CN115986720A - 自适应氢负荷波动的新能源制氢***协调控制方法、装置、电子设备和存储介质 - Google Patents
自适应氢负荷波动的新能源制氢***协调控制方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115986720A CN115986720A CN202211474082.4A CN202211474082A CN115986720A CN 115986720 A CN115986720 A CN 115986720A CN 202211474082 A CN202211474082 A CN 202211474082A CN 115986720 A CN115986720 A CN 115986720A
- Authority
- CN
- China
- Prior art keywords
- new energy
- hydrogen
- power
- hydrogen production
- production system
- 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
- 239000001257 hydrogen Substances 0.000 title claims abstract description 245
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 245
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 244
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000003860 storage Methods 0.000 title claims abstract description 42
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 18
- 229910052720 vanadium Inorganic materials 0.000 claims abstract description 51
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical compound [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 claims abstract description 51
- 239000003990 capacitor Substances 0.000 claims abstract description 47
- 238000005457 optimization Methods 0.000 claims abstract description 46
- 238000005096 rolling process Methods 0.000 claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000013178 mathematical model Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 22
- 239000007789 gas Substances 0.000 claims description 15
- 238000004146 energy storage Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 13
- 230000001276 controlling effect Effects 0.000 claims description 10
- 230000001105 regulatory effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000003213 activating effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000000844 transformation Methods 0.000 claims description 3
- 230000003828 downregulation Effects 0.000 claims 1
- 230000003827 upregulation Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002222 downregulating effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005868 electrolysis reaction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
- H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
- H02J2310/58—The condition being electrical
- H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Fuel Cell (AREA)
Abstract
本发明涉及自适应氢负荷波动的新能源制氢***协调控制方法、装置、电子设备和存储介质，包括：确定新能源制氢***结构，建立钒液流电池、电解槽、储氢罐及超级电容器的等效模型；构建差分形式的状态方程，将方程转化为矩阵形式，通过状态空间表达式得到滚动优化模型；构建目标函数，设定约束条件，建立氢能***运行优化的数学模型；初始化***，并基于滚动优化控制对目标函数进行最小化寻优，提出***协调控制方法；验证分析算例，通过改变参数分析***控制性能和***鲁棒性，得到最佳控制性能的新能源制氢***协调控制方法进行协调控制。本发明提供的方法能够自适应氢负荷波动，利用滚动优化控制求解新能源制氢***最优控制方法。
Description
技术领域
本发明涉及新能源制氢***协调控制领域，具体涉及自适应氢负荷波动的新能源制氢***协调控制方法、装置、电子设备和存储介质。
背景技术
新能源制氢***通过新能源发电制取氢气，以达到提高新能源利用率、满足***设计的氢负荷需求和电网负荷需求的目的。
对于新能源制氢***，首先电解槽控制应安全可靠地应对新能源出力波动并追踪新能源最大功率工作点，其次需要考虑功率协调的问题以提高电力***供电可靠性。除此之外还需考虑电解制氢的效率、技术经济问题以及氢负荷的波动等因素。
随着氢能需求迅猛增长，能源***的结构和用途也会发生很大变化，氢负荷波动带来的不确定性对能源***安全经济运行的影响不容忽视。不同于电力***有功调频的全局响应，氢负荷波动不确定将会造成电解槽的工作点发生大幅度改变，局部电解槽工况的恶化将会造成电解槽的过载和停机，影响到电解槽的使用寿命，危及到储气罐的安全和氢能供给的可靠性，并且大规模电解槽启停造成的功率冲击也威胁到电力***的安全稳定。近年来，许多学者进行有关功率协调控制以及经济调度的研究，但适应氢负荷波动的新能源制氢***的优化控制亟需解决。
发明内容
为了解决上述技术问题，本发明提供一种自适应氢负荷波动的新能源制氢***协调控制方法、装置、电子设备和存储介质，其适用于氢负荷波动场景下，基于滚动优化控制原理，将氢负荷流速、新能源实际最大出力以及电解槽启停状态等作为***不确定性干扰，通过滚动优化方法实现了钒液流电池SOC、储氢罐气压、电网负荷及超级电容器功率的实时跟踪。本发明通过滚动优化方法以最佳的工作状态和最小的功率调节量满足氢负荷需求，优化电池和电解槽的工作状态，减少电解槽停机时间。
为达到上述目的，本发明采用的技术方案为：
自适应氢负荷波动的新能源制氢***协调控制方法，包括：
步骤S1：确定新能源制氢***结构，根据设备运行特征建立钒液流电池、电解槽、储氢罐及超级电容器的新能源制氢***设备特性方程；
步骤S2：通过氢能***的动态模型构建差分形式的状态方程，建立新能源制氢***的模型，将方程转化为矩阵形式，通过状态空间表达式直接得到滚动优化模型；
步骤S3：确定氢能***的控制目标，确定参数取值和参考轨迹，构建目标函数，建立氢能***运行优化的数学模型；
步骤S4：初始化参考轨迹和***变量，基于滚动优化方法实时调节各个电解槽的工作状态，采用恒功率控制调节超级电容器，以实现中长时和短时储能的供能需求，提出迭代控制电解槽的新能源制氢***协调控制方法；
步骤S5：验证分析算例，改变输出变量权重因子、控制变量变化增量权重因子以及参考时域等参数，分析***控制性能的变化和***的鲁棒性，得到最佳控制性能的新能源制氢***协调控制方法，从而对新能源制氢***进行协调控制。
进一步地，所述步骤S1具体包括：
步骤S11：确定新能源制氢***结构，所述新能源制氢***结构包括新能源电源、外接电网、钒液流电池、电解槽、储氢罐、超级电容器和氢负荷；
步骤S12：建立新能源制氢***的动态模型，其中钒液流电池动态等效模型如公式(1)所示：
其中，Scell为钒液流电池荷电量，Pcell为钒液流电池放电功率，Qcell为钒液流电池储能容量，σ为与钒液流电池荷电量相关的自衰减时间系数；
建立电解槽模型如公式(2)所示：
其中，为产氢速率，Pelec为电解槽输入功率，A1和A2为线性近似系数；
建立储氢罐模型如公式(3)所示：
其中，为储氢罐压强变化率，为产氢速率，R为理想气体常数，T为理想气体的热力学温度，V为理想气体的体积；
建立超级电容器模型如公式(4)所示：
其中，E为超级电容器吸收/释放的能量，A和B为超级电容器串联和并联个数，Cf为超级电容器的单体电容，U1和U2为超级电容器的初始电压和状态电压。
进一步地，所述步骤S2具体包括：
步骤S21：根据氢能***的动态模型，构建差分形式的状态方程；
根据公式(1)，建立钒液流电池SOC的状态差分方程，如公式(5)所示：
其中，Δτ为时间步长；
根据公式(2)～(3)，建立储氢罐气压的状态差分方程，如公式(6)所示：
其中，为氢负荷流速，和分别为各电解槽制氢功率和工作状态影响的氢气变化率；
和由泛函表示，如公式(7)～(8)所示：
其中，fP(delec)为关于电解槽制氢功率的函数，fd(delec)为关于电解槽工作状态的函数，Pelec为各电解槽制氢功率，δ为狄拉克函数，Pheat为冷备用加热功率，Psp为热备用激活功率；delec为各电解槽工作状态，delec.i∈{l，s，w}分别代表正常运行、冷待机、热待机；
考虑到***功率平衡，电网出力功率表达式如公式(9)所示：
Pgrid(t)＝Pquit(t-1)+||Pelec(t-1)||1-Pcell(t-1)-Prenw(t-1) (9)
其中，Pquit为新能源弃电功率，Prenw为新能源出力功率；
步骤S22：将***变量分为状态变量x、输出变量y、控制变量u和扰动变量p，状态变量x表示如公式(10)所示：
其中，Scell为钒液流电池SOC，ptank为储氢罐气体压强，Pgrid为电网负荷；
对控制变量u和扰动变量p做一系列变换，如公式(11)～(12)所示：
其中，Psc为超级电容器的功率，Udsc为超级电容器的端电压；
进而得到如下状态方程：
***状态变量可直接输出，因此***输出方程如公式(14)所示：
步骤S23：将***状态方程和输出方程转化为矩阵形式，如公式(15)所示：
其中，A为***状态系数矩阵，B为控制系数矩阵，C为输出系数矩阵，D为扰动系数矩阵，各矩阵具体表示如公式(16)～(19)所示：
步骤S24：由状态空间表达式直接得到滚动优化模型，如公式(20)所示：
其中，表示根据t时刻的可用信息预测得到的t+k时刻的输出变量取值；u(t+k-1|t)表示t时刻获取的控制指令；p(t+k-1|t)表示t时刻获取的扰动信号。
进一步地，所述步骤S3具体步骤如下：
步骤S31：确定氢能***的控制目标为保证中长时和短时的时间尺度上供能可靠性，同时保证钒液流电池SOC、储氢罐气压、电网出力以及超级电容器功率应跟踪调度计划，尽量减少一次设备的功率调整量，提高能量转换效率；构建目标函数，如公式(21)所示：
其中，N1为预测域评估上边界，N2为预测域评估下边界，Nu为控制域评估边界，t和j为不同的时刻，δ(j)为输出变量在j时刻的权重，λ(j)为控制变量在j时刻的权重，Qy为输出变量权重系数矩阵，Qu为控制变量权重系数矩阵，为未来特定时间范围内的***期望的输出轨迹，w(t+k|t)为参考轨迹，Δu为控制变量的变化值；
步骤S32：确定预测域评估上下边界N1，N2的参数取值，保证参考轨迹w(t+j)与输出变量维度一致；
步骤S33：设定控制变量具体每个元素的约束条件，如公式(22)所示：
其中，Pcell.charge和Pcell.discharge分别为钒液流电池的最大充电和放电功率，新能源弃电功率Pquit(t)应低于新能源最大理论出力Prenw(t)，Pelec.min和Pelec.max为电解槽的最小和最大制氢功率，Psc.c，max和Psc.d，max为超级电容器的最大充电和放电功率；
设定控制变量具体每个元素的变化率，如公式(23)所示：
其中，和分别为钒液流电池出力的下调和上调响应速度；和为新能源出力的下调和上调响应速度，受新能源的MPPT策略限制；和为电解槽制氢功率的下调和上调响应速度；和为超级电容器出力的下调和上调响应速度；
展开***输出变量变化率约束条件，如公式(24)所示：
其中，Scell.min和Scell.max分别为钒液流电池的最小和最大荷电状态值，ptank.min和ptank.max分别为储氢罐的最小和最大压强值，Pgrid.min和Pgrid.max分别为从电网购电的最小和最大功率值。
进一步地，所述步骤S4具体包括：
步骤S41：基于滚动优化控制实时调节电解槽，输入未来参考轨迹w(t+j)、控制变量和当前扰动信息，通过重复求解二次规划问题，得到下一时刻的控制信号u(t+1|t+1)；
步骤S42：计算电解槽的功率，通过改变电解槽的工作状态变动扰动变量p，直至所有电解槽处于正常功率状态或当前控制时刻所有正常工作的电解槽处在热备用状态，停止迭代求解，以实现中长时储能的供能需求；
步骤S43：基于恒功率控制调节超级电容器的工作状态，通过参考功率得到电流偏差值，采用PI控制器实现超级电容器的快速充放电，以实现短时储能的供能需求。
进一步地，所述步骤S5具体包括：
步骤S51：设置具体的新能源制氢***，分析仿真结果；
步骤S52：改变输出变量权重因子Qy1、Qy2、Qy3，控制变量增量权重因子Qu1、Qu2、Qu3和参考时域N1、N2，分析***控制性能的变化；
步骤S53：改变新能源功率日前预测误差的标准差σwind和氢负荷功率日前预测误差的标准差分析***的鲁棒性，得到最佳控制性能的新能源制氢***协调控制方法。
本发明还提出的一种实现新能源制氢***协调控制方法的装置，分为氢能***框架模块、***滚动优化模块、***运行规划模块、供能需求计算模块和验证分析模块。
其中氢能***框架模块：确定新能源制氢***结构，根据设备运行特征建立钒液流电池、电解槽、储氢罐及超级电容器的新能源制氢***设备特性方程；
***滚动优化模块：通过氢能***的动态模型构建差分形式的状态方程，建立新能源制氢***的模型，将方程转化为矩阵形式，通过状态空间表达式得到滚动优化模型；
***运行规划模块：确定氢能***的控制目标，确定参数取值和参考轨迹，构建目标函数，建立氢能***运行优化的数学模型；
供能需求计算模块：初始化参考轨迹和***变量，基于滚动优化方法实时调节各个电解槽的工作状态，采用恒功率控制调节超级电容器，以实现中长时和短时储能的供能需求，提出迭代控制电解槽的新能源制氢***协调控制方法；
验证分析模块：验证分析算例，改变输出变量权重因子、控制变量变化增量权重因子以及参考时域等参数，分析***控制性能的变化和***的鲁棒性，得到最佳控制性能的新能源制氢***协调控制方法，从而对新能源制氢***进行协调控制。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述自适应氢负荷波动的新能源制氢***协调控制方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现上述自适应氢负荷波动的新能源制氢***协调控制方法的步骤。
发明与现有技术相比，具有以下优点：
1、本发明公开了自适应氢负荷波动的新能源制氢***协调控制方法，为了提高对未来时刻输出预测的精确度，提出对氢能***建立动态模型，构建差分形式的状态方程，采用状态空间表达式得到滚动优化模型的方法。
2、本发明以保证中长时和短时的时间尺度上供能可靠性，同时保证钒液流电池SOC、储氢罐气压、电网出力以及超级电容器功率应跟踪调度计划为控制目标，以电解槽的气压、钒液流电池荷电量以及电网出力等为约束条件，提出通过求解二次规划问题，基于滚动优化控制对目标函数进行最小化寻优的新能源制氢***协调控制方法。
3、本发明采用具体算例验证控制方法的有效性，改变输出变量权重因子、控制变量变化增量权重因子以及参考时域等参数探究参数变化对控制性能的影响，分析新能源、氢负荷波动下控制性能的鲁棒性。
附图说明
图1为本发明实施例中自适应氢负荷波动的新能源制氢***协调控制方法的流程图；
图2为本发明实施例中新能源制氢***结构图；
图3为本发明实施例中滚动优化控制的算法流程图；
图4为本发明实施例中新能源日功率曲线示意图；
图5为本发明实施例中氢负荷日功率曲线示意图；
图6为本发明实施例中钒液流电池荷电状态变化曲线示意图；
图7为本发明实施例中储氢罐压力变化曲线示意图；
图8为本发明实施例中电网负荷变化曲线示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种自适应氢负荷波动的新能源制氢***协调控制方法，在氢负荷波动场景下，利用滚动优化控制，以最佳的工作状态和最小的功率调节量满足电网负荷和氢负荷需求。
为了使本发明的目的、技术方案及优点更加清楚，以下通过具体实施，并结合附图，对本发明进一步详细说明。
如图1所示，本发明实施例提供的自适应氢负荷波动的新能源制氢***协调控制方法，具体包括下述步骤：
步骤S1：确定新能源制氢***结构，根据设备运行特征建立钒液流电池、电解槽、储氢罐及超级电容器的新能源制氢***设备特性方程；
步骤S2：通过氢能***的动态模型构建差分形式的状态方程，建立新能源制氢***的模型，将方程转化为矩阵形式，通过状态空间表达式直接得到滚动优化模型；
步骤S3：确定氢能***的控制目标，确定参数取值和参考轨迹，构建目标函数，建立氢能***运行优化的数学模型；
步骤S4：初始化参考轨迹和***变量，基于滚动优化方法实时调节各个电解槽的工作状态，采用恒功率控制调节超级电容器，以实现中长时和短时储能的供能需求，提出迭代控制电解槽的新能源制氢***协调控制方法；
步骤S5：验证分析算例，改变输出变量权重因子、控制变量变化增量权重因子以及参考时域等参数，分析***控制性能的变化和***的鲁棒性，得到最佳控制性能的新能源制氢***协调控制方法。将本发明提出的新能源制氢***协调控制方法的装置分为氢能***框架模块、***滚动优化模块、***运行规划模块和供能需求计算模块，并存储到计算机上，通过传感器将不同变量的参数输入到相应的模块，以实现控制目标。
在实施例中，上述步骤S1：确定新能源制氢***结构，根据设备运行特征建立钒液流电池、电解槽、储氢罐及超级电容器的新能源制氢***设备特性方程，具体包括：
步骤S11：确定新能源制氢***结构，包括新能源电源、外接电网、钒液流电池、电解槽、储氢罐、超级电容器和氢负荷。***正常运行时，利用新能源发电制取氢气，通过自适应新能源和氢气负荷的波动，以满足***设计的氢负荷需求以及电网负荷需求。由于没有燃料电池保证电能的需求，因此设置钒液流电池以保证***在新能源低估时期的供电安全，如图2所示；
步骤S12：建立新能源制氢***的动态模型，其中钒液流电池动态等效模型如公式(1)所示：
其中，Scell为钒液流电池荷电量，Pcell为钒液流电池放电功率，Qcell为钒液流电池储能容量，σ为与钒液流电池荷电量相关的自衰减时间系数；
建立电解槽模型如公式(2)所示：
其中，为产氢速率，Pelec为电解槽输入功率，A1和A2为线性近似系数；
建立储氢罐模型如公式(3)所示：
其中，为储氢罐压强变化率，为产氢速率，R为理想气体常数，T为理想气体的热力学温度，V为理想气体的体积；
建立超级电容器模型如公式(4)所示：
其中，E为超级电容器吸收/释放的能量，A和B为超级电容器串联和并联个数，Cf为超级电容器的单体电容，U1和U2为超级电容器的初始电压和状态电压。
经过上述步骤S1，确定了新能源制氢***结构，建立了钒液流电池等效模型、电解槽等效模型、储氢罐等效模型及超级电容器等效模型。
在实施例中，上述步骤S2：通过氢能***的动态模型构建差分形式的状态方程，建立新能源制氢***的模型，将方程转化为矩阵形式，通过状态空间表达式直接得到滚动优化模型，具体包括：
步骤S21：根据氢能***的动态模型，构建差分形式的状态方程。根据公式(1)，建立钒液流电池SOC的状态差分方程，如公式(5)所示：
其中，Δτ为时间步长；
根据公式(2)～(3)，建立储氢罐气压的状态差分方程，如公式(6)所示：
其中，为氢负荷流速，和分别为各电解槽制氢功率和工作状态影响的氢气变化率；
和由泛函表示，如公式(7)～(8)所示：
其中，fP(Pelec)为关于电解槽制氢功率的函数，fd(delec)为关于电解槽工作状态的函数，Pelec为各电解槽制氢功率，δ为狄拉克函数，Pheat为冷备用加热功率，Psp为热备用激活功率；delec为各电解槽工作状态，delec.i∈{l，s，w}分别代表正常运行、冷待机、热待机；
考虑到***功率平衡，电网出力功率表达式如公式(9)所示：
Pgrid(t)＝Pquit(t-1)+||Pelec(t-1)||1-Pcell(t-1)-Prenw(t-1) (9)
其中，Pquit为新能源弃电功率，Prenw为新能源出力功率；
步骤S22：将***变量分为状态变量x、输出变量y、控制变量u和扰动变量p，状态变量x表示如公式(10)所示：
对控制变量u和扰动变量p做一系列变换，如公式(11)～(12)所示：
其中，Psc为超级电容器的功率，Udsc为超级电容器的端电压；
进而得到如下状态方程：
***状态变量可直接输出，因此***输出方程如公式(14)所示：
步骤S23：将***状态方程和输出方程转化为矩阵形式，如公式(15)所示：
其中，A为***状态系数矩阵，B为控制系数矩阵，C为输出系数矩阵，D为扰动系数矩阵，各矩阵具体表示如公式(16)～(19)所示：
步骤S24：由状态空间表达式直接得到滚动优化模型，如公式(20)所示：
其中，表示根据t时刻的可用信息预测得到的t+k时刻的输出变量取值；u(t+k-1|t)表示t时刻获取的控制指令；p(t+k-1|t)表示t时刻获取的扰动信号。
经过上述步骤S2，构建了差分形式的状态方程，对***变量进行一系列变换，利用状态空间表达式得到滚动优化模型。
在实施例中，上述步骤S3：确定氢能***的控制目标，确定参数取值和参考轨迹，构建目标函数，建立氢能***运行优化的数学模型，具体包括：
步骤S31：确定氢能***的控制目标为保证中长时和短时的时间尺度上供能可靠性，同时保证钒液流电池SOC、储氢罐气压、电网出力以及超级电容器功率应跟踪调度计划，尽量减少一次设备的功率调整量，提高能量转换效率；构建目标函数，如公式(21)所示：
其中，N1为预测域评估上边界，N2为预测域评估下边界，Nu为控制域评估边界，t和j为不同的时刻，δ(j)为输出变量在j时刻的权重，λ(j)为控制变量在j时刻的权重，Qy为输出变量权重系数矩阵，Qu为控制变量权重系数矩阵，为未来特定时间范围内的***期望的输出轨迹，w(t+k|t)为参考轨迹，Δu为控制变量的变化值；
步骤S32：确定预测域评估上下边界N1，N2的参数取值，保证参考轨迹w(t+j)与输出变量维度一致；
步骤S33：设定控制变量具体每个元素的约束条件，如公式(22)所示：
其中，Pcell.charge和Pcell.discharge分别为钒液流电池的最大充电和放电功率，新能源弃电功率Pquit(t)应低于新能源最大理论出力Prenw(t)，Pelec.min和Pelec.max为电解槽的最小和最大制氢功率，Psc.c，max和Psc.d，max为超级电容器的最大充电和放电功率；
设定控制变量具体每个元素的变化率，如公式(23)所示：
其中，和分别为钒液流电池出力的下调和上调响应速度；和为新能源出力的下调和上调响应速度，受新能源的MPPT策略限制；和为电解槽制氢功率的下调和上调响应速度；和为超级电容器出力的下调和上调响应速度；
展开***输出变量变化率约束条件，如公式(24)所示：
其中，Scell.min和Scell.max分别为钒液流电池的最小和最大荷电状态值，ptank.min和ptank.max分别为储氢罐的最小和最大压强值，Pgrid.min和Pgrid.max分别为从电网购电的最小和最大功率值。
经过上述步骤S3，确定了氢能***的控制目标，考虑参数取值、参考轨迹和约束条件，构建目标函数，建立了氢能***运行优化的数学模型。
在实施例中，上述步骤S4：初始化参考轨迹和***变量，基于滚动优化方法实时调节各个电解槽的工作状态，采用恒功率控制调节超级电容器，以实现中长时和短时储能的供能需求，提出迭代控制电解槽的新能源制氢***协调控制方法，具体包括：
步骤S41：基于滚动优化控制实时调节电解槽，输入未来参考轨迹w(t+j)、控制变量和当前扰动信息，通过重复求解二次规划问题，得到下一时刻的控制信号u(t+1|t+1)；
步骤S42：计算电解槽的功率，通过改变电解槽的工作状态变动扰动变量p，直至所有电解槽处于正常功率状态或当前控制时刻所有正常工作的电解槽处在热备用状态，停止迭代求解，以实现中长时储能的供能需求，控制方法如图3所示；
步骤S43：基于恒功率控制调节超级电容器的工作状态，通过参考功率得到电流偏差值，采用PI控制器实现超级电容器的快速充放电，以实现短时储能的供能需求。
经过上述步骤S4，将滚动优化控制中的优化问题视为一个线性约束下的标准二次规划问题，通过求解二次规划问题，重复优化计算，得到下一时刻的控制信号，提出迭代控制各个电解槽状态的新能源制氢***协调控制方法。
在实施例中，上述步骤S5：验证分析算例，改变输出变量权重因子、控制变量变化增量权重因子以及参考时域等参数，分析***控制性能的变化和***的鲁棒性，得到最佳控制性能的新能源制氢***协调控制方法，具体包括：
步骤S51：设置具体的新能源制氢***，分析仿真结果，包括如下步骤：
1)设置具体的新能源制氢***，新能源总装机为10MW，在新能源及氢负荷日前预测功率曲线上叠加一个呈正态分布的预测误差，新能源功率及氢负荷功率的日前预测误差的平均值设为0，新能源功率日前预测误差的标准差σwind设为1000kW，氢负荷功率日前预测误差的标准差设为1000mol/h，***具体参数设置如表1所示；
表1
2)考虑到超短期预测准确度较高，本算例滚动优化控制采用的超短期预测值误差为0，新能源及氢负荷的日功率曲线如图4～5所示；
3)得到仿真结果，钒液流电池荷电状态变化曲线及其计划参考轨迹如图6所示，储氢罐压力变化曲线及其计划参考轨迹如图7所示，电网负荷变化曲线及其计划参考轨迹如图8所示；
步骤S52：改变输出变量权重因子Qy1、Qy2、Qy3，控制变量增量权重因子Qu1、Qu2、Qu3和参考时域N1、N2，分析***控制性能的变化；
步骤S53：改变新能源功率日前预测误差的标准差σwind和氢负荷功率日前预测误差的标准差分析***的鲁棒性，得到最佳控制性能的新能源制氢***协调控制方法，仿真结果如表2所示。
表2
经过上述步骤S5，设置具体的新能源制氢***，以验证方法的有效性以及在极端情况下的控制性能，在工程实际应用的过程中应根据***设备容量以及控制需求调整权重参数以得到最佳控制性能。
本发明还提出的一种实现新能源制氢***协调控制方法的装置，分为氢能***框架模块、***滚动优化模块、***运行规划模块、供能需求计算模块和验证分析模块。
其中氢能***框架模块：确定新能源制氢***结构，根据设备运行特征建立钒液流电池、电解槽、储氢罐及超级电容器的新能源制氢***设备特性方程；
***滚动优化模块：通过氢能***的动态模型构建差分形式的状态方程，建立新能源制氢***的模型，将方程转化为矩阵形式，通过状态空间表达式得到滚动优化模型；
***运行规划模块：确定氢能***的控制目标，确定参数取值和参考轨迹，构建目标函数，建立氢能***运行优化的数学模型；
供能需求计算模块：初始化参考轨迹和***变量，基于滚动优化方法实时调节各个电解槽的工作状态，采用恒功率控制调节超级电容器，以实现中长时和短时储能的供能需求，提出迭代控制电解槽的新能源制氢***协调控制方法；
验证分析模块：验证分析算例，改变输出变量权重因子、控制变量变化增量权重因子以及参考时域等参数，分析***控制性能的变化和***的鲁棒性，得到最佳控制性能的新能源制氢***协调控制方法，从而对新能源制氢***进行协调控制。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述自适应氢负荷波动的新能源制氢***协调控制方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现上述自适应氢负荷波动的新能源制氢***协调控制方法的步骤。
本发明为了提高对未来时刻输出控制的精确度，提出对氢能***建立动态模型，构建差分形式的状态方程，采用状态空间表达式得到滚动优化模型的方法。本发明以保证中长时和短时的时间尺度上的供能可靠性，同时保证钒液流电池SOC、储氢罐气压、电网出力以及超级电容器功率跟踪调度计划为控制目标，以电解槽的气压、钒液流电池荷电量以及电网出力等为约束条件，提出通过求解二次规划问题，基于滚动优化控制对目标函数进行最小化寻优的新能源制氢***协调控制方法。本发明采用具体算例验证控制方法的有效性，改变输出变量权重因子、控制变量变化增量权重因子以及参考时域等参数探究参数变化对控制性能的影响，分析新能源、氢负荷波动下控制性能的鲁棒性。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.自适应氢负荷波动的新能源制氢***协调控制方法，其特征在于，包括如下步骤：
步骤S1：确定新能源制氢***结构，根据设备运行特征建立钒液流电池、电解槽、储氢罐及超级电容器的新能源制氢***设备特性方程；
步骤S2：通过氢能***的动态模型构建差分形式的状态方程，建立新能源制氢***的模型，将方程转化为矩阵形式，通过状态空间表达式直接得到滚动优化模型；
步骤S3：确定氢能***的控制目标，确定参数取值和参考轨迹，构建目标函数，建立氢能***运行优化的数学模型；
步骤S4：初始化参考轨迹和***变量，基于滚动优化方法实时调节各个电解槽的工作状态，采用恒功率控制调节超级电容器，以实现中长时和短时储能的供能需求，提出迭代控制电解槽的新能源制氢***协调控制方法；
步骤S5：验证分析算例，改变输出变量权重因子、控制变量变化增量权重因子以及参考时域等参数，分析***控制性能的变化和***的鲁棒性，得到最佳控制性能的新能源制氢***协调控制方法，从而对新能源制氢***进行协调控制。
2.根据权利要求1所述的自适应氢负荷波动的新能源制氢***协调控制方法，其特征在于，所述步骤S1具体包括：
步骤S11：确定新能源制氢***结构，所述新能源制氢***结构包括新能源电源、外接电网、钒液流电池、电解槽、储氢罐、超级电容器和氢负荷；
步骤S12：建立新能源制氢***的动态模型，其中钒液流电池动态等效模型如公式(1)所示：
其中，Scell为钒液流电池荷电量，Pcell为钒液流电池放电功率，Qcell为钒液流电池储能容量，σ为与钒液流电池荷电量相关的自衰减时间系数；
建立电解槽模型如公式(2)所示：
其中，
为产氢速率，Pelec为电解槽输入功率，A1和A2为线性近似系数；
建立储氢罐模型如公式(3)所示：
其中，
为储氢罐压强变化率，
为产氢速率，R为理想气体常数，T为理想气体的热力学温度，V为理想气体的体积；
建立超级电容器模型如公式(4)所示：
其中，E为超级电容器吸收/释放的能量，A和B为超级电容器串联和并联个数，Cf为超级电容器的单体电容，U1和U2为超级电容器的初始电压和状态电压。
3.根据权利要求2所述的自适应氢负荷波动的新能源制氢***协调控制方法，其特征在于，所述步骤S2具体包括：
步骤S21：根据氢能***的动态模型，构建差分形式的状态方程；
根据公式(1)，建立钒液流电池SOC的状态差分方程，如公式(5)所示：
其中，Δτ为时间步长；
根据公式(2)～(3)，建立储氢罐气压的状态差分方程，如公式(6)所示：
其中，
为氢负荷流速，
和
分别为各电解槽制氢功率和工作状态影响的氢气变化率；
其中，fP(Pelec)为关于电解槽制氢功率的函数，fd(delec)为关于电解槽工作状态的函数，Pelec为各电解槽制氢功率，δ为狄拉克函数，Pheat为冷备用加热功率，Psp为热备用激活功率；delec为各电解槽工作状态，delec.i∈{l，s，w}分别代表正常运行、冷待机、热待机；
考虑到***功率平衡，电网出力功率表达式如公式(9)所示：
Pgrid(t)＝Pquit(t-1)+||Pelec(t-1)||1-Pcell(t-1)-Prenw(t-1) (9)
其中，Pquit为新能源弃电功率，Prenw为新能源出力功率；
步骤S22：将***变量分为状态变量x、输出变量y、控制变量u和扰动变量p，状态变量x表示如公式(10)所示：
其中，Scell为钒液流电池SOC，ptank为储氢罐气体压强，Pgrid为电网负荷；
对控制变量u和扰动变量p做一系列变换，如公式(11)～(12)所示：
其中，Psc为超级电容器的功率，Udsc为超级电容器的端电压；
进而得到如下状态方程：
***状态变量可直接输出，因此***输出方程如公式(14)所示：
步骤S23：将***状态方程和输出方程转化为矩阵形式，如公式(15)所示：
其中，A为***状态系数矩阵，B为控制系数矩阵，C为输出系数矩阵，D为扰动系数矩阵，各矩阵具体表示如公式(16)～(19)所示：
步骤S24：由状态空间表达式直接得到滚动优化模型，如公式(20)所示：
其中，
表示根据t时刻的可用信息预测得到的t+k时刻的输出变量取值；u(t+k-1|t)表示t时刻获取的控制指令；p(t+k-1|t)表示t时刻获取的扰动信号。
4.根据权利要求3所述的自适应氢负荷波动的新能源制氢***协调控制方法，其特征在于，所述步骤S3具体步骤如下：
步骤S31：确定氢能***的控制目标，构建目标函数，如公式(21)所示：
其中，N1为预测域评估上边界，N2为预测域评估下边界，Nu为控制域评估边界，t和为不同的时刻，δ(j)为输出变量在j时刻的权重，λ(j)为控制变量在j时刻的权重，Qy为输出变量权重系数矩阵，Qu为控制变量权重系数矩阵，
为未来特定时间范围内的***期望的输出轨迹，w(t+k|t)为参考轨迹，Δu为控制变量的变化值；
步骤S32：确定预测域评估上下边界N1，N2的参数取值，保证参考轨迹w(t+j)与输出变量维度一致；
步骤S33：设定控制变量具体每个元素的约束条件，如公式(22)所示：
其中，Pcell.charge和Pcell.discharge分别为钒液流电池的最大充电和放电功率，新能源弃电功率Pquit(t)应低于新能源最大理论出力Prenw(t)，Pelec.min和Pelec.max为电解槽的最小和最大制氢功率，Psc.c，max和Psc.d，max为超级电容器的最大充电和放电功率；
设定控制变量具体每个元素的变化率，如公式(23)所示：
其中，
和
分别为钒液流电池出力的下调和上调响应速度；
和
为新能源出力的下调和上调响应速度，受新能源的MPPT策略限制；
和
为电解槽制氢功率的下调和上调响应速度；
和
为超级电容器出力的下调和上调响应速度；
展开***输出变量变化率约束条件，如公式(24)所示：
其中，Scell.min和Scell.max分别为钒液流电池的最小和最大荷电状态值，ptank.min和ptank.max分别为储氢罐的最小和最大压强值，Pgrid.min和Pgrid.max分别为从电网购电的最小和最大功率值。
5.根据权利要求4所述的自适应氢负荷波动的新能源制氢***协调控制方法，其特征在于，所述步骤S4具体包括：
步骤S41：基于滚动优化控制实时调节电解槽，输入未来参考轨迹w(t+j)、控制变量和当前扰动信息，通过重复求解二次规划问题，得到下一时刻的控制信号u(t+1|t+1)；
步骤S42：计算电解槽的功率，通过改变电解槽的工作状态变动扰动变量p，直至所有电解槽处于正常功率状态或当前控制时刻所有正常工作的电解槽处在热备用状态，停止迭代求解；
步骤S43：基于恒功率控制调节超级电容器的工作状态，通过参考功率得到电流偏差值，采用PI控制器实现超级电容器的快速充放电。
6.根据权利要求5所述的自适应氢负荷波动的新能源制氢***协调控制方法，其特征在于，所述步骤S5具体包括：
步骤S51：设置具体的新能源制氢***，分析仿真结果；
步骤S52：改变输出变量权重因子Qy1、Qy2、Qy3，控制变量增量权重因子Qu1、Qu2、Qu3和参考时域N1、N2，分析***控制性能的变化；
步骤S53：改变新能源功率日前预测误差的标准差σwind和氢负荷功率日前预测误差的标准差
分析***的鲁棒性，得到最佳控制性能的新能源制氢***协调控制方法。
7.实现权利要求1-6之一所述的自适应氢负荷波动的新能源制氢***协调控制方法的装置，其特征在于，包括：
氢能***框架模块：确定新能源制氢***结构，根据设备运行特征建立钒液流电池、电解槽、储氢罐及超级电容器的新能源制氢***设备特性方程；
***滚动优化模块：通过氢能***的动态模型构建差分形式的状态方程，建立新能源制氢***的模型，将方程转化为矩阵形式，通过状态空间表达式得到滚动优化模型；
***运行规划模块：确定氢能***的控制目标，确定参数取值和参考轨迹，构建目标函数，建立氢能***运行优化的数学模型；
供能需求计算模块：初始化参考轨迹和***变量，基于滚动优化方法实时调节各个电解槽的工作状态，采用恒功率控制调节超级电容器，以实现中长时和短时储能的供能需求，提出迭代控制电解槽的新能源制氢***协调控制方法；
验证分析模块：验证分析算例，改变输出变量权重因子、控制变量变化增量权重因子以及参考时域等参数，分析***控制性能的变化和***的鲁棒性，得到最佳控制性能的新能源制氢***协调控制方法，从而对新能源制氢***进行协调控制。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的自适应氢负荷波动的新能源制氢***协调控制方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的自适应氢负荷波动的新能源制氢***协调控制方法的步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211043879.9A CN115313380A (zh) | 2022-08-29 | 2022-08-29 | 自适应氢负荷波动的新能源制氢***协调控制方法 |
| CN2022110438799 | 2022-08-29 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115986720A true CN115986720A (zh) | 2023-04-18 |
Family
ID=83864858
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211043879.9A Pending CN115313380A (zh) | 2022-08-29 | 2022-08-29 | 自适应氢负荷波动的新能源制氢***协调控制方法 |
| CN202211474082.4A Pending CN115986720A (zh) | 2022-08-29 | 2022-11-22 | 自适应氢负荷波动的新能源制氢***协调控制方法、装置、电子设备和存储介质 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211043879.9A Pending CN115313380A (zh) | 2022-08-29 | 2022-08-29 | 自适应氢负荷波动的新能源制氢***协调控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN115313380A (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117153280B (zh) * | 2023-08-31 | 2024-05-03 | 山东大学 | 碱性电解制氢***的仿真模型建立方法、仿真方法及*** |
| CN117526374B (zh) * | 2023-12-28 | 2024-05-10 | 国网浙江省电力有限公司电力科学研究院 | 匹配波动电源实时出力的新能源制氢***控制方法及装置 |
-
2022
- 2022-08-29 CN CN202211043879.9A patent/CN115313380A/zh active Pending
- 2022-11-22 CN CN202211474082.4A patent/CN115986720A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CN115313380A (zh) | 2022-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和*** | |
| WO2020143104A1 (zh) | 一种考虑阻塞和储能分时电价的电网混合滚动调度方法 | |
| CN115986720A (zh) | 自适应氢负荷波动的新能源制氢***协调控制方法、装置、电子设备和存储介质 | |
| CN105375479A (zh) | 一种基于模型预测控制的分布式能源能量管理方法 | |
| CN111697578B (zh) | 多目标含储能区域电网运行控制方法 | |
| CN111934360B (zh) | 基于模型预测控制的虚拟电厂-储能***能量协同优化调控方法 | |
| CN103248065B (zh) | 一种风电场中电池储能***的充放电控制方法 | |
| CN111654054A (zh) | 一种储能基于自适应神经网络(ann)平抑短期风电波动的控制方法 | |
| CN112039092B (zh) | 计及储能soc恢复的孤岛直流外送agc模型预测控制方法 | |
| CN115133538B (zh) | 一种配电网重要负荷电压模型预测控制方法 | |
| Liu et al. | A novel adaptive model predictive control for proton exchange membrane fuel cell in DC microgrids | |
| CN115764931A (zh) | 一种电力***自动发电控制方法、***、设备和介质 | |
| CN114884136A (zh) | 一种计及风电相关性的主动配电网鲁棒优化调度方法 | |
| Yin et al. | Expandable deep width learning for voltage control of three-state energy model based smart grids containing flexible energy sources | |
| Yang et al. | Coordination of generators and energy storage to smooth power fluctuations for multi-area microgrid clusters: A robust decentralized approach | |
| CN106786702A (zh) | 用于混合储能***的全状态模型预测能量调度方法 | |
| CN111478344A (zh) | 一种能源微网负荷频率控制方法、***及相关产品 | |
| CN111651878B (zh) | 计及态势评估的大电网静态电压稳定优化决策方法及*** | |
| CN108400614B (zh) | 一种基于粒子群算法的微电网能源控制方法及装置 | |
| Xu et al. | Design of three-stage start-up optimal strategy based on fuzzy fractional-order proportion integration differentiation controller of pumped storage unit under low water head | |
| CN105207220A (zh) | 一种基于渐进学习的分级电压调控方法 | |
| Roy et al. | Cost optimization of battery and Supercapacitor Hybrid Energy Storage System for dispatching solar PV Power | |
| Wang et al. | Multi-objective optimal dispatch of wind-integrated power system based on distributed energy storage | |
| CN115021336A (zh) | 一种面向高比例新能源电力***惯量不足场景的优化方法 | |
| CN115549118A (zh) | 配电网无功补偿设备出力平滑指数预测方法 |
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 |