CN113671967B - 一种风电制氢储氢装运方法、***、智能终端及存储介质 - Google Patents
一种风电制氢储氢装运方法、***、智能终端及存储介质 Download PDFInfo
- Publication number
- CN113671967B CN113671967B CN202110978697.XA CN202110978697A CN113671967B CN 113671967 B CN113671967 B CN 113671967B CN 202110978697 A CN202110978697 A CN 202110978697A CN 113671967 B CN113671967 B CN 113671967B
- Authority
- CN
- China
- Prior art keywords
- time point
- overflow
- hydrogen
- power generation
- wind
- 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
Links
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 106
- 239000001257 hydrogen Substances 0.000 title claims abstract description 97
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000010248 power generation Methods 0.000 claims abstract description 83
- 238000004146 energy storage Methods 0.000 claims abstract description 69
- 230000008859 change Effects 0.000 claims abstract description 55
- 238000004519 manufacturing process Methods 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 11
- 150000002431 hydrogen Chemical class 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000005611 electricity Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000005868 electrolysis reaction Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000053 physical method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明涉及一种风电制氢储氢装运方法、***、智能终端及存储介质,涉及风电制氢技术的领域,其方法应用于风场制氢***,风场设置有风力发电机组、用于存储电能的储能装置、用于制氢的制氢装置和用于储氢的储氢装置;获取当前时间点、约车时间点和储能装置的当前电量,包括:预测当前时间点与约车时间点之间的风力变化趋势;将当前时间点与约车时间点之间每一时刻的风力转换为发电速度,生成发电速度变化模型;根据储能装置的当前电量和最大电量以及发电速度变化模型确定电能溢出量;根据电能溢出量确定用于装运氢气的货车的数量并预约。本申请能够改善因储能装置电能溢出而造成的风能浪费,同时提高了风能的利用率。
Description
技术领域
本申请涉及风电制氢技术的领域,尤其是涉及一种风电制氢储氢装运方法、***、智能终端及存储介质。
背景技术
随着科技水平日益发展,氢能源作为一种清洁能源逐渐被应用于电池、汽车等行业中。氢能源主要通过电解水的方式进行制备。其中,从环保的角度考虑,用于电解的电能可以由风力产生。
一般的,风力发电机组的发电量容易受到当前风力大小的影响。因而,在储能时很容易产生电能溢出的情况。比如:当储存的电能即将达到储能装置的容量上限时,若突然风力变大,则一定会产生电能溢出的情况,进而造成风能的浪费。
发明内容
本申请目的一是提供一种风电制氢储氢装运方法,具有提高风能利用率的效果。
本申请的上述申请目的一是通过以下技术方案得以实现的:
一种风电制氢储氢装运方法,应用于风场制氢***,风场设置有风力发电机组、用于存储电能的储能装置、用于制氢的制氢装置和用于储氢的储氢装置,所述方法包括,
获取当前时间点、约车时间点和储能装置的当前电量;
预测当前时间点与约车时间点之间的风力变化趋势;
将当前时间点与约车时间点之间每一时刻的风力转换为发电速度,生成发电速度变化模型;
根据储能装置的当前电量和最大电量以及发电速度变化模型确定电能溢出量;
根据电能溢出量确定用于装运氢气的货车的数量并预约。
通过采用上述技术方案,能够根据预测的风力变化趋势计算电能溢出量。进而能够计算出电能溢出量能够制得的氢气量,使得工作人员能够根据与电能溢出量对应的氢气量预约货车,以提前使储能装置放出与电能溢出量等同的电能制氢,进而改善了因储能装置电能溢出而造成的风能浪费,同时提高了风能的利用率。
本申请在一较佳示例中可以进一步配置为:将最大电量与当前电量的差值记为充电量;
对发电速度变化模型进行积分,当某一时间点的总发电量与充电量相等时,将该时间点确定为溢出时间点;
根据溢出时间点、约车时间点、发电速度变化模型确定电能溢出量。
通过采用上述技术方案,由于储能装置处于电能未满的状态,故在风力发电的一段时间内,储能装置要先充电达到满电状态才能溢出。因此,在计算电能溢出量之前,需要计算充电量,即储能装置的最大电量与当前电量的差值,进而得到溢出时间点,再计算电能溢出量。
本申请在一较佳示例中可以进一步配置为:对发电速度变化模型中溢出时间点与约车时间点之间的部分进行积分,所得到的发电量为电能溢出量。
通过采用上述技术方案,计算电能溢出量的结果可以更加准确。
本申请在一较佳示例中可以进一步配置为:将一辆货车装载氢气的最大装载量作为单位装载量;
将制得单位装载量所消耗的电能作为单位消耗量;
根据以下公式确定货车数量:
。
通过采用上述技术方案,能够将不足以装一辆货车的氢气量按照一辆货车计算,以便于在装运的时候能够将消耗与电能溢出量等同的电量制得的氢气全部运走,以高效装运。
本申请目的二是提供一种风电制氢储氢装运***,具有提高风能利用率的特点。
本申请的上述申请目的二是通过以下技术方案得以实现的:
一种风电制氢储氢装运***,包括,
获取模块,用于获取当前时间点、约车时间点和储能装置的当前电量;
模型生成模块,用于预测当前时间点与约车时间点之间的风力变化趋势,并将当前时间点与约车时间点之间每一时刻的风力转换为发电速度,生成发电速度变化模型;
溢出量确定模块,用于根据储能装置的当前电量和最大电量以及发电速度变化模型确定电能溢出量;以及,
车辆预约模块,用于根据电能溢出量确定用于装运氢气的货车的数量并预约。
本申请在一较佳示例中可以进一步配置为:溢出时间点确定子模块,用于对发电速度变化模型进行积分以确定溢出时间点;以及,
溢出量确定子模块,用于对发电速度变化模型中溢出时间点与约车时间点之间的部分进行积分以确定电能溢出量。
本申请目的三是提供一种智能终端,具有提高风能利用率的特点。
本申请的上述申请目的三是通过以下技术方案得以实现的:
一种智能终端,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行上述风电制氢储氢装运方法的计算机程序。
本申请目的四是提供一种计算机存储介质,能够存储相应的程序,具有便于实现提高风能利用率的特点。
本申请的上述申请目的四是通过以下技术方案得以实现的:
一种计算机可读存储介质,存储有能够被处理器加载并执行上述任一种风电制氢储氢装运方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
1.通过预测当前时间点与约车时间点之间的风力变化趋势,能够计算出货车到达前的电能溢出量,以使储能装置提前消耗同样的电量制氢,所制得的氢气量能够被相应数量的货车运走,以改善因储能装置电能溢出而造成的风能浪费,同时提高了风能的利用率;
2.在计算运输氢气的货车数量时,将不足以装一辆货车的氢气量按照一辆货车计算,使得在装运的时候能够将氢气全部运走,以高效运输。
附图说明
图1是本申请其中一实施例的风电制氢储氢装运方法的流程示意图。
图2是本申请其中一实施例的风电制氢储氢装运***的***示意图。
图3是本申请其中一实施例的终端设备或服务器的结构示意图。
图中,21、获取模块;22、模型生成模块;23、溢出量确定模块;24、车辆预约模块;301、CPU;302、ROM;303、RAM;304、总线;305、I/O接口;306、输入部分;307、输出部分;308、存储部分;309、通讯部分;310、驱动器;3311、可拆卸介质。
具体实施方式
以下结合附图1对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
本申请实施例提供一种风电制氢储氢装运方法,主要应用于各种类型的风场,例如海陆风、山谷风和城市风。在这些风场中设置有风电制氢的装置,以利用风能制氢,不仅有效地利用了大自然中清洁的可再生能源,还能够制备氢气能源,环保性较高。
具体的,风场中设置有风力发电机组、储能装置、制氢装置和储氢装置。其中,风力发电机组用于将风能转化为电能。储能装置连接风力发电机组,用于存储和释放电能。制氢装置连接储能装置,包括水箱以设置于水箱中的正负电极,用于在储能装置释放电能时电解水以制备氢气。储氢装置连接制氢装置,用于存储制备的氢气,优选为氢气罐。结合本申请提供的风电制氢储氢装运方法,具有降低风能的浪费的效果。
风电制氢储氢装运方法的主要流程描述如下:
如图1所示:
步骤S101:获取当前时间点、约车时间点和储能装置的当前电量。
上述约车时间点指的是工作人员向货车车厂预约货车时货车应达到风场的时间,具体的时间点可以是某一天的某个时间点,例如当前时间点为8月16号的12点,约车时间点为8月18号的9点。当然,约车时间点也可以具有周期性,如货车每三天来一次。针对不同的风场,约车周期也可以做适应性设置。以港口为例,每天海风风力最强的时间为10点-当日16点,因此工作人员可以每两天约一次货车,约车时间点可以定为17点。
可以了解的是,在获取储能装置的当前电量之前需要检测储能装置的当前电量。检测储能装置的当前电量的方法可以采用电压测试法、电池建模法或库伦计。无论采用哪种方法检测储能装置的当前电量,都是通过检测当前电压进而进行计算的。下面以库伦计为例进行简单说明:在储能装置的正极和负极串入一个电流检测电阻。当有电流流经电流检测电阻时会产生采样电压,通过检测采样电压的大小就能够计算流过储能装置的电流,进而能够精确地跟踪储能装置的电量变化。上述提及的方法都是本领域技术人员常规技术手段,不再做详细介绍。
步骤S102:预测当前时间点与约车时间点之间的风力变化趋势。
具体的,风力预测方法按照预测模型的不同可分为:物理方法、统计方法和机器学习方法。统计方法主要有时间序列法、卡尔曼滤波法、灰色预测法、空间相关法等。常用的学习方法有人工神经网络法、小波分析法等。由于这些方法都是本领域技术人员常规技术手段,故此处不逐一进行说明。
值得说明的是,预测风力变化趋势的时间范围不需要很宽泛,只需要对未来一段时间内的风力变化趋势进行预测,甚至只对当前时间点与约车时间点之间的风力变化趋势进行预测即可,以便于计算在货车达到风场前储能装置产生的电能溢出量。
步骤S103:将当前时间点与约车时间点之间每一时刻的风力转换为发电速度,生成发电速度变化模型。
可以理解的是,由于风力越大发电速度越快,故发电速度与风力之间是正比关系。
具体的,参照公式:,其中P为功率,A为扫风面积,,R为
风叶长度,V为风速,为风能转换率值,其理论值最高为59%,D为空气密度,为系数。由此
可见,虽然发电速度受风叶长度、风能转换率值和空气密度等多种因素影响,但风力还是可
以按照一定比例转换为发电速度的。因此,将当前时间点与约车时间点之间每一时刻的风
力转换为发电速度能够生成发电速度变化模型。
虽然风力变化和发电速度变化的趋势相同,但是考虑到要提前消耗电能溢出量制氢以降低风能的浪费,因此,采用发电速度变化模型更能体现电量的变化。发电速度变化模型可以以发电速度-时间图像的形式呈现。
步骤S104:根据储能装置的当前电量和最大电量以及发电速度变化模型确定电能溢出量。
由于储能装置通常都是处于电能未满的状态,故在风力发电的一段时间内,储能装置要先充电达到满电状态才能溢出。因此,在计算电能溢出量之前,需要计算充电量以使储能装置达到满电状态,进而得到溢出时间点,再计算电能溢出量。
可选的,步骤S104包括以下步骤(步骤S1041~步骤S1042):
步骤S1041:根据储能装置的当前电量和最大电量以及发电速度变化模型确定溢出时间点。
具体的,以发电速度-时间图像形式的发电速度变化模型为例进行说明:
从图像的角度可以理解为,通常速度-时间图像中速度函数与坐标系围成的图像面积能够表示行驶距离,随着行驶时间变长,总行驶距离也会相应变长。同理,发电速度-时间图像中发电速度函数与坐标系围成的图像面积能够表示产生的发电量。在一个具体的示例中,若当前时间点为A,一段时间后,时间点变为B,在发电速度-时间图像中时间点A与时间点B之间的图像面积能够反映由时间点A到时间点B风力发电机组产生的发电量总量。
因此,当通过检测得知储能装置当前的电量时,经过计算储能装置的最大电量与当前电量的差值,便能够得知储能装置还需要多少电量才能达到满电状态。其中,储能装置的最大电量与当前电量的差值即为上述提及的充电量,当储能装置达到满电时的时间点即为溢出时间点。
由于发电速度变化模型和充电量都已知晓,故只要采用不定积分计算出到某一时间点时产生的总发电量等于充电量,该时间点即为溢出时间点。
步骤S1042:根据溢出时间点、约车时间点、发电速度变化模型确定电能溢出量。
该步骤与步骤S1041中的计算方式同理,采用对发电速度变化模型中溢出时间点与约车时间点之间的部分进行积分,即可得到从溢出时间点到约车时间点时风力发电机组产生的总发电量,即电能溢出量。
步骤S105:根据电能溢出量确定用于装运氢气的货车的数量并预约。
可以理解的是,储能装置中一单位电量电解一定量的水后能够产生固定量的氢气量,即一定的电量与电解产生的氢气量也成一定比例。相应的,产生一单位的氢气量也按照该比例消耗一定的电量。
因此,为了便于将电能溢出量能够制得的氢气一次性被货车运走,将一辆货车能够装载氢气的最大装载量作为单位装载量。同时,将制得单位装载量所消耗的电量作为单位消耗量,从而根据以下的公式能够确定所需的货车数量:
。
由此可见,当氢气量不足以装满一辆货车时按照一辆货车计算,以便于在装运的时候能够将消耗与电能溢出量等同的电量制得的氢气全部运走,以高效装运。为了便于说明,下面给出一个示例:
假设电能溢出量为350千瓦时,单位消耗量为100千瓦时,根据上述货车数量的计算公式可以得到需要预约的货车数量为3.5辆,经过向上取整后,共需要预约4辆货车,这使得提前消耗与电能溢出量等同的电量所制得的氢气能够被4辆货车全部运走。
综上,本申请的风电制氢储氢装运方法能够实现提前消耗电能溢出量,使得电能不再溢出,进而降低了风能的浪费,与此同时还提高了风能的利用率。
下面结合说明书附图对本申请实施例作进一步详细描述。
图2为本申请一种实施例提供的一种风电制氢储氢装运***的***示意图。
如图2所述的一种风电制氢储氢装运***,包括获取模块21、模型生成模块22、溢出量确定模块23和车辆预约模块24,其中:
获取模块21用于获取当前时间点、约车时间点和储能装置的当前电量。
上述约车时间点指的是工作人员向货车车厂预约货车时货车应达到风场的时间,具体的时间点可以是某一天的某个时间点,例如当前时间点为8月16号的12点,约车时间点为8月18号的9点。当然,约车时间点也可以具有周期性,如货车每三天来一次。针对不同的风场,约车周期也可以做适应性设置。以港口为例,每天海风风力最强的时间为10点-当日16点,因此工作人员可以每两天约一次货车,约车时间点可以定为17点。
可以了解的是,在获取储能装置的当前电量之前需要检测储能装置的当前电量。检测储能装置的当前电量的方法可以采用电压测试法、电池建模法或库伦计。无论采用哪种方法检测储能装置的当前电量,都是通过检测当前电压进而进行计算的。下面以库伦计为例进行简单说明:在储能装置的正极和负极串入一个电流检测电阻。当有电流流经电流检测电阻时会产生采样电压,通过检测采样电压的大小就能够计算流过储能装置的电流,进而能够精确地跟踪储能装置的电量变化。上述提及的方法都是本领域技术人员常规技术手段,不再做详细介绍。
模型生成模块22用于预测当前时间点与约车时间点之间的风力变化趋势,并将当前时间点与约车时间点之间每一时刻的风力转换为发电速度,生成发电速度变化模型。
具体的,风力预测方法按照预测模型的不同可分为:物理方法、统计方法和机器学习方法。统计方法主要有时间序列法、卡尔曼滤波法、灰色预测法、空间相关法等。常用的学习方法有人工神经网络法、小波分析法等。由于这些方法都是本领域技术人员常规技术手段,故此处不逐一进行说明。
值得说明的是,预测风力变化趋势的时间范围不需要很宽泛,只需要对未来一段时间内的风力变化趋势进行预测,甚至只对当前时间点与约车时间点之间的风力变化趋势进行预测即可,以便于计算在货车达到风场前储能装置产生的电能溢出量。
可以理解的是,由于风力越大发电速度越快,故发电速度与风力之间是正比关系。
具体的,参照公式:,其中P为功率,A为扫风面积,,R为
风叶长度,V为风速,为风能转换率值,其理论值最高为59%,D为空气密度,为系数。由此
可见,虽然发电速度受风叶长度、风能转换率值和空气密度等多种因素影响,但风力还是可
以按照一定比例转换为发电速度的。因此,将当前时间点与约车时间点之间每一时刻的风
力转换为发电速度能够生成发电速度变化模型。
虽然风力变化和发电速度变化的趋势相同,但是考虑到要提前消耗电能溢出量制氢以降低风能的浪费,因此,采用发电速度变化模型更能体现电量的变化。发电速度变化模型可以以发电速度-时间图像的形式呈现。
溢出量确定模块23用于根据储能装置的当前电量和最大电量以及发电速度变化模型确定电能溢出量。
由于储能装置通常都是处于电能未满的状态,故在风力发电的一段时间内,储能装置要先充电达到满电状态才能溢出。因此,在计算电能溢出量之前,需要计算充电量以使储能装置达到满电状态,进而得到溢出时间点,再计算电能溢出量。
进一步的,溢出量确定模块23包括溢出时间点确定子模块和溢出量确定子模块。
其中,溢出时间点确定子模块用于根据储能装置的当前电量和最大电量以及发电速度变化模型确定溢出时间点。
具体的,以发电速度-时间图像形式的发电速度变化模型为例进行说明:
从图像的角度可以理解为,通常速度-时间图像中速度函数与坐标系围成的图像面积能够表示行驶距离,随着行驶时间变长,总行驶距离也会相应变长。同理,发电速度-时间图像中发电速度函数与坐标系围成的图像面积能够表示产生的发电量。在一个具体的示例中,若当前时间点为A,一段时间后,时间点变为B,在发电速度-时间图像中时间点A与时间点B之间的图像面积能够反映由时间点A到时间点B风力发电机组产生的发电量总量。
因此,当通过检测得知储能装置当前的电量时,经过计算储能装置的最大电量与当前电量的差值,便能够得知储能装置还需要多少电量才能达到满电状态。其中,储能装置的最大电量与当前电量的差值即为上述提及的充电量,当储能装置达到满电时的时间点即为溢出时间点。
由于发电速度变化模型和充电量都已知晓,故只要采用不定积分计算出到某一时间点时产生的总发电量等于充电量,该时间点即为溢出时间点。
溢出量确定子模块用于根据溢出时间点、约车时间点、发电速度变化模型确定电能溢出量。
采用对发电速度变化模型中溢出时间点与约车时间点之间的部分进行积分,即可得到从溢出时间点到约车时间点时风力发电机组产生的总发电量,即电能溢出量。
车辆预约模块24用于根据电能溢出量确定用于装运氢气的货车的数量并预约。
可以理解的是,储能装置中一单位电量电解一定量的水后能够产生固定量的氢气量,即一定的电量与电解产生的氢气量也成一定比例。相应的,产生一单位的氢气量也按照该比例消耗一定的电量。
因此,为了便于将电能溢出量能够制得的氢气一次性被货车运走,将一辆货车能够装载氢气的最大装载量作为单位装载量。同时,将制得单位装载量所消耗的电量作为单位消耗量,从而根据以下的公式能够确定所需的货车数量:
。
由此可见,当氢气量不足以装满一辆货车时按照一辆货车计算,以便于在装运的时候能够将消耗与电能溢出量等同的电量制得的氢气全部运走,以高效装运。为了便于说明,下面给出一个示例:
假设电能溢出量为350千瓦时,单位消耗量为100千瓦时,根据上述货车数量的计算公式可以得到需要预约的货车数量为3.5辆,经过向上取整后,共需要预约4辆货车,这使得提前消耗与电能溢出量等同的电量所制得的氢气能够被4辆货车全部运走。
图3示出了适于用来实现本申请实施例的终端设备或服务器的结构示意图。
如图3所示,终端设备或服务器300包括中央处理单元(CPU)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有***300操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
以下部件连接至I/O接口305:包括键盘、鼠标等的输入部分306;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307;包括硬盘等的存储部分308;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器310上,以便于从其上读出的计算机程序根据需要被安装入存储部分308。
特别地,根据本申请的实施例,上文参考流程图图1描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在机器可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分309从网络上被下载和安装,和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时,执行本申请的***中限定的上述功能。
需要说明的是,本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、模型生成模块、溢出量确定模块和车辆预约模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,获取模块还可以被描述为“用于获取当前时间点、约车时间点和储能装置的当前电量的模块”。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中的。上述计算机可读存储介质存储有一个或者多个程序,当上述前述程序被一个或者一个以上的处理器用来执行描述于本申请的风电制氢储氢装运方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的申请范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离前述申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种风电制氢储氢装运方法,应用于风场制氢***,风场设置有风力发电机组、用于存储电能的储能装置、用于制氢的制氢装置和用于储氢的储氢装置,其特征在于,包括:
获取当前时间点、约车时间点和储能装置的当前电量;
预测当前时间点与约车时间点之间的风力变化趋势;
将当前时间点与约车时间点之间每一时刻的风力转换为发电速度,生成发电速度变化模型;
根据储能装置的当前电量和最大电量以及发电速度变化模型确定电能溢出量;
根据电能溢出量确定用于装运氢气的货车的数量并预约。
2.根据权利要求1所述的方法,其特征在于,所述根据储能装置的当前电量和最大电量以及发电速度变化模型确定电能溢出量的方法包括:
将最大电量与当前电量的差值记为充电量;
对发电速度变化模型进行积分,当某一时间点的总发电量与充电量相等时,将该时间点确定为溢出时间点;
根据溢出时间点、约车时间点、发电速度变化模型确定电能溢出量。
3.根据权利要求2所述的方法,其特征在于,根据溢出时间点、约车时间点、发电速度变化模型确定电能溢出量的方法为:
对发电速度变化模型中溢出时间点与约车时间点之间的部分进行积分,所得到的发电量为电能溢出量。
4.根据权利要求3所述的方法,其特征在于,所述根据电能溢出量确定用于装运氢气的货车的数量的方法包括:
将一辆货车装载氢气的最大装载量作为单位装载量;
将制得单位装载量所消耗的电量作为单位消耗量;
根据以下公式确定货车数量:
。
5.一种风电制氢储氢装运***,其特征在于,包括,
获取模块,用于获取当前时间点、约车时间点和储能装置的当前电量;
模型生成模块,用于预测当前时间点与约车时间点之间的风力变化趋势,并将当前时间点与约车时间点之间每一时刻的风力转换为发电速度,生成发电速度变化模型;
溢出量确定模块,用于根据储能装置的当前电量和最大电量以及发电速度变化模型确定电能溢出量;以及,
车辆预约模块,用于根据电能溢出量确定用于装运氢气的货车的数量并预约。
6.根据权利要求5所述的风电制氢储氢装运***,其特征在于,所述溢出量确定模块包括:
溢出时间点确定子模块,根据储能装置的当前电量和最大电量以及发电速度变化模型确定溢出时间点;以及,
溢出量确定子模块,用于根据溢出时间点、约车时间点、发电速度变化模型确定电能溢出量。
7.一种智能终端,其特征在于,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至4中任一种方法的计算机程序。
8.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至4中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110978697.XA CN113671967B (zh) | 2021-08-25 | 2021-08-25 | 一种风电制氢储氢装运方法、***、智能终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110978697.XA CN113671967B (zh) | 2021-08-25 | 2021-08-25 | 一种风电制氢储氢装运方法、***、智能终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113671967A CN113671967A (zh) | 2021-11-19 |
CN113671967B true CN113671967B (zh) | 2023-11-17 |
Family
ID=78546219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110978697.XA Active CN113671967B (zh) | 2021-08-25 | 2021-08-25 | 一种风电制氢储氢装运方法、***、智能终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113671967B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201401284Y (zh) * | 2009-04-09 | 2010-02-10 | 上海品兴科技有限公司 | 一种风力发电群组 |
CN107017651A (zh) * | 2017-05-22 | 2017-08-04 | 北京鑫海港亿科技有限公司 | 一种风电制氢储能的氢燃料复合电池及其发电方法 |
CN107503887A (zh) * | 2017-08-14 | 2017-12-22 | 中国大唐集团科学技术研究院有限公司 | 微型风机电网***及方法 |
CN107503886A (zh) * | 2017-08-14 | 2017-12-22 | 中国大唐集团科学技术研究院有限公司 | 风、电、氢微型拓扑网络***及方法 |
CN112398212A (zh) * | 2020-11-30 | 2021-02-23 | 南京四象新能源科技有限公司 | 一种备用电源控制方法、装置、储能***及存储介质 |
CN112389213A (zh) * | 2020-11-25 | 2021-02-23 | 中国第一汽车股份有限公司 | 一种续驶里程预测方法、装置、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8019445B2 (en) * | 2004-06-15 | 2011-09-13 | Intelligent Generation Llc | Method and apparatus for optimization of distributed generation |
US7911071B2 (en) * | 2007-11-06 | 2011-03-22 | Devine Timothy J | Systems and methods for producing, shipping, distributing, and storing hydrogen |
WO2019075445A1 (en) * | 2017-10-13 | 2019-04-18 | In Esther | METHOD AND APPARATUS FOR COLLECTING ELECTRIC POWER FROM AN AIR FLOW IN A MOBILE SYSTEM |
-
2021
- 2021-08-25 CN CN202110978697.XA patent/CN113671967B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201401284Y (zh) * | 2009-04-09 | 2010-02-10 | 上海品兴科技有限公司 | 一种风力发电群组 |
CN107017651A (zh) * | 2017-05-22 | 2017-08-04 | 北京鑫海港亿科技有限公司 | 一种风电制氢储能的氢燃料复合电池及其发电方法 |
CN107503887A (zh) * | 2017-08-14 | 2017-12-22 | 中国大唐集团科学技术研究院有限公司 | 微型风机电网***及方法 |
CN107503886A (zh) * | 2017-08-14 | 2017-12-22 | 中国大唐集团科学技术研究院有限公司 | 风、电、氢微型拓扑网络***及方法 |
CN112389213A (zh) * | 2020-11-25 | 2021-02-23 | 中国第一汽车股份有限公司 | 一种续驶里程预测方法、装置、设备及存储介质 |
CN112398212A (zh) * | 2020-11-30 | 2021-02-23 | 南京四象新能源科技有限公司 | 一种备用电源控制方法、装置、储能***及存储介质 |
Non-Patent Citations (2)
Title |
---|
Experimental study for wind power-hydrogen energy system with energy capacitor system;M. Nitta 等;IEEE Xplore;第451-456页 * |
基于电解槽电流控制的风电制氢***控制策略;程丽娟 等;《轻工科技》;第37卷(第05期);第48-49页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113671967A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mohamed et al. | Modeling and simulation of smart grid integrated with hybrid renewable energy systems | |
CN102610088A (zh) | 一种公交车站点间行程时间预测方法 | |
CN111859812B (zh) | 天气影响下的海上风电场及柔直并网***可靠性评估方法 | |
CN116826714A (zh) | 基于光伏发电的电力分配方法、***、终端及存储介质 | |
CN116632838B (zh) | 应用于发电企业的电能供给分析的方法及装置 | |
CN110077274A (zh) | 一种物流电动车可行驶距离的估算方法、装置及设备 | |
CN116646965A (zh) | 一种光伏储能充放电一体化管理*** | |
Harnischmacher et al. | Two-sided sustainability: Simulating battery degradation in vehicle to grid applications within autonomous electric port transportation | |
CN115130727A (zh) | 一种新能源纯电公交车夜间充电调度方法 | |
CN113671967B (zh) | 一种风电制氢储氢装运方法、***、智能终端及存储介质 | |
CN109359784A (zh) | 计及运营商的电动汽车负荷时间预测方法和*** | |
Ma et al. | Adaptive energy management strategy based on a model predictive control with real-time tuning weight for hybrid energy storage system | |
CN117114718A (zh) | 碳排放管理方法、装置、电子设备和存储介质 | |
CN115513949B (zh) | 含微网接入的配电***运行控制方法、装置以及程序产品 | |
CN115207421B (zh) | 电池***供能方法、装置、电子设备及存储介质 | |
CN116780595A (zh) | 电动汽车微电网能源管理方法、***、设备及存储介质 | |
CN116142014A (zh) | 一种电动汽车智能充电方法、装置、设备及介质 | |
CN115511203A (zh) | 基于锂电池荷电状态估计电动船舶航程优化方法及*** | |
CN116227664A (zh) | 一种数据驱动的电网灵活性裕度量化方法及*** | |
Hou et al. | Stochastic pre‐disaster planning and post‐disaster restoration to enhance distribution system resilience during typhoons | |
CN113246782B (zh) | 一种直流充电桩的运行误差监测方法 | |
Gao et al. | An energy management strategy for fuel cell hybrid electric vehicle based on a real-time model predictive control and pontryagin’s maximum principle | |
Luo et al. | Large-scale electric vehicle energy demand considering weather conditions and onboard technology | |
Zhang et al. | Schedulable capacity assessment method for PV and storage integrated fast charging stations with V2G | |
Lian et al. | Real‐time energy management strategy for fuel cell plug‐in hybrid electric bus using short‐term power smoothing prediction and distance adaptive state‐of‐charge consumption |
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 |