Hydrogen production by proton exchange membrane electrolysis has good fluctuation adaptability, making it suitable for hydrogen production by electrolysis in fluctuating power sources such as wind power. However, current research on the durability of proton exchange membrane electrolyzers is insufficient. Studying the typical operating conditions of wind power electrolysis for hydrogen production can provide boundary conditions for performance and degradation tests of electrolysis stacks. In this study, the operating condition spectrum of an electrolysis stack degradation test cycle was proposed. Based on the rate of change of the wind farm output power and the time-averaged peak-valley difference, a fluctuation output power sample set was formed. The characteristic quantities that played an important role in the degradation of the electrolysis stack were selected. Dimensionality reduction of the operating data was performed using principal component analysis. Clustering analysis of the data segments was completed using an improved Gaussian mixture clustering algorithm. Taking the annual output power data of wind farms in Northwest China with a sampling rate of 1 min as an example, the cyclic operating condition spectrum of the proton-exchange membrane electrolysis stack degradation test was constructed. After preliminary simulation analysis, the typical operating condition proposed in this paper effectively reflects the impact of the original curve on the performance degradation of the electrolysis stack. This study provides a method for evaluating the degradation characteristics and system efficiency of an electrolysis stack due to fluctuations in renewable energy.

Abstract The increasing impact of climate change raises concerns regarding the vulnerability of overhead transmission lines to ice disasters. To address this issue, this study reviews icing growth modelling in two categories: physical‐driven models (PDMs) and data‐driven models (DDMs), covering current advances and future directions. First, PDMs are summarised, focusing on the thermodynamic and fluid mechanics mechanisms. Existing PDMs are compared based on principles, analysing their advantages, disadvantages, and challenges faced. Second, the summarisation of DDMs involves four aspects: data preparation, algorithm selection, model training, and model evaluation. In data preparation, techniques such as preprocessing methods are reviewed to handle multisource data. In algorithm selection, various modelling algorithms are compared and analysed, from basic to deep learning approaches. In model training, processes are summarised to enhance practical applicability, including data partitioning, hyperparameter adjustment, generalisation capability, and model interpretability. In model evaluation, the predictive capabilities are analysed, covering both regression and classification tasks. Subsequently, based on the analyses, a comparison of PDMs and DDMs across various aspects is presented. Finally, future directions in icing growth modelling are outlined. The aim is to enhance icing assessment by understanding the underlying mechanism in attempt to reduce vulnerability and ensure reliability against adverse weather conditions.

As maritime technology advances, multi-energy ship microgrids (MESMs) are widely used in large cruise tourism. In this context, studying cost-effective and highly reliable energy system planning methods for MESMs in their whole lifespan becomes paramount. Therefore, this paper proposes a joint planning method for a MESM during its lifespan. Firstly, a long timescale coordinated planning and operation scheme is formulated with the aim of maximizing the Net Present Value (NPV) value, thereby reducing both project investment and energy supply cost. In addition, this paper introduces novel operation models that incorporate customer thermal comfort levels, considering thermal inertia, and ship navigation, accounting for the effects of waves and wind. These models enhance the flexibility and practicality of the planning process. Finally, to ensure the safe operation of vessel and alleviate the negative effects of uncertain wind and waves during ship navigation, a robust optimization (RO) approach is employed. A case study demonstrates the effectiveness of the proposed method, with several comparison analyses further highlighting its advantages.