【技术实现步骤摘要】
本专利技术属于氢能利用与制取领域，具体地说是一种匹配波动电源实时出力的新能源制氢系统控制方法及装置。
技术介绍
1、新能源发电特别是风电和光伏发电具有随机性、间歇性等特点，其接入电网会带来电压波动、频率波动等电能质量问题，甚至可能影响到电网安全稳定运行，必须配合储能系统改善新能源发电的运行特性。氢储能技术具有能量密度高、无污染、可持续，功率、能量可同时优化，可设计性较高等优点，且储电和发电过程无需分时操作，是一种理想的绿色储能技术。
2、氢储能在风电场和光伏电站领域的应用，主要体现在降低高比例可再生能源并网的不稳定性，提高可再生能源发电的利用小时数，有效解决严重的“弃风”、“弃光”问题。氢能作为一种二次能源，它具有燃烧热值高、清洁环保、可储存、可再生等优点。氢储能是一种新兴的储能技术，与传统的电池储能不同，氢储能系统在电力供过于求的时候通过电解水制氢的方式，将能源以气态燃料的形式存储起来，可以用在化工、氢电池汽车、加气站等更多的场合。
3、目前新能源制氢大多采用单台电解槽配合新能源接入，电解槽最大功率与新能源最大出力匹配。由于新能源发电工作在最大出力的时间很少，电解槽工作在最佳工作点的时间也很少，电解槽的容量没有得到高效利用。此外，电解槽工作时有最低输入功率的限制，当新能源发电低于电解槽的启动功率时，电解槽将无法工作，这样，新能源发电也没有得到高效地消纳，还会造成电解槽的频繁启停，影响使用寿命。
技术实现思路
1、为解决上述波动新能源发电制氢的问题，本专利技
2、为此，本专利技术采用如下的一种技术方案：一种匹配波动电源实时出力的新能源制氢系统控制方法，其将电解槽划分为四个并联运行的子电解槽，第一子电解槽的额定功率为pmax的1/15，第二子电解槽的额定功率为pmax的2/15，第三子电解槽的额定功率为pmax的4/15，第四子电解槽的额定功率为pmax的8/15，pmax表示波动电源出力最大值；预测波动电源有功出力值，根据预测结果实时控制子电解槽的投入与切除，改变子电解槽的投切数量，使每个子电解槽在当前波动电源所提供的有功出力值下均运行在最佳工作点。
3、本专利技术增加了电解槽工作在最佳工作状态的时间，也减少了电解槽的启停次数，从而提高新能源消纳效率。
4、进一步地，所述子电解槽的投入与切除的控制策略，分以下二个阶段：
5、阶段一，当波动电源有功出力预测值之和psum大于序号1对应子电解槽的最小启动功率pthr1时，序号1对应子电解槽开启，即第一子电解槽开启；随着时间变化当波动电源有功出力预测值之和psum超过序号1对应子电解槽的功率限定值pn1时，多余的有功出力将被分配到序号2对应子电解槽，序号2对应子电解槽为第二子电解槽；当电源有功出力预测值之和psum继续增加，超过序号2对应子电解槽的功率限定值pn2时，多余的出力将被分配到序号3对应子电解槽，序号3对应子电解槽依次为第一子电解槽、第二子电解槽；以此类推进行多余出力的分配，序号4对应子电解槽为第三子电解槽；序号5对应子电解槽依次为第三子电解槽、第一子电解槽；序号6对应子电解槽依次为第三子电解槽、第二子电解槽；序号7对应子电解槽依次为第三子电解槽、第二子电解槽、第一子电解槽；序号8对应子电解槽为第四子电解槽；序号9对应子电解槽依次为第四子电解槽、第一子电解槽；序号10对应子电解槽依次为第四子电解槽、第二子电解槽；序号11对应子电解槽依次为第四子电解槽、第二子电解槽、第一子电解槽；序号12对应子电解槽依次为第四子电解槽、第三子电解槽；序号13对应子电解槽依次为第四子电解槽、第三子电解槽、第一子电解槽；序号14对应子电解槽依次为第四子电解槽、第三子电解槽、第二子电解槽；序号15对应子电解槽依次为第四子电解槽、第三子电解槽、第二子电解槽、第一子电解槽；直到电源有功出力预测值之和psum增加至能够带动所有子电解槽启动后，此时电解槽完成第一个阶段的启动任务；
6、阶段二，如果波动电源有功出力预测值之和psum继续增加，超出的部分将被重新分配到序号1对应的子电解槽，使其达到序号1对应子电解槽的额定功率pmax1，然后按相同的要求将超出部分的波动电源有功出力依次分配到序号2到15对应的子电解槽。
7、更进一步地，功率限定值pnn为序号n对应子电解槽的额定功率的70-90%，优选85%。
8、更进一步地，最小启动功率pthr1为序号1对应子电解槽的额定功率的10-30%，优选10%。
9、进一步地，所述预测波动电源有功出力的步骤如下：收集波动电源在x时刻及之前的有功出力值，形成原始数据矩阵；设置训练集样本数量；设置bp神经网络模型基本参数；数据处理；在完成bp神经网络模型的参数初始化后，对原始数据矩阵中的数据进行初始化，训练bp神经网络模型；利用训练好的bp神经网络模型对第x+1时刻的波动电源的有功出力进行预测，得到此时波动电源有功出力预测值之和psum。
10、更进一步地，所述原始数据矩阵初始化步骤如下：将电源的有功出力值按照每行五个元素，下一行由上一行后移一个元素的形式排列，形成所述的原始数据矩阵。
11、更进一步地，选择所有的原始数据作为训练集样本。
12、更进一步地，所述的设置bp神经网络模型基本参数，包括：初始化隐含层数量，初始化输入层个数与输出层个数，初始化学习率，初始化目标误差，初始化输入层与隐含层间的权值与阈值，初始化隐含层与输出层间的权值与阈值。
13、更进一步地，bp神经网络模型的训练过程如下：在bp神经网络中，输入层各神经元负责接收来自外界的输入信息，并传递给隐含层各神经元；隐含层是内部信息处理层，负责信息变换，根据信息变化能力的需求，隐含层设计为单隐层或者多隐层结构；最后一个隐含层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果，以此类推，当训练次数达到设置次数或误差满足要求后，bp神经网络模型训练完毕。
14、本专利技术采用的另一种技术方案为：一种匹配波动电源实时出力的新能源制氢系统控制装置，其用于实现所述匹配波动电源实时出力的新能源制氢系统控制方法。
15、本专利技术具有的有益效果如下：
16、1）本专利技术通过bp神经网络对波动电源在不同时刻的有功出力进行实时滚动预测，根据预测结果实时控制子电解槽的投切情况，从而提高投入运行的电解槽的利用率。
17、2）本专利技术采用的子电解槽的投入与切除控制策略，可减少子电解槽的起停次数，增加产氢量，明显提升可再生能源消纳率，延长电解槽运行寿命。
18、3）本专利技术采用分级投切制氢技术，能够针对不同功率等级下选择不同子电解槽的启动，通过灵活投切适应前段波动电源出力的变化，确保氢储能系统高效稳定运行，提高电解制氢效率。本文档来自技高网...
【技术保护点】
1.一种匹配波动电源实时出力的新能源制氢系统控制方法，其特征在于，将电解槽划分为四个并联运行的子电解槽，第一子电解槽的额定功率为Pmax的1/15，第二子电解槽的额定功率为Pmax的2/15，第三子电解槽的额定功率为Pmax的4/15，第四子电解槽的额定功率为Pmax的8/15，Pmax表示波动电源出力最大值；预测波动电源有功出力值，根据预测结果实时控制子电解槽的投入与切除，改变子电解槽的投切数量，使每个子电解槽在当前波动电源所提供的有功出力值下均运行在最佳工作点。
2.根据权利要求1所述的新能源制氢系统控制方法，其特征在于，子电解槽的投入与切除的控制策略，分以下二个阶段：
3.根据权利要求2所述的新能源制氢系统控制方法，其特征在于，功率限定值PNn为序号n对应子电解槽的额定功率的70-90%。
4.根据权利要求2所述的新能源制氢系统控制方法，其特征在于，最小启动功率Pthr1为序号1对应子电解槽的额定功率的10-30%。
5.根据权利要求1所述的新能源制氢系统控制方法，其特征在于，所述预测波动电源有功出力的步骤如下：收集波动电源在
6.根据权利要求5所述的新能源制氢系统控制方法，其特征在于，所述原始数据矩阵初始化步骤如下：将电源的有功出力值按照每行五个元素，下一行由上一行后移一个元素的形式排列，形成所述的原始数据矩阵。
7.根据权利要求5所述的新能源制氢系统控制方法，其特征在于，选择所有的原始数据作为训练集样本。
8.根据权利要求5所述的新能源制氢系统控制方法，其特征在于，所述的设置BP神经网络模型基本参数，包括：初始化隐含层数量，初始化输入层个数与输出层个数，初始化学习率，初始化目标误差，初始化输入层与隐含层间的权值与阈值，初始化隐含层与输出层间的权值与阈值。
9.根据权利要求5所述的新能源制氢系统控制方法，其特征在于，BP神经网络模型的训练过程如下：在BP神经网络中，输入层各神经元负责接收来自外界的输入信息，并传递给隐含层各神经元；隐含层是内部信息处理层，负责信息变换，根据信息变化能力的需求，隐含层设计为单隐层或者多隐层结构；最后一个隐含层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果，以此类推，当训练次数达到设置次数或误差满足要求后，BP神经网络模型训练完毕。
10.一种匹配波动电源实时出力的新能源制氢系统控制装置，其特征在于，用于实现权利要求1-9任一项所述匹配波动电源实时出力的新能源制氢系统控制方法。
...【技术特征摘要】
1.一种匹配波动电源实时出力的新能源制氢系统控制方法，其特征在于，将电解槽划分为四个并联运行的子电解槽，第一子电解槽的额定功率为pmax的1/15，第二子电解槽的额定功率为pmax的2/15，第三子电解槽的额定功率为pmax的4/15，第四子电解槽的额定功率为pmax的8/15，pmax表示波动电源出力最大值；预测波动电源有功出力值，根据预测结果实时控制子电解槽的投入与切除，改变子电解槽的投切数量，使每个子电解槽在当前波动电源所提供的有功出力值下均运行在最佳工作点。
2.根据权利要求1所述的新能源制氢系统控制方法，其特征在于，子电解槽的投入与切除的控制策略，分以下二个阶段：
3.根据权利要求2所述的新能源制氢系统控制方法，其特征在于，功率限定值pnn为序号n对应子电解槽的额定功率的70-90%。
4.根据权利要求2所述的新能源制氢系统控制方法，其特征在于，最小启动功率pthr1为序号1对应子电解槽的额定功率的10-30%。
5.根据权利要求1所述的新能源制氢系统控制方法，其特征在于，所述预测波动电源有功出力的步骤如下：收集波动电源在x时刻及之前的有功出力值，形成原始数据矩阵；设置训练集样本数量；设置bp神经网络模型基本参数；数据处理；在完成bp神经网络模型的参数初始化后，对原始数据矩阵中的数据进行初始化，训练bp神经网络模型；利用训练好的bp神经网络模型对第x+1时刻的波动电源的有功出力进行预测，得...
【专利技术属性】
技术研发人员：刘敏，赵波，章富其，吴启亮，张雪松，
申请(专利权)人：国网浙江省电力有限公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。