasibility of this strategy in enhancing the operational performance of data center energy systems and reducing operating costs.

[Methods]

Accordingly, a heat pump-assisted organic Rankine cycle is proposed to recover data center waste heat for power generation. At the same time, hydrogen energy storage is used to maintain power supply-demand balance amid fluctuations in renewable energy. Subsequently, an integrated energy-exergy-economic model is developed, and system performance is evaluated at monthly and annual time scales using 2023 meteorological data from Guiyang, China. Furthermore, a sensitivity analysis is conducted to investigate the impacts of varying server utilization rates and six low global warming potential (GWP) working fluids on overall system performance.

[Results]

The results demonstrate that the system achieves energy and exergy efficiencies of 57.12% and 55.36%, respectively, with a data center energy usage effectiveness of 1.3 and an energy reuse effectiveness of 0.74. Economic analysis indicates a dynamic payback period of 6 years and a net present value of 1.749 6 million yuan. Notably, at a server utilization rate of 90%, the low-GWP R161/Pentane working fluid pair outperforms the high-GWP R134a/R245fa combination.

[Conclusion]

The synergistic integration of waste heat recovery and hydrogen energy storage effectively improves techno-economic performance, providing a viable technical pathway for data center operators to invest in and deploy supporting energy systems for direct green electricity supply.

Key words

data center / hydrogen energy storage / waste heat recovery / heat pump assisted-organic Rankine cycle / energy-exergy-economic performance

引用本文

任露露, 严儒井, 吴谋, 何宇, 张靖. 热泵辅助-有机朗肯循环协同氢储能的数据中心绿色能源系统集成设计. 热力发电, 2026 , 55 (6) : 39 -51 . DOI: 10.19666/j.rlfd.202509042

Lulu REN, Rujing YAN, Mou WU, Yu HE, Jing ZHANG. Integrated design of green energy system for data center with heat pump assisted-organic Rankine cycle collaborative hydrogen storage[J]. Thermal Power Generation, 2026 , 55 (6) : 39 -51 . DOI: 10.19666/j.rlfd.202509042

正文

收起

在全球数字基础设施扩张背景下，数据中心的能耗、运行成本和碳排放急剧增加^[1]。预计到2030年，其电力需求将占全球电力需求的1/5^[2]。在数据中心的电力消耗中，用于算力运行和系统冷却分别占40%，且多依赖于电网一次能源，致使高能耗和高碳排放，成为制约行业发展的重要因素^[3]。此外，其消耗的电力几乎都转化为余热并释放到环境中，余热直接排放既降低能源效率，也对环境产生负面影响^[4]。因此，在全球“碳中和”的愿景下，对数据中心余热进行有效利用并采用绿电直供对于数据中心提升能源效率、降低碳排放至关重要^[5]。

对于数据中心的余热利用，鉴于其不间断运行、规模庞大和高热通量密度特征，产生的余热可作为稳定热源用于提升能源效率和降低运行成本^[6]。当前，研究主要将这部分余热用于满足电热需求。热需求包括区域供热^[7]、吸收式冷却^[8]和粮食干燥^[9]。值得注意的是，数据中心余热温度约50~60 ℃，难以满足更高品位热需求，因此可通过热泵将低品位余热提升至指定温度^[10]。文献[11]利用空气源热泵将数据中心余热提升至69 ℃用于烟草干燥，结果显示能源再利用效率可提升64.92%，成本与碳排放分别降低21.00%和16.80%。此外，文献[12]建立了集成热泵的数据中心区域供热系统，对北京某小型数据中心进行案例研究，结果表明，供暖季节的性能系数（coefficient of performance，COP）达5.27。然而，这些途径仅能将余热用于供暖、预热原料等低附加值用途，难以满足用电需求。因此，有研究^[13]利用这部分余热驱动有机朗肯循环提供电力，发电过程无需额外消耗燃料，减少了碳排放。文献[14]通过数据中心余热回收驱动有机朗肯循环发电，发现热源温度从43 ℃提高到81 ℃时，有机朗肯循环效率从1.9%提高到4.6%。然而，其忽略了数据中心热源温度过低，无法直接驱动有机朗肯循环发电。热泵辅助-有机朗肯循环（heat pump assisted-organic rankine cycle，HPA-ORC）是一种将低品位余热升温并用于发电的有效途径，其净发电功率与余热回收量较无热泵的有机朗肯循环分别提升9.37%和12.04%^[15]。

在数据中心绿电供应方面，文献[16]利用太阳能与生物质为数据中心供能并进行容量配置，结果显示，燃气轮机与内燃机的容量利用率可提升到81.34%，整体效率为41.33%。然而，其忽略了考虑生物质发电系统复杂造成的成本问题。文献[17]提出基于Copula理论的风光联合概率建模方法对数据中心综合能源系统进行双层优化配置，结果表明，系统总成本和碳排放分别降低8.4%和7.6%，绿电消纳率提升至95.7%。此外，文献[18]聚焦于大型数据中心供能系统中储能设备的配置优化，发现当风光装机容量小于1 500 kW时，不建议配置储能系统；若装机容量超过一定值时，加入蓄电池可提高效益。然而，理想的情景是数据中心100%依赖绿电，实现零碳排放^[19]。由于绿电数据中心直供方案中可再生能源的间歇性和波动性严重限制其电力稳定供应，因此寻求一种具有发展前景的储能途径显得十分重要。

氢作为一种可持续能源载体，可通过大规模长周期储能充分消纳风光弃电生产绿氢，支撑绿电直供数据中心的稳定运行^[19]。文献[20]提出氢燃料电池耦合数据中心余热回收的制氢系统，使系统总成本和碳排放量分别降低了4.2%和5.38%。文献[21]提出一种考虑数据中心余热回收和氢能利用的随机分布鲁棒韧性规划方法，结果表明，考虑氢储能的投资成本有所提高，但运行成本大幅下降，总成本降低1.8%。此外，余热回收促进了电、氢、热的多能互补，使得投资成本和总成本分别下降了11.8%和10.4%。然而，这些研究忽略了数据中心余热温度过低问题^[10]，仅将这部分热量进行量上的回收，未采取有效途径将其提升至目标温度后再行利用。

近期关于数据中心能源系统的研究集中在余热利用、风光等可再生能源的容量配置和利用储能应对可再生能源的间歇性，很少有研究考虑在完全依赖绿电的条件下探索HPA-ORC余热回收与氢储能的协同潜力和技术经济可行性。尽管一些研究探索了数据中心余热回收耦合氢储能的技术经济可行性，但忽略了其余热温度过低的问题，仅将这部分热量进行量上的回收，未采取有效途径将其提升至目标温度后再行利用。为此，本文提出了一种采用HPA-ORC将数据中心余热提升至目标温度用于发电，并通过氢储能确保在可再生能源波动下的数据中心电力供需平衡的数据中心能源系统及其运行策略；建立其能-㶲-经济模型，并基于中国贵阳市2023年气象数据在月和年时间尺度评估其运行性能。此外，采用敏感性分析探究不同服务器利用率及6种低全球变暖潜能值（global warming potential，GWP）工质对整体能源系统性能的影响。

1　数据中心能源系统介绍

收起

1.1　系统架构

可再生能源驱动的数据中心能源系统如图1所示。该系统由数据中心余热回收系统、HPA-ORC、风光发电系统及制氢发电系统4部分构成。运行时，以液冷技术回收服务器机架余热，经蒸发器将热量输入HPA-ORC热泵。在热泵中，制冷剂（R134a）于蒸发器吸热转为低压蒸汽（状态2），随后进入压缩机转为高压蒸汽（状态3），通过中间换热器向有机朗肯循环传热，自身冷却为高压液态工质（状态4），之后经膨胀阀降压为低压两相混合物（状态1），重回蒸发器，完成热泵循环。此外，在有机朗肯循环中，中间换热器提供的90 ℃热量驱动工质（R245fa）蒸发为高温、高压蒸汽（状态5），经涡轮机膨胀做功发电（状态9）；涡轮机出口蒸汽（状态6）进入冷凝器，经冷却介质冷却成液态工质（状态7），由泵加压（状态8）返回中间换热器，完成循环。

1.2　运行策略

拟议运行策略旨在保障数据中心电力稳定供应，系统运行流程如图2所示。系统总电力输出含光伏机组（photo voltaic，PV）、风力涡轮机（wind turbine，WT）及HPA-ORC发电，优先满足数据中心负荷；盈余时，多余电力经质子交换膜（proton exchange membrane，PEM）电解制氢设备制氢，储于储罐；当电力输出无法满足需求时，通过质子交换膜燃料电池（proton exchange membrane fuel cell，PEMFC）补能。总体而言，将氢储能与HPA-ORC余热回收结合，既可保障数据中心能源系统电力平衡，缓解可再生能源间歇性，还能降低储氢系统配置成本并满足安全要求。本系统由数据中心运营方投资建设，其收益来源于余热回收发电、绿电盈余制氢售氢等场景，用于满足数据中心降本提效、减碳适配的需求。

2　模型建立

收起

2.1　热力学模型

本节将阐述各子系统的热力学模型及系统评估标准。为便于模型构建，做如下假设：1）环境温度和压力分别为25 ℃和101.3 kPa；2）为简化建模，忽略储罐的能量损失；3）泵和蒸汽轮机绝热运行，而压缩机等温运行。

2.1.1　数据中心余热回收子系统

通过液冷技术直接捕获数据中心中IT设备运行时产生的低品位废热，并传递至外部循环系统，用于能源回收利用，数据中心的设计参数见表1。液冷式冷板出口的温度为^[22]：

T w,o = T w,i + Q w ρ w ⋅ c p, w ⋅ V w

(1)

式中：T_w，o和T_w，i分别表示水的进、出口温度，℃；Q_w为所有液冷服务器的散热量总和，kW；V_w为所有服务器的水流总和，GPM；c_p，w为水比热容，J/（kg·℃）；ρ_w为水密度，kg/m³。

从数据中心回收并供给HPA-ORC的余热量（Q_HPA-ORC，kW）和㶲（Ex_HPA-ORC，kJ/kg）可定义为：

Q HPA − ORC = m w ⋅ c p, w ⋅ Δ T w

(2)

E x HPA − ORC = Q HPA − ORC (1 − (T 0 / T w,i))

(3)

式中：m_w表示数据中心中冷却水的质量流量，kg/s；ΔT_w表示冷却水进出口的温差，℃；T₀为环境温度，℃。

采用能源使用效率（power usage efficiency，PUE）评估数据中心的运行性能，定义为数据中心的总能耗（P_DC，kW）与IT负载能耗（P_IT，kW）的比值。PUE值越小，说明数据中心能源效率越高。同时，因PUE未考虑余热利用及热泵等额外耗电，故引入能源再利用效率（energy reuse efficiency，ERE）评估数据中心余热利用能效。PUE及ERE定义如下^[23-24]：

PUE = P DC P IT = P TT + P cooling + P other (Q w / η cwc)

(4)

ERE = P DC + W comp + W pump − Q HPA − ORC P IT

(5)

式中：η_cwc表示冷却水循环效率，为0.9；P_cooling和P_other分别表示冷却设备和其他设备的耗电量，kW。

2.1.2　热泵辅助-有机朗肯循环子系统

热泵主要用于将数据中心的余热提升至有机朗肯循环可利用的温度，主要包括热泵和有机朗肯循环。有关能量平衡方程如下：

Q cond = Q evap + W comp = m ref (h 4 − h 3)

(6)

Q evap = Q HPA − ORC = m ref (h 2 − h 1)

(7)

式中：Q_cond、Q_evap和W_comp分别表示冷凝器传热功率、蒸发器传热功率和压缩机功耗，kW；m_ref为制冷剂质量流量，kg/s；h_i表示热泵循环不同位置（图1）制冷剂的焓值，kJ/kg。

此外，压缩机的耗电量（W_comp，kW）、COP和第一定律效率（η_HPA-ORC）可定义为^[25]：

COP HP = Q cond W comp = Q cond (m ref ⋅ (h 3 − h 2)) / (η me ⋅ η el)

(8)

η HPA − ORC = P HPA − ORC Q evap = W NET,ORC − W comp Q evap

(9)

式中：P_HPA-ORC表示HPA-ORC输出的净功率，kW；η_me和η_el分别代表压缩机的机械效率和电气效率，分别设为0.95和0.98^[11]。

本研究中考察的有机工质包括6种制冷剂：R134a、R245fa、R1234yf、R1234ze、R161和Pentane^[26-28]。HPA-ORC设计参数见表2。

㶲损失根据每个组件入/出口处的㶲流量计算得到。由于余热回收过程中不会发生化学反应，势能和动能的影响可以忽略不计，因此制冷剂的㶲分析如下^[29]：

E x ref = m ref ((h ref − h sta) − T sta (s ref − s sta))

(10)

在有机朗肯循环中，这里选择R245fa作为有机工质。相关的能量平衡方程表示如下：

W NET,ORC = W Turbine − W Pump = m 6 ⋅ h 6 − m 5 ⋅ h 5 − m 8 ⋅ h 8 + m 7 ⋅ h 7

(11)

Q in,ORC = m 5 (h 8 − h 5)

(12)

式中：W_Pump表示水泵消耗的功率，kW；W_NET，ORC和Q_in，ORC分别表示有机朗肯循环输出的净功率和输入的热量，kW；m_i表示有机朗肯循环中第i条流股的制冷剂的流量，mol/s。

2.1.3　制氢发电子系统

质子交换膜PEM因其产氢纯度高、电流密度大、动态响应快、与可再生能源适配性好等特点^[30]，多余的电力通过该PEM装置制氢，模型如下^[31]：

P PEM t = N PEM ⋅ V PEM ⋅ I PEM t = P PV t + P WT t + P HPA − ORC − P DC

(13)

m H 2 t = 0.5 M H 2 ⋅ I PEM t F, m O 2 t = 0.25 M H 2 ⋅ I PEM t F

(14)

式中：N_PEM为PEM电堆数量；

P PEM t

为PEM提供的电力，kW；V_PEM为单个电池堆的工作电压，1.9 V^[32]；

I PEM t

为电堆电流，A；

m H 2 t

为氢气的生产率，kg/s；F为法拉第常数，96 486 C/mol；

M H 2

为氢的摩尔质量，2 g/mol。

当电力不足时，采用PEMFC的输出功率（

P PEMFC t

，kW）补充电力缺额（

P shortage t

，kW），有关定义如下^[33]：

P PEMFC t = P shortage t η PEMFC = N PEMFC ⋅ E PEMFC ⋅ I PEMFC t

(15)

式中：η_PEMFC为PEMFC的系统效率；N_PEMFC为PEMFC电堆数量；E_PEMFC为工作电压，为了简化建模，在本文中设置为0.7 V。

此外，单个电池的氢气消耗率（

m PEMFC,H 2

，kg/s）可表示为：

m PEMFC,H 2 t = I PEMFC t ⋅ M H 2 2 F

(16)

单个PEM和PEMFC的设计参数如表3所示^[32]。

2.1.4　可再生能源发电子系统

本研究还对PV和WT进行了研究，设计参数见表4。此外，考虑太阳辐照度和环境温度的影响，建立了太阳能光伏的热力学模型^[34]。为简单起见，忽略了光谱和角度效应。太阳能光伏的输出功率由以下表达式确定：

P PV t = N PV ⋅ A PV ⋅ DNI t ⋅ η sta ⋅ (1 + γ (T C t − T sta))

(17)

T C t = 26.6 ⋅ T a + DNI t ⋅ [τ α − η sta (1 − γ ⋅ T sta)] 26.6 + γ ⋅ η sta ⋅ DNI t

(18)

Q sol t = A PV ⋅ DNI t

(19)

式中：

P PV t

为PV的输出功率，kW；η_sta为标准条件下的转换效率，%；N_PV为太阳能电池的数量；A_PV为单个电池的面积，m²；DNI^t为太阳辐照度，kW/m²；γ为功率温度系数，%；

T c t

为不考虑风速时的电池温度，℃；T_sta为标准温度，℃；T_a为环境温度，℃；τα为电池的光学参数。

此外，WT的约束为^[35]：

P WT t = {0, ν < ν in or ν > ν off N WT ⋅ P output,WT t, ν in ⩽ ν < ν rated N WT ⋅ P rated,WT t, ν rated ⩽ ν ⩽ ν off

(20)

式中：

P WT t

为WT的总输出功率，kW；N_WT为风力涡轮机的数量；

P rated,WT t

为单个涡轮机的额定功率，kW；v_in、v_rated和v_off分别表示切入风速、额定风速和切出风速，分别为3、12 m/s和25 m/s^[36]。

采用典型的分段功率曲线计算风力涡轮机的输出功率（

P output,WT t

，kW）^[37]。

P output,WT t = 0.5 ⋅ ρ air ⋅ A WT ⋅ C P ⋅ ν 3 ⋅ η WT

(21)

ρ air = 1.293 ⋅ 273.15 T a

(22)

P wind t = 0.5 N WT ⋅ ρ air ⋅ A WT ⋅ ν 3

(23)

式中：ρ表示空气密度，kg/m³；A_WT表示单个风力涡轮机的转子面积，m²；C_P表示功率系数；v为转子高度处的风速，m/s；η_WT为风力涡轮机的机械效率；P_wind为产生的风能，kW。此外，还考虑了环境温度对空气密度的影响。

2.2　经济模型

计算各组件的资本支出（capital expenditure，CAPEX）与运营支出（operation expenditure，OPEX）。CAPEX定义如下：

CAPEX = C BM + C CF + C AF

(24)

中：C_BM为裸模块成本；C_CF为应急不可预见费用，设置为0.107C_BM；C_AF为辅助设施的成本，设置为0.298C_BM，万元。

成本估算需要考虑化学工程工厂成本指数（chemical engineering plant cost index，CEPCI）。所需时间（C_t，万元）为：

C t = C 0 (CEPCI t CEPCI 0)

(25)

式中：C₀为基本时间的设备成本；CEPCI_t和CEPCI₀分别表示所需时间的成本指数和基准时间的成本指数。成本按通胀修正至2024年，CEPCI₂₀₂₄为844.10。总体而言，不同组件的裸模块成本如表5所示。

OPEX计算公式如下：

OPEX = C RAM + C UT + C IM

(26)

式中：C_RAM代表原材料成本；C_UT代表公用事业成本；C_IM代表维护和保险成本，设置为CAPEX的5%。

此外，OPEX估算的相关参数表6所示^[35]。各组件的寿命如表7所示。

2.3　评估标准

1）能量效率（

η en t

）和㶲效率（

η ex t

）可定义为：

η en t = m H 2 t ⋅ HHV H 2 + Δ E out + Q HPA − ORC Q sol t + P wind t

(27)

Δ E out = P PV t + P W T t + P PEMFC t + P HPA − ORC − P DC − P PEM t

(28)

η ex t = m H 2 t ⋅ e x H 2 + E x HPA − ORC + Δ E out Q sol t + P wind t

(29)

式中：

Q sol t

和

P wind t

分别表示输入的太阳能和风能，kW；

e x H 2

为氢气的标准化学㶲，MJ/kg；

H H V H 2

为氢气的高位热值，其值为142.0 MJ/kg^[53]；ΔE_out为输出电能，kW；Ex_HPA-ORC为数据中心向HPA-ORC供应的㶲，kJ/kg。

2）净现值（net present value，NPV）、正贴现现金流（discounted cash flow，PDCF）和现值比率（present value ratio，PVR）可定义为^[54]：

PDCF = ∑ i = 1 n ((1 − t) (1 + r) i) . ∑ i = 1 n ((REV − OPEX − d i) + d i)

(30)

N P V = P D C F − C A P E X

(31)

d i = 2 n (CAPEX − ∑ k = 1 i − 1 d k)

(32)

PVR = NPV CAPEX

(33)

式中：n为使用寿命；REV为年收入，万元；d_i为折旧费用，万元；r和t分别表示年利率和税率，本文中，二者分别设定为6%和30%^[30]。

2.4　模型验证

为了验证HPA-ORC系统及氢能循环模型的准确性，将HPA-ORC的模拟结果与文献[26]、[27]中的研究结果进行对比，具体结果见表8。将PEM的设计参数和模拟结果与参考文献[32]、[55]研究结果进行对比，结果见表9。

由表8可见，各项误差均小于0.73%，验证了所建立HPA-ORC系统模型的准确性。此外，由表9可见，最大误差为10.53%，其次为9.53%。这主要是由于这项工作与文献[55]工作电压的区别，与参数相似的文献[32]相比，最大误差为0.83%，验证了制氢模型的准确性。

3　结果与讨论

收起

从能量、㶲和经济层面阐述整体系统及各子系统的性能，涵盖能量/㶲流分析、氢气产量评估、敏感性分析及CAPEX和OPEX。为评估所提系统及其运行策略的性能，选取中国贵阳作为示范站点，其年逐时风速、环境温度和太阳辐射的初始数据如图3所示。

3.1　热力学性能

系统能流如图4所示。额定工况下，数据中心向HPA-ORC供应可回收热能1 440 kW，HPA-ORC则向系统传输电能67.88 kW，其发电效率为4.71%，且子系统内的能流由模拟过程所得焓值决定。太阳能与风能输入分别为830.28 kW和4 489.49 kW，对应向系统输送的电功率为158.89 kW和1 979.87 kW，能源效率分别为18.41%和44.10%；PEMFC贡献电力987.73 kW，能源效率为69.99%，上述所有电力均汇入电力枢纽。该系统向电枢纽供应净电功率3 194.07 kW，其中数据中心消耗2 080 kW，剩余电力用于PEM制氢，能源效率为76.51%；所产氢气中的762.81 kW注入储氢罐，与储氢罐含有的初始储氢功率648.24 kW用于PEMFC发电。系统整体能源效率为57.12%。

系统㶲流如图5所示。额定工况下，数据中心向HPA-ORC提供㶲输入151.28 kW，经其回收后向系统输送电能67.88 kW，HPA-ORC㶲效率为44.87%，㶲损失83.62 kW。风光子系统能量效率与㶲效率一致，HPA-ORC中㶲流基于模拟生成的物理㶲值计算。系统整体㶲效率为55.36%。

图6展示了系统的氢产量和氧产量。如图6a）所示，1月—12月产氢量在凌晨1：00—6：00较低，随后渐升，10：00—13：00达峰值后下降，其中5月最高（25.38 kg/s），8月最低（1.70 kg/s）。由图6b）可见，氧气产量变化规律与氢气相似，总体春末夏初产量较高，秋季和冬季则下降。

图7展示了月度电力平衡曲线。春夏季（如4月、5月、6月）风光发电量不仅能满足数据中心的电力需求，还会产生电力盈余。如5月的盈余量达到1 758.89 kW·h，这些盈余电力用于PEM制氢/储氢。然而，在8月、9月、10月，系统会出现电力短缺（如8月缺1 397.14 kW·h），这表明发电侧的电力无法满足用电侧的需求。此时，系统激活储氢罐并通过PEMFC发电弥补缺口。

3.2　敏感性分析

本研究通过敏感性分析，探究不同服务器利用率（server utilization rate，SUR）对系统热力学性能的影响，以及不同工质在不同条件下对系统性能的潜在作用。6种工质在SUR50%~90%范围内的第一定律效率如图8所示。由图8a）可知，HPA-ORC效率随SUR提高而上升，当SUR为90%时，高GWP的R134a/R245fa组合效率最高（4.71%），其次是R161/Pentane（效率为4.66%）和Pentane/Pentane（效率为4.61%），低GWP的R1234yf/R1234yf组合效率最低（效率为3.14%）。此外，R161/Pentane性能优于其他低GWP工质，其COP比R134a/R245fa高6.06%，比Pentane/Pentane高14.10%；尽管R161/Pentane第一定律效率略低于R134a/R245fa，但环境效益显著，且只需少量技术改造，是理想的低GWP替代工质。图8b）显示SUR为90%时6种工质的压缩机功耗：低GWP的R1234ze/R1234ze组合功耗最高（126.40 kW·h），R161/Pentane和R161/R161组合功耗最低（110.14 kW·h），与R134a/R245fa相比，R161/Pentane功耗降低约5.43%。

总体而言，HPA-ORC的第一定律效率和压缩机功耗均随SUR提高而上升。SUR为90%时，R134a/R245fa和R161/Pentane在第一定律效率方面表现优异，且R161/Pentane功耗最低。综合来看，R161/Pentane性能优越且GWP值低，是一种极具应用前景的替代工质。

3.3　经济性能分析

图9展示了系统的CAPEX明细，占比最高的是PEM装置（23.47%）、储氢罐（20.03%）和辅助设施（19.28%），其费用分别为1 118.82、954.61、918.97万元。这主要是由于制氢量较大且设备本身成本较高。PV和WT的总资本支出为433.85万元，占总投资成本的9.10%。值得注意的是，热泵的资本支出主要包括蒸发器、压缩机和中间换热器成本，分别为13.90（占比0.29%）、1.22（占比0.03%）、15.09万元（占比0.32%）。此外，有机朗肯循环的资本支出为312.43万元（占比6.55%）。因此，HPA-ORC的总资本支出为342.64万元，占总投资成本的7.19%。PEMFC的资本支出为190.41万元，占比3.99%。

图10展示了系统的OPEX明细。支出方面主要为维护和保险的支出，达324.35万元。收入方面，售氢收入923.93万元；售电收入1 167.86万元。用水成本接近0，可忽略不计。结果表明，售电和售氢收入是系统收益的主要组成部分，对系统经济性能影响最为显著。

图11为系统的NPV和PDCF。拟议系统的贴现投资回收期为6年，表明数据中心在投资的第6年即可实现盈利。净现值达174.96万元，正贴现现金流为941.44万元。此外，WT、ORC、PEMFC组件寿命为20年，届时需进行集中更换。PEM寿命仅为7年，因此在其更换年份（第7、14、21、28年），PDCF出现明显下降。在第20年，因WT、ORC、PEMFC等组件的集中更换，现金流冲击最为显著，PDCF一度降至负值，之后又回升至正常水平。总体而言，该系统展现出优异的经济性能。

图12和图13分别展示了部分系统的技术进步和经济性能的价格敏感性。由图12和图13可见：随着PV发电效率、PEM制氢效率和PEMFC效率的提升，系统的能源效率也随之上升；而光伏、电力和氢价格下降后，系统的投资成本和运营支出也随之下降。总之，光伏发电与氢能循环技术的进步也将推动绿电直供数据中心运行成本的下降与可靠性的提升，因此含氢储能与余热回收的数据中心也将逐渐普及。

4　结论

收起

为了探索在绿电直供数据中心场景下HPA-ORC与氢储能的协同潜力与技术经济优势，本文提出采用HPA-ORC进行余热回收和发电，并结合风光发电、氢储能及氢燃料电池协同运行，确保在可再生能源波动情况下数据中心的电力供需平衡。随后，建立其能-㶲-经济模型并基于中国贵阳市2023年气象数据在月和年时间尺度评估其运行性能。此外，采用敏感性分析探究不同服务器利用率及6种低全球变暖潜能值工质对整体性能的影响。主要结论如下。

1）在配置氢储能与余热回收后，绿电直供数据中心能源系统年均能量和㶲效率分别为57.12%和55.36%，PUE为1.3。回收余热后ERE从1.3降至0.74，表明在数据中心中配置氢储能和余热回收系统可有效提升整体性能。

2）经济性分析结果表明，弃电用于制氢和工业用电后可实现2 091.79万元的额外收益，贴现投资回收期为6年，净现值174.96万元，表现出良好的经济性。同时，数据中心作为系统投资与运营主体，依托自身余热与绿电资源实现能源二次利用，获得显著经济收益，为行业能效升级提供了可复制的投资运营模式。

3）敏感性分析表明，服务器利用率90%时，低GWP的R161/Pentane工质组合第一定律效率达4.70%，功耗110.14 kWh，热力学性能优于传统高GWP工质R134a/R245fa，为工质选择提供了优化方向。

总之，随着氢储能成本的降低与数据中心总体规模的扩大，数据中心余热回收的潜力及经济优势将进一步扩大。未来的研究可考虑结合可再生能源技术的进步对绿电直供数据中心能源系统的精细化热管理发电潜力进一步研究。

基金

收起

国家自然科学基金项目(52406227)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

朱子恒，张策，丁肇豪，等. 数据中心纳入全国碳排放权交易市场机制研究[J]. 中国电机工程学报，2024，44（14）：5562-5574.

ZHU

Ziheng

, ZHANG

, DING

Zhaohao

, et al. Research on the mechanism of integrating data centers into the national carbon emission rights trading market[J]. Proceedings of the CSEE, 2024, 44(14): 5562-5574.

[2]

KURTZ

, MA

, SAUR

, et al. Analysis of hydrogen infrastructure for the feasibility, economics, and sustainability of a fuel cell powered data center[J]. Sustainable Energy Technologies and Assessments, 2023, 58: 103357.

[3]

HAO

, ZHOU

, TIAN

, et al. Data centers waste heat recovery technologies: Review and evaluation[J]. Applied Energy, 2025, 384: 125489.

[4]

白薪宇. 基于数据中心余热回收的综合能源系统集成及优化研究[D]. 北京：华北电力大学，2024：5.

BAI

Xinyu

. Integrated research and optimization of integrated energy system based on waste heat recovery of data center[D]. Beijing: North China Electric Power University, 2024: 5.

[5]

张俊莲，杨传燕，张雪标. 基于有机朗肯循环的新型燃煤发电系统热力性能[J]. 热力发电，2025，54（7）：144-152.

ZHANG

Junlian

, YANG

Chuanyan

, ZHANG

Xuebiao

. Thermal performance of a new coal-fired power generation system based on organic Rankine cycle[J]. Thermal Power Generation, 2025, 54(7): 144-152.

[6]

黄琮琪，邵双全. 液冷数据中心余热驱动的压缩-吸收式制冷系统特性研究[J]. 化工学报，2025，76（增刊1）：326-335.

HUANG

Congqi

, SHAO

Shuangquan

. Study on characteristics of compression-absorption refrigeration system driven by waste heat of liquid-cooled data center[J]. CIESC Journal, 2025, 76(Suppl.1): 326-335.

[7]

YUAN

, LIANG

, HU

, et al. Waste heat recoveries in data centers: a review[J]. Renewable and Sustainable Energy Reviews, 2023, 188: 113777.

[8]

葛立，韩宗伟，历秀明，等. 数据中心蒸气压缩-吸收式复合制冷系统工质对选取研究[J]. 制冷与空调，2024，24（2）：72-77.

, HAN

Zongwei

, LI

Xiuming

, et al. Study on the selection of working fluid pairs for vapor compression-absorption hybrid refrigeration system in data centers[J]. Refrigeration and Air Conditioning, 2024, 24(2): 72-77.

[9]

ASAAD

S M

, INAYAT

, GHENAI

, et al. Integration of waste heat recovery with biomass thermal conversion processes: a review[J]. Process Safety and Environmental Protection, 2024, 192: 567-579.

[10]

PAN

, PENG

, WANG

. Application analysis of adsorption refrigeration system for solar and data center waste heat utilization[J]. Energy Conversion and Management, 2021, 228: 113564.

[11]

, ZHOU

, LI

, et al. Multi-objective optimization and benefit evaluation of heat pump system for tobacco drying using waste heat from data center[J]. Journal of Cleaner Production, 2024, 448: 141623.

[12]

ZHOU

, TIAN

, SONG

, et al. Dynamic performance of an integrated heat pump system coupled free cooling and waste heat recovery in data centers[J]. Energy, 2025, 323: 135838.

[13]

肖新文. 数据中心余热回收技术研究及应用进展[J]. 制冷与空调，2025，25（7）：57-71.

XIAO

Xinwen

. Research and application progress of waste heat recovery technology in data centers[J]. Refrigeration and Air Conditioning, 2025, 25(7): 57-71.

[14]

ARAYA

, WEMHOFF

A P

, JONES

G F

, et al. Study of a lab-scale organic Rankine cycle for the ultra-low-temperature waste heat recovery associated with data centers[J]. Journal of Electronic Packaging, 2021, 143(2): 021001.

[15]

, GUNDERSEN

, FENG

. Process integration of organic Rankine cycle (ORC) and heat pump for low temperature waste heat recovery[J]. Energy, 2018, 160: 330-340.

[16]

陈付杰，张婉琳，程明，等. 面向数据中心的生物质与太阳能互补冷电系统及容量配置研究[J]. 中国电机工程学报，2026，46（4）：1396-1406.

CHEN

Fujie

, ZHANG

Wanlin

, CHENG

Ming

, et al. Research on biomass and solar energy complementary cooling and power system and capacity configuration for data centers[J]. Proceedings of the CSEE, 2026, 46(4): 1396-1406.

[17]

李为润，林永君，刘卫亮，等. 含数据中心综合能源系统双层容量优化配置[J]. 电力科学与工程，2025，41（5）：68-78.

Weirun

, LIN

Yongjun

, LIU

Weiliang

, et al. Bi-level capacity optimal configuration of integrated energy system containing data centers[J]. Electric Power Science and Engineering, 2025, 41(5): 68-78.

[18]

赵石. 大型数据中心供能系统储能设备配置研究[J].节能，2025，44（7）：80-84.

ZHAO

Shi

. Research on energy storage equipment configuration of energy supply system in large data centers [J]. Energy Conservation, 2025, 44(7): 80-84.

[19]

张诚，檀志恒，晁怀颇. “双碳”背景下数据中心氢能应用的可行性研究[J]. 太阳能学报，2022，43（6）：327-334.

ZHANG

Cheng

, TAN

Zhiheng

, CHAO

Huaipo

. Feasibility study on hydrogen energy application in data centers under the “double carbon” background[J]. Acta Energiae Solaris Sinica, 2022, 43(6): 327-334.

[20]

ZHAN

, XU

, ZHANG

, et al. Optimal scheduling of integrated wind- photovoltaic-hydrogen energy system considering hydrogen application and waste heat recovery[J]. Energy Reports, 2024, 11: 3684-3694.

[21]

周亦洲，李想，孙国强，等. 考虑余热回收的电-氢-热综合能源系统随机分布鲁棒韧性规划[J]. 电网技术，2025，49（6）：2243-2251.

ZHOU

Yizhou

, LI

Xiang

, SUN

Guoqiang

, et al. Stochastic distributionally robust resilience planning of electricity-hydrogen-heat integrated energy system considering waste heat recovery[J]. Power System Technology, 2025, 49(6): 2243-2251.

[22]

GUPTA

, PURI

I K

. Waste heat recovery in a data center with an adsorption chiller: Technical and economic analysis [J]. Energy Conversion and Management, 2021, 245: 114576.

[23]

, DUAN

, GUO

, et al. Real-time optimization of the liquid-cooled data center based on cold plates under different ambient temperatures and thermal loads[J]. Applied Energy, 2024, 363: 123101.

[24]

, YANG

, LI

, et al. Optimal schemes and benefits of recovering waste heat from data center for district heating by CO₂ transcritical heat pumps[J]. Energy Conversion and Management, 2021, 245: 114591.

[25]

宋睿哲，叶学民，董志坚，等. 集成有机朗肯循环与碳捕集的太阳能-燃煤发电系统的变工况热力性能研究[J]. 中国电机工程学报，2022，42（1）：177-187.

SONG

Ruizhe

, YE

Xuemin

, DONG

Zhijian

, et al. Off-design thermodynamic performance study of solar-coal-fired power generation system integrated with organic Rankine cycle and carbon capture[J]. Proceedings of the CSEE, 2022, 42(1): 177-187.

[26]

MARSHALL

Z M

, DUQUETTE

. A techno-economic evaluation of low global warming potential heat pump assisted organic Rankine cycle systems for data center waste heat recovery[J]. Energy, 2022, 242: 122528.

[27]

EBRAHIMI

, JONES

G F

, FLEISCHER

A S

. The viability of ultra low temperature waste heat recovery using organic Rankine cycle in dual loop data center applications[J]. Applied Thermal Engineering, 2017, 126: 393-406.

[28]

LIU

, WU

, ZHONG

, et al. Development of a novel cogeneration system by combining organic Rankine cycle and heat pump cycle for waste heat recovery[J]. Energy, 2021, 217: 119445.

[29]

, DAI

, LI

, et al. Experimental and theoretical assessment of a solar assisted heat pump system for in-bin grain drying: A comprehensive case study[J]. Renewable Energy, 2022, 181: 426-444.

[30]

吴谋. 风光生多能互补电热冷氨多联产系统的集成研究[D]. 贵阳：贵州大学，2025：3.

Mou

. Integrated research on wind-solar-biomass multi-energy complementary electricity-heat-cooling-ammonia polygeneration system[D]. Guiyang: Guizhou University, 2025: 3.

[31]

WEN

, AZIZ

. Techno-economic analyses of power-to-ammonia-to-power and biomass-to-ammonia-to-power pathways for carbon neutrality scenario[J]. Applied Energy, 2022, 319: 119272.

[32]

WEN

, MARÉCHAL

. Modeling and optimization of a membrane-assisted hybrid gas grid for methane and carbon dioxide transport, storage, and sector coupling[J]. Applied Energy, 2025, 401: 126667.

[33]

李青山，郝勇生，陈斌，等. PEMFC耦合高温热泵蒸汽电力联产系统热力学分析与优化设计[J]. 中国电机工程学报，2026，46（2）：656-666.

Qingshan

, HAO

Yongsheng

, CHEN

Bin

, et al. Thermodynamic analysis and optimal design of PEMFC coupled with high-temperature heat pump for steam and power cogeneration system[J]. Proceedings of the CSEE, 2026, 46(2): 656-666.

[34]

SHI

, SUN

, LIU

, et al. Model and stability analysis of grid-connected PV system considering the variation of solar irradiance and cell temperature[J]. International Journal of Electrical Power & Energy Systems, 2021, 132: 107155.

[35]

WEN

, LIU

, NING

, et al. Techno-economic evaluation of hydrogen and ammonia as energy carriers in a multi-generation system[J]. Energy Conversion and Management, 2023, 277: 116670.

[36]

WEN

, AZIZ

. Flexible operation strategy of an integrated renewable multi-generation system for electricity, hydrogen, ammonia, and heating[J]. Energy Conversion and Management, 2022, 253: 115166.

[37]

LYDIA

, KUMAR

S S

, SELVAKUMAR

A I

, et al. A comprehensive review on wind turbine power curve modeling techniques[J]. Renewable and Sustainable Energy Reviews, 2014, 30: 452-460.

[38]

WANG

, AL-ATTAB

K A

, YEW HENG

. Techno-economic and thermodynamic analysis of solid oxide fuel cell combined heat and power integrated with biomass gasification and solar assisted carbon capture and energy utilization system[J]. Energy Conversion and Management, 2023, 280: 116762.

[39]

YOU

, HAN

, LIU

, et al. 4E analysis and multi-objective optimization of a micro poly-generation system based on SOFC/MGT/MED and organic steam ejector refrigerator[J]. Energy, 2020, 206: 118122.

[40]

WANG

, CUI

, YAO

, et al. Regulation strategies and thermodynamic analysis of combined cooling, heating, and power system integrated with biomass gasification and solid oxide fuel cell[J]. Energy, 2023, 266: 126430.

[41]

ABBASPOUR

, EHYAEI

M A

, AHMADI

, et al. Energy, exergy, economic, exergoenvironmental and environmental (5E) analyses of the cogeneration plant to produce electrical power and urea[J]. Energy Conversion and Management, 2021, 235: 113951.

[42]

National Renewable Energy Laboratory (NREL). NREL: US solar costs rise across all sectors, utility-scale up 6%[R/OL]. 2025-04-08. https://www.pv-tech.org/nrel-us-solar-costs-rise-across-all-sectors-utility-scale-up-6/.

[43]

International Energy Agency (IEA). Report 2021 China[R/OL]. 2025-08-08. https://iea-wind.org/wp-content/uploads/2022/12/CWEA_k2.pdf.

[44]

WEN

, WEI

, BRUNEAU

, et al. Techno-economic analysis of ammonia to hydrogen and power pathways considering the emerging hydrogen purification and fuel cell technologies[J]. Applied Energy, 2025, 390: 125871.

[45]

, GAO

, LIU

, et al. Energy, exergy, environmental, and economic analysis of a novel hydrogen production system integrating concentrated photovoltaic thermal collectors and wind turbines[J]. Energy, 2025, 322: 135670.

[46]

PENEV

, RUSTAGI

, KEE

, et al. Capital structure for techno-economic analysis of hydrogen projects[R/OL]. 2026-01-08. https://research-hub.nlr.gov/en/publications/capital-structure-for-techno-economic-analysis-of-hydrogen-projec/.

[47]

PRINCE

, MIRLETZ

, GAULDING

E A

, et al. Sustainability pathways for perovskite photovoltaics [R/OL]. 2025-09-08. https://research-hub.nlr.gov/en/publications/sustainability-pathways-for-perovskite-photovol-taics/?f_link_type=f_linkinlinenote&flow_extra=eyJkb2NfcG9zaXRpb24iOjAsImRvY19pZCI6IjM3NTkxMmQzMDcxYmYxOWYtNGIzOTY3MDMyYmVhOTFjNiIsImlubGluZV9kaXNwbGF5X3Bvc2l0aW9uIjowfQ%3D%3D.

[48]

National Renewable Energy Laboratory (NREL). NREL research identifies motivations, methods for achieving a circular economy for wind energy[R/OL]. [2026-01-08]. https://www.nrel.gov/news/detail/program/2021/nrel-research-identifies-motivations-methods-for-achieving-a-circular-economy-for-wind-energy.

[49]

National Renewable Energy Laboratory (NREL). H2A: hydrogen analysis production models[R/OL]. 2026-01-08. https://www.nrel.gov/hydrogen/h2a-production-models.

[50]

National Renewable Energy Laboratory (NREL). DOE technical targets for fuel cell systems and stacks for transportation applications[R/OL]. 2026-02-08. https://www.energy.gov/eere/fuelcells/doe-technical-targets-fuel-cell-backup-power-systems.

[51]

National Renewable Energy Laboratory (NREL). Hydrogen fuel cell electric bus evaluation project reveals success for transit partner[R/OL]. 2026-02-08. https://www.nrel.gov/grid/news/program/2018/hydrogen-fuel-cell-electric-bus-evaluation-project-reveals-success-for-transit-partner.

[52]

National Renewable Energy Laboratory (NREL). Performance and reliability of bonded interfaces for high-temperature packaging[R/OL]. 2026-02-02. https://research-hub.nlr.gov/en/publications/performance-and-reliability-of-bonded-interfaces-for-high-tempera-6/.

[53]

吴智泉，周少祥，安连锁. 氢能利用的热力学分析[J].华北电力大学学报（自然科学版），2011，38（2）：84-86.

Zhiquan

, ZHOU

Shaoxiang

, AN

Liansuo

. Thermo-dynamic analysis of hydrogen energy utilization[J]. Journal of North China Electric Power University (Natural Science Edition), 2011, 38(2): 84-86.

[54]

PRADHAN

, GADKARI

, MAHAJANI

S M

, et al. A conceptual framework and techno-economic analysis of a pelletization-gasification based bioenergy system[J]. Applied Energy, 2019, 249: 1-13.

[55]

, YAN

, ZHANG

, et al. An ammonia-electricity-heat-cooling multi-generation system with solar full-spectrum utilization and biomass pyrolysis: performance analysis of operation strategy across 34 Chinese cities[J]. Energy Conversion and Management, 2025, 343: 120191.

2026年第55卷第6期

PDF下载

239

100

引用本文

BibTeX

文章信息

doi: 10.19666/j.rlfd.202509042

接收时间：2025-09-23
首发时间：2026-08-14
出版时间：2026-06-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2025-09-23
修回日期：2025-12-26
录用日期：2026-01-09

基金

National Natural Science Foundation of China(52406227)

国家自然科学基金项目(52406227)

作者信息

^1.贵州大学电气工程学院，贵州贵阳 550025

^2.华中科技大学电气与电子工程学院，湖北武汉 430074

通讯作者:

严儒井（1990），男，博士，副教授，主要研究方向为综合能源系统供需协调优化调度，rjyan@gzu.edu.cn。

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/rlfd/CN/10.19666/j.rlfd.202509042

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

HPA-ORC工质组合	热泵性能系数COP			误差/%	ηHPA-ORC/%			误差/%
HPA-ORC工质组合	文献[26]	文献[27]	本文模型	误差/%	文献[26]	文献[27]	本文模型	误差/%
R134a/R245fa	12.28	12.32	12.370	0.41/0.73	4.70	4.74	4.71	0.210/0.630
R1234ze/R1234ze		11.4	11.401	0.006		2.70	2.718	0.667
Pentane/Pentane		11.5	11.498	0.016		4.10	4.112	0.281
R161/Pentane		13.2	13.120	0.610		4.10	4.118	0.438