CN116254575A - 一种基于模拟退火算法的制氢效率优化控制系统及方法 - Google Patents

一种基于模拟退火算法的制氢效率优化控制系统及方法 Download PDF

Info

Publication number
CN116254575A
CN116254575A CN202310518565.8A CN202310518565A CN116254575A CN 116254575 A CN116254575 A CN 116254575A CN 202310518565 A CN202310518565 A CN 202310518565A CN 116254575 A CN116254575 A CN 116254575A
Authority
CN
China
Prior art keywords
hydrogen production
module
efficiency
power
simulated annealing
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.)
Granted
Application number
CN202310518565.8A
Other languages
English (en)
Other versions
CN116254575B (zh
Inventor
杨天雨
孟鑫
肖凯文
卢祥文
曾卓
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.)
Sichuan University
Original Assignee
Sichuan University
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 Sichuan University filed Critical Sichuan University
Priority to CN202310518565.8A priority Critical patent/CN116254575B/zh
Publication of CN116254575A publication Critical patent/CN116254575A/zh
Application granted granted Critical
Publication of CN116254575B publication Critical patent/CN116254575B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
    • C25B1/00—Electrolytic production of inorganic compounds or non-metals
    • C25B1/01—Products
    • C25B1/02—Hydrogen or oxygen
    • C25B1/04—Hydrogen or oxygen by electrolysis of water
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
    • C25B15/00—Operating or servicing cells
    • C25B15/02—Process control or regulation
    • 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
    • H02J15/00—Systems for storing electric energy
    • H02J15/008—Systems for storing electric energy using hydrogen as energy vector
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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
    • 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
    • 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
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic 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
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02E60/36—Hydrogen production from non-carbon containing sources, e.g. by water electrolysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Materials Engineering (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Inorganic Chemistry (AREA)
  • Electrolytic Production Of Non-Metals, Compounds, Apparatuses Therefor (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于可再生能源的电解制氢领域，提出了一种基于模拟退火算法的制氢效率优化控制系统及方法，包括：配置可再生能源电解制氢系统，各个模块通过初始功率分配方案稳定运行；获取可再生能源发电模块的发电功率，当其发生变化时，则采集各个模块与功率相关的数据，并传输至中央控制器；计算出各个模块的新的功率分配方案，中央控制器基于模拟退火算法求解电解制氢模块的最优效率点，并基于最优效率点设定各制氢单元的功率；各个模块通过新的功率分配方案稳定运行，电解制氢模块以最优效率运行。本发明能在可再生能源电解制氢系统的可再生能源发电波动时，通过模拟退火算法的控制，使制氢效率在重分配功率下仍能达到最优，提升资源利用率。

Description

一种基于模拟退火算法的制氢效率优化控制系统及方法
技术领域
本发明涉及可再生能源的电解制氢领域，特别涉及一种基于模拟退火算法的制氢效率优化控制系统及方法。
背景技术
风电、光伏等可再生能源发电正逐步替代传统发电方式，但风电、光伏的随机性与间歇性及传统储能技术的限制导致可再生能源发电难以大规模消纳。氢能作为清洁能源，能量密度大且易于储存。因此，以氢储能已成为可再生能源大规模综合绿色开发利用的优选方案之一。“双碳”目标背景下，氢能产业迎来快速发展机遇，但我国氢能产业仍然处于发展初期，还存在问题与挑战等待进一步研究，尤其是在可再生能源波动影响下，电解制氢效率难以达到最优，导致大量能源浪费，无法合理充足利用。
目前针对可再生能源电解制氢系统中制氢优化问题，现有研究只将制氢效率设定为固定值分析或者只考虑单个电解器的效率特性及优化控制，未考虑整个制氢单元的效率或多个制氢单元的总体效率。另外，现存的优化控制方法中，多以功率均分或分级投切的方式进行控制，效率较低，浪费过多能源。
基于上述背景，可以考虑多个制氢单元总体效率，借助优化算法使制氢效率在可再生能源波动影响下仍能达到最优，提升资源利用率，推动“双碳”目标的实现。
发明内容
本发明的目的在于提供一种基于模拟退火算法的制氢效率优化控制系统及方法，可以在可再生能源电解制氢系统的可再生能源发电波动时，通过模拟退火算法的控制，使制氢效率在重分配功率下仍能达到最优，提升资源利用率。
本发明解决其技术问题，采用的技术方案是：
一方面，本发明提出一种基于模拟退火算法的制氢效率优化控制系统，包括：
可再生能源发电模块、储能模块、电解制氢模块和中央控制器，所述电解制氢模块包括多个制氢单元；
所述可再生能源发电模块包括风力发电模块和光伏发电模块，用于将可再生能源转化为电能并通过变流器后汇集到交流母线上，电能的一部分输送到储能模块，另一部分输送到制氢模块用于电解制氢；
所述储能模块，用于将可再生能源发电模块通过交流母线输送过来的一部分电能通过AD-DC变流器整流为直流后储存到蓄电池中，以配合系统稳定功率；
所述电解制氢模块包括整流器、电解器、储氢罐和储氧罐，整流器将可再生能源发电模块通过交流母线输送过来的剩余电能转变为直流电后为电解器供电，电解器电解水产生氢气与氧气，所产氢气与氧气由储氢罐与储氧罐储存；
所述控制器包括本地控制器与中央控制器，各本地控制器伴随设置在各模块中，并通过通讯线与中央控制器连接，所述本地控制器用于采集各个模块与功率相关的数据，并传输至中央控制器；
所述中央控制器用于计算出各个模块的新的功率分配方案，对于电解制氢模块，中央控制器基于模拟退火算法求解电解制氢模块的最优效率点，并基于最优效率点设定各制氢单元的功率，各个模块通过新的功率分配方案稳定运行，电解制氢模块以最优效率运行。
另一方面，本发明还提出一种基于模拟退火算法的制氢效率优化控制方法，应用于一种基于模拟退火算法的制氢效率优化控制系统，包括如下步骤：
配置可再生能源电解制氢系统；
通过可再生能源发电模块将可再生能源转化为电能，电能的一部分输送到储能摸块，另一部分输送到制氢模块用于电解制氢；
各个模块通过初始功率分配方案稳定运行；
获取可再生能源发电模块的发电功率，并判断其是否发生变化，若是，则表示稳定运行状态被打破，此时，采集各个模块与功率相关的数据，并传输至中央控制器；
通过中央控制器计算出各个模块的新的功率分配方案，对于电解制氢模块，中央控制器基于模拟退火算法求解电解制氢模块的最优效率点，并基于最优效率点设定各制氢单元的功率；
各个模块通过新的功率分配方案稳定运行，电解制氢模块以最优效率运行。
作为进一步优化，所述风力发电模块中，一台风力发电机的输出功率为：
Figure SMS_1
其中，
Figure SMS_2
是风力发电机的输出功率，/>
Figure SMS_3
是风力发电机的输入功率，/>
Figure SMS_4
表示风力利用系数，/>
Figure SMS_5
表示空气密度，/>
Figure SMS_6
是风机叶片工作时经过的面积值大小，/>
Figure SMS_7
是风电机捕获的风速；
其中，
Figure SMS_8
表示为：/>
Figure SMS_9
，/>
Figure SMS_10
为风力机叶片半径；
风力发电模块输出功率为：
Figure SMS_11
其中，M为风电机组的总数量，
Figure SMS_12
为第i台风电机组在t时刻的输出功率，Δt为相邻时间；
光伏发电模块模型通过光伏阵列进行发电，光伏阵列的输出功率为：
Figure SMS_13
式中，
Figure SMS_14
为t时刻光伏阵列所受光照强度，/>
Figure SMS_15
为t时刻光伏阵列的表面温度，
Figure SMS_16
为光伏阵列在光照强度/>
Figure SMS_17
时的输出功率，/>
Figure SMS_18
分别为标准环境下的光照强度、光伏阵列温度和最大输出功率，/>
Figure SMS_19
为温度修正系数，一般取为-0.15，/>
Figure SMS_20
为光照系数，取为0.95。
作为进一步优化，当各个模块通过初始功率分配方案稳定运行时，存在的系统功率平衡模型如下：
Figure SMS_21
其中，
Figure SMS_22
为t时段分配给制氢模块的功率， />
Figure SMS_23
为蓄电池t时段输出功率，且
Figure SMS_24
其中，
Figure SMS_25
为蓄电池额定容量，/>
Figure SMS_26
为蓄电池在t时刻的输出电流，/>
Figure SMS_27
和/>
Figure SMS_28
分别为蓄电池的充、放电效率，/>
Figure SMS_29
和/>
Figure SMS_30
分别为蓄电池在/>
Figure SMS_31
时段的充、放电功率。
作为进一步优化，所述通过中央控制器计算出各个模块的新的功率分配方案，对于电解制氢模块，中央控制器基于模拟退火算法求解电解制氢模块的最优效率点，并基于最优效率点设定各制氢单元的功率，建立制氢单元效率模型，所述建立制氢单元效率模型的具体步骤如下：
假设交流母线电压和整流器输出电压也即电解器工作电压稳定；
制氢单元效率同时考虑整流器效率及电解器效率：
Figure SMS_32
式中，
Figure SMS_33
为制氢单元效率，/>
Figure SMS_34
为整流器效率，/>
Figure SMS_35
为电解器效率，U为电解器工作电压，I为电解器工作电流，a为整流器电阻性损耗系数，b为整流器开关损耗系数，c为整流器固定损耗系数，/>
Figure SMS_36
为电解器单位时间内产氢能量，/>
Figure SMS_37
为单位时间内电解器所需电能，T为电解器的工作温度，S为该温度下的熵值，/>
Figure SMS_38
为可逆电压，/>
Figure SMS_39
为环境温度。
作为进一步优化，根据所述制氢单元效率模型建立电解制氢模块的效率模型，包括如下步骤：
假设电解制氢模块含有n个制氢单元，则其总效率为：
Figure SMS_40
式中，
Figure SMS_42
是输入功率为/>
Figure SMS_44
时制氢模块的总效率，/>
Figure SMS_47
为制氢模块总输入功率即可再生能源电解制氢系统分配给制氢模块的功率/>
Figure SMS_43
，/>
Figure SMS_46
为制氢模块产氢总能量，/>
Figure SMS_48
、/>
Figure SMS_49
分别为第i台制氢单元的输入功率和产氢能量，/>
Figure SMS_41
是第i台制氢单元的效率，实际各制氢单元效率特性相同即/>
Figure SMS_45
；
求取上述制氢模块在确定输入功率下总效率的最优值，即使下述公式达到最大：
Figure SMS_50
且根据上述分析，
Figure SMS_51
、/>
Figure SMS_52
都用工作电流I表示，即：
Figure SMS_53
则优化目标函数表示为：
Figure SMS_54
/>
约束条件为：
Figure SMS_55
将电解制氢模块效率模型纳入模拟退火算法，设定电流约束
Figure SMS_56
，间接确定制氢单元输入功率上限。
作为进一步优化，所述将电解制氢模块效率模型纳入模拟退火算法，具体是指：将约束条件引入模拟退火算法，并将引入约束条件后的目标函数作为目标实现利用模拟退火算法对约束条件的处理，包括如下步骤：
构造引入惩罚函数的目标函数F：
Figure SMS_57
式中，F为引入惩罚函数的目标函数，
Figure SMS_58
为原优化函数，/>
Figure SMS_59
为初始惩罚因子，M为等式约束条件；
等式约束条件即：
Figure SMS_60
对模拟退火算法过程中约束条件的判定式为：
Figure SMS_61
式中，
Figure SMS_62
为判定系数，取接近于0的数；
若判定式成立则可认为新工作点满足约束条件，否则放大惩罚因子，即：
Figure SMS_63
式中，
Figure SMS_64
为放大系数，/>
Figure SMS_65
；
将函数F作为模拟退火算法的目标函数进行迭代，得到新工作点下效率增量：
Figure SMS_66
式中，
Figure SMS_67
为效率增量，/>
Figure SMS_68
为制氢模块新工作点效率，/>
Figure SMS_69
为制氢模块原工作点效率；
若
Figure SMS_70
，则接受新工作点，否则进行Metropolis准则判定：
Figure SMS_71
式中，T为退火初始温度；
若Metropolis准则判定成立,则接受新工作点，否则，不接受新工作点；
再判断是否满足迭代次数，不满足返回迭代，满足则判断是否满足终止条件，满足输出结果，不满足降温退火后继续迭代，降温退火表示为：
Figure SMS_72
式中，r为衰减系数，
Figure SMS_73
，r越小，降温越快。
作为进一步优化，所述基于模拟退火算法求解电解制氢模块的最优效率点，其具体求解步骤如下：
判断制氢装置投入台数，若P IN≤0.33，则k=1||2||3，即投入1~3台；若0.33<P IN≤0.66，则k=2||3，即投入2~3台；若P IN>0.66，则k=3，投入3台；
随机生成初始工作点X 0(P IN1,0,P IN2,0,P IN3,0)，测出初始工作点下的工作电流I i，将制氢单元效率η公式取负，计算得到该点系统总效率η X0，并设定初始温度T；
扰动I i产生固定功率步长ΔP Ini，功率分配改变至工作点X 1(P IN1,1,P IN2,1,P IN3,1)，对应η X1；
计算总效率变化量dη=η X1-η X0，若dη<0，则接受X 1为新的工作点，若dη>0，则计算接受X 1为新工作点的概率e-dη/T，当 e-dη/T≥rand时，接受X 1为新的工作点，否则不接受X 1，仍以X 0为工作点，rand为在0~1间的随机数；
判断是否达到迭代次数m，若未达到，则以新工作点继续迭代，若达到则进一步判断是否达到终止条件，即温度T是否达到终止温度Tend，若达到终止温度，则求解完毕，求得最大工作点X max，进而可求出此时总效率η，取负即得实际最大值；若未达到终止温度，则先退火降温令T=r·T，再继续迭代；
重复进行上述步骤即可求解最优效率。
本发明的有益效果是：通过上述一种基于模拟退火算法的制氢效率优化控制系统及方法，首先建立了可再生能源电解制氢系统功率模型及由多套制氢单元组成的制氢模块效率模型，然后提出一种基于模拟退火算法的制氢效率优化方法，利用罚函数法对模拟退火算法进行了改进，利用改进后的模拟退火算法求解制氢模块的最优效率点，从而使制氢系统在可再生能源波动影响下保持最优制氢效率运行。
附图说明
图1为本发明实施例1中可再生能源电解制氢系统示意图；
图2为本发明实施例2提出的一种基于模拟退火算法的制氢效率优化控制方法的流程图；
图3为本发明实施例2中制氢单元效率特性图；
图4为本发明实施例2中制氢单元输入功率与电流关系图；
图5为本发明实施例2中基于模拟退火算法的效率优化方法的具体优化过程流程图；
图6为本发明实施例2中一种基于模拟退火算法的制氢效率优化控制方法与现有控制方法在可再生能源波动时的制氢模块效率对比图；
图7为本发明实施例2中一种基于模拟退火算法的制氢效率优化控制方法优化方法对效率的提升效果图。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
实施例1
本实施例提供的是一种基于模拟退火算法的制氢效率优化控制系统，如图1所示，可再生能源电解制氢系统包括可再生能源发电模块、储能模块、电解制氢模块及控制器，其中可再生能源发电模块包括风力发电模块和光伏发电模块，可将风力、光伏等可再生能源转化为电能并通过变流器后汇集到交流母线上，电能的一部分输送到储能模块，另一部分输送到制氢模块用于电解制氢；储能模块将可再生能源发电模块通过交流母线输送过来的一部分电能通过AD-DC变流器整流为直流后储存到蓄电池中，以配合系统稳定功率；电解制氢模块包括整流器、电解器、储氢罐、储氧罐，整流器将可再生能源发电模块通过交流母线输送过来的剩余电能转变为直流电后为电解器供电，电解器电解水产生氢气与氧气，所产氢气与氧气由储氢罐与储氧罐储存；控制器包括本地控制器与中央控制器，各本地控制器伴随设置在各模块中，并通过通讯线与中央控制器连接。
本地控制器用于采集各个模块与功率相关的数据，并传输至中央控制器；中央控制器用于计算出各个模块的新的功率分配方案，对于电解制氢模块，中央控制器基于模拟退火算法求解电解制氢模块的最优效率点，并基于最优效率点设定各制氢单元的功率，各个模块通过新的功率分配方案稳定运行，电解制氢模块以最优效率运行。
实际应用过程中，首先，可再生能源波动，可再生能源发电功率变化，系统稳定运行状态被打破，系统功率不再平衡；其次，变化发生后，本地控制器采集初始数据，加工计算初始数据为成熟数据并通过通讯线传输给中央控制器，中央控制器根据采集的成熟数据计算新的功率分配方案，并形成对应控制方案传输给本地控制器，特别的，对于电解制氢模块的控制方案附加有制氢单元控制方案，所述制氢单元控制方案是中央控制器通过基于模拟退火算法的效率优化方法生成的；然后，各本地控制器根据中央控制器确定的控制方案，执行控制功能，设定各模块功率，特别的，设定电解制氢模块内各制氢单元的功率；最后，系统恢复稳定运行，系统功率再次平衡，制氢模块以最优效率运行。
实施例2
基于实施例1，本实施例提供的是一种基于模拟退火算法的制氢效率优化控制方法，其流程图见图2，具体优化过程流程图见图5，其中，该方法包括如下步骤：
S1、配置可再生能源电解制氢系统；
S2、通过可再生能源发电模块将可再生能源转化为电能，电能的一部分输送到储能摸块，另一部分输送到制氢模块用于电解制氢；
S3、各个模块通过初始功率分配方案稳定运行；
S4、获取可再生能源发电模块的发电功率，并判断其是否发生变化，若是，则表示稳定运行状态被打破，此时，采集各个模块与功率相关的数据，并传输至中央控制器；
S5、通过中央控制器计算出各个模块的新的功率分配方案，对于电解制氢模块，中央控制器基于模拟退火算法求解电解制氢模块的最优效率点，并基于最优效率点设定各制氢单元的功率；
S6、各个模块通过新的功率分配方案稳定运行，电解制氢模块以最优效率运行。
本实施例中，风力发电模块中，一台风力发电机的输出功率为：
Figure SMS_74
其中，
Figure SMS_75
是风力发电机的输出功率，/>
Figure SMS_76
是风力发电机的输入功率，/>
Figure SMS_77
表示风力利用系数，/>
Figure SMS_78
表示空气密度，/>
Figure SMS_79
是风机叶片工作时经过的面积值大小，/>
Figure SMS_80
是风电机捕获的风速；
其中，
Figure SMS_81
表示为：/>
Figure SMS_82
，/>
Figure SMS_83
为风力机叶片半径；
风力发电模块输出功率为：
Figure SMS_84
其中，M为风电机组的总数量，
Figure SMS_85
为第i台风电机组在t时刻的输出功率，Δt为相邻时间；
光伏发电模块模型通过光伏阵列进行发电，光伏阵列的输出功率为：
Figure SMS_86
式中，
Figure SMS_87
为t时刻光伏阵列所受光照强度，/>
Figure SMS_88
为t时刻光伏阵列的表面温度，
Figure SMS_89
为光伏阵列在光照强度/>
Figure SMS_90
时的输出功率，/>
Figure SMS_91
分别为标准环境下的光照强度、光伏阵列温度和最大输出功率，/>
Figure SMS_92
为温度修正系数，一般取为-0.15，/>
Figure SMS_93
为光照系数，一般取为0.95。
当各个模块通过初始功率分配方案稳定运行时，存在的系统功率平衡模型如下：
Figure SMS_94
其中，
Figure SMS_95
为t时段分配给制氢模块的功率， />
Figure SMS_96
为蓄电池t时段输出功率，且
Figure SMS_97
其中，
Figure SMS_98
为蓄电池额定容量，/>
Figure SMS_99
为蓄电池在t时刻的输出电流，/>
Figure SMS_100
和/>
Figure SMS_101
分别为蓄电池的充、放电效率，/>
Figure SMS_102
和/>
Figure SMS_103
分别为蓄电池在/>
Figure SMS_104
时段的充、放电功率。
需要指出的是，电解制氢模块获得系统确定分配的功率后，便可将交流母线传输而来的电能用于电解制氢，这里，通过中央控制器计算出各个模块的新的功率分配方案，对于电解制氢模块，中央控制器基于模拟退火算法求解电解制氢模块的最优效率点，并基于最优效率点设定各制氢单元的功率，然后去建立制氢单元效率模型，所述建立制氢单元效率模型的具体步骤如下：
假设交流母线电压和整流器输出电压也即电解器工作电压稳定；
制氢单元效率考虑整流器效率及电解器效率：
Figure SMS_105
式中，
Figure SMS_106
为制氢单元效率，/>
Figure SMS_107
为整流器效率，/>
Figure SMS_108
为电解器效率；
整流器与电解器直接电气连接，考虑功率损耗后，其效率表示为：
Figure SMS_109
式中，U为电解器工作电压，I为电解器工作电流，a为整流器电阻性损耗系数，b为整流器开关损耗系数，c为整流器固定损耗系数；
电解器工作电压可表示为：
Figure SMS_110
/>
式中，
Figure SMS_111
为欧姆极化过电压，/>
Figure SMS_112
为浓度极化过电压，/>
Figure SMS_113
为活化过电压，/>
Figure SMS_114
为可逆电压；
电解器效率需要考虑单位时间内产氢能量及总体耗能，总体耗能包含电能及热能，因此表示为：
Figure SMS_115
式中，
Figure SMS_116
为电解器单位时间内产氢能量，W为单位时间内电解器总体耗能，/>
Figure SMS_117
为单位时间内电解器所需电能，T为电解器的工作温度，S为该温度下的熵值，/>
Figure SMS_118
为单位时间内电解器自身放热，/>
Figure SMS_119
为环境温度；
单位时间内电解器自身放热可表示为：
Figure SMS_120
根据法拉第第一定律，单位时间内电解器产氢能量可表示为：
Figure SMS_121
式中，F为法拉第常数，取96485C/mol，
Figure SMS_122
为氢气的热值，取284.7kJ/mol；
结合式制氢单元效率公式、整流器效率公式和电解器效率公式得制氢单元效率模型如下：
Figure SMS_123
。
根据上述模型可得制氢单元效率特性曲线如图3所示，制氢单元输入功率与电流关系如图4所示，结合两图可看出，制氢单元制氢效率先随输入功率的增大而以较快速度增大，达到极点后开始缓慢下降。
接下来，可以根据所述制氢单元效率模型建立电解制氢模块的效率模型，包括如下步骤：
假设电解制氢模块含有n个制氢单元，则其总效率为：
Figure SMS_124
式中，
Figure SMS_126
是输入功率为/>
Figure SMS_129
时制氢模块的总效率，/>
Figure SMS_131
为制氢模块总输入功率即可再生能源电解制氢系统分配给制氢模块的功率/>
Figure SMS_127
，/>
Figure SMS_130
为制氢模块产氢总能量，/>
Figure SMS_132
、/>
Figure SMS_133
分别为第i台制氢单元的输入功率和产氢能量，/>
Figure SMS_125
是第i台制氢单元的效率，实际各制氢单元效率特性相同即/>
Figure SMS_128
；
求取上述制氢模块在确定输入功率下总效率的最优值，即使下述公式达到最大：
Figure SMS_134
且根据上述分析，
Figure SMS_135
、/>
Figure SMS_136
都用工作电流I表示，即：
Figure SMS_137
/>
则优化目标函数可以表示为：
Figure SMS_138
约束条件为：
Figure SMS_139
将上述电解制氢模块效率模型纳入模拟退火算法，依据图3、图4所示结果设定电流约束
Figure SMS_140
，从而可间接确定制氢单元输入功率上限。
本实施例对于约束的处理是通过引入约束条件到模拟退火算法的目标函数，从而对求解进行约束，此种处理方法直观简单，且不将约束条件的处理纳入迭代步骤，不会产生较大计算压力，对复杂约束条件具有良好的处理效果，同时也适用于高维优化问题，可以解决实际中的复杂物理问题。
具体地，所述将电解制氢模块效率模型纳入模拟退火算法，具体是指：将约束条件引入模拟退火算法，并将引入约束条件后的目标函数作为目标实现利用模拟退火算法对约束条件的处理，包括如下步骤：
构造引入惩罚函数的目标函数F：
Figure SMS_141
式中，F为引入惩罚函数的目标函数，
Figure SMS_142
为原优化函数，/>
Figure SMS_143
为初始惩罚因子，M为等式约束条件；
等式约束条件即：
Figure SMS_144
对模拟退火算法过程中约束条件的判定式为：
Figure SMS_145
式中，
Figure SMS_146
为判定系数，取接近于0的数；
若判定式成立则可认为新工作点满足约束条件，否则放大惩罚因子，即：
Figure SMS_147
式中，
Figure SMS_148
为放大系数，/>
Figure SMS_149
；
通过上述过程将约束条件引入模拟退火算法，并将上述引入约束条件后的目标函数作为目标即可实现利用模拟退火算法对约束条件的处理。此方法直观简单，可适用性强，能够处理复杂约束条件且不产生较大的计算压力。
然后，将函数F作为模拟退火算法的目标函数进行迭代，得到新工作点下效率增量：
Figure SMS_150
式中，
Figure SMS_151
为效率增量，/>
Figure SMS_152
为制氢模块新工作点效率，/>
Figure SMS_153
为制氢模块原工作点效率；/>
若
Figure SMS_154
，则接受新工作点，否则进行Metropolis准则判定：
Figure SMS_155
式中，T为退火初始温度；
若Metropolis准则判定成立,则接受新工作点，否则，不接受新工作点；
再判断是否满足迭代次数，不满足返回迭代，满足则判断是否满足终止条件，满足输出结果，不满足降温退火后继续迭代，降温退火表示为：
Figure SMS_156
式中，r为衰减系数，
Figure SMS_157
，r越小，降温越快。
为简化分析，以3个制氢单元为例，同时采用标幺系统，假定输入到制氢装置系统的最大功率记为单位1，则0<P IN<1，所述基于模拟退火算法求解电解制氢模块的最优效率点，其具体求解步骤如下：
判断制氢装置投入台数，若P IN≤0.33，则k=1||2||3，即投入1~3台；若0.33<P IN≤0.66，则k=2||3，即投入2~3台；若P IN>0.66，则k=3，投入3台；
随机生成初始工作点X 0(P IN1,0,P IN2,0,P IN3,0)，测出初始工作点下的工作电流I i，将制氢单元效率η公式取负，计算得到该点系统总效率η X0，并设定初始温度T；
扰动I i产生固定功率步长ΔP Ini，功率分配改变至工作点X 1(P IN1,1,P IN2,1,P IN3,1)，对应η X1；
计算总效率变化量dη=η X1-η X0，若dη<0，则接受X 1为新的工作点，若dη>0，则计算接受X 1为新工作点的概率e-dη/T，当 e-dη/T≥rand时，接受X 1为新的工作点，否则不接受X 1，仍以X 0为工作点，rand为在0~1间的随机数；
判断是否达到迭代次数m，若未达到，则以新工作点继续迭代，若达到则进一步判断是否达到终止条件，即温度T是否达到终止温度Tend，若达到终止温度，则求解完毕，求得最大工作点X max，进而可求出此时总效率η，取负即得实际最大值；若未达到终止温度，则先退火降温令T=r·T，再继续迭代；
重复进行上述步骤即可求解最优效率，相应的参数设置都可自行在第一步中进行，可以根据不同的实际情况直接设置整流器、电解器等设备的参数，从而简化对系统运行的控制。
按照上述流程进行仿真分析，仍以3台制氢单元为例，依照所建模型，设定单台最大输入功率为300kW，最大工作电流为2000A。在不同时段，可再生能源电解制氢系统分配给制氢模块的功率不同，在不同新分配功率下分别采用功率均分、分级投切及本发明提出的基于模拟退火算法的优化方法进行控制，观察各时段各方法制氢模块效率，所得结果如图6所示。从图中可以看出，本实施例所提优化方法能够有效提升制氢模块制氢效率，尤其总体新分配功率较低情况下本实施例优化方法提升效率的效果更为明显。相较于功率均分及分级投切方法，本实施例优化方法对效率的提升效果如图7所示，可见效率提升最大可达16.5%。综合上述仿真结果可知，本发明所提的一种基于模拟退火算法的制氢效率优化控制方法十分有效，有利于提升系统能效，消纳可再生能源，为实现“双碳“目标助力。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于模拟退火算法的制氢效率优化控制系统，其特征在于，包括：
可再生能源发电模块、储能模块、电解制氢模块和中央控制器，所述电解制氢模块包括多个制氢单元；
所述可再生能源发电模块包括风力发电模块和光伏发电模块，用于将可再生能源转化为电能并通过变流器后汇集到交流母线上，电能的一部分输送到储能模块，另一部分输送到制氢模块用于电解制氢；
所述储能模块，用于将可再生能源发电模块通过交流母线输送过来的一部分电能通过AD-DC变流器整流为直流后储存到蓄电池中，以配合系统稳定功率；
所述电解制氢模块包括整流器、电解器、储氢罐和储氧罐，整流器将可再生能源发电模块通过交流母线输送过来的剩余电能转变为直流电后为电解器供电，电解器电解水产生氢气与氧气，所产氢气与氧气由储氢罐与储氧罐储存；
所述控制器包括本地控制器与中央控制器，各本地控制器伴随设置在各模块中，并通过通讯线与中央控制器连接，所述本地控制器用于采集各个模块与功率相关的数据，并传输至中央控制器；
所述中央控制器用于计算出各个模块的新的功率分配方案，对于电解制氢模块，中央控制器基于模拟退火算法求解电解制氢模块的最优效率点，并基于最优效率点设定各制氢单元的功率，各个模块通过新的功率分配方案稳定运行，电解制氢模块以最优效率运行。
2.一种基于模拟退火算法的制氢效率优化控制方法，应用于如权利要求1所述的一种基于模拟退火算法的制氢效率优化控制系统，其特征在于，包括如下步骤：
配置可再生能源电解制氢系统；
通过可再生能源发电模块将可再生能源转化为电能，电能的一部分输送到储能摸块，另一部分输送到制氢模块用于电解制氢；
各个模块通过初始功率分配方案稳定运行；
获取可再生能源发电模块的发电功率，并判断其是否发生变化，若是，则表示稳定运行状态被打破，此时，采集各个模块与功率相关的数据，并传输至中央控制器；
通过中央控制器计算出各个模块的新的功率分配方案，对于电解制氢模块，中央控制器基于模拟退火算法求解电解制氢模块的最优效率点，并基于最优效率点设定各制氢单元的功率；
各个模块通过新的功率分配方案稳定运行，电解制氢模块以最优效率运行。
3.根据权利要求2所述的一种基于模拟退火算法的制氢效率优化控制方法，其特征在于，所述风力发电模块中，一台风力发电机的输出功率为：
Figure QLYQS_1
其中，
Figure QLYQS_2
是风力发电机的输出功率，/>
Figure QLYQS_3
是风力发电机的输入功率，/>
Figure QLYQS_4
表示风力利用系数，/>
Figure QLYQS_5
表示空气密度，/>
Figure QLYQS_6
是风机叶片工作时经过的面积值大小，/>
Figure QLYQS_7
是风电机捕获的风速；
其中，
Figure QLYQS_8
表示为：/>
Figure QLYQS_9
，/>
Figure QLYQS_10
为风力机叶片半径；
风力发电模块输出功率为：
Figure QLYQS_11
其中，M为风电机组的总数量，
Figure QLYQS_12
为第i台风电机组在t时刻的输出功率，Δt为相邻时间；
光伏发电模块模型通过光伏阵列进行发电，光伏阵列的输出功率为：
Figure QLYQS_13
式中，
Figure QLYQS_14
为t时刻光伏阵列所受光照强度，/>
Figure QLYQS_15
为t时刻光伏阵列的表面温度，/>
Figure QLYQS_16
为光伏阵列在光照强度/>
Figure QLYQS_17
时的输出功率，/>
Figure QLYQS_18
分别为标准环境下的光照强度、光伏阵列温度和最大输出功率，/>
Figure QLYQS_19
为温度修正系数，取为-0.15，/>
Figure QLYQS_20
为光照系数，取为0.95。
4.根据权利要求3所述的一种基于模拟退火算法的制氢效率优化控制方法，其特征在于，当各个模块通过初始功率分配方案稳定运行时，存在的系统功率平衡模型如下：
Figure QLYQS_21
其中，
Figure QLYQS_22
为t时段分配给制氢模块的功率，/>
Figure QLYQS_23
为蓄电池t时段输出功率，且
Figure QLYQS_24
其中，
Figure QLYQS_25
为蓄电池额定容量，/>
Figure QLYQS_26
为蓄电池在t时刻的输出电流，/>
Figure QLYQS_27
和/>
Figure QLYQS_28
分别为蓄电池的充、放电效率，/>
Figure QLYQS_29
和/>
Figure QLYQS_30
分别为蓄电池在/>
Figure QLYQS_31
时段的充、放电功率。
5.根据权利要求2所述的一种基于模拟退火算法的制氢效率优化控制方法，其特征在于，所述通过中央控制器计算出各个模块的新的功率分配方案，对于电解制氢模块，中央控制器基于模拟退火算法求解电解制氢模块的最优效率点，并基于最优效率点设定各制氢单元的功率，建立制氢单元效率模型，所述建立制氢单元效率模型的具体步骤如下：
假设交流母线电压和整流器输出电压也即电解器工作电压稳定；
制氢单元效率同时考虑整流器效率及电解器效率：
Figure QLYQS_32
式中，
Figure QLYQS_33
为制氢单元效率，/>
Figure QLYQS_34
为整流器效率，/>
Figure QLYQS_35
为电解器效率，U为电解器工作电压，I为电解器工作电流，a为整流器电阻性损耗系数，b为整流器开关损耗系数，c为整流器固定损耗系数，/>
Figure QLYQS_36
为电解器单位时间内产氢能量，/>
Figure QLYQS_37
为单位时间内电解器所需电能，T为电解器的工作温度，S为该温度下的熵值，/>
Figure QLYQS_38
为可逆电压，/>
Figure QLYQS_39
为环境温度。
6.根据权利要求5所述的一种基于模拟退火算法的制氢效率优化控制方法，其特征在于，根据所述制氢单元效率模型建立电解制氢模块的效率模型，包括如下步骤：
假设电解制氢模块含有n个制氢单元，则其总效率为：
Figure QLYQS_40
式中，
Figure QLYQS_43
是输入功率为/>
Figure QLYQS_47
时制氢模块的总效率，/>
Figure QLYQS_50
为制氢模块总输入功率即可再生能源电解制氢系统分配给制氢模块的功率/>
Figure QLYQS_42
，/>
Figure QLYQS_46
为制氢模块产氢总能量，/>
Figure QLYQS_48
、/>
Figure QLYQS_41
分别为第i台制氢单元的输入功率和产氢能量，/>
Figure QLYQS_45
是第i台制氢单元的效率，实际各制氢单元效率特性相同即/>
Figure QLYQS_49
；
求取上述制氢模块在确定输入功率下总效率的最优值，即使下述公式达到最大：
Figure QLYQS_51
且根据上述分析，
Figure QLYQS_52
、/>
Figure QLYQS_53
都用工作电流I表示，即：
Figure QLYQS_54
则优化目标函数表示为：
Figure QLYQS_55
约束条件为：
Figure QLYQS_56
将电解制氢模块效率模型纳入模拟退火算法，设定电流约束
Figure QLYQS_57
，间接确定制氢单元输入功率上限。
7.根据权利要求6所述的一种基于模拟退火算法的制氢效率优化控制方法，其特征在于，所述将电解制氢模块效率模型纳入模拟退火算法，具体是指：将约束条件引入模拟退火算法，并将引入约束条件后的目标函数作为目标实现利用模拟退火算法对约束条件的处理，包括如下步骤：
构造引入惩罚函数的目标函数F：
Figure QLYQS_58
式中，F为引入惩罚函数的目标函数，
Figure QLYQS_59
为原优化函数，/>
Figure QLYQS_60
为初始惩罚因子，M为等式约束条件；
等式约束条件即：
Figure QLYQS_61
对模拟退火算法过程中约束条件的判定式为：
Figure QLYQS_62
式中，
Figure QLYQS_63
为判定系数，取接近于0的数；
若判定式成立则可认为新工作点满足约束条件，否则放大惩罚因子，即：
Figure QLYQS_64
式中，
Figure QLYQS_65
为放大系数，/>
Figure QLYQS_66
；
将函数F作为模拟退火算法的目标函数进行迭代，得到新工作点下效率增量：
Figure QLYQS_67
式中，
Figure QLYQS_68
为效率增量，/>
Figure QLYQS_69
为制氢模块新工作点效率，/>
Figure QLYQS_70
为制氢模块原工作点效率；
若
Figure QLYQS_71
，则接受新工作点，否则进行Metropolis准则判定：
Figure QLYQS_72
式中，T为退火初始温度；
若Metropolis准则判定成立，则接受新工作点，否则，不接受新工作点；
再判断是否满足迭代次数，不满足返回迭代，满足则判断是否满足终止条件，满足输出结果，不满足降温退火后继续迭代，降温退火表示为：
Figure QLYQS_73
式中，r为衰减系数，
Figure QLYQS_74
，r越小，降温越快。
8.根据权利要求7所述的一种基于模拟退火算法的制氢效率优化控制方法，其特征在于，所述基于模拟退火算法求解电解制氢模块的最优效率点，其具体求解步骤如下：
判断制氢装置投入台数，若P IN ≤0.33，则k=1||2||3，即投入1~3台；若0.33<P IN ≤0.66，则k=2||3，即投入2~3台；若P IN>0.66，则k=3，投入3台；
随机生成初始工作点X 0(P IN1,0,P IN2,0,P IN3,0)，测出初始工作点下的工作电流I i，将制氢单元效率η公式取负，计算得到该点系统总效率η X0，并设定初始温度T；
扰动I i产生固定功率步长ΔP Ini，功率分配改变至工作点X 1(P IN1,1,P IN2,1,P IN3,1)，对应η X1；
计算总效率变化量dη=η X1-η X0，若dη<0，则接受X 1为新的工作点，若dη>0，则计算接受X 1为新工作点的概率e-dη/T，当 e-dη/T≥rand时，接受X 1为新的工作点，否则不接受X 1，仍以X 0为工作点，rand为在0~1间的随机数；
判断是否达到迭代次数m，若未达到，则以新工作点继续迭代，若达到则进一步判断是否达到终止条件，即温度T是否达到终止温度Tend，若达到终止温度，则求解完毕，求得最大工作点X max，进而可求出此时总效率η，取负即得实际最大值；若未达到终止温度，则先退火降温令T=r·T，再继续迭代；
重复进行上述步骤即可求解最优效率。
CN202310518565.8A 2023-05-10 2023-05-10 一种基于模拟退火算法的制氢效率优化控制系统及方法 Active CN116254575B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310518565.8A CN116254575B (zh) 2023-05-10 2023-05-10 一种基于模拟退火算法的制氢效率优化控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310518565.8A CN116254575B (zh) 2023-05-10 2023-05-10 一种基于模拟退火算法的制氢效率优化控制系统及方法

Publications (2)

Publication Number Publication Date
CN116254575A true CN116254575A (zh) 2023-06-13
CN116254575B CN116254575B (zh) 2023-07-28

Family

ID=86682810

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310518565.8A Active CN116254575B (zh) 2023-05-10 2023-05-10 一种基于模拟退火算法的制氢效率优化控制系统及方法

Country Status (1)

Country Link
CN (1) CN116254575B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013025962A1 (en) * 2011-08-18 2013-02-21 Siemens Corporation Thermo-economic modeling and optimization of a combined cooling, heating, and power plant
CN107732945A (zh) * 2017-11-06 2018-02-23 沈阳工程学院 一种基于模拟退火粒子群算法的储能单元优化方法
WO2018202926A1 (es) * 2017-06-02 2018-11-08 H2B2 Electrolysis Technologies, S.L. Procedimiento de operacion de una planta de electrolizadores alimentados con energía renovable
CN109755965A (zh) * 2019-03-20 2019-05-14 河北科技大学 风光发电和制氢储氢系统及其运行控制方法
WO2021253291A1 (zh) * 2020-06-17 2021-12-23 上海电气风电集团股份有限公司 风电场布局的优化方法、优化系统及计算机可读存储介质
CN114844068A (zh) * 2022-04-24 2022-08-02 国网辽宁省电力有限公司电力科学研究院 一种分布式风电制氢混合储能系统功率分配策略
CN114908356A (zh) * 2021-02-09 2022-08-16 江苏和网源电气有限公司 一种可再生能源电解水制氢控制系统
CN115115130A (zh) * 2022-07-19 2022-09-27 中国电建集团西北勘测设计研究院有限公司 一种基于模拟退火算法的风光储制氢系统日前调度方法
CN115537839A (zh) * 2022-10-10 2022-12-30 云南电网有限责任公司电力科学研究院 制氢系统的效率优化控制方法及装置、设备及存储介质
CN115600858A (zh) * 2022-09-30 2023-01-13 中国电建集团西北勘测设计研究院有限公司（Cn） 一种考虑弃风弃光惩罚的风光储制氢系统经济性优化调度方法
CN115976555A (zh) * 2023-01-09 2023-04-18 上海毅镤新能源科技有限公司 一种复合型水电解制氢系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013025962A1 (en) * 2011-08-18 2013-02-21 Siemens Corporation Thermo-economic modeling and optimization of a combined cooling, heating, and power plant
WO2018202926A1 (es) * 2017-06-02 2018-11-08 H2B2 Electrolysis Technologies, S.L. Procedimiento de operacion de una planta de electrolizadores alimentados con energía renovable
CN107732945A (zh) * 2017-11-06 2018-02-23 沈阳工程学院 一种基于模拟退火粒子群算法的储能单元优化方法
CN109755965A (zh) * 2019-03-20 2019-05-14 河北科技大学 风光发电和制氢储氢系统及其运行控制方法
WO2021253291A1 (zh) * 2020-06-17 2021-12-23 上海电气风电集团股份有限公司 风电场布局的优化方法、优化系统及计算机可读存储介质
CN114908356A (zh) * 2021-02-09 2022-08-16 江苏和网源电气有限公司 一种可再生能源电解水制氢控制系统
CN114844068A (zh) * 2022-04-24 2022-08-02 国网辽宁省电力有限公司电力科学研究院 一种分布式风电制氢混合储能系统功率分配策略
CN115115130A (zh) * 2022-07-19 2022-09-27 中国电建集团西北勘测设计研究院有限公司 一种基于模拟退火算法的风光储制氢系统日前调度方法
CN115600858A (zh) * 2022-09-30 2023-01-13 中国电建集团西北勘测设计研究院有限公司（Cn） 一种考虑弃风弃光惩罚的风光储制氢系统经济性优化调度方法
CN115537839A (zh) * 2022-10-10 2022-12-30 云南电网有限责任公司电力科学研究院 制氢系统的效率优化控制方法及装置、设备及存储介质
CN115976555A (zh) * 2023-01-09 2023-04-18 上海毅镤新能源科技有限公司 一种复合型水电解制氢系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张建良;吴越;齐冬莲;: "风电制氢-燃料电池微网实验系统的设计", 实验室研究与探索, no. 01, pages 54 - 58 *
王侃宏;赵政通;刘欢;罗景辉;: "基于HOMER和SA-PSO算法的风光氢储系统的优化匹配", 水电能源科学, no. 05, pages 213 - 216 *

Also Published As

Publication number Publication date
CN116254575B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
WO2023274425A1 (zh) 一种风光水火储系统的多能容量优化配置方法
CN113241803B (zh) 一种基于新能源消纳的储能调度方法及计算机介质
CN107732958B (zh) 一种计及源荷协同恢复的独立微电网黑启动优化方法
Cano et al. Power management system for off-grid hydrogen production based on uncertainty
CN202651806U (zh) 一种电池储能电站平滑风光发电控制系统
CN116613725A (zh) 一种光伏电站直流制氢优化配置方法
CN108182487A (zh) 基于粒子群优化和本德尔分解的家庭能量数据优化方法
CN113036787A (zh) 一种制氢站能量优化配置方法和系统
CN116254575B (zh) 一种基于模拟退火算法的制氢效率优化控制系统及方法
CN109995030B (zh) 一种考虑脱网风险的储能装置soc下限值最优设置方法
CN107994611B (zh) 一种维持光伏电站稳定运行的方法
CN116979578A (zh) 一种风光水火储的电气热三联产优化调度方法和系统
CN116231669A (zh) 数据处理方法、装置、电子设备及存储介质
CN114676921A (zh) 一种考虑源荷储协调优化的系统风电可接纳能力计算方法
CN112003382B (zh) 一种基于储能装置的风电储能制氢系统及方法
Saini et al. Performance evaluation and simulation of solar panel, wind mill, fuel cell hybrid system for small scale energy harvesting
CN109799708B (zh) 一种基于最大内嵌正方体的虚拟电厂灵活性聚合方法
CN113746120A (zh) 基于ga的储能系统优化配置方法
CN112149339A (zh) 风电-光伏-光热-电加热器互补发电系统容量优化模型
CN115360690B (zh) 一种新能源制氢系统及方法
Zhao et al. Multi-objective Optimal Operation of Microgrid Based on NSGA-III Algorithm
CN116073439B (zh) 一种采用同步电机接口的分布式多源发电系统及方法
CN112491072B (zh) 多端混合直流输电系统的储能布局方法及装置
CN114156948B (zh) 工业园区氢能综合利用站的能量管理方法
EP4283813A1 (en) Water electrolysis system managing power supply of renewable energy

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