CN113904354A - 氢燃料电池热电联供单元的控制方法、系统及设备 - Google Patents
氢燃料电池热电联供单元的控制方法、系统及设备 Download PDFInfo
- Publication number
- CN113904354A CN113904354A CN202111122683.4A CN202111122683A CN113904354A CN 113904354 A CN113904354 A CN 113904354A CN 202111122683 A CN202111122683 A CN 202111122683A CN 113904354 A CN113904354 A CN 113904354A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- hydrogen
- hydrogen fuel
- control
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04694—Processes for controlling fuel cells or fuel cell systems characterised by variables to be controlled
- H01M8/04746—Pressure; Flow
- H01M8/04753—Pressure; Flow of fuel cell reactants
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/30—The power source being a fuel cell
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Sustainable Development (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Sustainable Energy (AREA)
- Manufacturing & Machinery (AREA)
- Power Engineering (AREA)
- Fuzzy Systems (AREA)
- Fuel Cell (AREA)
- Automation & Control Theory (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
Abstract
本发明的一种氢燃料电池热电联供单元的控制方法、系统及设备,包括:获取电网和/或热网的调峰需求并生成调峰信号;将所述调峰信号输入氢气压缩机的预测控制模型,确定所述空气压缩机的输出信号并发送给所述空气压缩机,以便空气压缩机按照所述输出信号调节输出给氢燃料电池的氢气压强;根据调峰需求确定需要工作的氢燃料电池单体数量N;将氢燃料电池单体数量发送给氢燃料电池,以便氢燃料电池对所述N个氢燃料电池单体进行PID控制,PID控制的控制参数是预先确定的。本发明能够兼顾系统控制性能的同时降低模型的复杂度,分单元PID控制可有效提升氢燃料电池热电联产系统的平均综合能源效率,从而整体上保证系统的经济性、可靠性与灵活性。
Description
技术领域
本发明涉及氢燃料电池建模及控制技术领域,具体涉及一种氢燃料电池热电联供单元的控制方法、系统及设备。
背景技术
随着负荷峰谷差不断增大,综合能源系统的发电效率和稳定性受到的影响也愈发显著,单纯靠传统的发电侧机组调峰已无法满足现今所提倡的安全、经济、清洁调峰的需求。如何有效利用综合能源系统内分布式能源、储能装置和各类负荷间的互动来解决调峰需求,增强可再生能源的消纳率,提高综合能源系统运行的经济性及安全性,是未来综合能源系统运行控制面临的重大挑战。
氢能的来源十分广泛,具有零污染、高效率、来源丰富、用途广泛等优势,基于此,世界许多国家都将氢能作为战略性能源来发展。
为解决调峰需求,增强可再生能源的消纳率,可引入氢能作为输入能源,通过制氢储氢及再利用设备对电、热等多种能源的有效存储。同时,氢能的清洁性较高,氢能使用的过程产物是水,可以真正做到零排放、无污染。因此,为进一步提高氢能在综合能源系统中的应用,对氢燃料电池等氢能转换设备的建模控制相关理论技术的研究亟待开展。
发明内容
本发明提出的氢燃料电池热电联供单元的控制方法、系统及设备,可解决上述技术缺陷。
为实现上述目的,本发明采用了以下技术方案:
一种氢燃料电池热电联供单元的控制方法,包括以下步骤:
获取电网和/或热网的调峰需求;
根据所述调峰需求生成调峰信号;
将所述调峰信号输入氢气压缩机的预测控制模型,确定所述空气压缩机的输出信号;
将所述输出信号发送给所述空气压缩机,以便所述空气压缩机按照所述输出信号调节输出给氢燃料电池的氢气压强;
根据所述调峰需求确定需要工作的氢燃料电池单体数量N;
将所述氢燃料电池单体数量发送给氢燃料电池,以便氢燃料电池对所述N个氢燃料电池单体进行PID控制,所述PID控制的控制参数是预先确定的。
进一步的,所述PID控制的控制参数是通过对氢燃料电池参数辨识模型进行仿真得到的,氢燃料电池参数辨识模型的构建方法步骤如下:
按照设定的阶跃输入值和采样周期对氢燃料电池的开环输入输出进行采样,得到n对输入、输出数据u(k),y(k);k=1,2,...,n,所述氢燃料电池开环运行结果包括所述n对输入、输出数据;
设定氢燃料电池模型的阶次为2,纯滞后时间为10,以所述n对输入、输出数据为样本,采用最小二乘法进行氢燃料电池模型的参数估计,得到氢燃料电池参数辨识模型。
进一步的,对氢气压缩机模型进行仿真模型预测控制,包括求解氢气压缩机的预测控制模型的模型参数,所述氢气压缩机模型采用受控回归积分滑动平均模型,具体如下:
采用最小方差控制中所用的受控自回归积分滑动平均模型来描述氢气压缩机,如下:
q-1是后移算子;y(k)q-1=y(k-1);Δ=1-q-1为差分算子;ξ(k)是一个独立的随机噪声序列;
其最优预测表达式为:
y(k+j)=y*(k+j|k)+E(q-1)ξ(k+j)(10)
其中,y(k+j)是未来k+j时刻的实际输出;y*(k+j|k)使未来k+j时刻的预测最优输出,Ej(q-1)=ej,0+ej,1q-1+…+ej,j-1q-(j-1),Ej由A(q-1)和预测长度j唯一确定;ξ(k+j)是未来k+j时刻的噪声;
滚动优化采用的是对输出误差和控制增量加权的二次型性能指标对输出预测模型进行修正,得到:
Δu=(GTG+λI)-1GT(yr-y1)(11)
其中,Δu=[Δu(k),Δu(k+1),…Δu(k+Nu-1)]T;Δu表示当前控制作用;
yr=[yr(k+N1),yr(k+N1+1),…yr(k+N2)]T;
y1=[y1(k+N1),y1(k+N1+1),…y1(k+N2)]T;
λ为控制增量加权系数;
则当前的氢气压缩机输入u(k)为:
u(k)=u(k-1)+[1,0,…,0](GTG+λI)-1GT(yr-y1)(12)
然后通过在线辨识与反馈校正所得到的:
y(k)=φT(k)θ+ξ(k)(13)
用带遗忘因子的递推最小二乘法(RLS)来估计模型参数θ值,最终得到在线辨识后的y(k),将该在线辨识后的y(k)代入公式中,然后通过推导得到校正后的u(k),通过校正后的u(k)控制当前氢气压缩机的输入,通过在线反馈校正保证其预测结果输出的准确性,进而得到氢气压缩机精准控制模型。
进一步的,对所述N个氢燃料电池单体进行PID控制包括:
氢能燃料电池单元以电功率为目标时的氢能燃料电池输出电功率Pfcl,经过Gfc和Tfc为比例和积分系数的延迟模块得到的参考功率Pfcref,除以氢能燃料电池的端电压Ufc得到电流参考值Ifcref,与工作电流Ifc的差值经过PID控制器得到控制信号Dfc如下:
式中:Kfcp和Kfcl为电功率外环的比例和积分系数,Pfcref为氢能燃料电池单体的参考输出电功率。
进一步的,对所述N个氢燃料电池单体进行PID控制还包括:
氢能燃料电池单元以热功率为目标时的氢能燃料电池输出热功率Qfcl,经过Gfc和Tfc为比例和积分系数的延迟模块得到的参考功率Qfcref,除以氢能燃料电池的端电压Ufc得到电流参考值Ifcref,与工作电流Ifc的差值经过PID控制器得到控制信号Dfc如下:
式中:Kfcp和Kfcl为热功率外环的比例和积分系数,Qfcref为氢能燃料电池单体的参考输出热功率。
另一方面,本发明还公开一种氢燃料电池热电联供单元的控制系统,包括以下单元,
获取需求单元,用于获取电网和/或热网的调峰需求;
空气压缩机的输出信号确定单元,根据所述调峰需求生成调峰信号;将所述调峰信号输入氢气压缩机的预测控制模型,确定所述空气压缩机的输出信号;
输出信号发送单元,用于将所述输出信号发送给所述空气压缩机,以便所述空气压缩机按照所述输出信号调节输出给氢燃料电池的氢气压强;
电池单体数量确定单元,用于根据所述调峰需求确定需要工作的氢燃料电池单体数量N;
氢燃料电池单体PID控制单元,用于将所述氢燃料电池单体数量发送给氢燃料电池,以便氢燃料电池对所述N个氢燃料电池单体进行PID控制,所述PID控制的控制参数是预先确定的。
进一步的,还包括PID控制的控制参数确定单元,用于通过对氢燃料电池参数辨识模型进行仿真得到的具体参数,其中氢燃料电池参数辨识模型的构建方法如下:
按照设定的阶跃输入值和采样周期对氢燃料电池的开环输入输出进行采样,得到n对输入、输出数据u(k),y(k);k=1,2,...,n,所述氢燃料电池开环运行结果包括所述n对输入、输出数据;
设定氢燃料电池模型的阶次为2,纯滞后时间为10,以所述n对输入、输出数据为样本,采用最小二乘法进行氢燃料电池模型的参数估计,得到氢燃料电池参数辨识模型。
进一步的,还包括对氢气压缩机模型进行仿真模型预测控制单元,用于求解氢气压缩机的预测控制模型的模型参数,其中所述氢气压缩机模型采用受控回归积分滑动平均模型,具体如下:
采用最小方差控制中所用的受控自回归积分滑动平均模型来描述氢气压缩机,如下:
q-1是后移算子;y(k)q-1=y(k-1);Δ=1-q-1为差分算子;ξ(k)是一个独立的随机噪声序列;
其最优预测表达式为:
y(k+j)=y*(k+j|k)+E(q-1)ξ(k+j)(10)
其中,y(k+j)是未来k+j时刻的实际输出;y*(k+j|k)使未来k+j时刻的预测最优输出,Ej(q-1)=ej,0+ej,1q-1+…+ej,j-1q-(j-1),Ej由A(q-1)和预测长度j唯一确定;ξ(k+j)是未来k+j时刻的噪声;
滚动优化采用的是对输出误差和控制增量加权的二次型性能指标对输出预测模型进行修正,得到:
Δu=(GTG+λI)-1GT(yr-y1)(11)
其中,Δu=[Δu(k),Δu(k+1),…Δu(k+Nu-1)]T;Δu表示当前控制作用;
yr=[yr(k+N1),yr(k+N1+1),…yr(k+N2)]T;
y1=[y1(k+N1),y1(k+N1+1),…y1(k+N2)]T;
λ为控制增量加权系数;
则当前的氢气压缩机输入u(k)为:
u(k)=u(k-1)+[1,0,…,0](GTG+λI)-1GT(yr-y1)(12)
然后通过在线辨识与反馈校正所得到的:
y(k)=φT(k)θ+ξ(k)(13)
用带遗忘因子的递推最小二乘法(RLS)来估计模型参数θ值,最终得到在线辨识后的y(k),将该在线辨识后的y(k)代入公式中,然后通过推导得到校正后的u(k),通过校正后的u(k)控制当前氢气压缩机的输入,通过在线反馈校正保证其预测结果输出的准确性,进而得到氢气压缩机精准控制模型。
另一方面,本发明还公开一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如上述方法的步骤。
再一方面,本发明还公开一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述方法的步骤。
由上述技术方案可知,本发明的氢燃料电池热电联供单元参数辨识建模及分单元优化控制方法,既能通过参数辨识简化氢燃料电池的数学模型,又利用MPC、PID分单元控制实现氢燃料电池热电联供单元稳定、准确工作,保证系统的经济性、可靠性与灵活性。
与已有技术相比,本发明的有益效果体现在:
1.本发明结构中提供的一种氢燃料电池热电联供单元控制方法,针对氢燃料电池内在结构复杂,具有惯性大、纯滞后、强耦合等特点,氢燃料电池参数辨识模型采用依靠系统输入输出序列进行系统辨识的方法,可以简化氢燃料电池的数学模型,便于进一步控制。
2.对氢燃料电池采用分单元PID控制可具体根据系统需求确定氢燃料电池具体工作单元,在保证控制效果的同时减少非必要单元工作,降低运行成本。
3.氢气压缩机进行模型预测控制中采用MPC控制减少了模型的计算量,因此提高了模型的准确性;通过滚动优化进行实时修正,进一步提高对设备当前时刻之后的下一时刻输出的精准预测。
附图说明
图1是本发明的方法流程图;
图2是氢气压缩机MPC控制流程流程图;
图3是氢燃料电池单体电功率PID控制策略图;
图4是氢燃料电池单体热功率PID控制策略图;
图5是氢燃料电池热电联供系统控制模式图;
图6本发明实施例的氢燃料电池热电联供单元发电运行效果;
图7是本发明实施例的氢燃料电池热电联供单元制热运行效果。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
如图1所示,本实施例所述的氢燃料电池热电联供单元的控制方法,包括以下步骤:
获取电网和/或热网的调峰需求;
根据所述调峰需求生成调峰信号;
将所述调峰信号输入氢气压缩机的预测控制模型,确定所述空气压缩机的输出信号;
将所述输出信号发送给所述空气压缩机,以便所述空气压缩机按照所述输出信号调节输出给氢燃料电池的氢气压强;
根据所述调峰需求确定需要工作的氢燃料电池单体数量N;
将所述氢燃料电池单体数量发送给氢燃料电池,以便氢燃料电池对所述N个氢燃料电池单体进行PID控制,所述PID控制的控制参数是预先确定的。
以下针对上述步骤进行展开说明,具体的说包括以下步骤:
步骤1、获取氢燃料电池开环运行结果,建立氢燃料电池参数辨识模型。
步骤1.1获取氢燃料电池开环运行结果,包括:
对氢燃料电池的开环输入输出进行采样,设定值为4.5的阶跃输入下,采样周期为2s,得到n对输入、输出数据u(k),y(k);k=1,2,...,n;
步骤1.2建立氢燃料电池参数辨识模型包括:
设定氢燃料电池阶次为2,纯滞后时间为10,则氢燃料电池的数学模型为:
进一步地,采用双线性变换,将式(1)化为z-1的函数得到:
令:
从而式(2)变换为:
进一步地,将式(3)写成差分方程得:
y(k)+a1y(k-1)+a2y(k-2)=b0u(k-10)+b1u(k-11)+b2u(k-12)(4)
采用最小二乘法进行参数估计,可得到:
进一步地,
通过对氢燃料电池的现场监测,将S101采集到的数据通过最小二乘离线系统辨识,得燃料电池参数辨识模型为:
步骤2对氢气压缩机模型进行仿真模型预测控制,求解氢气压缩机的预测控制模型的模型参数:
如图2所示,采用最小方差控制中所用的受控自回归积分滑动平均模型(CARIMA)来描述氢气压缩机,如下:
q-1是后移算子;y(k)q-1=y(k-1);Δ=1-q-1为差分算子;ξ(k)是一个独立的随机噪声序列。
引入Diophantine方程,取C(q-1)=1,则k时刻对未来k+j时刻的最优预测输出为:
因此得到最优预测表达式为:
y(k+j)=y*(k+j|k)+E(q-1)ξ(k+j)(10)
其中,y(k+j)是未来k+j时刻的实际输出;y*(k+j|k)是未来k+j时刻的预测最优输出,Ej(q-1)=ej,0+ej,1q-1+…+ej,j-1q-(j-1),Ej由A(q-1)和预测长度j唯一确定;ξ(k+j)是未来k+j时刻的噪声。
y(k+j)可以表示为yM(k+j),其中M表示可以预测的M步输出。由于预测控制采用的是滚动优化,每一时刻的预测控制实际只作用于下一步优化指标,所以在y(k+j)的多步预测中每次均用到y1(k+j),y1(k+j)表示的是下一步预测输出。
滚动优化采用的是对输出误差和控制增量加权的二次型性能指标对输出预测模型进行修正,得到:
Δu=(GTG+λI)-1GT(yr-y1)(11)
其中,Δu=[Δu(k),Δu(k+1),…Δu(k+Nu-1)]T;Δu表示当前控制作用。
yr=[yr(k+N1),yr(k+N1+1),…yr(k+N2)]T;
y1=[y1(k+N1),y1(k+N1+1),…y1(k+N2)]T;
λ为控制增量加权系数;
则当前的氢气压缩机输入u(k)为:
u(k)=u(k-1)+[1,0,…,0](GTG+λI)-1GT(yr-y1)(12)
然后通过在线辨识与反馈校正对所得到的:
y(k)=φT(k)θ+ξ(k)(13)
用带遗忘因子的递推最小二乘法(RLS)来估计模型参数θ值,最终得到在线辨识后的y(k),将该在线辨识后的y(k)代入公式中,然后通过推导得到校正后的u(k),通过校正后的u(k)控制当前氢气压缩机的输入,通过在线反馈校正保证其预测结果输出的准确性,进而得到氢气压缩机精准控制模型。
步骤3对氢燃料电池参数辨识模型进行仿真PID控制,求解PID控制参数:
一个氢燃料电池电堆可分为N个氢燃料电池单体,每个单体可由图3所示的氢燃料电池单体电功率PID控制策略控制,具体步骤如下:
步骤3.1氢能燃料电池单元以电功率为目标得到氢能燃料电池输出电功率Pfcl;
步骤3.2Pfcl经过Gfc和Tfc为比例和积分系数的延迟模块得到的参考功率Pfcref,进一步得到氢能燃料电池的端电压Ufc得到电流参考值Ifcref;
步骤3.3Ifcref与工作电流Ifc的差值经过PID控制器得到控制信号Dfc:
式中:Kfcp和Kfcl为电功率外环的比例和积分系数,Pfcref为氢能燃料电池单体的参考输出电功率;
步骤3.4以热功率为目标时可得即氢能燃料电池输出热功率Qfcl,氢燃料电池单体热功率PID控制策略如图4所示,其控制原理与电功率输出控制相同,具体如下:
氢能燃料电池单元以热功率为目标时的氢能燃料电池输出热功率Qfcl,经过Gfc和Tfc为比例和积分系数的延迟模块得到的参考功率Qfcref,除以氢能燃料电池的端电压Ufc得到电流参考值Ifcref,与工作电流Ifc的差值经过PID控制器得到控制信号Dfc如下:
式中:Kfcp和Kfcl为热功率外环的比例和积分系数,Qfcref为氢能燃料电池单体的参考输出热功率。
步骤4如图5所示,氢燃料电池热电联供单元依据电网及热网的调峰需求产生流量调节信号,计算需要工作的氢燃料电池单体数量,之后采用S200方法调节氢气压缩机输入氢气压强,进而对参与工作的氢燃料电池单体采用S300方法控制,直到完成调峰任务。
步骤4.1燃料电池热电联供系统依据电网及热网的调峰需求产生流量调节信号,计算需要工作的氢燃料电池单体数量;
步骤4.2对氢气压缩机采用模型预测控制,使其根据流量调节信号输出稳定的氢气压强;
步骤4.3开启参与工作的氢燃料电池单体,并对其进行PID控制;
步骤4.4氢燃料电池单体根据控制信号快速响应,在特定氢气压强输入下稳定工作,使燃料电池热电联供系统整体达到预定调峰功率,满足电网/热网系统需求。
步骤4.5结束。
以下具体举例说明本发明实施例:
以100片额定发电功率为100W,制热功率为140W的氢燃料电池单体、氢气压缩机组合为氢燃料电池热电联供单元为例,进行发电与制热的仿真测试,测试时分别在100s、200s、300s、400s、500s五个时刻设置调峰电功率信号依次为6kW、8kW、10kW、8kW、6kW;设置调峰热功率信号依次为8.4kW、11.2kW、14kW、11.2kW、8.4kW,相关调峰信号转换为电流信号Ist输入氢燃料电池。
由图6和图7的仿真结果可知,调峰电流信号变化时,氢燃料电池的输出功率随之变化,输出功率的变化与调峰电流的变化呈现出相同的规律,调峰电流突然增大时,输出功率比突然增大,调峰电流突然减小时,输出功率也突然减小。由动态结果可见,在一定时间延迟后氢燃料电池热电联供系统可准确跟随调峰控制信号,但受到管道效应等因素影响,制热输出的超调与延迟要略高于发电输出。
综上所述,本发明的氢燃料电池热电联供单元参数辨识建模及分单元优化控制方法,既能通过参数辨识简化氢燃料电池的数学模型,又利用MPC、分单元PID控制实现氢燃料电池热电联供单元稳定、准确工作,保证系统的经济性、可靠性与灵活性。
另一方面,本发明还公开一种氢燃料电池热电联供单元参数辨识建模及分单元优化控制方法,包括以下单元:
获取需求单元,用于获取电网和/或热网的调峰需求;
空气压缩机的输出信号确定单元,根据所述调峰需求生成调峰信号;将所述调峰信号输入氢气压缩机的预测控制模型,确定所述空气压缩机的输出信号;
输出信号发送单元,用于将所述输出信号发送给所述空气压缩机,以便所述空气压缩机按照所述输出信号调节输出给氢燃料电池的氢气压强;
电池单体数量确定单元,用于根据所述调峰需求确定需要工作的氢燃料电池单体数量N;
氢燃料电池单体PID控制单元,用于将所述氢燃料电池单体数量发送给氢燃料电池,以便氢燃料电池对所述N个氢燃料电池单体进行PID控制,所述PID控制的控制参数是预先确定的。
进一步的,还包括PID控制的控制参数确定单元,用于通过对氢燃料电池参数辨识模型进行仿真得到的具体参数,其中氢燃料电池参数辨识模型的构建方法如下:
按照设定的阶跃输入值和采样周期对氢燃料电池的开环输入输出进行采样,得到n对输入、输出数据u(k),y(k);k=1,2,...,n,所述氢燃料电池开环运行结果包括所述n对输入、输出数据;
设定氢燃料电池模型的阶次为2,纯滞后时间为10,以所述n对输入、输出数据为样本,采用最小二乘法进行氢燃料电池模型的参数估计,得到氢燃料电池参数辨识模型。
进一步的,还包括对氢气压缩机模型进行仿真模型预测控制单元,用于求解氢气压缩机的预测控制模型的模型参数,其中所述氢气压缩机模型采用受控回归积分滑动平均模型,具体如下:
采用最小方差控制中所用的受控自回归积分滑动平均模型来描述氢气压缩机,如下:
q-1是后移算子;y(k)q-1=y(k-1);Δ=1-q-1为差分算子;ξ(k)是一个独立的随机噪声序列;
其最优预测表达式为:
y(k+j)=y*(k+j|k)+E(q-1)ξ(k+j)(10)
其中,y(k+j)是未来k+j时刻的实际输出;y*(k+j|k)使未来k+j时刻的预测最优输出,Ej(q-1)=ej,0+ej,1q-1+…+ej,j-1q-(j-1),Ej由A(q-1)和预测长度j唯一确定;ξ(k+j)是未来k+j时刻的噪声;
滚动优化采用的是对输出误差和控制增量加权的二次型性能指标对输出预测模型进行修正,得到:
Δu=(GTG+λI)-1GT(yr-y1)(11)
其中,Δu=[Δu(k),Δu(k+1),…Δu(k+Nu-1)]T;Δu表示当前控制作用;
yr=[yr(k+N1),yr(k+N1+1),…yr(k+N2)]T;
y1=[y1(k+N1),y1(k+N1+1),…y1(k+N2)]T;
λ为控制增量加权系数;
则当前的氢气压缩机输入u(k)为:
u(k)=u(k-1)+[1,0,…,0](GTG+λI)-1GT(yr-y1)(12)
然后通过在线辨识与反馈校正所得到的:
y(k)=φT(k)θ+ξ(k)(13)
用带遗忘因子的递推最小二乘法(RLS)来估计模型参数θ值,最终得到在线辨识后的y(k),将该在线辨识后的y(k)代入公式中,然后通过推导得到校正后的u(k),通过校正后的u(k)控制当前氢气压缩机的输入,通过在线反馈校正保证其预测结果输出的准确性,进而得到氢气压缩机精准控制模型。另一方面,本实施例还公开一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如上述方法的步骤。
再一方面,本实施例还公开一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述方法的步骤。
可理解的是,本发明实施例提供的系统与本发明实施例提供的方法相对应,相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种氢燃料电池热电联供单元的控制方法,其特征在于,包括以下步骤:
获取电网和/或热网的调峰需求;
根据所述调峰需求生成调峰信号;
将所述调峰信号输入氢气压缩机的预测控制模型,确定所述空气压缩机的输出信号;
将所述输出信号发送给所述空气压缩机,以便所述空气压缩机按照所述输出信号调节输出给氢燃料电池的氢气压强;
根据所述调峰需求确定需要工作的氢燃料电池单体数量N;
将所述氢燃料电池单体数量发送给氢燃料电池,以便氢燃料电池对所述N个氢燃料电池单体进行PID控制,所述PID控制的控制参数是预先确定的。
2.根据权利要求1所述的氢燃料电池热电联供单元的控制方法,其特征在于所述PID控制的控制参数是通过对氢燃料电池参数辨识模型进行仿真得到的,氢燃料电池参数辨识模型的构建方法步骤如下:
按照设定的阶跃输入值和采样周期对氢燃料电池的开环输入输出进行采样,得到n对输入、输出数据u(k),y(k);k=1,2,...,n,所述氢燃料电池开环运行结果包括所述n对输入、输出数据;
设定氢燃料电池模型的阶次为2,纯滞后时间为10,以所述n对输入、输出数据为样本,采用最小二乘法进行氢燃料电池模型的参数估计,得到氢燃料电池参数辨识模型。
3.根据权利要求2所述的氢燃料电池热电联供单元的控制方法,其特征在于,对氢气压缩机模型进行仿真模型预测控制,包括求解氢气压缩机的预测控制模型的模型参数,所述氢气压缩机模型采用受控回归积分滑动平均模型,具体如下:
采用最小方差控制中所用的受控自回归积分滑动平均模型来描述氢气压缩机,如下:
q-1是后移算子;y(k)q-1=y(k-1);Δ=1-q-1为差分算子;ξ(k)是一个独立的随机噪声序列;
其最优预测表达式为:
y(k+j)=y*(k+j|k)+E(q-1)ξ(k+j)(10)
其中,y(k+j)是未来k+j时刻的实际输出;y*(k+j|k)使未来k+j时刻的预测最优输出,Ej(q-1)=ej,0+ej,1q-1+…+ej,j-1q-(j-1),Ej由A(q-1)和预测长度j唯一确定;ξ(k+j)是未来k+j时刻的噪声;
滚动优化采用的是对输出误差和控制增量加权的二次型性能指标对输出预测模型进行修正,得到:
Δu=(GTG+λI)-1GT(yr-y1)(11)
其中,Δu=[Δu(k),Δu(k+1),…Δu(k+Nu-1)]T;Δu表示当前控制作用;
yr=[yr(k+N1),yr(k+N1+1),…yr(k+N2)]T;
y1=[y1(k+N1),y1(k+N1+1),…y1(k+N2)]T;
λ为控制增量加权系数;
则当前的氢气压缩机输入u(k)为:
u(k)=u(k-1)+[1,0,…,0](GTG+λI)-1GT(yr-y1)(12)
然后通过在线辨识与反馈校正所得到的:
y(k)=φT(k)θ+ξ(k)(13)
6.一种氢燃料电池热电联供单元的控制系统,其特征在于:包括以下单元,
获取需求单元,用于获取电网和/或热网的调峰需求;
空气压缩机的输出信号确定单元,根据所述调峰需求生成调峰信号;将所述调峰信号输入氢气压缩机的预测控制模型,确定所述空气压缩机的输出信号;
输出信号发送单元,用于将所述输出信号发送给所述空气压缩机,以便所述空气压缩机按照所述输出信号调节输出给氢燃料电池的氢气压强;
电池单体数量确定单元,用于根据所述调峰需求确定需要工作的氢燃料电池单体数量N;
氢燃料电池单体PID控制单元,用于将所述氢燃料电池单体数量发送给氢燃料电池,以便氢燃料电池对所述N个氢燃料电池单体进行PID控制,所述PID控制的控制参数是预先确定的。
7.根据权利要求6所述的一种氢燃料电池热电联供单元的控制系统,其特征在于:
还包括PID控制的控制参数确定单元,用于通过对氢燃料电池参数辨识模型进行仿真得到的具体参数,其中氢燃料电池参数辨识模型的构建方法如下:
按照设定的阶跃输入值和采样周期对氢燃料电池的开环输入输出进行采样,得到n对输入、输出数据u(k),y(k);k=1,2,...,n,所述氢燃料电池开环运行结果包括所述n对输入、输出数据;
设定氢燃料电池模型的阶次为2,纯滞后时间为10,以所述n对输入、输出数据为样本,采用最小二乘法进行氢燃料电池模型的参数估计,得到氢燃料电池参数辨识模型。
8.根据权利要求7所述的一种氢燃料电池热电联供单元的控制系统,其特征在于:还包括对氢气压缩机模型进行仿真模型预测控制单元,用于求解氢气压缩机的预测控制模型的模型参数,其中所述氢气压缩机模型采用受控回归积分滑动平均模型,具体如下:
采用最小方差控制中所用的受控自回归积分滑动平均模型来描述氢气压缩机,如下:
q-1是后移算子;y(k)q-1=y(k-1);Δ=1-q-1为差分算子;ξ(k)是一个独立的随机噪声序列;
其最优预测表达式为:
y(k+j)=y*(k+j|k)+E(q-1)ξ(k+j)(10)
其中,y(k+j)是未来k+j时刻的实际输出;y*(k+j|k)使未来k+j时刻的预测最优输出,Ej(q-1)=ej,0+ej,1q-1+…+ej,j-1q-(j-1),Ej由A(q-1)和预测长度j唯一确定;ξ(k+j)是未来k+j时刻的噪声;
滚动优化采用的是对输出误差和控制增量加权的二次型性能指标对输出预测模型进行修正,得到:
Δu=(GTG+λI)-1GT(yr-y1)(11)
其中,Δu=[Δu(k),Δu(k+1),…Δu(k+Nu-1)]T;Δu表示当前控制作用;
yr=[yr(k+N1),yr(k+N1+1),…yr(k+N2)]T;
y1=[y1(k+N1),y1(k+N1+1),…y1(k+N2)]T;
λ为控制增量加权系数;
则当前的氢气压缩机输入u(k)为:
u(k)=u(k-1)+[1,0,…,0](GTG+λI)-1GT(yr-y1)(12)
然后通过在线辨识与反馈校正所得到的:
y(k)=φT(k)θ+ξ(k)(13)
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111122683.4A CN113904354A (zh) | 2021-09-24 | 2021-09-24 | 氢燃料电池热电联供单元的控制方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111122683.4A CN113904354A (zh) | 2021-09-24 | 2021-09-24 | 氢燃料电池热电联供单元的控制方法、系统及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113904354A true CN113904354A (zh) | 2022-01-07 |
Family
ID=79029469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111122683.4A Pending CN113904354A (zh) | 2021-09-24 | 2021-09-24 | 氢燃料电池热电联供单元的控制方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113904354A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040080297A1 (en) * | 2002-10-28 | 2004-04-29 | Cellex Power Products, Inc. | Method and system for controlling the operation of a hydrogen generator and a fuel cell |
WO2014197931A1 (en) * | 2013-06-12 | 2014-12-18 | Applied Hybrid Energy Pty Ltd | Electrical power control method and system |
CN111738503A (zh) * | 2020-06-15 | 2020-10-02 | 国网安徽省电力有限公司经济技术研究院 | 以氢能为核心的综合能源微网日前运行调度方法及系统 |
CN112349936A (zh) * | 2020-10-27 | 2021-02-09 | 中船动力有限公司 | 基于系统辨识的船用燃料电池建模及广义预测控制方法 |
WO2021073036A1 (zh) * | 2019-10-15 | 2021-04-22 | 江苏大学 | 一种燃料电池公交车实时全局优化智能控制系统及方法 |
CN113098036A (zh) * | 2021-03-23 | 2021-07-09 | 国网安徽省电力有限公司电力科学研究院 | 基于氢燃料电池的综合能源系统运行方法 |
-
2021
- 2021-09-24 CN CN202111122683.4A patent/CN113904354A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040080297A1 (en) * | 2002-10-28 | 2004-04-29 | Cellex Power Products, Inc. | Method and system for controlling the operation of a hydrogen generator and a fuel cell |
WO2014197931A1 (en) * | 2013-06-12 | 2014-12-18 | Applied Hybrid Energy Pty Ltd | Electrical power control method and system |
WO2021073036A1 (zh) * | 2019-10-15 | 2021-04-22 | 江苏大学 | 一种燃料电池公交车实时全局优化智能控制系统及方法 |
CN111738503A (zh) * | 2020-06-15 | 2020-10-02 | 国网安徽省电力有限公司经济技术研究院 | 以氢能为核心的综合能源微网日前运行调度方法及系统 |
CN112349936A (zh) * | 2020-10-27 | 2021-02-09 | 中船动力有限公司 | 基于系统辨识的船用燃料电池建模及广义预测控制方法 |
CN113098036A (zh) * | 2021-03-23 | 2021-07-09 | 国网安徽省电力有限公司电力科学研究院 | 基于氢燃料电池的综合能源系统运行方法 |
Non-Patent Citations (1)
Title |
---|
张传升;李全民;王强;张建新;: "燃料电池氢气供应系统的自适应预测控制", 山东建筑大学学报, no. 03 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111443681B (zh) | 超临界火电机组协调控制系统多模型预测控制设计方法 | |
Garcia-Gabin et al. | Real-time implementation of a sliding mode controller for air supply on a PEM fuel cell | |
Fang et al. | Backstepping-based nonlinear adaptive control for coal-fired utility boiler–turbine units | |
CN102494336B (zh) | 一种循环流化床锅炉燃烧过程多变量控制方法 | |
CN108227488B (zh) | 基于滑模预测控制的超超临界火电机组协调控制方法 | |
CN112072712A (zh) | 综合能源系统多时间尺度优化调度方法、系统及存储介质 | |
CN104699064B (zh) | 一种火电机组协调控制系统的煤质自校正预测控制方法 | |
Chen et al. | Temperature and voltage dynamic control of PEMFC Stack using MPC method | |
Visek et al. | Performance analysis of a solar cooling system using self tuning fuzzy-PID control with TRNSYS | |
CN110889638B (zh) | 一种火电厂操作评价方法及相关设备 | |
CN112015082B (zh) | 一种基于模糊增益调度预测控制的机炉协调系统控制方法 | |
CN112051810A (zh) | 一种供热机组的多能源分配和调度系统 | |
CN112526882A (zh) | 基于分层模型预测控制算法的超临界机组协调控制方法 | |
Qi et al. | Design of the PID temperature controller for an alkaline electrolysis system with time delays | |
CN113904354A (zh) | 氢燃料电池热电联供单元的控制方法、系统及设备 | |
Oshnoei et al. | Intelligent Coordination of Traditional Power Plants and Inverters Air Conditioners Controlled With Feedback-Corrected MPC in LFC | |
CN107102550B (zh) | 一种超超临界火电机组控制分离器温度的预测控制方法 | |
CN113282043A (zh) | 基于多变量状态空间模型的超超临界机组协调控制方法 | |
CN105207220A (zh) | 一种基于渐进学习的分级电压调控方法 | |
CN114371619A (zh) | 一种mgt-cchp变工况动态能效优化控制方法 | |
CN112632757A (zh) | 一种基于混合模糊控制的质子交换膜燃料电池的过氧量实时切换控制装置设计方法 | |
CN113159567A (zh) | 考虑停电时长不确定性的工业园区离网调度方法 | |
Liu et al. | Application of the main steam temperature control based on sliding multi-level multi-model predictive control | |
Zhao et al. | Multi-objective Economic Predictive Controller for Optimal Dynamic Energy Efficiency in MGT-CCHP | |
CN110631003A (zh) | 一种基于层级调度多模型预测控制的再热汽温调节方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |