CN116050587A - 一种变功率运行的pem电解槽寿命预测方法及装置 - Google Patents
一种变功率运行的pem电解槽寿命预测方法及装置 Download PDFInfo
- Publication number
- CN116050587A CN116050587A CN202211663158.8A CN202211663158A CN116050587A CN 116050587 A CN116050587 A CN 116050587A CN 202211663158 A CN202211663158 A CN 202211663158A CN 116050587 A CN116050587 A CN 116050587A
- Authority
- CN
- China
- Prior art keywords
- pem
- degradation
- formula
- fluctuation
- electrolytic cell
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000006731 degradation reaction Methods 0.000 claims abstract description 97
- 230000015556 catabolic process Effects 0.000 claims abstract description 88
- 230000001133 acceleration Effects 0.000 claims abstract description 48
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 15
- 230000000630 rising effect Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000012512 characterization method Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000005653 Brownian motion process Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 4
- 239000012634 fragment Substances 0.000 claims description 4
- 229910052900 illite Inorganic materials 0.000 claims description 4
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 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
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 230000002068 genetic effect Effects 0.000 claims description 2
- 230000003121 nonmonotonic effect Effects 0.000 abstract description 6
- 238000007619 statistical method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000012986 modification Methods 0.000 description 12
- 230000004048 modification Effects 0.000 description 12
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 5
- 239000001257 hydrogen Substances 0.000 description 5
- 229910052739 hydrogen Inorganic materials 0.000 description 5
- 239000012528 membrane Substances 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000003054 catalyst Substances 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005868 electrolysis reaction Methods 0.000 description 1
- 229910052741 iridium Inorganic materials 0.000 description 1
- GKOZUEZYRPOHIO-UHFFFAOYSA-N iridium atom Chemical compound [Ir] GKOZUEZYRPOHIO-UHFFFAOYSA-N 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Electrolytic Production Of Non-Metals, Compounds, Apparatuses Therefor (AREA)
Abstract
本发明提供一种变功率运行的PEM电解槽寿命预测方法及装置，首先考虑PEM电解槽退化数据非单调的特点，以多项式拟合退化数据的轨迹，叠加拟合误差分布某一置信区间的上、下限，建立区间表征的PEM电解槽性能退化模型；基于此，采用Hyper‑CuboidalVolume加速模型，描述功率波动幅度与波动时间尺度对电解槽退化过程的影响，然后提出基于最优化的加速模型参数估计方法；最后，提出随机功率序列分时间尺度的波动片段统计方法，预测变功率运行PEM电解槽寿命。本发明将PEM电解槽退化数据的非单调特性考虑到其寿命预测中，与现实模型更贴近，使其寿命预测更加精细与准确。
Description
技术领域
本发明属于电力***设备寿命预测领域，具体涉及一种变功率运行的PEM电解槽寿命预测方法及装置。
背景技术
面对超大规模超高比例新能源并网，新型电力***平衡支撑能力不足，极端情况下电力供应保障难度大等问题，对灵活性资源需求剧增。质子交换膜(PEM)电解槽秒级响应(热启动在1～5秒从待机状态到额定生产状态，爬坡速率100％每秒)与宽幅调节(电制氢***调节范围为10％～200％)等特性，可为电网提供调频调峰等辅助服务，为其规模化并网可为***提供可观的调节能力，PEM电解槽宽幅度调节支撑新型电力***稳定经济运行。然而，PEM电解槽长时运行或频繁循环操作会导致电解槽性能退化，退化包含可逆与不可逆两部分；退化的微观现象主要有阳离子污染、质子交换膜变薄、催化剂腐蚀、钛基组件氧化，宏观表现有工作温度异常、水淹、漏气、制氢纯度低、工作电压升高(即“极化曲线整体上移”)等，最终结果导致电解槽性能失效。影响PEM电解槽性能与寿命的因素也很多，主要包括：本征因素、***因素、环境因素三方面；本征因素涉及设备本体结构与设计参数，如铂、铱催化剂加载量、质子交换膜的厚度，极板材料等，与电解槽的制造工艺与选型有关；***因素主要有水、热、电、气等多能流管理子***参数设置不当或子***故障等；环境因素主要有PEM电解槽工作温度、压力以及输入功率变化。其中，工作温度、压力等参数均是可控参数，而直接连接风电、光伏等波动电源制氢，PEM电解槽的输入功率常随电源变化。因此，建立变功率运行电解槽的性能退化模型与寿命预测模型，具有重要意义。
目前，已有较多研究讨论变运行功对率PEM电解槽工作性能与寿命的影响机制，但目前研究都未将PEM电解槽性能非单调递减的规律考虑进其寿命预测模型之中，变功率运行PEM电制氢***的寿命预测模型有待进一步精细化。
发明内容
为克服现有技术的缺点，本发明提出一种变功率运行的PEM电解槽寿命预测方法及装置，从而与现实模型更贴近，使其寿命预测更加精细与准确。
为达到上述目的，本发明采用的技术方案为：
一种变功率运行的PEM电解槽寿命预测方法，包括如下步骤：
1)以多项式拟合退化数据获得PEM电解槽的性能退化轨迹；
2)基于步骤1)得的PEM电解槽的性能退化轨迹，叠加拟合误差分布某一置信水平的置信上、下限，建立区间表征的PEM电解槽性能退化模型；
3)基于步骤2)得到的PEM电解槽性能退化模型，描述功率波动幅度与波动时间尺度双应力对电解槽退化过程的影响，建立Hyper-CuboidalVolume加速模型；
4)基于步骤3)得到的Hyper-CuboidalVolume加速模型，基于最优化方法计算Hyper-CuboidalVolume加速模型参数；
5)基于步骤2)、步骤3)与步骤4)得到的PEM电解槽性能退化模型、Hyper-CuboidalVolume加速模型与参数，计算不同应力下PEM电解槽的寿命。
进一步地，所述的步骤1)包括如下步骤：
不同时段退化数据的变化量用伊藤随机过程表征，如式(1)所示：
dA＝μ(A,θ)dt+δ(A,θ)dWt (1)
式(1)中，A表示退化数据的变化率；μ(A,θ)dt漂移项，表示电解槽退化平均衰减率的变化趋势；δ(A,θ)dWt为扩散项，表示电解槽退化的随机不确定性；θ表示随机变量，Wt为标准的维纳过程。
通过如式(2)所示的多项式函数拟合实验退化数据，推导计算漂移项的参数：
式(2)中，M表示多项式的最高阶数，wj为xj项的系数，x为时间变量。
进一步地，所述的步骤2)包括如下步骤：
按式(3)生成拟合误差序列ε，y0为实际测量数据；假设拟合误差服从平均值为u，方差为m的正态分布：
εi＝y0(xi)-y(xi,w) (3)
式中，I为拟合点数。
将误差分布某一置信区间的下限c1、上限c2分别与拟合曲线叠加，如式(6)所示，生成区间表征的电解槽的性能退化变化量轨迹：
式(7)中，y-表示电解槽拟合寿命区间的下限值，y+表示电解槽拟合寿命区间的上限值；当大样本计算置信区间时，r为根据置信区间而定的常数。
进一步地，所述的步骤3)包括如下步骤：
Hyper-Cuboidal Volume加速模型如式(7)所示：
式中，A(S1,S2,…,Sn)为产品在加速应力S1～Sn共同作用下的寿命ai(i＝0,1,…,n)为待定系数；P(Si)表示每个加速应力的函数，
为连续相乘符号。
取n＝2，将式(8)两边取对数简化为式(9)，便于求解：
ln(A(S1,S2))＝a1+a2lnS1+a3lnS2 (9)
式(9)中，a1，a2与a3为待估计的加速模型参数。
进一步地，所述的步骤4)包括如下步骤：
以实际值与估计值之差最小为优化目标，构造Hyper-CuboidalVolume加速模型的参数优化模型，即式(10)～(11)，并采用遗传算法求解：
a1+a2 ln(s1,n)+a3 ln(s2,n)-ln(yn)＝dn (10)
式(10)中，yn为不同应力下的寿命，由性能退化模型求得，ai,max为各参数的上限。s1,n与s2,n为第n组退化数据对应的应力1与应力2的值。
进一步地，所述的步骤5)包括如下步骤：
通过精细运行周期内每一波动的衰减率进行寿命评估，具体步骤如下：
步骤1：定义波动片段：设时刻t功率为Pt，若下一时刻功率Pt+1大于或等于Pt，则定义为t时刻～t+1时刻定义为功率上升时段，否则Pt定义为功率下降时段；若功率从t时刻持续上升至t+n时刻，在t+n时候后功率开始下降，则定义t～t+n时段为一个上升波动片段；若功率从t时刻持续下降至t+n时刻，则定义t～t+n时段为一个下降波动片段；
步骤2：输入新能源出力序列，剔除功率持续为零的片段；统计新能源出力序列上升或下降波动片段的持续时间与波动幅值；
步骤3：按式(12)计算每个波动片段初始时刻与末尾时刻平均衰减率之差Δdg,i，进而计算波动片段内的衰减量dg,i，如式(13)所示；
Δdg,i＝|D/(A(Ti,t,Vi,t0))-D/A(Ti,t,Vi,tend)|(12)
dg,i＝k·Δdg,i (13)
式(11)中，D为退化量失效阈值，Ti,t为第i次波动的循环周期，Vi,t0与Vi,tend为第i次波动初始时刻与末尾时刻的工作电压；k为该波动时段的时长，单位为小时；
步骤4：计算PEM电解槽的寿命如式(14)所示：
式(14)中，I为上升波动片段与下降波动片段的数量。
本发明还提供一种变功率运行的PEM电解槽寿命预测装置，包括：
退化轨迹拟合模块，用于以多项式拟合退化数据获得PEM电解槽的性能退化轨迹；
加速模型参数优化计算模块，用于叠加拟合误差分布某一置信水平的置信上、下限，建立区间表征的PEM电解槽性能退化模型；描述功率波动幅度与波动时间尺度双应力对电解槽退化过程的影响，建立Hyper-Cuboidal Volume加速模型；
寿命预测模块，用于基于最优化方法计算Hyper-Cuboidal Volume加速模型参数，以及基于得到的PEM电解槽性能退化模型、Hyper-Cuboidal Volume加速模型与参数，计算不同应力下PEM电解槽的寿命。
本发明还提供一种电子设备，包括：存储器，处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述评估方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述评估方法的各个步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
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。
有益效果：
本发明将PEM电解槽退化数据的非单调特性考虑到其寿命预测中，与现实模型更贴近，使其寿命预测更加精细与准确。本发明能够在风电、光伏等新能源电解制氢领域推广应用，具有十分重要的意义。本发明相对于现有的PEM电解槽寿命评估方法具有以下优点：1)考虑了电解槽性能退化数据变化量非单调递减的特点对其性能退化轨迹的影响，使其寿命预测评估结果更精确；2)所提的PEM电解槽寿命预测模型可直接用于风电场与光伏电站中PEM电解槽寿命评估，知道电解槽合理更换，更能保障电解槽所在的电力***的安全性；3)所提的PEM电解槽寿命预测模型，能直接指导PEM电解槽再各应用场景下的经济规划，推广其应用发展。
附图说明
图1为本发明的变功率运行的PEM电解槽寿命预测方法的流程图。
图2为变功率PEM电解槽退化原理示意图。
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。
本发明提供一种变功率运行的PEM电解槽寿命预测方法及装置，首先考虑PEM电解槽退化数据非单调的特点，以多项式拟合退化数据为基本退化轨迹，叠加拟合误差分布某一置信水平的置信上、下限，建立区间表征的PEM电解槽性能退化模型；基于此，考虑随机输入功率多时间尺度的波动特征，采用Hyper-Cuboidal Volume加速模型，描述功率波动幅度与波动时间尺度双应力对电解槽退化过程的影响；然后，再结合加速模型参数估计原理，提出基于最优化的加速模型参数估计方法；最后，提出随机功率序列分时间尺度的波动片段统计方法，预测变功率运行PEM电解槽寿命。本发明将PEM电解槽退化数据的非单调特性考虑到其寿命预测中，与现实模型更贴近，使其寿命预测更加精细与准确。下面对上述方案进行详细介绍。
如图1所示，本发明的变功率运行的PEM电解槽寿命预测方法的步骤如下：
步骤1)考虑到PEM电解槽退化数据非单调的特点，以多项式拟合退化数据获得PEM电解槽的性能退化轨迹；
步骤2)基于步骤1)得到的PEM电解槽的性能退化轨迹，叠加拟合误差分布某一置信水平的置信上、下限，建立区间表征的PEM电解槽性能退化模型；
步骤3)基于步骤2)得到的PEM电解槽性能退化模型，描述功率波动幅度与波动时间尺度双应力对电解槽退化过程的影响，建立Hyper-CuboidalVolume加速模型；
步骤4)基于步骤3)得到的Hyper-CuboidalVolume加速模型，基于最优化方法计算Hyper-CuboidalVolume加速模型参数；
步骤5)基于步骤2)与步骤3)、步骤4)得到的PEM电解槽性能退化模型、Hyper-Cuboidal Volume加速模型与参数，计算不同应力下PEM电解槽的寿命。
具体地，所述步骤1)中拟合变功率运行的PEM电解槽性能退化轨迹包括如下步骤：
通过观测PEM电解槽加速试验退化数据发现其衰减过程是非线性的。不同时段退化数据的变化量呈现并非严格单调的递增或递减规律，可用伊藤随机过程表征，如式(1)所示。
dA＝μ(A,θ)dt+δ(A,θ)dWt (1)
式中，A表示退化数据的变化率；μ(A,θ)dt漂移项，表示电解槽退化平均衰减率的变化趋势；δ(A,θ)dWt为扩散项，表示电解槽退化的随机不确定性；θ表示随机变量，Wt为标准的维纳过程。
可通过如式(2)所示的多项式函数拟合实验退化数据，推导计算漂移项的参数。
式中，M表示多项式的最高阶数，wj为xj项的系数，x为时间变量。
所述步骤2)中的建立区间表征的PEM电解槽性能退化模型包括如下步骤：
按式(3)生成拟合误差序列ε，y0为实际测量数据；假设拟合误差服从平均值为u，方差为m的正态分布。
εi＝y0(xi)-y(xi,w) (3)
式中，I为拟合点数。
将误差分布某一置信区间的下限c1、上限c2分别与拟合曲线叠加，如式(6)所示，生成区间表征的PEM电解槽性能退化变化量轨迹。
式中，y-表示电解槽拟合寿命区间的下限值，y+表示电解槽拟合寿命区间的上限值；当大样本计算置信区间时，r为根据置信区间而定的常数。
所述步骤3)中的建立Hyper-Cuboidal Volume加速模型包括如下步骤：
Hyper-Cuboidal Volume加速模型常用于描述多个应力对产品性能退化过程的综合影响，如式(7)所示。
式中，A(S1,S2,…,Sn)为产品在加速应力S1～Sn共同作用下的寿命，ai(i＝0,1,…,n)为待定系数；P(Si)表示每个加速应力的函数，
为连续相乘符号。由于PEM电解槽变功率运行主要是循环周期与循环电压两个变量影响，此处n＝2，即可将式(8)两边取对数简化为式(9)，便于求解。
ln(A(S1,S2))＝a1+a2lnS1+a3lnS2 (9)
式中，a1，a2与a3为待估计的加速模型参数。
所述步骤4)中的基于最优化方法计算Hyper-CuboidalVolume加速模型参数包括如下步骤：
基于加速模型参数估计的原理，提出以实际值与估计值之差最小为优化目标，构造加速模型参数优化模型，如式(10)～(11)所示。
a1+a2ln(s1,n)+a3ln(s2,n)-ln(yn)＝dn (10)
式(10)中，yn为不同应力下的寿命，由性能退化模型求得，ai,max为各参数的上限。s1,n与s2,n为第n组退化数据对应的应力1与应力2的值。
所述步骤5)中的计算不同应力下PEM电解槽的寿命，包括如下步骤：
由于PEM电解槽性能衰减受循环周期与波动幅度的影响，因此为实现更准确的寿命评估，需精细运行周期内每一波动的衰减率，具体步骤如下：
步骤1：定义波动片段。设时刻t功率为Pt，若下一时刻功率Pt+1大于或等于Pt，则定义为t时刻～t+1时刻定义为功率上升时段，否则Pt定义为功率下降时段；若功率从t时刻持续上升至t+n时刻，在t+n时候后功率开始下降，则定义t～t+n时段为一个上升波动片段；若功率从t时刻持续下降至t+n时刻，则定义t～t+n时段为一个下降波动片段。
步骤2：输入新能源出力序列，剔除功率持续为零的片段；统计新能源出力序列上升或下降波动片段的持续时间与波动幅值。
步骤3：按式(12)计算每个波动片段初始时刻与末尾时刻平均衰减率之差Δdg,i，进而计算波动片段内的衰减量dg,i，如式(13)所示；
dg,i＝k·Δdg,i (13)
式中，D为退化量失效阈值，Ti,t为第i次波动的循环周期，Vi,t0与Vi,tend为第i次波动初始时刻与末尾时刻的工作电压；k为该波动时段的时长，单位为小时。
步骤4：计算PEM电解槽的寿命如式(14)所示。
式中，I为上升波动片段与下降波动片段的数量。
本发明还提供一种变功率运行的PEM电解槽寿命预测装置，包括：
退化轨迹拟合模块，用于以多项式拟合退化数据获得PEM电解槽的性能退化轨迹
加速模型参数优化计算模块，用于叠加拟合误差分布某一置信水平的置信上、下限，建立区间表征的PEM电解槽性能退化模型；描述功率波动幅度与波动时间尺度双应力对电解槽退化过程的影响，建立Hyper-Cuboidal Volume加速模型；
寿命预测模块，用于基于最优化方法计算Hyper-Cuboidal Volume加速模型参数，以及基于得到的PEM电解槽性能退化模型、Hyper-Cuboidal Volume加速模型与参数，计算不同应力下PEM电解槽的寿命。
本发明还提供一种电子设备，包括：存储器，处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述评估方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述评估方法的各个步骤。
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。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种变功率运行的PEM电解槽寿命预测方法，其特征在于，包括如下步骤：
1)以多项式拟合退化数据获得PEM电解槽的性能退化轨迹；
2)基于步骤1)得的PEM电解槽的性能退化轨迹，叠加拟合误差分布某一置信水平的置信上、下限，建立区间表征的PEM电解槽性能退化模型；
3)基于步骤2)得到的PEM电解槽性能退化模型，描述功率波动幅度与波动时间尺度双应力对电解槽退化过程的影响，建立Hyper-Cuboidal Volume加速模型；
4)基于步骤3)得到的Hyper-Cuboidal Volume加速模型，基于最优化方法计算Hyper-Cuboidal Volume加速模型参数；
5)基于步骤2)、步骤3)与步骤4)得到的PEM电解槽性能退化模型、Hyper-CuboidalVolume加速模型与参数，计算不同应力下PEM电解槽的寿命。
2.根据权利要求1所述的一种变功率运行的PEM电解槽寿命预测方法，其特征在于：所述的步骤1)包括如下步骤：
不同时段退化数据的变化量用伊藤随机过程表征，如式(1)所示：
dA＝μ(A,θ)dt+δ(A,θ)dWt (1)
式(1)中，A表示退化数据的变化率；μ(A,θ)dt漂移项，表示电解槽退化平均衰减率的变化趋势；δ(A,θ)dWt为扩散项，表示电解槽退化的随机不确定性；θ表示随机变量，Wt为标准的维纳过程；
通过如式(2)所示的多项式函数拟合实验退化数据，推导计算漂移项的参数：
式(2)中，M表示多项式的最高阶数，wj为xj项的系数，x为时间变量。
3.根据权利要求2所述的一种变功率运行的PEM电解槽寿命预测方法，其特征在于：所述的步骤2)包括如下步骤：
按式(3)生成拟合误差序列ε，y0为实际测量数据；假设拟合误差服从平均值为u，方差为m的正态分布：
εi＝y0(xi)-y(xi,w) (3)
式中，I为拟合点数；
将误差分布某一置信区间的下限c1、上限c2分别与拟合曲线叠加，如式(6)所示，生成区间表征的电解槽的性能退化变化量轨迹：
式(7)中，y-表示电解槽拟合寿命区间的下限值，y+表示电解槽拟合寿命区间的上限值；当大样本计算置信区间时，r为根据置信区间而定的常数。
4.根据权利要求3所述的一种变功率运行的PEM电解槽寿命预测方法，其特征在于：所述的步骤3)包括如下步骤：
Hyper-Cuboidal Volume加速模型如式(7)所示：
式中，A(S1,S2,…,Sn)为产品在加速应力S1～Sn共同作用下的寿命ai(i＝0,1,…,n)为待定系数；
P(Si)表示每个加速应力的函数，
为连续相乘符号；
取n＝2，将式(8)两边取对数简化为式(9)，便于求解：
ln(A(S1,S2))＝a1+a2lnS1+a3lnS2 (9)
式(9)中，a1，a2与a3为待估计的加速模型参数。
5.根据权利要求4所述的一种变功率运行的PEM电解槽寿命预测方法，其特征在于：所述的步骤4)包括如下步骤：
以实际值与估计值之差最小为优化目标，构造Hyper-Cuboidal Volume加速模型的参数优化模型，即式(10)～(11)，并采用遗传算法求解：
a1+a2ln(s1,n)+a3ln(s2,n)-ln(yn)＝dn (10)
s.t.0≤ai≤ai,max,i＝1,2,3
式(10)中，yn为不同应力下的寿命，由性能退化模型求得，ai,max为各参数的上限；s1,n与s2,n为第n组退化数据对应的应力1与应力2的值。
6.根据权利要求5所述的一种变功率运行的PEM电解槽寿命预测方法，其特征在于：所述的步骤5)包括如下步骤：
通过精细运行周期内每一波动的衰减率进行寿命评估，具体步骤如下：
步骤1：定义波动片段：设时刻t功率为Pt，若下一时刻功率Pt+1大于或等于Pt，则定义为t时刻～t+1时刻定义为功率上升时段，否则Pt定义为功率下降时段；若功率从t时刻持续上升至t+n时刻，在t+n时候后功率开始下降，则定义t～t+n时段为一个上升波动片段；若功率从t时刻持续下降至t+n时刻，则定义t～t+n时段为一个下降波动片段；
步骤2：输入新能源出力序列，剔除功率持续为零的片段；统计新能源出力序列上升或下降波动片段的持续时间与波动幅值；
步骤3：按式(12)计算每个波动片段初始时刻与末尾时刻平均衰减率之差Δdg,i，进而计算波动片段内的衰减量dg,i，如式(13)所示；
dg,i＝k·Δdg,i (13)
式(11)中，D为退化量失效阈值，Ti,t为第i次波动的循环周期，Vi,t0与Vi,tend为第i次波动初始时刻与末尾时刻的工作电压；k为该波动时段的时长，单位为小时；
步骤4：计算PEM电解槽的寿命如式(14)所示：
式(14)中，I为上升波动片段与下降波动片段的数量。
7.一种变功率运行的PEM电解槽寿命预测装置，其特征在于，包括：
退化轨迹拟合模块，用于以多项式拟合退化数据获得PEM电解槽的性能退化轨迹；
加速模型参数优化计算模块，用于叠加拟合误差分布某一置信水平的置信上、下限，建立区间表征的PEM电解槽性能退化模型；描述功率波动幅度与波动时间尺度双应力对电解槽退化过程的影响，建立Hyper-Cuboidal Volume加速模型；
寿命预测模块，用于基于最优化方法计算Hyper-Cuboidal Volume加速模型参数，以及基于得到的PEM电解槽性能退化模型、Hyper-Cuboidal Volume加速模型与参数，计算不同应力下PEM电解槽的寿命。
8.根据权利要求7所述的一种变功率运行的PEM电解槽寿命预测装置，其特征在于，所述退化轨迹拟合模块，具体用于：
不同时段退化数据的变化量用伊藤随机过程表征，如式(1)所示：
dA＝μ(A,θ)dt+δ(A,θ)dWt (1)
式(1)中，A表示退化数据的变化率；μ(A,θ)dt漂移项，表示电解槽退化平均衰减率的变化趋势；δ(A,θ)dWt为扩散项，表示电解槽退化的随机不确定性；θ表示随机变量，Wt为标准的维纳过程；
通过如式(2)所示的多项式函数拟合实验退化数据，推导计算漂移项的参数：
式(2)中，M表示多项式的最高阶数，wj为xj项的系数，x为时间变量。
9.一种电子设备，包括：存储器，处理器及存储在所述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计算机程序时，实现权利要求1至6中任一项所述的一种变功率运行的PEM电解槽寿命预测方法。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至6中任一项所述的一种变功率运行的PEM电解槽寿命预测方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211663158.8A CN116050587A (zh) | 2022-12-23 | 2022-12-23 | 一种变功率运行的pem电解槽寿命预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211663158.8A CN116050587A (zh) | 2022-12-23 | 2022-12-23 | 一种变功率运行的pem电解槽寿命预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116050587A true CN116050587A (zh) | 2023-05-02 |
Family
ID=86119477
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211663158.8A Pending CN116050587A (zh) | 2022-12-23 | 2022-12-23 | 一种变功率运行的pem电解槽寿命预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116050587A (zh) |
-
2022
- 2022-12-23 CN CN202211663158.8A patent/CN116050587A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111555281B (zh) | 一种电力***灵活性资源配置仿真方法及装置 | |
| Chen et al. | Artificial intelligence-aided model predictive control for a grid-tied wind-hydrogen-fuel cell system | |
| Brauns et al. | Experimental evaluation of dynamic operating concepts for alkaline water electrolyzers powered by renewable energy | |
| Chen et al. | Temperature and voltage dynamic control of PEMFC Stack using MPC method | |
| CN113403645B (zh) | 一种电解槽工作状态的确定方法、装置及控制器 | |
| Duc et al. | Optimization strategy for high efficiency 20 kW-class direct coupled photovoltaic-electrolyzer system based on experiment data | |
| Zhang et al. | Optimization and economic evaluation of a PEM electrolysis system considering its degradation in variable-power operations | |
| Huang et al. | A multiphysics model of the compactly-assembled industrial alkaline water electrolysis cell | |
| CN112651560B (zh) | 一种超短期风功率预测方法、装置及设备 | |
| CN111695736A (zh) | 一种基于多模型融合的光伏发电短期功率预测方法 | |
| Shen et al. | Mathematical modeling and simulation for external electrothermal characteristics of an alkaline water electrolyzer | |
| Zhao et al. | Dynamic hierarchical modeling and control strategy of high temperature proton exchange electrolyzer cell system | |
| Poli et al. | Electrochemical rebalancing process for vanadium flow batteries: Sizing and economic assessment | |
| CN117578706A (zh) | 一种基于电网的多层级负荷管理***及其方法 | |
| CN115313380A (zh) | 自适应氢负荷波动的新能源制氢***协调控制方法 | |
| CN115587489A (zh) | 制氢模型的确定方法及装置、非易失性存储介质、处理器 | |
| Martemianov et al. | Electrochemical noise analysis of a PEM fuel cell stack under long-time operation: noise signature in the frequency domain | |
| Lee et al. | Prognostics and health management of alkaline water electrolyzer: Techno-economic analysis considering replacement moment | |
| Cheng et al. | Analysis and prediction of green hydrogen production potential by photovoltaic-powered water electrolysis using machine learning in China | |
| Hu et al. | Grid-Oriented multiphysics model of Power-to-Hydrogen electrolyzers | |
| CN116050587A (zh) | 一种变功率运行的pem电解槽寿命预测方法及装置 | |
| CN106684930B (zh) | 一种考虑功率预测置信区间的风电有功功率控制方法 | |
| CN116065193A (zh) | 电解槽的动态控制方法、装置及其电子设备 | |
| CN114757052A (zh) | 一种pem电制氢***全寿命周期经济性评估方法 | |
| CN114944657A (zh) | 基于milp模型的氢电耦合***运行模式优化方法 |
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 |