CN117526374A - 匹配波动电源实时出力的新能源制氢系统控制方法及装置 - Google Patents
匹配波动电源实时出力的新能源制氢系统控制方法及装置 Download PDFInfo
- Publication number
- CN117526374A CN117526374A CN202311832809.6A CN202311832809A CN117526374A CN 117526374 A CN117526374 A CN 117526374A CN 202311832809 A CN202311832809 A CN 202311832809A CN 117526374 A CN117526374 A CN 117526374A
- Authority
- CN
- China
- Prior art keywords
- sub
- electrolytic
- power supply
- electrolytic cell
- power
- 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
Links
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 48
- 239000001257 hydrogen Substances 0.000 title claims abstract description 48
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 34
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 4
- 210000004027 cell Anatomy 0.000 claims description 189
- 238000003062 neural network model Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 11
- 210000002569 neuron Anatomy 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000011217 control strategy Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 238000004146 energy storage Methods 0.000 description 10
- 238000010248 power generation Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000005868 electrolysis reaction Methods 0.000 description 2
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
-
- 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
- C25B9/00—Cells or assemblies of cells; Constructional parts of cells; Assemblies of constructional parts, e.g. electrode-diaphragm assemblies; Process-related cell features
- C25B9/60—Constructional parts of cells
- C25B9/65—Means for supplying current; Electrode connections; Electric inter-cell connections
-
- 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
- C25B9/00—Cells or assemblies of cells; Constructional parts of cells; Assemblies of constructional parts, e.g. electrode-diaphragm assemblies; Process-related cell features
- C25B9/70—Assemblies comprising two or more cells
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/38—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
- 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)
- Chemical & Material Sciences (AREA)
- Power Engineering (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
本发明公开了一种匹配波动电源实时出力的新能源制氢系统控制方法及装置。本发明的新能源制氢系统控制方法，包括：将电解槽划分为四个并联运行的子电解槽，第一子电解槽的额定功率为Pmax的1/15，第二子电解槽的额定功率为Pmax的2/15，第三子电解槽的额定功率为Pmax的4/15，第四子电解槽的额定功率为Pmax的8/15，Pmax表示波动电源出力最大值；预测波动电源有功出力值，根据预测结果实时控制子电解槽的投入与切除，改变子电解槽的投切数量，使每个子电解槽在当前波动电源所提供的有功出力值下均运行在最佳工作点。本发明能够增加电解槽工作在最佳工作状态的时间，减少电解槽的启停次数，提高新能源消纳效率。
Description
技术领域
本发明属于氢能利用与制取领域，具体地说是一种匹配波动电源实时出力的新能源制氢系统控制方法及装置。
背景技术
新能源发电特别是风电和光伏发电具有随机性、间歇性等特点，其接入电网会带来电压波动、频率波动等电能质量问题，甚至可能影响到电网安全稳定运行，必须配合储能系统改善新能源发电的运行特性。氢储能技术具有能量密度高、无污染、可持续，功率、能量可同时优化，可设计性较高等优点，且储电和发电过程无需分时操作，是一种理想的绿色储能技术。
氢储能在风电场和光伏电站领域的应用，主要体现在降低高比例可再生能源并网的不稳定性，提高可再生能源发电的利用小时数，有效解决严重的“弃风”、“弃光”问题。氢能作为一种二次能源，它具有燃烧热值高、清洁环保、可储存、可再生等优点。氢储能是一种新兴的储能技术，与传统的电池储能不同，氢储能系统在电力供过于求的时候通过电解水制氢的方式，将能源以气态燃料的形式存储起来，可以用在化工、氢电池汽车、加气站等更多的场合。
目前新能源制氢大多采用单台电解槽配合新能源接入，电解槽最大功率与新能源最大出力匹配。由于新能源发电工作在最大出力的时间很少，电解槽工作在最佳工作点的时间也很少，电解槽的容量没有得到高效利用。此外，电解槽工作时有最低输入功率的限制，当新能源发电低于电解槽的启动功率时，电解槽将无法工作，这样，新能源发电也没有得到高效地消纳，还会造成电解槽的频繁启停，影响使用寿命。
发明内容
为解决上述波动新能源发电制氢的问题，本发明提供一种匹配波动电源实时出力的新能源制氢系统控制方法及装置，以增加电解槽工作在最佳工作状态的时间，减少电解槽的启停次数，从而提高新能源消纳效率。
为此，本发明采用如下的一种技术方案：一种匹配波动电源实时出力的新能源制氢系统控制方法，其将电解槽划分为四个并联运行的子电解槽，第一子电解槽的额定功率为Pmax的1/15，第二子电解槽的额定功率为Pmax的2/15，第三子电解槽的额定功率为Pmax的4/15，第四子电解槽的额定功率为Pmax的8/15，Pmax表示波动电源出力最大值；预测波动电源有功出力值，根据预测结果实时控制子电解槽的投入与切除，改变子电解槽的投切数量，使每个子电解槽在当前波动电源所提供的有功出力值下均运行在最佳工作点。
本发明增加了电解槽工作在最佳工作状态的时间，也减少了电解槽的启停次数，从而提高新能源消纳效率。
进一步地，所述子电解槽的投入与切除的控制策略，分以下二个阶段：
阶段一，当波动电源有功出力预测值之和Psum大于序号1对应子电解槽的最小启动功率Pthr1时，序号1对应子电解槽开启，即第一子电解槽开启；随着时间变化当波动电源有功出力预测值之和Psum超过序号1对应子电解槽的功率限定值PN1时，多余的有功出力将被分配到序号2对应子电解槽，序号2对应子电解槽为第二子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号2对应子电解槽的功率限定值PN2时，多余的出力将被分配到序号3对应子电解槽，序号3对应子电解槽依次为第一子电解槽、第二子电解槽；以此类推进行多余出力的分配，序号4对应子电解槽为第三子电解槽；序号5对应子电解槽依次为第三子电解槽、第一子电解槽；序号6对应子电解槽依次为第三子电解槽、第二子电解槽；序号7对应子电解槽依次为第三子电解槽、第二子电解槽、第一子电解槽；序号8对应子电解槽为第四子电解槽；序号9对应子电解槽依次为第四子电解槽、第一子电解槽；序号10对应子电解槽依次为第四子电解槽、第二子电解槽；序号11对应子电解槽依次为第四子电解槽、第二子电解槽、第一子电解槽；序号12对应子电解槽依次为第四子电解槽、第三子电解槽；序号13对应子电解槽依次为第四子电解槽、第三子电解槽、第一子电解槽；序号14对应子电解槽依次为第四子电解槽、第三子电解槽、第二子电解槽；序号15对应子电解槽依次为第四子电解槽、第三子电解槽、第二子电解槽、第一子电解槽；直到电源有功出力预测值之和Psum增加至能够带动所有子电解槽启动后，此时电解槽完成第一个阶段的启动任务；
阶段二，如果波动电源有功出力预测值之和Psum继续增加，超出的部分将被重新分配到序号1对应的子电解槽，使其达到序号1对应子电解槽的额定功率Pmax1，然后按相同的要求将超出部分的波动电源有功出力依次分配到序号2到15对应的子电解槽。
更进一步地，功率限定值PNn为序号n对应子电解槽的额定功率的70-90%，优选85%。
更进一步地，最小启动功率Pthr1为序号1对应子电解槽的额定功率的10-30%，优选10%。
进一步地，所述预测波动电源有功出力的步骤如下：收集波动电源在X时刻及之前的有功出力值，形成原始数据矩阵；设置训练集样本数量；设置BP神经网络模型基本参数；数据处理；在完成BP神经网络模型的参数初始化后，对原始数据矩阵中的数据进行初始化，训练BP神经网络模型；利用训练好的BP神经网络模型对第X+1时刻的波动电源的有功出力进行预测，得到此时波动电源有功出力预测值之和Psum。
更进一步地，所述原始数据矩阵初始化步骤如下：将电源的有功出力值按照每行五个元素，下一行由上一行后移一个元素的形式排列，形成所述的原始数据矩阵。
更进一步地，选择所有的原始数据作为训练集样本。
更进一步地，所述的设置BP神经网络模型基本参数，包括：初始化隐含层数量，初始化输入层个数与输出层个数，初始化学习率，初始化目标误差，初始化输入层与隐含层间的权值与阈值，初始化隐含层与输出层间的权值与阈值。
更进一步地，BP神经网络模型的训练过程如下：在BP神经网络中，输入层各神经元负责接收来自外界的输入信息，并传递给隐含层各神经元；隐含层是内部信息处理层，负责信息变换，根据信息变化能力的需求，隐含层设计为单隐层或者多隐层结构；最后一个隐含层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果，以此类推，当训练次数达到设置次数或误差满足要求后，BP神经网络模型训练完毕。
本发明采用的另一种技术方案为：一种匹配波动电源实时出力的新能源制氢系统控制装置，其用于实现所述匹配波动电源实时出力的新能源制氢系统控制方法。
本发明具有的有益效果如下：
1）本发明通过BP神经网络对波动电源在不同时刻的有功出力进行实时滚动预测，根据预测结果实时控制子电解槽的投切情况，从而提高投入运行的电解槽的利用率。
2）本发明采用的子电解槽的投入与切除控制策略，可减少子电解槽的起停次数，增加产氢量，明显提升可再生能源消纳率，延长电解槽运行寿命。
3）本发明采用分级投切制氢技术，能够针对不同功率等级下选择不同子电解槽的启动，通过灵活投切适应前段波动电源出力的变化，确保氢储能系统高效稳定运行，提高电解制氢效率。
4）本发明采用8421划分方式将电解槽划分为四个子电解槽，当采用控制模块控制子电解槽的开或关时，在完成每个开关编码对应子电解槽的功率分配后，就可以自动切入或切除下一开关编码对应的子电解槽，工作时间短，运行可靠，损耗低。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施案例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明四个子电解槽并联运行的原理图；
图2为本发明匹配波动电源实时出力的新能源制氢系统控制方法的流程图；
图3为本发明采用BP神经网络模型预测波动电源有功出力值的流程图；
图4为本发明子电解槽投入与切除控制策略的流程图；
图5为本发明具体实施方式中2014年6月7日光伏电源有功出力数据图；
图6为本发明具体实施方式中2014年6月8日光伏电源有功出力数据图。
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。基于本发明中的实施例，本领域普通技术人员在没有作创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
针对波动新能源发电制氢的问题，即当新能源发电低于电解槽的启动功率时，电解槽将无法工作这一现象，本发明提出了一种匹配波动电源实时出力的新能源制氢系统控制方法，将采用8421划分方式将一个电解槽划分为四个子电解槽并联运行，采用控制模块进行控制，如图1所示，第一子电解槽的额定功率为Pmax的1/15，第二子电解槽的额定功率为Pmax的2/15，第三子电解槽的额定功率为Pmax的4/15，第四子电解槽的额定功率为Pmax的8/15，Pmax表示波动电源出力最大值；预测波动电源有功出力值，根据预测结果实时控制子电解槽的投入与切除，改变子电解槽的投切数量，使每个子电解槽在当前波动电源所提供的有功出力值下均运行在最佳工作点。
根据波动电源有功出力值实时调整电解槽开关的编码值，从而改变子电解槽的投切数量，即当新能源出力较小时编码开关只开启部分子电解槽，当新能源出力增加或减小时编码开关也会做出相应调整，从而开启或关闭相关电解制氢模块，其中编码值与子电解槽投切情况如表1所示。
表1 编码值与电解槽投切情况对应表
本实施例中的波动电源以光伏电源为例，定义PPVmax为光伏电源出力最大值，参数n为电解槽的投入序号，取值为0到15。
本发明匹配波动电源实时出力的新能源制氢系统控制方法，如图2所示，其主要由二部分组成，第一部分为波动电源有功出力值的预测部分，第二部分为子电解槽的投入与切除的控制部分。本发明所述的新能源制氢系统控制方法，既增加了电解槽工作在最佳工作状态的时间，也减少了电解槽的启停次数，从而提高新能源消纳效率。
本发明采用BP神经网络模型预测波动电源有功出力值，也可以采用小波变化算法、遗传算法等预测波动电源有功出力值。如图3所示，BP神经网络模型预测波动电源有功出力值的步骤如下：
第一步，收集原始数据。收集光伏电源在X时刻及之前的有功出力值，并将光伏电源的有功出力值按照每行五个元素，下一行由上一行后移一个元素的形式排列，形成原始数据矩阵。
第二步，设置训练集样本数量。选择所有原始数据作为训练集样本。
第三步，设置BP神经网络基本参数。初始化隐含层数量，初始化输入层个数与输出层个数，初始化学习率，初始化目标误差，初始化输入层与隐含层间的权值与阈值，初始化隐含层与输出层间的权值与阈值。
第四步，数据处理。将训练集中所有数据进行归一化处理。
第五步，训练模型。在BP神经网络中，输入层各神经元负责接收来自外界的输入信息，并传递给隐含层各神经元；隐含层是内部信息处理层，负责信息变换，根据信息变化能力的需求，隐含层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果，以此类推当训练次数达到设置次数或误差满足要求后，模型训练完毕。
第六步，预测数据。利用训练好的BP神经网络模型对第X+1时刻光伏电源的有功出力值进行预测。
利用预测出的光伏电源有功出力值调整子电解槽的投切情况，实现整个分级投切控制策略的更新。
子电解槽的投入与切除的控制策略，如图4所示，分以下二个阶段：
阶段一，当波动电源有功出力预测值之和Psum大于序号1对应子电解槽的最小启动功率Pthr1时，序号1对应子电解槽开启，即第一子电解槽开启；随着时间变化当波动电源有功出力预测值之和Psum超过序号1对应子电解槽的功率限定值PN1时，多余的有功出力将被分配到序号2对应子电解槽，序号2对应子电解槽为第二子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号2对应子电解槽的功率限定值PN2时，多余的出力将被分配到序号3对应子电解槽，序号3对应子电解槽依次为第一子电解槽、第二子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号3对应子电解槽的功率限定值PN3时，多余的出力将被分配到序号4对应子电解槽，序号4对应子电解槽为第三子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号4对应子电解槽的功率限定值PN4时，多余的出力将被分配到序号5对应子电解槽，序号5对应子电解槽依次为第三子电解槽、第一子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号5对应子电解槽的功率限定值PN5时，多余的出力将被分配到序号5对应子电解槽，序号6对应子电解槽依次为第三子电解槽、第二子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号6对应子电解槽的功率限定值PN6时，多余的出力将被分配到序号7对应子电解槽，序号7对应子电解槽依次为第三子电解槽、第二子电解槽、第一子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号7对应子电解槽的功率限定值PN7时，多余的出力将被分配到序号8对应子电解槽，序号8对应子电解槽为第四子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号8对应子电解槽的功率限定值PN8时，多余的出力将被分配到序号9对应子电解槽，序号9对应子电解槽依次为第四子电解槽、第一子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号9对应子电解槽的功率限定值PN9时，多余的出力将被分配到序号10对应子电解槽，序号10对应子电解槽依次为第四子电解槽、第二子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号10对应子电解槽的功率限定值PN10时，多余的出力将被分配到序号11对应子电解槽，序号11对应子电解槽依次为第四子电解槽、第二子电解槽、第一子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号11对应子电解槽的功率限定值PN11时，多余的出力将被分配到序号12对应子电解槽，序号12对应子电解槽依次为第四子电解槽、第三子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号12对应子电解槽的功率限定值PN12时，多余的出力将被分配到序号13对应子电解槽，序号13对应子电解槽依次为第四子电解槽、第三子电解槽、第一子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号13对应子电解槽的功率限定值PN13时，多余的出力将被分配到序号14对应子电解槽，序号14对应子电解槽依次为第四子电解槽、第三子电解槽、第二子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号14对应子电解槽的功率限定值PN14时，多余的出力将被分配到序号15对应子电解槽，序号15对应子电解槽依次为第四子电解槽、第三子电解槽、第二子电解槽、第一子电解槽；直到电源有功出力预测值之和Psum增加至能够带动所有子电解槽启动后，此时电解槽完成第一个阶段的启动任务；
阶段二，如果波动电源有功出力预测值之和Psum继续增加，超出的部分将被重新分配到序号1对应的子电解槽，使其达到序号1对应子电解槽的额定功率Pmax1；如果波动电源有功出力预测值之和Psum继续增加，超出的部分将被重新分配到序号2对应的子电解槽，使其达到序号2对应子电解槽的额定功率Pmax2；然后按相同的要求将超出部分的波动电源有功出力依次分配到序号3到15对应的子电解槽。
在实时预测的分级投切控制策略下，可以使电解槽的启停次数减少，制氢量有一定提升，电解制氢的效率和设备寿命都得到了提高。
下面结合模拟算例对本发明做进一步说明，本算例对50kW光伏电源在两天中的有功出力进行预测，仿真中采用了4个电解槽进行系统仿真，下面进行具体介绍。
预测的光伏电源有功出力数据为2014年6月7日及8日早4点至晚18点的数据情况，如图5和图6所示。光伏最大功率为45kW，仿真时采用了4个并联运行的子电解槽作为匹配，分别编号为第一子电解槽、第二子电解槽、第三子电解槽、第四子电解槽，各个子电解槽对应的额定功率分别是3KW、6KW、12KW、24KW，此种分配方法对于8421编码。此种编码下的电解槽可以消纳大部分光伏出力。下面针对简单启停策略和本发明的新能源制氢系统控制方法作对比验证。
（1）简单启停策略：
当光伏出力大于电解槽1的额定功率12kW时，电解槽1开启，当光伏出力增加，到达24kW时，开启电解槽2，以此类推。
（2）匹配波动电源实时出力的新能源制氢系统控制方法（简称分级投切策略）：
本发明的控制方法分两个部分，第一个是第X+1时刻，光伏电源有功出力值预测部分。收集光伏电源在X时刻及之前的有功出力值，形成预测矩阵，并在完成BP神经网络的参数初始化后，对测试矩阵中的数据进行初始化出力，然后对第X+1时刻的光伏电源有功出力进行预测，最终得到此时光伏电源有功出力的预测值Psum；第二个是第X+1时刻，子电解槽分阶段运行部分。事先定义两个功率阶段的限值PN1和PN2，当光伏电源出力之和大于序号1对应子电解槽的最小启动功率时（本次仿真设定为额定功率的10%），序号1对应的子电解槽开启，当光伏电源出力之和继续增加超过PN1时，多余的光伏电源出力将被分配到序号2对应的子电解槽，当光伏电源出力之和继续增加，超过序号2对应子电解槽的PN2时，多余的光伏电源出力将被分配到序号3对应的子电解槽，以此类推，直到完成所有子电解槽的第一阶段启动；此时所有子电解槽完成第一阶段的启动；当光伏电源有功出力之和继续增加，多余的部分将被重新分配到序号1对应的子电解槽，使其达到额定功率，然后是序号2对应的子电解槽、序号3对应的子电解槽，以此类推，直到完成所有子电解槽的第二阶段的升功率运行。
仿真结果如表2和表3中所示。
表2 6月7日光伏数据仿真结果
表3 6月8日光伏数据仿真结果
由表2及表3可见，因为采用了最先启动第一子电解槽，而关闭时最后关闭第一子电解槽的策略，在所有策略的仿真中，第一子电解槽的启停次数都是最少的，在实际运行中，可考虑每个子电解槽的平衡利用，关闭子电解槽时采取“先启动先关闭”的策略。
通过对比可以发现，在分级投切策略下，子电解槽的启停次数有了明显的减少，同时制氢量有了一定提升，这意味着电解制氢的效率和设备寿命都得到了提高。同时，可以看出，在不同的光伏出力情况下，对于电解槽的制氢效率有一定影响。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种匹配波动电源实时出力的新能源制氢系统控制方法，其特征在于，将电解槽划分为四个并联运行的子电解槽，第一子电解槽的额定功率为Pmax的1/15，第二子电解槽的额定功率为Pmax的2/15，第三子电解槽的额定功率为Pmax的4/15，第四子电解槽的额定功率为Pmax的8/15，Pmax表示波动电源出力最大值；预测波动电源有功出力值，根据预测结果实时控制子电解槽的投入与切除，改变子电解槽的投切数量，使每个子电解槽在当前波动电源所提供的有功出力值下均运行在最佳工作点。
2.根据权利要求1所述的新能源制氢系统控制方法，其特征在于，子电解槽的投入与切除的控制策略，分以下二个阶段：
阶段一，当波动电源有功出力预测值之和Psum大于序号1对应子电解槽的最小启动功率Pthr1时，序号1对应子电解槽开启，即第一子电解槽开启；随着时间变化当波动电源有功出力预测值之和Psum超过序号1对应子电解槽的功率限定值PN1时，多余的有功出力将被分配到序号2对应子电解槽，序号2对应子电解槽为第二子电解槽；当电源有功出力预测值之和Psum继续增加，超过序号2对应子电解槽的功率限定值PN2时，多余的出力将被分配到序号3对应子电解槽，序号3对应子电解槽依次为第一子电解槽、第二子电解槽；以此类推进行多余出力的分配，序号4对应子电解槽为第三子电解槽；序号5对应子电解槽依次为第三子电解槽、第一子电解槽；序号6对应子电解槽依次为第三子电解槽、第二子电解槽；序号7对应子电解槽依次为第三子电解槽、第二子电解槽、第一子电解槽；序号8对应子电解槽为第四子电解槽；序号9对应子电解槽依次为第四子电解槽、第一子电解槽；序号10对应子电解槽依次为第四子电解槽、第二子电解槽；序号11对应子电解槽依次为第四子电解槽、第二子电解槽、第一子电解槽；序号12对应子电解槽依次为第四子电解槽、第三子电解槽；序号13对应子电解槽依次为第四子电解槽、第三子电解槽、第一子电解槽；序号14对应子电解槽依次为第四子电解槽、第三子电解槽、第二子电解槽；序号15对应子电解槽依次为第四子电解槽、第三子电解槽、第二子电解槽、第一子电解槽；直到电源有功出力预测值之和Psum增加至能够带动所有子电解槽启动后，此时电解槽完成第一个阶段的启动任务；
阶段二，如果波动电源有功出力预测值之和Psum继续增加，超出的部分将被重新分配到序号1对应的子电解槽，使其达到序号1对应子电解槽的额定功率Pmax1，然后按相同的要求将超出部分的波动电源有功出力依次分配到序号2到15对应的子电解槽。
3.根据权利要求2所述的新能源制氢系统控制方法，其特征在于，功率限定值PNn为序号n对应子电解槽的额定功率的70-90%。
4.根据权利要求2所述的新能源制氢系统控制方法，其特征在于，最小启动功率Pthr1为序号1对应子电解槽的额定功率的10-30%。
5.根据权利要求1所述的新能源制氢系统控制方法，其特征在于，所述预测波动电源有功出力的步骤如下：收集波动电源在X时刻及之前的有功出力值，形成原始数据矩阵；设置训练集样本数量；设置BP神经网络模型基本参数；数据处理；在完成BP神经网络模型的参数初始化后，对原始数据矩阵中的数据进行初始化，训练BP神经网络模型；利用训练好的BP神经网络模型对第X+1时刻的波动电源的有功出力进行预测，得到此时波动电源有功出力预测值之和Psum。
6.根据权利要求5所述的新能源制氢系统控制方法，其特征在于，所述原始数据矩阵初始化步骤如下：将电源的有功出力值按照每行五个元素，下一行由上一行后移一个元素的形式排列，形成所述的原始数据矩阵。
7.根据权利要求5所述的新能源制氢系统控制方法，其特征在于，选择所有的原始数据作为训练集样本。
8.根据权利要求5所述的新能源制氢系统控制方法，其特征在于，所述的设置BP神经网络模型基本参数，包括：初始化隐含层数量，初始化输入层个数与输出层个数，初始化学习率，初始化目标误差，初始化输入层与隐含层间的权值与阈值，初始化隐含层与输出层间的权值与阈值。
9.根据权利要求5所述的新能源制氢系统控制方法，其特征在于，BP神经网络模型的训练过程如下：在BP神经网络中，输入层各神经元负责接收来自外界的输入信息，并传递给隐含层各神经元；隐含层是内部信息处理层，负责信息变换，根据信息变化能力的需求，隐含层设计为单隐层或者多隐层结构；最后一个隐含层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果，以此类推，当训练次数达到设置次数或误差满足要求后，BP神经网络模型训练完毕。
10.一种匹配波动电源实时出力的新能源制氢系统控制装置，其特征在于，用于实现权利要求1-9任一项所述匹配波动电源实时出力的新能源制氢系统控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311832809.6A CN117526374B (zh) | 2023-12-28 | 2023-12-28 | 匹配波动电源实时出力的新能源制氢系统控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311832809.6A CN117526374B (zh) | 2023-12-28 | 2023-12-28 | 匹配波动电源实时出力的新能源制氢系统控制方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117526374A true CN117526374A (zh) | 2024-02-06 |
| CN117526374B CN117526374B (zh) | 2024-05-10 |
Family
ID=89762935
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311832809.6A Active CN117526374B (zh) | 2023-12-28 | 2023-12-28 | 匹配波动电源实时出力的新能源制氢系统控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117526374B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015172560A1 (zh) * | 2014-05-16 | 2015-11-19 | 华南理工大学 | 基于bp神经网络的中央空调冷负荷的预测方法 |
| WO2018090657A1 (zh) * | 2016-11-18 | 2018-05-24 | 同济大学 | 基于BP_Adaboost模型的信用卡用户违约的预测方法及系统 |
| CN108599245A (zh) * | 2018-05-04 | 2018-09-28 | 西安交通大学 | 一种利用电池储能与氢储能跟踪光伏计划出力的调度方法 |
| CN111371088A (zh) * | 2020-03-03 | 2020-07-03 | 云南电力试验研究院(集团)有限公司 | 一种基于bp神经网络修正svg控制策略的方法及系统 |
| US20210359519A1 (en) * | 2018-12-12 | 2021-11-18 | Toshiba Energy Systems & Solutions Corporation | Hydrogen-system control device and hydrogen-system controlling method |
| CN113783226A (zh) * | 2021-08-27 | 2021-12-10 | 中国科学院广州能源研究所 | 一种海上风电制氢并网发电系统的分层预测能量管理方法 |
| CN216891239U (zh) * | 2021-11-01 | 2022-07-05 | 无锡隆基氢能科技有限公司 | 电解水制氢系统 |
| CN114790558A (zh) * | 2022-04-29 | 2022-07-26 | 阳光氢能科技有限公司 | 一种新能源制氢系统及其投切控制方法 |
| CN115058738A (zh) * | 2022-06-21 | 2022-09-16 | 阳光电源(南京)有限公司 | 电解槽的功率调节方法、装置、制氢控制装置及制氢系统 |
| CN115130785A (zh) * | 2022-08-10 | 2022-09-30 | 南京工程学院 | 一种可再生能源制氢系统容量优化配置方法 |
| CN115313380A (zh) * | 2022-08-29 | 2022-11-08 | 国网辽宁省电力有限公司电力科学研究院 | 自适应氢负荷波动的新能源制氢系统协调控制方法 |
| CN115793452A (zh) * | 2022-11-22 | 2023-03-14 | 国家电网有限公司 | 一种考虑多电解槽启停特性的热氢联产系统优化控制方法 |
| CN116256978A (zh) * | 2023-03-23 | 2023-06-13 | 国网浙江省电力有限公司电力科学研究院 | 一种混合电解水制氢系统优化控制方法及系统 |
-
2023
- 2023-12-28 CN CN202311832809.6A patent/CN117526374B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015172560A1 (zh) * | 2014-05-16 | 2015-11-19 | 华南理工大学 | 基于bp神经网络的中央空调冷负荷的预测方法 |
| WO2018090657A1 (zh) * | 2016-11-18 | 2018-05-24 | 同济大学 | 基于BP_Adaboost模型的信用卡用户违约的预测方法及系统 |
| CN108599245A (zh) * | 2018-05-04 | 2018-09-28 | 西安交通大学 | 一种利用电池储能与氢储能跟踪光伏计划出力的调度方法 |
| US20210359519A1 (en) * | 2018-12-12 | 2021-11-18 | Toshiba Energy Systems & Solutions Corporation | Hydrogen-system control device and hydrogen-system controlling method |
| CN111371088A (zh) * | 2020-03-03 | 2020-07-03 | 云南电力试验研究院(集团)有限公司 | 一种基于bp神经网络修正svg控制策略的方法及系统 |
| CN113783226A (zh) * | 2021-08-27 | 2021-12-10 | 中国科学院广州能源研究所 | 一种海上风电制氢并网发电系统的分层预测能量管理方法 |
| CN216891239U (zh) * | 2021-11-01 | 2022-07-05 | 无锡隆基氢能科技有限公司 | 电解水制氢系统 |
| CN114790558A (zh) * | 2022-04-29 | 2022-07-26 | 阳光氢能科技有限公司 | 一种新能源制氢系统及其投切控制方法 |
| CN115058738A (zh) * | 2022-06-21 | 2022-09-16 | 阳光电源(南京)有限公司 | 电解槽的功率调节方法、装置、制氢控制装置及制氢系统 |
| CN115130785A (zh) * | 2022-08-10 | 2022-09-30 | 南京工程学院 | 一种可再生能源制氢系统容量优化配置方法 |
| CN115313380A (zh) * | 2022-08-29 | 2022-11-08 | 国网辽宁省电力有限公司电力科学研究院 | 自适应氢负荷波动的新能源制氢系统协调控制方法 |
| CN115793452A (zh) * | 2022-11-22 | 2023-03-14 | 国家电网有限公司 | 一种考虑多电解槽启停特性的热氢联产系统优化控制方法 |
| CN116256978A (zh) * | 2023-03-23 | 2023-06-13 | 国网浙江省电力有限公司电力科学研究院 | 一种混合电解水制氢系统优化控制方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 袁铁江，万志，王进君，张舵，蒋东方: "考虑电解槽启停特性的制氢系统日前出力计划", 中国电力, vol. 55, no. 1, 31 March 2022 (2022-03-31), pages 101 - 109 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117526374B (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111340274A (zh) | 一种基于虚拟电厂参与的综合能源系统优化方法和系统 | |
| CN109390981B (zh) | 新能源参与电量平衡的送端电网机组组合运行控制方法 | |
| CN104242335A (zh) | 一种基于额定容量的风光储发电单元容量优化配置方法 | |
| CN110994606B (zh) | 一种基于复杂适应系统理论的多能源电源容量配置方法 | |
| CN110838590B (zh) | 一种质子交换膜燃料电池气体供应控制系统及方法 | |
| CN114400698B (zh) | 一种高比例清洁能源电网电源最优降碳运行方法 | |
| CN108075471B (zh) | 基于随机性电源出力预测的多目标约束优化电网调度策略 | |
| CN110889581A (zh) | 一种电动汽车参与的台区优化调度方法和系统 | |
| CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
| CN116805803A (zh) | 基于自适应mpc的风光储离网制氢系统能量调度方法 | |
| Van et al. | A comprehensive review of direct coupled photovoltaic-electrolyser system: sizing techniques, operating strategies, research progress, current challenges, and future recommendations | |
| Huangfu et al. | An optimal energy management strategy with subsection bi-objective optimization dynamic programming for photovoltaic/battery/hydrogen hybrid energy system | |
| CN111144633A (zh) | 一种cchp微电网运行优化方法 | |
| CN113644698A (zh) | 一种海岛微网的源荷储容量优化配置方法及系统 | |
| CN117526374B (zh) | 匹配波动电源实时出力的新能源制氢系统控制方法及装置 | |
| CN110098623B (zh) | 一种基于智能负载的Prosumer单元控制方法 | |
| CN117134409A (zh) | 考虑电-氢-热互补的微网系统及其多目标优化配置方法 | |
| CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
| CN116646983A (zh) | 基于改进战鹰优化器的适配工业负荷的智能柔性碳调度系统 | |
| CN114914943A (zh) | 面向绿色港口岸电系统的氢储能优化配置方法 | |
| CN114421536A (zh) | 一种基于储能的多能源互动调控方法 | |
| CN116581742B (zh) | 一种基于变色龙算法调控智慧云平台柔性电负荷调度系统及方法 | |
| CN117175686A (zh) | 基于生产模拟的离网风光储氢系统容量配置方法及系统 | |
| CN115642638A (zh) | 基于双层模型的风光氢储耦合系统配置优化方法及系统 | |
| Tiacharoen | Hybrid Power Management with Fuzzy Logic |
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 |