固体氧化物电解池系统优化控制方法及装置制造方法及图纸

本发明专利技术提供了一种固体氧化物电解池系统优化控制方法及装置

【技术实现步骤摘要】
固体氧化物电解池系统优化控制方法及装置


[0001]本专利技术属于氢能源
，尤其是涉及一种固体氧化物电解池系统优化控制方法及装置
。

技术介绍

[0002]由于
SOEC
工作在高温环境中，对气密性要求很高，因此不能通过打太多孔，在孔中设置热电偶的方式直接测量温度
。
[0003]现在技术中无法在不影响
SOEC
密封性前提下监测
SOEC
堆内温度分布
。
无法在电解功率输入的波动性的情况下，调节气体流量保持
SOEC
堆的温度分布在安全范围内并优化系统效率
。
电堆内部温度梯度过大可能会使电池弯曲，时间久了甚至破裂，从而存在系统的安全性差和效率低的问题
。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术提供了一种固体氧化物电解池系统优化控制方法及装置，至少部分的解决现有技术中存在的统的安全性差和效率低的问题
。
[0005]第一方面，本公开实施例提供了一种固体氧化物电解池系统优化控制方法，包括：
[0006]获取
SOEC
电堆内部温度分布数据，对获得的温度分布数据进行滤波和估计，得到温度梯度，
SOEC
为固体氧化物电解池；
[0007]对
SOEC
系统进行参数遍历，分析不同参数组合下的温度和电性能之间的关系，得到全参数组合范围内的温度和电性能曲线，对全参数组合范围内的温度和电性能曲线进行优化，从而确定
SOEC
系统目标运行参数；
[0008]以目标运行参数为前馈输入，温度梯度作为被控量使用神经网络预测控制算法对
SOEC
系统温度进行控制
。
[0009]可选的，所述获取
SOEC
电堆内部温度分布数据，包括：
[0010]基于预构建的
SOEC
电堆非线性模型获取
SOEC
电堆内部温度分布数据
。
[0011]可选的，所述对获得的温度分布数据进行滤波和估计，包括：
[0012]使用扩展卡尔曼滤波算法对获得的温度分布数据进行滤波和估计
。
[0013]可选的，所述对全参数组合范围内的温度和电性能曲线进行优化，包括：
[0014]以效率最大和进出口温差最小为目标，采用
Pareto
优化算法对全参数组合范围内的温度和电性能曲线进行优化
。
[0015]可选的，所述以目标运行参数为前馈输入，温度梯度作为被控量使用神经网络预测控制算法对
SOEC
系统温度进行控制，包括：
[0016]将可再生能源功率变化产生的扰动输入电流作为神经网络预测控制算法的输入参数
。
[0017]第二方面，本公开实施例还提供了一种固体氧化物电解池系统优化控制装置，包括：
[0018]SOEC
电堆温度分布观测模块，用于获取
SOEC
电堆内部温度分布数据，对获得的温度分布数据进行滤波和估计，得到温度梯度，
SOEC
为固体氧化物电解池；
[0019]最优效率识别模块，用于对
SOEC
系统进行参数遍历，分析不同参数组合下的温度和电性能之间的关系，得到全参数组合范围内的温度和电性能曲线，对全参数组合范围内的温度和电性能曲线进行优化，从而确定
SOEC
系统目标运行参数；
[0020]温度梯度控制模块，用于以目标运行参数为前馈输入，温度梯度作为被控量使用神经网络预测控制算法对
SOEC
系统温度进行控制
。
[0021]可选的，所述获取
SOEC
电堆内部温度分布数据，包括：
[0022]基于预构建的
SOEC
电堆非线性模型获取
SOEC
电堆内部温度分布数据
。
[0023]可选的，所述对获得的温度分布数据进行滤波和估计，包括：
[0024]使用扩展卡尔曼滤波算法对获得的温度分布数据进行滤波和估计
。
[0025]可选的，所述对全参数组合范围内的温度和电性能曲线进行优化，包括：
[0026]以效率最大和进出口温差最小为目标，采用
Pareto
优化算法对全参数组合范围内的温度和电性能曲线进行优化
。
[0027]可选的，所述以目标运行参数为前馈输入，温度梯度作为被控量使用神经网络预测控制算法对
SOEC
系统温度进行控制，包括：
[0028]将可再生能源功率变化产生的扰动输入电流作为神经网络预测控制算法的输入参数
。
[0029]本专利技术提供的固体氧化物电解池系统优化控制方法及装置
。
其中该固体氧化物电解池系统优化控制方法，通过准确地获取
SOEC
电堆的温度分布情况从而得到温度梯度，在
SOEC
系统上进行参数遍历分析，得到全参数组合范围内
SOEC
系统的温度和电性能，从而得到目标运行参数，基于温度梯度和目标运行参数对系统进行控制，从而达到提高系统安全性和效率的目的
。
附图说明
[0030]通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的
、
特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件
。
[0031]图1为本公开实施例提供的固体氧化物电解池系统优化控制装置的原理框图
。
具体实施方式
[0032]下面结合附图对本公开实施例进行详细描述
。
[0033]应当明确，以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效
。
显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例
。
本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变
。
需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合
。
基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围
。
[0034]需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面
。
应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及
/
或功能仅为说明性的
。
基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种固体氧化物电解池系统优化控制方法，其特征在于，包括：获取
SOEC
电堆内部温度分布数据，对获得的温度分布数据进行滤波和估计，得到温度梯度，
SOEC
为固体氧化物电解池；对
SOEC
系统进行参数遍历，分析不同参数组合下的温度和电性能之间的关系，得到全参数组合范围内的温度和电性能曲线，对全参数组合范围内的温度和电性能曲线进行优化，从而确定
SOEC
系统目标运行参数；以目标运行参数为前馈输入，温度梯度作为被控量使用神经网络预测控制算法对
SOEC
系统温度进行控制
。2.
根据权利要求1所述的固体氧化物电解池系统优化控制方法，其特征在于，所述获取
SOEC
电堆内部温度分布数据，包括：基于预构建的
SOEC
电堆非线性模型获取
SOEC
电堆内部温度分布数据
。3.
根据权利要求1所述的固体氧化物电解池系统优化控制方法，其特征在于，所述对获得的温度分布数据进行滤波和估计，包括：使用扩展卡尔曼滤波算法对获得的温度分布数据进行滤波和估计
。4.
根据权利要求1所述的固体氧化物电解池系统优化控制方法，其特征在于，所述对全参数组合范围内的温度和电性能曲线进行优化，包括：以效率最大和进出口温差最小为目标，采用
Pareto
优化算法对全参数组合范围内的温度和电性能曲线进行优化
。5.
根据权利要求1所述的固体氧化物电解池系统优化控制方法，其特征在于，所述以目标运行参数为前馈输入，温度梯度作为被控量使用神经网络预测控制算法对
SOEC
系统温度进行控制，包括：将可再生能源功率变化产生的扰动输入电流作为神经网络预测控制算法的输入参数
。6.
一种固体氧化物电解池系统优化控制装置，其特征在于，...

【专利技术属性】
技术研发人员：陈宇，陈有鹏，于霄，王金波，
申请(专利权)人：北京思伟特新能源科技有限公司，
类型：发明
国别省市：