CN117707249A - 一种制氢系统温度调控方法、装置、设备及介质 - Google Patents
一种制氢系统温度调控方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117707249A CN117707249A CN202311718385.0A CN202311718385A CN117707249A CN 117707249 A CN117707249 A CN 117707249A CN 202311718385 A CN202311718385 A CN 202311718385A CN 117707249 A CN117707249 A CN 117707249A
- Authority
- CN
- China
- Prior art keywords
- hydrogen production
- variable
- production system
- matrix
- input
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 289
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 285
- 239000001257 hydrogen Substances 0.000 title claims abstract description 285
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 285
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000011159 matrix material Substances 0.000 claims abstract description 132
- 230000001105 regulatory effect Effects 0.000 claims abstract description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 162
- 239000000498 cooling water Substances 0.000 claims description 54
- 230000014509 gene expression Effects 0.000 claims description 49
- 230000015654 memory Effects 0.000 claims description 28
- 230000001276 controlling effect Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 7
- 238000001816 cooling Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005868 electrolysis reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000005496 tempering Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Electrolytic Production Of Non-Metals, Compounds, Apparatuses Therefor (AREA)
Abstract
本发明涉及制氢系统温度调控领域，公开了一种制氢系统温度调控方法、装置、设备及介质，该方法包括：根据所述制氢系统的热力学关系，得到目标参数的微分方程；基于微分方程和制氢系统的状态变量、输出变量和输入变量，得到与制氢系统对应的线性模型和系统矩阵；获取制氢系统在当前时刻的输入变量和状态变量，根据系统矩阵和当前时刻的输入变量和状态变量，求解所述制氢系统在预设目标条件下的最优控制值；基于所述最优控制值调整所述制氢系统在下一时刻的输入变量，本发明通过计算得到与制氢系统对应的系统矩阵，并根据系统矩阵和变量信息来求解最优控制值，并调控制氢系统的温度，有效的保证了温度调控时的稳定性。
Description
技术领域
本发明涉及制氢系统温度调控领域，具体涉及一种制氢系统温度调控方法、装置、设备及介质。
背景技术
在对制氢系统进行温度调控时，目前面临的最大困难来源于系统固有的非线性和大滞后性。为了提高制氢系统温度控制精度，已有文献大多以冷却水流量作为单一控制变量进行温度控制策略的研发，与制氢装置的实际运行状况存在一定误差，电解槽作为热源会使整个制氢系统的温度呈现上升的趋势，单独控制冷却回路中冷却水流量无法保证系统温度的稳定。另一方面由于电解槽与冷却回路空间上的距离以及传热介质水的稳定性，进一步增加了温度控制系统的滞后。在现有技术中，对制氢系统对温度进行调控时，稳定性和响应速度较差。
发明内容
有鉴于此，本发明提供了一种制氢系统温度调控方法、装置、设备及介质，以解决在设置氮气流量时，制氢系统温度调控稳定性差、响应速度慢的问题。
第一方面，本发明提供了一种制氢系统温度调控方法，所述方法包括：
根据制氢系统的热力学关系，得到所述制氢系统中目标参数的微分方程；
基于所述微分方程和所述制氢系统的状态变量、输出变量和输入变量，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵；
获取所述制氢系统在当前时刻的输入变量和状态变量，根据所述系统矩阵得到所述制氢系统在当前时刻的离散模型；
基于所述离散模型和当前时刻的输入变量和状态变量，求解所述制氢系统在预设目标条件下的最优控制值；
基于所述最优控制值调整所述制氢系统在下一时刻的输入变量。
通过制氢系统中的热力学关系构建微分方程，并最终构建离散模型，基于离散模型和当前时刻的系统输入和系统状态，求解目标条件下的最优控制值，以此来调整制氢系统的输入变量，以使得制氢系统的温度可以被稳定的调控。
在一种可选的实施方式中，所述目标参数包括：电解槽出口水温、电解槽入口水温、分离器出口水温，所述根据所述制氢系统的热力学关系，得到所述制氢系统中目标参数的微分方程，包括：
根据所述制氢系统的热力学关系，得到所述制氢系统中电解槽出口水温、电解槽入口水温、分离器出口水温的微分方程。
通过构建制氢系统中电解槽出口水温、电解槽入口水温、分离器出口水温的微分方程，可以在后续计算离散模型时，计算得到未来时刻的电解槽出口水温、电解槽入口水温，以计算输入变量，达到对电解槽出口水温、电解槽入口水温的精准调控。
在一种可选的实施方式中，所述基于所述微分方程和所述制氢系统的状态变量、输出变量和输入变量，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵，包括：
将所述制氢系统中的电解槽出口水温、电解槽入口水温、分离器出口水温定义为状态变量；
将所述制氢系统中的电解槽出口水温、电解槽入口水温定义为输出变量；
将所述制氢系统中的循环水流量和冷却水流量定义为输入变量；
基于所述状态变量、输出变量和输入变量，得到所述微分方程的非线性表达式；
获取当前调度变量下的状态变量和输入变量，基于所述当前调度变量下的状态变量、输入变量和所述微分方程的非线性表达式，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵。
通过将制氢系统中的各种参数定义为系统的各种变量，已得到微分方程的非线性表达式，从而进一步得到制氢系统的线性模型和系统矩阵，可以使得后续计算控制变量时更加准确。
在一种可选的实施方式中，所述系统矩阵包括：所述系统状态矩阵、系统输入矩阵、系统常数项矩阵和系统输出矩阵，所述基于所述当前调度变量下的状态变量、输入变量和所述微分方程的非线性表达式，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵，包括：
将所述当前调度变量下的状态变量和输入变量带入所述微分方程的非线性表达式；
对当前非线性表达式中的状态变量求导，得到对应的系统状态矩阵；
对当前非线性表达式中的输入变量求导，得到对应的系统输入矩阵；
对当前非线性表达式中的系统变量求导，得到对应的常数项矩阵；
基于所述系统中输出变量和状态变量的关系，得到系统输出矩阵；
基于所述系统状态矩阵、系统输入矩阵、常数项矩阵系统输入矩阵和对应变量的微分形式，得到所述制氢系统在当前调度变量下的线性模型。
在将微分方程的非线性表达式转换为线性模型时，通过带入当前调度下的状态变量和输入变量，并进行求导得到系统中各个参数对应的矩阵，可以构建在调度变量下的线性模型，以得到针对系统当前调度变量下的线性模型，在系统调度发生变化时，可以得到更准确的线性模型及对应的系统矩阵，以增强控制变量调控时的准确性。
在一种可选的实施方式中，所述基于所述离散模型和当前时刻的输入变量和状态变量，求解所述制氢系统在预设目标条件下的最优控制值，包括：
基于所述离散模型和当前时刻的输入变量和状态变量，计算所述制氢系统在未来时刻的状态变量；
基于所述当前时刻的输入变量和状态变量和所述制氢系统在未来时刻的状态变量，求解所述制氢系统在预设目标条件下的最优控制值。
通过构建的离散模型来得到当前时刻及未来时刻的变量值，并以此来计算最优控制值，可以获得准确时刻的变量值，使得控制变量的调控更符合实际生产要求。
在一种可选的实施方式中，所述最优控制值，包括最优冷却水流量和最优循环水流量；
所述基于所述当前时刻的输入变量和状态变量和所述制氢系统在未来时刻的状态变量，求解所述制氢系统在预设目标条件下的最优控制值，包括：
基于所述当前时刻的输入变量和状态变量和所述制氢系统在未来时刻的状态变量，计算未来时段内，所述制氢系统的实际电解槽出口水温和目标电解槽出口水温差值，与实际电解槽入口水温和目标电解槽入口水温差值的和最小时，所述制氢系统中的最优冷却水流量和最优循环水流量。
通过计算未来时段内，电解槽实际出入口温度和目标值最小时对应的冷却水流量和循环水流量，并以此来调控制氢系统的温度，可以使得制氢系统的实际温度更接近目标值，保证温度调控效果。
第二方面，本发明提供了一种制氢系统温度调控装置，所述装置包括：
微分方程构建模块，用于根据制氢系统的热力学关系，得到所述制氢系统中目标参数的微分方程；
系统矩阵计算模块，用于基于所述微分方程和所述制氢系统的状态变量、输出变量和输入变量，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵；
当前变量获取模块，用于获取所述制氢系统在当前时刻的输入变量和状态变量，根据所述系统矩阵得到所述制氢系统在当前时刻的离散模型；
最优控制计算模块，用于基于所述离散模型和当前时刻的输入变量和状态变量，求解所述制氢系统在预设目标条件下的最优控制值；
输入变量调整模块，用于基于所述最优控制值调整所述制氢系统在下一时刻的输入变量。
在一种可选的实施方式中，所述系统矩阵计算模块，在用于基于所述微分方程和所述制氢系统的状态变量、输出变量和输入变量，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵时，包括：
将所述制氢系统中的电解槽出口水温、电解槽入口水温、分离器出口水温定义为状态变量；
将所述制氢系统中的电解槽出口水温、电解槽入口水温定义为输出变量；
将所述制氢系统中的循环水流量和冷却水流量定义为输入变量；
基于所述状态变量、输出变量和输入变量，得到所述微分方程的非线性表达式；
获取当前调度变量下的状态变量和输入变量，基于所述当前调度变量下的状态变量、输入变量和所述微分方程的非线性表达式，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵。
在一种可选的实施方式中，所述目标参数包括：电解槽出口水温、电解槽入口水温、分离器出口水温，所述微分方程构建模块在根据所述制氢系统的热力学关系，得到所述制氢系统中目标参数的微分方程时，包括：
根据所述制氢系统的热力学关系，得到所述制氢系统中电解槽出口水温、电解槽入口水温、分离器出口水温的微分方程。
在一种可选的实施方式中，所述系统矩阵包括：系统状态矩阵、系统输入矩阵、系统常数项矩阵和系统输出矩阵，所述系统矩阵计算模块，在基于所述当前调度变量下的状态变量、输入变量和所述微分方程的非线性表达式，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵时，包括：
将所述当前调度变量下的状态变量和输入变量带入所述微分方程的非线性表达式；
对当前非线性表达式中的状态变量求导，得到对应的系统状态矩阵；
对当前非线性表达式中的输入变量求导，得到对应的系统输入矩阵；
对当前非线性表达式中的系统变量求导，得到对应的常数项矩阵；
基于所述系统中输出变量和状态变量的关系，得到系统输出矩阵；
基于所述系统状态矩阵、系统输入矩阵、常数项矩阵系统输入矩阵和对应变量的微分形式，得到所述制氢系统在当前调度变量下的线性模型。
在一种可选的实施方式中，所述最优值计算模块，在基于所述离散模型和当前时刻的输入变量和状态变量，求解所述制氢系统在预设目标条件下的最优控制值时，包括：
基于所述离散模型和当前时刻的输入变量和状态变量，计算所述制氢系统在未来时刻的状态变量；
基于所述当前时刻的输入变量和状态变量和所述制氢系统在未来时刻的状态变量，求解所述制氢系统在预设目标条件下的最优控制值。
在一种可选的实施方式中，所述最优控制值，包括最优冷却水流量和最优循环水流量；所述最优值计算模块，在基于所述离散模型和当前时刻的输入变量和状态变量，求解所述制氢系统在预设目标条件下的最优控制值时，包括：
基于所述当前时刻的输入变量和状态变量和所述制氢系统在未来时刻的状态变量，计算未来时段内，所述制氢系统的实际电解槽出口水温和目标电解槽出口水温差值，与实际电解槽入口水温和目标电解槽入口水温差值的和最小时，所述制氢系统中的最优冷却水流量和最优循环水流量。
第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的制氢系统温度调控方法。
第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的制氢系统温度调控方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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方式，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是根据本发明实施例的一种制氢系统温度调控方法流程图；
图2是根据本发明实施例的一种制氢系统结构示意图；
图3是根据本发明实施例的另一制氢系统温度调控方法的流程图；
图4是根据本发明实施例的一种制氢系统温度调控方法流程示意图；
图5是根据本发明实施例的一种制氢系统温度调控装置的结构框图；
图6是本发明实施例的计算机设备的硬件结构示意图。
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，本领域技术人员在没有做出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。
对于电解水制氢系统运行工况下的温度控制问题，目前面临的最大困难来源于系统固有的非线性和大滞后性。为了提高制氢系统温度控制精度，已有文献大多以冷却水流量作为单一控制变量进行温度控制策略的研发，与制氢装置的实际运行状况存在一定误差，电解槽作为热源会使整个制氢系统的温度呈现上升的趋势，单独控制冷却回路中冷却水流量无法保证系统温度的稳定。另一方面由于电解槽与冷却回路空间上的距离以及传热介质水的稳定性，进一步增加了温度控制系统的滞后。因此，如何兼顾制氢系统温度控制的稳定性和响应速度是设计温度控制策略的重难点。
本发明所提供的制氢系统温度调控方法所对应的控制对象可以为质子交换膜电解制氢系统，主要包含由电解槽、氧侧分离器、循环水泵、换热器组成的循环水回路，以及由冷却水泵、水箱、换热器组成的冷却水回路。可以在MATLAB或Simulink平台上搭建对应制氢系统的模型。
在制氢系统的运行过程中，由于电解槽的发热功率不断变化，因此热量也会逐渐累计，因此需要及时将多余的热量排出，来维持系统工作温度的恒定。通过循环水来及时散去电解槽的热量，循环水流经电解槽之后温度升高，入口温度恒定的情况下进出口的温差通过循环水的水量进行控制；从电解槽流出的循环水经过水冷式换热器与冷却水路进行热交换，循环水进入电解槽的温度由换热器中冷却水的流量进行控制。本发明所提供的方法通过控制冷却水和循环水的流量来控制电解槽入口和出口的水温，以达到对制氢系统温度调控的目的。
为了保证制氢系统温度控制的稳定性和响应速度，本发明提供了一种制氢系统温度调控方法，通过构建离散模型并对制氢系统中的目标参数进行预测，以得到最优控制值，从而调控制氢系统的温度。
根据本发明实施例，提供了一种制氢系统温度调控方法实施例，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，可以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种制氢系统温度调控方法，可用于上述的制氢系统温度调控，图1是根据本发明实施例的一种制氢系统温度调控方法流程图，如图1所示，该流程包括如下步骤：
步骤S101，根据制氢系统的热力学关系，得到制氢系统中目标参数的微分方程。
在常见的制氢系统中，通常包括电解槽、分离器、换热器、冷却水泵循环水泵这五个部分，图2是根据本发明实施例的一种制氢系统结构示意图，在图2中，循环水泵中的循环水流经过电解槽入口的温度为Tw，in，在电解槽出口的温度为Tw，out，在经过分离器的出口温度为Tw，sep，接着通过冷却水泵的冷却水流带走此时循环水的热量，接着循环水再次进入循环水泵，重新流过电解槽。在图2中，Wc为冷却水流量，Ww为循环水流量，P(t)为电解槽的功率所对应的调度变量。mst为电解槽的等价质量，msep为分离器的等价质量，Qe为电解槽的产热功率，不同的电解槽电流对应着不同的产热功率，Qex为换热功率，利用冷却水和循环水换热进行降温。
以制氢系统中的热力学关系，根据制氢系统中的各种参数之间的计算关系，来表示制氢系统中的目标参数的微分方程。
步骤S102，基于微分方程和制氢系统的状态变量、输出变量和输入变量，得到制氢系统在当前调度变量下的线性模型和系统矩阵。
在根据制氢系统中各参数之间的计算关系，得到目标参数的微分方程后，将这个微分方程中的各个参数确定为状态变量、输出变量和输入变量，来得到对应的非线性表达式，接着根据制氢系统在当前调度变量下对应的状态变量和输入变量，在这个非线性表达式的基础上，得到当前调度变量下的线性模型和系统矩阵。
步骤S103，获取制氢系统在当前时刻的输入变量和状态变量，根据系统矩阵得到制氢系统在当前时刻的离散模型。
在得到制氢系统在当前调度变量下的系统矩阵后，获取当前时刻的输入变量和状态变量，例如，当时时刻为k，x(k)为当前系统的状态变量，u(k)为当前系统的输入变量，将系统矩阵中的对应矩阵和x(k)、u(k)进行运算，即得到制氢系统在当前时刻的离散模型。
步骤S104，基于离散模型和当前时刻的输入变量和状态变量，求解制氢系统在预设目标条件下的最优控制值。
在构建得到离散模型后，可以基于当前时刻的状态变量，计算未来时刻的状态变量，将当前状态变量和输入变量以及未来时刻的状态变量，对离散模型进行开环有限时域内的带约束最优控制问题，可以理解为，计算最符合目标条件的控制变量，即最优控制值。
步骤S105，基于最优控制值调整制氢系统在下一时刻的输入变量。
根据最优控制值对制氢系统在下一时刻的输入变量进行调整，从而使得制氢系统的状态变量最满足目标条件，以达到对制氢系统温度进行控制的目的。
通过制氢系统中的热力学关系构建微分方程，并最终构建离散模型，基于离散模型和当前时刻的系统输入和系统状态，求解目标条件下的最优控制值，以此来调整制氢系统的输入变量，以使得制氢系统的温度可以被稳定的调控。
根据本发明实施例，提供了另一种制氢系统温度调控方法实施例，可用于上述的制氢系统温度调控，图3是根据本发明实施例的另一制氢系统温度调控方法的流程图，如图3所示，该流程包括如下步骤：
步骤S201，根据制氢系统的热力学关系，得到制氢系统中目标参数的微分方程。
具体的，在上述步骤S201中，目标参数包括：电解槽出口水温、电解槽入口水温、分离器出口水温，根据制氢系统的热力学关系，得到制氢系统中目标参数的微分方程，包括：根据制氢系统的热力学关系，得到制氢系统中电解槽出口水温、电解槽入口水温、分离器出口水温的微分方程。
同样以图2所示的制氢系统结构示意图，来进行理解，在构建目标参数的微分方程时，目标参数可以为，电解槽出口水温Tw，out、电解槽入口水温Tw，in、分离器出口水温Tw，sep。根据制氢系统中实际的热力学关系，可以构建微分方程如下：
其中，循环水泵中的循环水流经过电解槽入口的温度为Tw，in，在电解槽出口的温度为Tw，out，在经过分离器的出口温度为Tw，sep，接着通过冷却水泵的冷却水流带走此时循环水的热量，接着循环水再次进入循环水泵，重新流过电解槽。在图2中，Wc为冷却水流量，Ww为循环水流量，cw为水的比热容，P(t)为电解槽的功率所对应的调度变量。mst为电解槽的等价质量，msep为分离器的等价质量，Qe为电解槽的产热功率，不同的电解槽电流对应着不同的产热功率，Qex为换热功率，利用冷却水和循环水换热进行降温。
通过构建制氢系统中电解槽出口水温、电解槽入口水温、分离器出口水温的微分方程，可以在后续计算离散模型时，计算得到未来时刻的电解槽出口水温、电解槽入口水温，以计算输入变量，达到对电解槽出口水温、电解槽入口水温的精准调控。
图2中所示的制氢系统，主要包含由电解槽、分离器、循环水泵、换热器组成的循环水回路，以及由冷却水泵、水箱、换热器组成的冷却水回路。电解槽内部发生电化学反应生成氢气，同时产生热量，工作运行功率由实际输入的运行工况决定，循环水回路有一定流量的循环水流经循环水泵、电解槽、分离器、换热器，温度控制对象1为电解槽出口温度，通过改变循环水的流量达到控制目标；冷却水回路有一定流量的冷却水，流经冷却水泵和换热器，温度控制对象2为电解槽入口温度，通过改变冷却水的流量达到控制目标。
步骤S202，基于微分方程和制氢系统的状态变量、输出变量和输入变量，得到制氢系统在当前调度变量下的线性模型和系统矩阵。
具体的，在步骤S202中，基于微分方程和制氢系统的状态变量、输出变量和输入变量，得到制氢系统在当前调度变量下的线性模型和系统矩阵，包括：
将制氢系统中的电解槽出口水温、电解槽入口水温、分离器出口水温定义为状态变量；
将制氢系统中的电解槽出口水温、电解槽入口水温定义为输出变量；
将制氢系统中的循环水流量和冷却水流量定义为输入变量；
基于状态变量、输出变量和输入变量，得到微分方程的非线性表达式；
获取当前调度变量下的状态变量和输入变量，基于当前调度变量下的状态变量、输入变量和微分方程的非线性表达式，得到制氢系统在当前调度变量下的线性模型和系统矩阵。
以上述微分方程为基础，将其中循环水流经过电解槽入口水流的温度Tw，in，电解槽出口水流的温度Tw，out，经过分离器的出口水流温度Tw，sep，将这三个参数作为状态变量，即x＝[x1，x2，x3]＝[Tw，sep，Tw，in，Tw，out]
将电解槽入口水流的温度Tw，in，电解槽出口水流的温度Tw，out，作为系统的输出变量，即y＝[y1，y2]＝[Tw，in，Tw，out]。
将循环泵的循环水流量ww、冷却水泵的冷却水流量wc作为输入变量，即u＝[u1，u2]＝[Ww，Wc]。
基于状态变量、输出变量和输入变量，得到微分方程的非线性表达式，可以理解为，将上述确定的状态变量、输出变量和输入变量带入到微分方程中，得到微分方程对应的非线性表达式，如下：
在制氢系统中，由于电解时不同的功率变化，导致制氢系统在不同功率所对应的稳定工作点，系统的模型参数也会发生变化。因此需要将每个稳定工作点的系统非线性模型线性化，并得到各自对应的矩阵。即将不同功率对应的系统非线性模型线性化，并得到各自对应的矩阵，制氢系统的功率和系统的调度变量相关。因此，获取制氢系统当前的调度变量所对应的状态变量、输入变量，并结合上述的非线性表达式，将当前调度变量对应的非线性模型线性化，即得到制氢系统在当前调度变量下的线性模型和系统矩阵。
通过将制氢系统中的各种参数定义为系统的各种变量，已得到微分方程的非线性表达式，从而进一步得到制氢系统的线性模型和系统矩阵，可以使得后续计算控制变量时更加准确。
具体的，系统矩阵包括：系统状态矩阵、系统输入矩阵、系统常数项矩阵和系统输出矩阵，基于当前调度变量下的状态变量、输入变量和微分方程的非线性表达式，得到制氢系统在当前调度变量下的线性模型和系统矩阵，包括：
将当前调度变量下的状态变量和输入变量带入微分方程的非线性表达式；
对当前非线性表达式中的状态变量求导，得到对应的系统状态矩阵；
对当前非线性表达式中的输入变量求导，得到对应的系统输入矩阵；
对当前非线性表达式中的系统变量求导，得到对应的常数项矩阵；
基于系统中输出变量和状态变量的关系，得到系统输出矩阵；
基于系统状态矩阵、系统输入矩阵、常数项矩阵系统输入矩阵和对应变量的微分形式，得到制氢系统在当前调度变量下的线性模型。
可以理解为，将当前调度变量下所对应的系统稳定工作点的状态变量和输入变量带入上述的非线性表达式，例如，当前调度变量p(t)下，状态变量为xs＝[x1s，x2s，x3s]，输入为us＝[u1s，u2s]，带入上述非线性表达式可得：
在对非线性模型线性化时，可以通过线性便参数模型(linear parameterVarying，LPV)利用模型参数随稳定工作点变化的线性模型来替代非线性模型，在每个稳定工作点将系统非线性模型线性化，得到各不相同的系统矩阵。
LPV模型状态空间方程为：
y＝C(p(t))x
其中，p(t)为调度变量，由制氢系统每个稳定工作点的输出功率决定。
将上述带入当前调度变量p(t)的状态变量和输入变量后的非线性模型线性化表示如下：
δy＝C(p(t))δx
其中A(p(t))为系统状态矩阵，通过对上述非线性模型中的状态变量x求导得到，具体的矩阵如下：
其中B(p(t))为系统输入矩阵，通过对上述非线性模型中的输入变量u求导得到，具体的矩阵如下：
在该矩阵中，
其中D(p(t))为系统常数项矩阵，通过对上述非线性模型中的系统变量Qe求导得到，Qe为制氢系统的产热功率，和调度变量相关，其具体的矩阵如下：
系统的输出变量y＝[y1，y2]＝[Tw，in，Tw，out]，即：
y1＝x2s
y2＝x3s
通过对状态变量进行求导得到系统的输出矩阵C(p(t))，具体的矩阵如下：
在将微分方程的非线性表达式转换为线性模型时，通过带入当前调度下的状态变量和输入变量，并进行求导得到系统中各个参数对应的矩阵，可以构建在调度变量下的线性模型，以得到针对系统当前调度变量下的线性模型，在系统调度发生变化时，可以得到更准确的线性模型及对应的系统矩阵，以增强控制变量调控时的准确性。
步骤S203，获取制氢系统在当前时刻的输入变量和状态变量，根据系统矩阵得到制氢系统在当前时刻的离散模型。
本方法所提出的制氢系统温度调控方法基于模型预测控制(model predictivecontrol，MPC)方法，此方法在控制过程中需要根据已有的动态模型预测系统未来行为，一般采用状态空间的形式，是一种基于系统模型进行优化的反馈控制策略，包括模型预测、滚动优化、反馈校正三个环节，具有建模简单、系统鲁棒性和稳定性强、动态性能好、可有效处理多输入多输出系统以及带约束问题等优点。在没有外界干扰的理想条件下线性状态空间模型的一般形式如下所示：
y(k)＝Cx(k)
其中，A是系统矩阵，B是输入矩阵，C是输出矩阵，x(k)是k时刻的系统状态，u(k)是k时刻系统的输入，y(k)是k时刻系统的输出。
基于上述模型预测控制的一般形式，可以得到本发明所提供的制氢系统在当前调度下的离散模型为：
y(k)＝C(p(t))x(k)
其中，x(k)、u(k)分别时系统在k时刻，即当前时刻的状态变量和输入变量，进一步的，x(k)即为制氢系统在当前时刻的电解槽入口水流温度、电解槽出口水流温度和分离器出口水流温度；u(k)即为制氢系统在当前时刻的循环水流量和冷却水流量，y(k)为当前时刻，即k时刻，系统的输出变量，即电解槽入口水流温度、电解槽出口水流温度。
步骤S204，基于离散模型和当前时刻的输入变量和状态变量，求解制氢系统在预设目标条件下的最优控制值。
具体的，在步骤S204中包括：
步骤S2041，基于离散模型和当前时刻的输入变量和状态变量，计算制氢系统在未来时刻的状态变量。
根据上述离散模型和当前时刻的输入变量和状态变量，计算未来时刻系统的状态变量，具体的计算方式如下：
通过该公式即可根据当前时刻的输入变量和状态变量，计算未来时刻系统的状态变量。
步骤S2042，基于当前时刻的输入变量和状态变量和制氢系统在未来时刻的状态变量，求解制氢系统在预设目标条件下的最优控制值。
在获取到当前时刻的输入变量和状态变量和制氢系统在未来时刻的状态变量，求解系统的开环有限时域内的带约束最优控制问题，得到当前时刻的控制输入。
通过构建的离散模型来得到当前时刻及未来时刻的变量值，并以此来计算最优控制值，可以获得准确时刻的变量值，使得控制变量的调控更符合实际生产要求。
具体的，最优控制值，包括最优冷却水流量和最优循环水流量；基于当前时刻的输入变量和状态变量和制氢系统在未来时刻的状态变量，求解制氢系统在预设目标条件下的最优控制值，包括：
基于当前时刻的输入变量和状态变量和制氢系统在未来时刻的状态变量，计算未来时段内，制氢系统的实际电解槽出口水温和目标电解槽出口水温差值，与实际电解槽入口水温和目标电解槽入口水温差值的和最小时，制氢系统中的最优冷却水流量和最优循环水流量。
其中以制氢系统的实际电解槽出口水温和目标电解槽出口水温差值，与实际电解槽入口水温和目标电解槽入口水温差值的和最小为目标，求解最优冷却水流量和最优循环水流量可以通过具体公式求解，具体公式如下：
其中Q、R均是权重矩阵为根据实际工程经验给定的正定矩阵，在实际进行求解时，可以根据预测结果来进行调整，通过求解上述公式的最小值，即可得到对应的控制变量，即最优冷却水流量和最优循环水流量。
通过计算未来时段内，电解槽实际出入口温度和目标值最小时对应的冷却水流量和循环水流量，并以此来调控制氢系统的温度，可以使得制氢系统的实际温度更接近目标值，保证温度调控效果。
步骤S205，基于最优控制值调整制氢系统在下一时刻的输入变量。
可以根据具体预设的采样时间、控制时域、预测时域来对制氢系统的输入变量进行调控。在进行调控后，可以基于系统新的状态变量来再次进行计算，以及调控，经过多轮的调控。得到最优值，来根据最优值作为输入变量，运行制氢系统。
本发明实施例提供的制氢系统温度调控方法，根据制氢系统结构和热量流动途径列出系统热平衡模型，整理成状态空间方程的表达形式，并在每个稳定工作点将模型进行线性化和离散化，并设定进出口目标温度，以实际测量温度和目标温度误差最小为控制目标运行控制模型，能够得到不同稳定工作点所对应的循环水流量和冷却水流量。并且由于在进行预测控制时将循环水流量和冷却水流量同时作为控制变量对制氢系统入口温度和温差进行控制，在抑制超调和抗干扰方面由于传统的单一控制变量的控制策略。
本发明实施例还提供了对于上述制氢系统温度调控方法的流程示意图，如图4所示，图4是根据本发明实施例的一种制氢系统温度调控方法流程示意图。
首先判断制氢系统的运行工况是否发生变化，即系统的功率是否发生变化，如果没有发生变化的话，则基于当前的模型进行预测以及后续的反馈矫正等步骤。如果发生变化的话，更新稳定工作点，得到当前稳定工作点所对应的调度变量及对应的系统状态变量和输入变量，从而根据上述方法实施例中的内容计算系统矩阵，在得到系统矩阵后，生成方法实施例中的离散模型，并根据当前时刻的状态变量和输入变量进行预测，即基于系统机理模型进行预测，求解得到最优控制量，对制氢系统中的循环水流量和冷却水流量进行控制，在进行控制之后，通过多次的反馈校正，得到当前工况下的最优控制率所对应的控制策略，并实施该最优控制策略控制制氢系统的循环水流量和冷却水流量，以保证制氢系统在当前工况下的温度稳定。
本发明所提的温度控制方法与传统控制相比具有更短的动态响应时间和更小的稳态误差，提高了制氢系统温度控制的快速性、准确性和稳定性；具有滚动优化的特点，在由不确定因素导致系统性能失衡时能够进行反馈矫正，再通过求解优化温度控制，将系统运行过程中温度维持在最优控制下；可以克服功率波动带来的产热扰动，并且可以满足系统的实际约束，具有较高的实用价值。
在本实施例中还提供了一种制氢系统温度调控装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种制氢系统温度调控装置，如图5所示，图5是根据本发明实施例的一种制氢系统温度调控装置的结构框图，包括：
微分方程构建模块501，用于根据制氢系统的热力学关系，得到制氢系统中目标参数的微分方程；
系统矩阵计算模块502，用于基于微分方程和制氢系统的状态变量、输出变量和输入变量，得到制氢系统在当前调度变量下的线性模型和系统矩阵；
当前变量获取模块503，用于获取制氢系统在当前时刻的输入变量和状态变量，根据系统矩阵得到制氢系统在当前时刻的离散模型；
最优控制计算模块504，用于基于离散模型和当前时刻的输入变量和状态变量，求解制氢系统在预设目标条件下的最优控制值；
输入变量调整模块505，用于基于最优控制值调整制氢系统在下一时刻的输入变量。
在一些可选的实施方式中，系统矩阵计算模块502，在用于基于微分方程和制氢系统的状态变量、输出变量和输入变量，得到制氢系统在当前调度变量下的线性模型和系统矩阵时，包括：
将制氢系统中的电解槽出口水温、电解槽入口水温、分离器出口水温定义为状态变量；
将制氢系统中的电解槽出口水温、电解槽入口水温定义为输出变量；
将制氢系统中的循环水流量和冷却水流量定义为输入变量；
基于状态变量、输出变量和输入变量，得到微分方程的非线性表达式；
获取当前调度变量下的状态变量和输入变量，基于当前调度变量下的状态变量、输入变量和微分方程的非线性表达式，得到制氢系统在当前调度变量下的线性模型和系统矩阵。
在一些可选的实施方式中，目标参数包括：电解槽出口水温、电解槽入口水温、分离器出口水温，微分方程构建模块501，在根据制氢系统的热力学关系，得到制氢系统中目标参数的微分方程时，包括：
根据制氢系统的热力学关系，得到制氢系统中电解槽出口水温、电解槽入口水温、分离器出口水温的微分方程。
在一些可选的实施方式中，系统矩阵包括：系统状态矩阵、系统输入矩阵、系统常数项矩阵和系统输出矩阵，系统矩阵计算模块502，在基于当前调度变量下的状态变量、输入变量和微分方程的非线性表达式，得到制氢系统在当前调度变量下的线性模型和系统矩阵时，包括：
将当前调度变量下的状态变量和输入变量带入微分方程的非线性表达式；
对当前非线性表达式中的状态变量求导，得到对应的系统状态矩阵；
对当前非线性表达式中的输入变量求导，得到对应的系统输入矩阵；
对当前非线性表达式中的系统变量求导，得到对应的常数项矩阵；
基于系统中输出变量和状态变量的关系，得到系统输出矩阵；
基于系统状态矩阵、系统输入矩阵、常数项矩阵系统输入矩阵和对应变量的微分形式，得到制氢系统在当前调度变量下的线性模型。
在一些可选的实施方式中，最优控制计算模块504，在用于基于离散模型和当前时刻的输入变量和状态变量，求解制氢系统在预设目标条件下的最优控制值时，包括：基于离散模型和当前时刻的输入变量和状态变量，计算制氢系统在未来时刻的状态变量；
基于当前时刻的输入变量和状态变量和制氢系统在未来时刻的状态变量，求解制氢系统在预设目标条件下的最优控制值。
在一些可选的实施方式中，最优控制值，包括最优冷却水流量和最优循环水流量；最优控制计算模块504，在用于基于当前时刻的输入变量和状态变量和制氢系统在未来时刻的状态变量，求解制氢系统在预设目标条件下的最优控制值时，包括：
基于当前时刻的输入变量和状态变量和制氢系统在未来时刻的状态变量，计算未来时段内，制氢系统的实际电解槽出口水温和目标电解槽出口水温差值，与实际电解槽入口水温和目标电解槽入口水温差值的和最小时，制氢系统中的最优冷却水流量和最优循环水流量。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本实施例中的制氢系统温度调控装置是以功能单元的形式来呈现，这里的单元是指ASIC(Application Specific Integrated Circuit，专用集成电路)电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备，具有上述图5所示的制氢系统温度调控装置。
请参阅图6，图6是本发明可选实施例提供的一种计算机设备的结构示意图，如图6所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器10为例。
处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。
其中，存储器20存储有可由至少一个处理器10执行的指令，以使至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括输入装置30和输出装置40。处理器10、存储器20、输入装置30和输出装置40可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置30可接收输入的数字或字符信息，以及产生与该计算机设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等。输出装置40可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。上述显示设备包括但不限于液晶显示器，发光二极管，显示器和等离子体显示器。在一些可选的实施方式中，显示设备可以是触摸屏。
本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种制氢系统温度调控方法，其特征在于，所述方法包括：
根据制氢系统的热力学关系，得到所述制氢系统中目标参数的微分方程；
基于所述微分方程和所述制氢系统的状态变量、输出变量和输入变量，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵；
获取所述制氢系统在当前时刻的输入变量和状态变量，根据所述系统矩阵得到所述制氢系统在当前时刻的离散模型；
基于所述离散模型和当前时刻的输入变量和状态变量，求解所述制氢系统在预设目标条件下的最优控制值；
基于所述最优控制值调整所述制氢系统在下一时刻的输入变量。
2.根据权利要求1所述的方法，其特征在于，所述目标参数包括：电解槽出口水温、电解槽入口水温、分离器出口水温，所述根据所述制氢系统的热力学关系，得到所述制氢系统中目标参数的微分方程，包括：
根据所述制氢系统的热力学关系，得到所述制氢系统中电解槽出口水温、电解槽入口水温、分离器出口水温的微分方程。
3.根据权利要求1所述的方法，其特征在于，所述基于所述微分方程和所述制氢系统的状态变量、输出变量和输入变量，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵，包括：
将所述制氢系统中的电解槽出口水温、电解槽入口水温、分离器出口水温定义为状态变量；
将所述制氢系统中的电解槽出口水温、电解槽入口水温定义为输出变量；
将所述制氢系统中的循环水流量和冷却水流量定义为输入变量；
基于所述状态变量、输出变量和输入变量，得到所述微分方程的非线性表达式；
获取当前调度变量下的状态变量和输入变量，基于所述当前调度变量下的状态变量、输入变量和所述微分方程的非线性表达式，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵。
4.根据权利要求3所述的方法，其特征在于，所述系统矩阵包括：系统状态矩阵、系统输入矩阵、系统常数项矩阵和系统输出矩阵，所述基于所述当前调度变量下的状态变量、输入变量和所述微分方程的非线性表达式，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵，包括：
将所述当前调度变量下的状态变量和输入变量带入所述微分方程的非线性表达式；
对当前非线性表达式中的状态变量求导，得到对应的系统状态矩阵；
对当前非线性表达式中的输入变量求导，得到对应的系统输入矩阵；
对当前非线性表达式中的系统变量求导，得到对应的常数项矩阵；
基于所述系统中输出变量和状态变量的关系，得到系统输出矩阵；
基于所述系统状态矩阵、系统输入矩阵、常数项矩阵系统输入矩阵和对应变量的微分形式，得到所述制氢系统在当前调度变量下的线性模型。
5.根据权利要求3所述的方法，其特征在于，所述基于所述离散模型和当前时刻的输入变量和状态变量，求解所述制氢系统在预设目标条件下的最优控制值，包括：
基于所述离散模型和当前时刻的输入变量和状态变量，计算所述制氢系统在未来时刻的状态变量；
基于所述当前时刻的输入变量和状态变量和所述制氢系统在未来时刻的状态变量，求解所述制氢系统在预设目标条件下的最优控制值。
6.根据权利要求5所述的方法，其特征在于，所述最优控制值，包括最优冷却水流量和最优循环水流量；
所述基于所述当前时刻的输入变量和状态变量和所述制氢系统在未来时刻的状态变量，求解所述制氢系统在预设目标条件下的最优控制值，包括：
基于所述当前时刻的输入变量和状态变量和所述制氢系统在未来时刻的状态变量，计算未来时段内，所述制氢系统的实际电解槽出口水温和目标电解槽出口水温差值，与实际电解槽入口水温和目标电解槽入口水温差值的和最小时，所述制氢系统中的最优冷却水流量和最优循环水流量。
7.一种制氢系统温度调控装置，其特征在于，所述装置包括：
微分方程构建模块，用于根据制氢系统的热力学关系，得到所述制氢系统中目标参数的微分方程；
系统矩阵计算模块，用于基于所述微分方程和所述制氢系统的状态变量、输出变量和输入变量，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵；
当前变量获取模块，用于获取所述制氢系统在当前时刻的输入变量和状态变量，根据所述系统矩阵得到所述制氢系统在当前时刻的离散模型；
最优控制计算模块，用于基于所述离散模型和当前时刻的输入变量和状态变量，求解所述制氢系统在预设目标条件下的最优控制值；
输入变量调整模块，用于基于所述最优控制值调整所述制氢系统在下一时刻的输入变量。
8.根据权利要求7所述的装置，其特征在于，所述系统矩阵计算模块，在用于基于所述微分方程和所述制氢系统的状态变量、输出变量和输入变量，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵时，包括：
将所述制氢系统中的电解槽出口水温、电解槽入口水温、分离器出口水温定义为状态变量；
将所述制氢系统中的电解槽出口水温、电解槽入口水温定义为输出变量；
将所述制氢系统中的循环水流量和冷却水流量定义为输入变量；
基于所述状态变量、输出变量和输入变量，得到所述微分方程的非线性表达式；
获取当前调度变量下的状态变量和输入变量，基于所述当前调度变量下的状态变量、输入变量和所述微分方程的非线性表达式，得到所述制氢系统在当前调度变量下的线性模型和系统矩阵。
9.一种计算机设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至6中任一项所述的制氢系统温度调控方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至6中任一项所述的制氢系统温度调控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311718385.0A CN117707249A (zh) | 2023-12-14 | 2023-12-14 | 一种制氢系统温度调控方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311718385.0A CN117707249A (zh) | 2023-12-14 | 2023-12-14 | 一种制氢系统温度调控方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117707249A true CN117707249A (zh) | 2024-03-15 |
Family
ID=90145639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311718385.0A Pending CN117707249A (zh) | 2023-12-14 | 2023-12-14 | 一种制氢系统温度调控方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117707249A (zh) |
-
2023
- 2023-12-14 CN CN202311718385.0A patent/CN117707249A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10281897B2 (en) | Model predictive control with uncertainties | |
| Al-Gherwi et al. | A robust distributed model predictive control algorithm | |
| WO2024109103A1 (zh) | 一种闸门联动控制方法、装置及并联供水发电系统 | |
| CN103336433A (zh) | 基于反步法的混合自适应预测控制系统及其预测控制方法 | |
| CN108062598A (zh) | 一种多情景下的新态势负荷潜力预测方法 | |
| US20170132538A1 (en) | Plant model creating device, plant model creating method, and non-transitory computer readable storage medium | |
| Lucia et al. | Efficient robust economic nonlinear model predictive control of an industrial batch reactor | |
| Salvador et al. | Predictive control of a water distribution system based on process historian data | |
| Ramirez et al. | Min-Max MPC based on a computationally efficient upper bound of the worst case cost | |
| Alanqar et al. | An economic model predictive control approach to integrated production management and process operation | |
| Göttlich et al. | Optimal control of electricity input given an uncertain demand | |
| CN114386320A (zh) | 汽轮机阀门管理方法、装置、设备及存储介质 | |
| Zhang et al. | Integrated design and self-optimizing control of extractive distillation process with preconcentration | |
| CN117707249A (zh) | 一种制氢系统温度调控方法、装置、设备及介质 | |
| CN112567301B (zh) | 处理优化服务器和系统 | |
| Karimi‐Pour et al. | Economic model predictive control of nonlinear systems using a linear parameter varying approach | |
| CN116522752A (zh) | 一种基于机理与数据融合的压缩空气储能系统仿真方法 | |
| Scholz et al. | Model-based optimal feedback control for microgrids with multi-level iterations | |
| Eisa et al. | Sensitivity analysis of nonsmooth power control systems with an example of wind turbines | |
| Cheng | A grey CES production function model and its application in Calculating the contribution rate of economic growth factors | |
| CN115203861A (zh) | 多级机站通风系统风机变频优化方法、装置及设备 | |
| Li et al. | Robust model predictive control via multi-scenario reference trajectory optimization with closed-loop prediction | |
| CN113867905A (zh) | 一种应用服务器集群实时能耗优化方法 | |
| JP2022163293A (ja) | 運用支援装置、運用支援方法及びプログラム | |
| CN112859614A (zh) | 一种超超临界火电机组的控制方法、装置、设备及存储介质 |
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 |