CN115094481B - 适应宽功率波动的模块化碱性电解水制氢调度切换方法 - Google Patents

适应宽功率波动的模块化碱性电解水制氢调度切换方法 Download PDF

Info

Publication number
CN115094481B
CN115094481B CN202210716790.8A CN202210716790A CN115094481B CN 115094481 B CN115094481 B CN 115094481B CN 202210716790 A CN202210716790 A CN 202210716790A CN 115094481 B CN115094481 B CN 115094481B
Authority
CN
China
Prior art keywords
power
electrolytic
wind
electrolytic tank
hydrogen production
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.)
Active
Application number
CN202210716790.8A
Other languages
English (en)
Other versions
CN115094481A (zh
Inventor
梁涛
杨文博
孙鹤旭
米大斌
谭建鑫
井延伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hebei University of Technology
Original Assignee
Hebei University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hebei University of Technology filed Critical Hebei University of Technology
Priority to CN202210716790.8A priority Critical patent/CN115094481B/zh
Publication of CN115094481A publication Critical patent/CN115094481A/zh
Application granted granted Critical
Publication of CN115094481B publication Critical patent/CN115094481B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • CCHEMISTRY; METALLURGY
    • C25ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25BELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
    • C25B15/00Operating or servicing cells
    • C25B15/02Process control or regulation
    • CCHEMISTRY; METALLURGY
    • C25ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25BELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
    • C25B1/00Electrolytic production of inorganic compounds or non-metals
    • C25B1/01Products
    • C25B1/02Hydrogen or oxygen
    • C25B1/04Hydrogen or oxygen by electrolysis of water

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Materials Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Inorganic Chemistry (AREA)
  • Electrolytic Production Of Non-Metals, Compounds, Apparatuses Therefor (AREA)

Abstract

本发明提供了适应宽功率波动的模块化碱性电解水制氢调度切换方法,包括:获取电解槽的工作特性曲线;对未来时间段的风光功率进行实时预测;基于所述工作特性曲线对所述电解槽设置标志位;基于实时预测的所述风光功率和所述标志位生成电解槽调度策略,基于所述电解槽调度策略进行模块化碱性电解水制氢调度切换。采用本发明的调度切换策略,能够在保证电解槽安全平稳运行的前提下,进一步提高可再生能源利用率,增加产氢量和平均功率分配,以延长电解槽的使用寿命。

Description

适应宽功率波动的模块化碱性电解水制氢调度切换方法
技术领域
本发明属于风电制氢系统预测控制领域,尤其涉及适应宽功率波动的模块化碱性电解水制氢调度切换方法。
背景技术
人类社会的进步与发展离不开能源,可随着传统能源诸如煤、石油、天然气等大量的开采及使用,碳排放量逐年上升,全球各个国家的能源储备量也急剧下降。近年来的“双碳”政策,使得纯绿色、无碳、无污染且高效方便的氢气得到了大量学者和专家广泛关注,而使用风光可再生能源这种高效,清洁,低碳的发电方式制氢可以进一步达到降低碳排放量的目的。
能源低碳化转型是目前能源改革必由之路,而氢能在能源去碳化进程中扮演着越来越重要的地位,可再生风能、光能与氢能结合,构成风光氢能源系统,是能源低碳化的典型应用场景。但风光资源具有波动性,随机性的特点,这也就会使碱性电解槽频繁启停,导致产氢量降低、影响电解槽使用寿命,或是由于电解槽自身的工作条件制约,这种风光能源发电的波动性甚至会影响电解槽的安全性。
现有基于风光制氢系统的实时调度策略多将电解槽启停的功率设置为定值以降低切换电解槽次数同时保证氧气中氢气的安全浓度。这种策略的确能够保证电解槽安全运行,但较为保守,不利于随风光互补电源系统的大范围随机波动更充分地利用可再生能源以提高制氢量。
发明内容
为解决上述技术问题,本发明提出了适应宽功率波动的模块化碱性电解水制氢调度切换方法。
为实现上述目的,本发明提供了适应宽功率波动的模块化碱性电解水制氢调度切换方法,包括:
获取电解槽的工作特性曲线;
对未来时间段的风光功率进行实时预测;
基于所述工作特性曲线对所述电解槽设置标志位;
基于实时预测的所述风光功率和所述标志位生成电解槽调度策略,基于所述电解槽调度策略进行模块化碱性电解水制氢调度切换。
可选地,获取电解槽的所述工作特性曲线包括:将所述电解槽分别运行于不同预设额定功率下,获取所述电解槽的氧气中的氢气浓度变化。
可选地,对未来时间段的风光功率进行实时预测包括:
对风光功率预测数据进行预处理;
利用预处理后的所述风光功率预测数据通过Bi-LSTM网络进行训练,获得典型风光功率离线预测模型;
对所述典型风光功率离线预测模型进行迁移学习,获得所述风光功率预测模型,通过所述风光功率预测模型对未来时间段的风光功率进行实时预测。
可选地,所述风光功率预测数据包括历史气候变量信息和历史风光功率数据。
可选地,对所述风光功率预测数据进行预处理包括:采取均值差值、相关系数过滤以及MVMD分解的处理方式。
可选地,对未来时间段的风光功率进行实时预测还包括:利用多目标蚱蜢优化算法对预测结果进行加权融合。
可选地,所述标志位包括:优先级标志位和警告标志位;
所述标志位的设置方式为:当电解槽长期稳定工作时置第一数值,否则,则设置在当前情况下,电解槽可运行m*Nmin,将所述优先级标志位置为m,所述电解槽在当前功率档位下每运行N分钟,则将所述优先级标志位减1,所述优先级标志位在不等于零时,所述优先级标志位越小表示优先级等级越高,在等于第二数值时则触发所述警告标志位;
当所述电解槽可以维持稳定运行时,所述警告标志位置第一数值;当所述优先级标志位为第二数值时,则代表所述电解槽不能继续稳定运行,这时将所述警告标志位置第二数值,代表此时所述电解槽须执行提升功率档位至稳定运行界限或置第一数值;所述警告标志位在参与风光功率分配时永远先于所述优先级标志位。
可选地,所述电解槽调度策略包括:
基于所述电解槽的运行状态,获取所述电解槽的所述标志位;
基于实时预测的所述风光功率,与所述电解槽的所述标志位,获取稳定运行的电解槽个数与波动功率;
基于所述电解槽个数与所述警告标志位的总和的大小关系,对所述电解槽进行优先级分配,并更新所述电解槽的所述标志位。
可选地,获取稳定运行的所述电解槽个数与所述波动功率的方法为:
Figure BDA0003709877570000041
Figure BDA0003709877570000042
其中,Pr为预测的风光功率,Pe为电解槽的额定功率,Pw1为Pr条件下电解槽处于75%Pe功率运行对应的波动功率,Pw2为Pr条件下电解槽处于100%Pe功率运行对应的波动功率,N1为Pr条件下处于75%Pe功率运行的电解槽的个数,N2为Pr条件下处于100%Pe功率运行的电解槽的个数;
如果N1≥4或N2≥4,则预测的所述风光功率超过电解槽可消纳上限,则让全部电解槽工作于额定功率下,记录此时波动功率Pw,如果N<4,记录可稳定运行所述电解槽数量。
可选地,在获取稳定运行的所述电解槽个数与所述波动功率后,还包括基于功率浪费最小原则,获取消纳所述波动功率最多的方案;
消纳所述波动功率最多的方案为:
Figure BDA0003709877570000043
/>
Figure BDA0003709877570000044
其中,mi为对应功率档位可运行次数,i=1、2,Pw为波动功率,Pe为电解槽的额定功率,P1为Pw条件下电解槽处于25%Pe功率运行对应的剩余功率,P2为Pw条件下电解槽处于50%Pe功率运行对应的剩余功率。
与现有技术相比,本发明具有如下优点和技术效果:
本发明通过预测风光功率数据的方式,在保证电解槽工作安全性的前提下不设置电解槽启停功率上下限,模块化管理调度电解槽模组以最大化制氢量为目标,以达到对风光氢能源系统合理调度的目的。采用本发明的调度切换策略,能够在保证电解槽安全平稳运行的前提下,进一步提高可再生能源利用率,增加产氢量和平均功率分配,以延长电解槽的使用寿命。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例的适应宽功率波动的模块化碱性电解水制氢调度切换方法流程示意图;
图2为本发明实施例的共用一套气液装置的电解槽模组示意图;
图3为本发明实施例的风光氢能源系统示意图;
图4为本发明实施例的电解槽工作特性曲线示意图;
图5为本发明实施例的电解槽调度策略的方案示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例
电解槽在工作的过程中会产生氢气氧气这两种气体,电解槽内氧气中氢气浓度的安全运行浓度为0%~4%,超过这个界限便会产生安全隐患并引发爆炸,故设置电解槽监控范围为0%~2%,当超过设定范围时,系统就会启动保护自动停机。而电解槽内氧气中氢气浓度与电解槽运行功率相关,功率越低电解槽安全运行时长越短,本发明专利通过实验发现,当运行功率超过75%时就可以长期稳定运行。
但可再生能源具有波动性的特点,当使用单电解槽时,这样的功率波动会导致电解槽功率不稳定频繁启停,无法正常工作。为了适应这种功率波动,可以将单台大功率的制氢电解槽平均分成若干个完全相同的小功率电解槽的组合,对这种模块化的电解槽模组进行调度切换以提高可再生能源利用率并延长电解槽模组使用寿命是一种可行的方法。本实施例用了一种如图2所示的共用一套气液装置的电解槽模组。
这种模块化的电解槽模组有多种不同的启停切换控制策略,比如:
1)简单启停策略:当可再生能源功率Pr大于电解槽E1额定功率时,启动电解槽E1;当Pr增加到大于电解槽E2额定功率时,启动电解槽E2;以此类推。
2)慢启动策略:为每个电解槽设置最小启动功率。当可再生能源Pr大于电解槽E1的最小启动功率时,E1启动;然后电解槽E1的运行功率随着Pr的增加而增加,当Pr继续增加且超过电解槽E1的额定功率和电解槽E2的最小启动功率之和时,启动电解槽E2;以此类推。
3)分阶段启动策略:设置电解槽启动功率50%Pe及功率上限80%Pe,当电解槽功率达到最小启动功率时,电解槽E1启动,并随风光功率的增加而增加,直到E1运行功率达到80%Pe时停止,随着风光功率继续增加到电解槽E1的功率上限和电解槽E2的最小启动功率之和时,E2启动,并随风光功率的增加而增加,直到E2运行功率达到80%Pe时停止,以此类推。当所有电解槽模组都以80%功率运行后,第一阶段启动结束。随着风光功率继续增加,开始第二阶段,将增加的功率分配给E1直至其达到额定功率运行;若风光功率再增加,则将增加的功率分配给E2,并以此类推,直到所有电解槽运行功率都达到额定。
现有基于风光制氢系统的实时调度策略多将电解槽启停的功率设置为定值以降低切换电解槽次数同时保证氧气中氢气的安全浓度。这种策略的确能够保证电解槽安全运行,但较为保守,不利于随风光互补电源系统的大范围随机波动更充分地利用可再生能源以提高制氢量。
因此,本实施例采用多变量历史气象要素,离线训练高精度Bi-LSTM预测模型,在线以15分钟分辨率预测未来超短期(4小时,共16个数据点)及短期(24小时,96个数据点)风光功率,并以此为依据设置电解槽模组的灵活调度切换策略。采用本专利的智能调度切换策略,可以在保证电解槽安全平稳运行的前提下,进一步提高可再生能源利用率,增加产氢量和平均功率分配,以延长电解槽的使用寿命。
本实施例基于风光氢能源系统如图3所示,系统中包含风力发电机、光伏板、蓄电池以及一组碱性电解槽模组,在该系统中,可再生能源所产生的能量用于大规模电解水制氢,直流微网可以用于稳定电解槽模组工作功率,使其可以在短时间内维持电解槽模组恒定的运行功率。
如图1所示,本实施例所采用的技术方案为适应宽功率波动的模块化碱性电解水制氢调度切换方法,具体步骤如下:
获取电解槽的工作特性曲线;
对未来时间段的风光功率进行实时预测;
基于所述工作特性曲线对所述电解槽设置标志位;
基于实时预测的所述风光功率和所述标志位生成电解槽调度策略,基于所述电解槽调度策略进行模块化碱性电解水制氢调度切换。
进一步地,获取电解槽的所述工作特性曲线包括:将所述电解槽分别运行于不同预设额定功率下,获取所述电解槽的氧气中的氢气浓度变化。
在本实施例中,电解槽在工作过程中会产生氢气氧气两种气体,电解槽内氧气中氢气浓度会随运行功率的变化而发生变化,其安全运行浓度为0%~4%,超过这个界限便会产生安全隐患引发爆炸,故设置电解槽监控范围为0%~2%,当超过设定范围时,系统就会启动保护自动停机。氧气中氢气浓度与电解槽运行功率有关。
本发明专利欲将电解槽功率以15分钟为时间分辨率,25%额定功率为一档位,设置电解槽模块化运行策略。故将电解槽分别运行于25%,50%,75%,100%额定功率下,监控电解槽氧气中氢气浓度并进行记录如表1不同运行功率下电解槽内氧中氢浓度,以及图4电解槽的工作特性曲线所示。
表1
Figure BDA0003709877570000091
当电解槽运行在50%额定功率以上时,氧中氢含量始终小于2%,使其可以长期安全稳定工作。当其运行功率在25%额定功率时,电解槽可以安全运行45分钟。当其运行功率在50%额定功率时,电解槽可以安全运行120分钟。超过安全运行时间,氧中氢含量就会高于安全运行临界值,导致碱性电解水制氢系统停机。
且电解槽不论运行于任何功率档位时,氧中氢含量均不为零且会有所累积。故为保证电解槽模组功率分配灵活性的同时能够维持其安全稳定运行,可以保证在电解槽功率档位发生变化时(除降低档位至0%Pe停机及提升功率至75%及100%两种可长期运行的特殊情况)维持安全运行30分钟。
进一步地,对未来时间段的风光功率进行实时预测包括:
对风光功率预测数据进行预处理;
利用预处理后的所述风光功率预测数据通过Bi-LSTM网络进行训练,获取典型风光功率离线预测模型;
对所述典型风光功率离线预测模型进行迁移学习,获得所述风光功率预测模型。
在本实施例中;
(1)数据预处理:
风光功率预测数据包括历史气候变量信息,和历史风光功率数据。针对不良数据采取均值插值的方法,取前后两点数据取均值。再对数据归一化以消除不同数据量级之间差距造成的影响。
然后为了避免输入数据维数过大,利用相关系数过滤出主要气候因子,在减少变量数量的同时保留风速、温度、湿度、总辐射量、海拔和入射角等有用的气象变量信息。
接下来为解决风光资源和风光资源的波动性对特征提取的影响,利用MVMD对风光功率和气候变量进行分解以消除随机扰动。
(2)风光功率预测模型离线训练:
由于风光功率值不光受前一时刻气象变量影响,还受未来气象信息影响。所以利用基于注意力机制的Bi-LSTM进行双向时间特征提取。与传统LSTM只能学习和存储一个方向的输入信息不同,Bi-LSTM可以组合两个方向的信息。一个方向存储过往风速值和相关气象变量的特征,在相反方向存储来自未来值的特征,同时利用注意力机制自适应地提取Bi-LSTM隐藏状态之间的内在关联,并根据其重要性为每个隐藏特征分配权重。最后得到4个离线的典型风光功率离线预测模型site1、site2、site3、site4。
(3)在线预测:
为了进一步提高模型的适应性,使其可以对不同场景进行快速预测,将得到的典型风光功率离线预测模型通过迁移学习转移到集控中心,对其进行微调,对实际风光功率进行实时在线预测,利用多目标蚱蜢优化算法(MOGOA)对预测结果进行加权融合,提高预测精度。最终得到15分钟分辨率的超短期(4小时,共16个数据点)及短期(24小时,96个数据点)的风光功率预测数据。
进一步地,所述标志位包括:优先级标志位和警告标志位;
所述电解槽调度策略包括:
基于所述电解槽的运行状态,获取所述电解槽的所述标志位;
基于实时预测的所述风光功率,与所述电解槽的所述标志位,获取稳定运行的电解槽个数与波动功率;
基于所述电解槽个数与所述警告标志位的总和的大小关系,对所述电解槽进行优先级分配,并更新所述电解槽的所述标志位。
在本实施例中,电解槽调度策略包括:
设置系统共有4个规格相同的电解槽模块分别为E1、E2、E3、E4,每一个模块额定功率都为Pe。对每个电解槽设置5个档位,0%Pe、25%Pe、50%Pe、75%Pe和100%Pe,令电解槽仅可在上述电解槽功率档位运行。
基于测得电解槽工作测试曲线可知,电解槽于25%额定功率下,可以维持电解槽安全运行0.75h,在50%额定功率下,可以维持电解槽安全运行2h。在75%及100%功率下可以长期安全运行。
为方便模块化管理,对电解槽设置两种标志位:优先级标志位和警告标志位;
(1)优先级标志位:
根据步骤一实验的测试曲线图4可知,电解槽工作时,电解槽中氧中氢含量与运行功率息息相关。电解槽维持固定运行档位时,工作特性由步骤一实验可知。但由于工作过程中电解槽氧气中氢气含量会动态累积,所以当电解槽功率档位发生切换时,电解槽氧气中氢气含量会相较图4所示曲线积累速度变高,为保证电解槽模组功率分配灵活性的同时能够维持其安全稳定运行,设置当电解槽功率档位发生变化时(除降低档位至0%Pe停机及提升功率至75%及100%两种可长期运行的特殊情况),电解槽仅可维持稳定运行30分钟。
设置优先级规则如下,当电解槽可以长期稳定工作时置0(即第一数值),否则,则设置在当前情况下,电解槽可运行m*15min,将优先级标志位置m,电解槽在当前功率档位下每运行15分钟,则将该电解槽优先级标志位减1,当优先级标志位不等于零(即第一数值)时,越小则表示优先级等级越高,等于1(即第二数值)时则触发警告标志位Nwarning
(2)警告标志位:
当电解槽可以维持稳定运行时,警告标志位Nwarning置0(即第一数值)。当优先级标志位为1(即第二数值)时,则代表电解槽不能继续稳定运行,这时将该电解槽警告标志位Nwarning置1,代表此时电解槽必须执行提升功率档位至稳定运行界限或置零。警告标志位Nwarning在参与风光功率分配时永远先于优先级标志位。
在上述标志位规定下,电解槽模组控制系统每15分钟读取当前每个电解槽的标志位信息及下一个15分钟时间分辨率下可再生能源可提供给电解槽模组的功率信息以供电解槽模组更新下一个15分钟时间分辨率的电解槽调度策略,整体步骤流程图如图5所示。具体步骤如下:
1)每当前15分钟时间分辨率电解槽模组开始运行后,检查当前电解槽运行状态,读取每个电解槽的优先级标志位及警告标志位信息。
2)求取可稳定运行的电解槽个数Nsta及波动功率Pw;为使尽量多的电解槽可以维持安全运行状态的同时消纳尽可能多的可再生能源功率。分别利用可再生功率Pr求取:
Figure BDA0003709877570000131
Figure BDA0003709877570000132
其中,Pr为预测的风光功率,Pe为电解槽的额定功率,Pw1为Pr条件下电解槽处于75%Pe功率运行对应的波动功率,Pw2为Pr条件下电解槽处于100%Pe功率运行对应的波动功率,N1为Pr条件下处于75%Pe功率运行的电解槽的个数,N2为Pr条件下处于100%Pe功率运行的电解槽的个数;
如果N1≥4或N2≥4,则证明风光功率超过电解槽模组可消纳上限,则直接让全部电解槽工作于额定功率下,记录此时波动功率Pw。如果N<4,记录可稳定运行电解槽数量,并根据Pw1、Pw2计算尽可能消纳较多波动功率的方案,使功率浪费达到最小。
Figure BDA0003709877570000141
Figure BDA0003709877570000142
其中,mi为对应功率档位可运行次数,i=1、2,Pw为波动功率,Pe为电解槽的额定功率,P1为Pw条件下电解槽处于25%Pe功率运行对应的剩余功率,P2为Pw条件下电解槽处于50%Pe功率运行对应的剩余功率,比较P1和P2的大小,选取较小值作为最小浪费功率Pw_min
3)比较Nsta与警告标志位总和Nwarning_sum的大小关系。
Ⅰ.当Nwarning_sum≤Nsta时,将所有警告标志位电解槽工作于上述方案拟定的稳定工作功率,其他稳定工作功率和波动功率按优先级顺序分配。
Ⅱ.当Nwarning_sum>Nsta时,则随机选择总数为Nsta的置于警告标志位的电解槽,将其置于稳定功率,其他警告标志位置零,将波动功率分配给优先级最低的电解槽。
4)更新此时电解槽模组中每个电解槽标志位。当电解槽功率档位未发生变化时,按当前功率段更新优先级标志位及警告标志位;当电解槽功率发生功率变化时,对电解槽优先级标志位进行更新。
以上,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.适应宽功率波动的模块化碱性电解水制氢调度切换方法,其特征在于,包括:
获取电解槽的工作特性曲线;获取电解槽的所述工作特性曲线包括:将所述电解槽分别运行于不同预设额定功率下,获取所述电解槽的氧气中的氢气浓度变化;
对未来时间段的风光功率进行实时预测;
基于所述工作特性曲线对所述电解槽设置标志位;
基于实时预测的所述风光功率和所述标志位生成电解槽调度策略,基于所述电解槽调度策略进行模块化碱性电解水制氢调度切换;
所述标志位包括:优先级标志位和N警告标志位;
所述标志位的设置方式为:当电解槽长期稳定工作时置第一数值,否则,则设置在当前情况下,电解槽可运行m*Nmin,将所述优先级标志位置为m,所述电解槽在当前功率挡位下每运行N分钟,则将所述优先级标志位减1,所述优先级标志位在不等于零时,所述优先级标志位越小表示优先级等级越高,在等于第二数值时则触发所述警告标志位;
当所述电解槽可以维持稳定运行时,所述警告标志位置第一数值;当所述优先级标志位为第二数值时,则代表所述电解槽不能继续稳定运行,这时将所述警告标志位置第二数值,代表此时所述电解槽须执行提升功率挡位至稳定运行界限或置第一数值;所述警告标志位在参与风光功率分配时永远先于所述优先级标志位;
所述电解槽调度策略包括:
基于所述电解槽的运行状态,获取所述电解槽的所述标志位;
基于实时预测的所述风光功率,与所述电解槽的所述标志位,获取稳定运行的电解槽个数与波动功率;
基于所述电解槽个数与所述警告标志位的总和的大小关系,对所述电解槽进行优先级分配,并更新所述电解槽的所述标志位;
获取稳定运行的所述电解槽个数与所述波动功率的方法为:
Figure FDA0004200028790000021
Figure FDA0004200028790000022
其中,Pr为预测的风光功率,Pe为电解槽的额定功率,Pw1为Pr条件下电解槽处于75%Pe功率运行对应的波动功率,Pw2为Pr条件下电解槽处于100%Pe功率运行对应的波动功率,N1为Pr条件下处于75%Pe功率运行的电解槽的个数,N2为Pr条件下处于100%Pe功率运行的电解槽的个数;
如果N1≥4或N2≥4,则预测的所述风光功率超过电解槽可消纳上限,则让全部电解槽工作于额定功率下,记录此时波动功率Pw,如果N<4,记录可稳定运行所述电解槽数量。
2.根据权利要求1所述的适应宽功率波动的模块化碱性电解水制氢调度切换方法,其特征在于,对未来时间段的风光功率进行实时预测包括:
对风光功率预测数据进行预处理;
利用预处理后的所述风光功率预测数据通过Bi-LSTM网络进行训练,获取典型风光功率离线预测模型;
对所述典型风光功率离线预测模型进行迁移学习,获得所述风光功率预测模型,通过所述风光功率预测模型对未来时间段的风光功率进行实时预测。
3.根据权利要求2所述的适应宽功率波动的模块化碱性电解水制氢调度切换方法,其特征在于,所述风光功率预测数据包括历史气候变量信息和历史风光功率数据。
4.根据权利要求2所述的适应宽功率波动的模块化碱性电解水制氢调度切换方法,其特征在于,对所述风光功率预测数据进行预处理包括:采取均值差值、相关系数过滤以及MVMD分解的处理方式。
5.根据权利要求1所述的适应宽功率波动的模块化碱性电解水制氢调度切换方法,其特征在于,对未来时间段的风光功率进行实时预测还包括:利用多目标蚱蜢优化算法对预测结果进行加权融合。
6.根据权利要求1所述的适应宽功率波动的模块化碱性电解水制氢调度切换方法,其特征在于,在获取稳定运行的所述电解槽个数与所述波动功率后,还包括基于功率浪费最小原则,获取消纳所述波动功率最多的方案;
消纳所述波动功率最多的方案为:
Figure FDA0004200028790000031
Figure FDA0004200028790000032
其中,mi为对应功率挡位可运行次数,i=1、2,Pw为波动功率,Pe为电解槽的额定功率,P1为Pw条件下电解槽处于25%Pe功率运行对应的剩余功率,P2为Pw条件下电解槽处于50%Pe功率运行对应的剩余功率。
CN202210716790.8A 2022-06-23 2022-06-23 适应宽功率波动的模块化碱性电解水制氢调度切换方法 Active CN115094481B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210716790.8A CN115094481B (zh) 2022-06-23 2022-06-23 适应宽功率波动的模块化碱性电解水制氢调度切换方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210716790.8A CN115094481B (zh) 2022-06-23 2022-06-23 适应宽功率波动的模块化碱性电解水制氢调度切换方法

Publications (2)

Publication Number Publication Date
CN115094481A CN115094481A (zh) 2022-09-23
CN115094481B true CN115094481B (zh) 2023-06-09

Family

ID=83293067

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210716790.8A Active CN115094481B (zh) 2022-06-23 2022-06-23 适应宽功率波动的模块化碱性电解水制氢调度切换方法

Country Status (1)

Country Link
CN (1) CN115094481B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115491720A (zh) * 2022-09-29 2022-12-20 河北工业大学 基于功率效率特性的离网制氢pem电解槽阵列控制方法
CN115992372B (zh) 2023-03-23 2023-06-06 国家电投集团云南国际电力投资有限公司 一种基于柔性直流微网电解铝系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111364052A (zh) * 2020-04-03 2020-07-03 中国华能集团清洁能源技术研究院有限公司 一种宽功率电解水制氢系统及方法
CN112290581A (zh) * 2019-07-12 2021-01-29 合肥阳光新能源科技有限公司 一种新能源离网制氢系统
CN113279002A (zh) * 2021-04-29 2021-08-20 全球能源互联网研究院有限公司 多槽并联电解制氢的控制方法及系统
CN114204606A (zh) * 2021-11-30 2022-03-18 中国科学院电工研究所 一种风-氢-储系统运行模式设计方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112103994B (zh) * 2020-08-25 2022-04-01 同济大学 一种基于mpc的风氢耦合系统分层协调控制方法及装置
CN112481637A (zh) * 2020-11-10 2021-03-12 安徽伯华氢能源科技有限公司 一种用于波动性电源的电解水制氢系统及其控制策略
CN113373457B (zh) * 2021-06-11 2022-11-15 河北建投新能源有限公司 电解水制氢的控制方法、装置和计算机可读存储介质
CN113690938A (zh) * 2021-08-31 2021-11-23 河北建投新能源有限公司 一种基于功率模型预测的制氢系统控制方法
CN114065483A (zh) * 2021-10-20 2022-02-18 清华大学 制氢系统效能优化方法、装置、计算机设备和存储介质
CN114597974A (zh) * 2022-04-02 2022-06-07 中国科学院电工研究所 一种可再生能源直流制氢孤岛系统的功率管理与分解方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112290581A (zh) * 2019-07-12 2021-01-29 合肥阳光新能源科技有限公司 一种新能源离网制氢系统
CN111364052A (zh) * 2020-04-03 2020-07-03 中国华能集团清洁能源技术研究院有限公司 一种宽功率电解水制氢系统及方法
WO2021196564A1 (zh) * 2020-04-03 2021-10-07 中国华能集团清洁能源技术研究院有限公司 一种宽功率电解水制氢系统及方法
CN113279002A (zh) * 2021-04-29 2021-08-20 全球能源互联网研究院有限公司 多槽并联电解制氢的控制方法及系统
CN114204606A (zh) * 2021-11-30 2022-03-18 中国科学院电工研究所 一种风-氢-储系统运行模式设计方法

Also Published As

Publication number Publication date
CN115094481A (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN115094481B (zh) 适应宽功率波动的模块化碱性电解水制氢调度切换方法
WO2022100091A1 (zh) 一种广义源储系统调度的集中控制方法
CN110544935B (zh) 一种电-氢多能互补直流微电网协调调度方法
Qi et al. Supervisory predictive control for long-term scheduling of an integrated wind/solar energy generation and water desalination system
CN103475020B (zh) 一种微电网负荷跟随运行控制方法
CN109149631A (zh) 一种考虑风光储提供柔性爬坡容量的两阶段经济调度方法
CN114676991B (zh) 基于源荷双侧不确定的多能互补系统优化调度方法
CN113162022A (zh) 光伏制氢站的功率配置方法和装置
CN116742662A (zh) 一种电氢耦合系统多时间尺度优化运行方法及系统
Liu et al. Research on optimal matching scheme of renewable energy based on renewable energy consumption ability
Su et al. Enhancing wind-solar hybrid hydrogen production through multi-state electrolyzer management and complementary energy optimization
CN116805803A (zh) 基于自适应mpc的风光储离网制氢系统能量调度方法
CN110417002B (zh) 一种孤岛微电网能量模型的优化方法
Ma et al. Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation
Wang et al. Capacity Optimization of Island Integrated Energy System Considering Hydrogen Energy Access
Zhang et al. Optimal scheduling for hydrogen-electric hybrid microgrid with vehicle to grid technology
CN117474159B (zh) 一种波浪能发电平台调控方法及装置
Hu et al. Research on optimal allocation of energy storage capacity of microgrid considering various factors
KR102589167B1 (ko) 고온형 수전해-연료전지 시스템 및 그 운전방법
Ting et al. Key technologies for an integrated power generation system of wind, photovoltaic and energy storage unit
Wang et al. Comparisons of Different Dispatches to Promote the Consumption of Renewable Energy
Yang et al. Optimal scheduling of wind-photovoltaic-hydrogen system with alkaline and proton exchange membrane electrolyzer
CN116706985A (zh) 大规模新能源离网制氢系统的优化配置方法及装置
Liang et al. Large-scale off-grid wind power hydrogen production multi-tank combination operation law and scheduling strategy taking into account alkaline electrolyzer characteristics
Qiao et al. Coordinated Dispatch of Wind-Solar-Thermal Power System with Energy Storage

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
GR01 Patent grant
GR01 Patent grant