【技术实现步骤摘要】
本专利技术涉及新能源制氢领域，尤其是涉及一种光储氢集成系统的随机模型预测控制方法及设备。
技术介绍
1、电解制氢技术能将具有高随机性和间歇性的新能源转换为高能量密度的氢能。随着新能源发电成本的不断降低，新能源制氢的经济性不断提升，该技术路线逐渐成为提高电网对新能源消纳能力的重要途径之一。
2、新能源制氢系统的一个重要挑战是其输入(新能源电力)和输出(氢负荷)侧均具有不确定性。为此，新能源制氢系统中常集成储能单元，并在上述双重不确定性条件下合理调度电解槽和储能单元。文献“基于纳什谈判理论的风-光-氢多主体能源系统合作运行方法(马腾飞，裴玮，肖浩，等.中国电机工程学报，2021，41(1)：25-39+395)”建立了风光氢多主体合作运行模型，利用典型场景表示风光出力和氢负荷的不确定性。文献“a bargaininggame-based profit allocation method for the wind-hydrogen-storage combinedsystem(wang xuejie，li bingkang，wang yuwei，et al.applied en-ergy，2022，310：118472)”研究了风储氢集成系统的调度方法，利用分布式鲁棒优化处理风电出力的不确定性。但上述文献仅关注新能源制氢系统的日前调度问题。进一步，现有文献如“optimalenergy management of hydrogen energy facility using integrated battery energ
3、模型是mpc至关重要的组成部分。而在新能源制氢系统中，电解槽模型非常复杂且涉及多个物理域。当前成熟的电解槽主要有碱性电解槽ale(alkaline electrolysis)和质子交换膜电解槽peme(proton exchange membrane electrolysis)。在化工领域，ale的经典模型为基于热力学、传热理论和经验电化学理论建立的半经验模型，而peme的经典模型为物理模型。上述模型非线性且非凸，给优化建模和求解带来很大挑战。现有文献常将电解槽简化为定常效率模型，但这类模型存在较大误差。文献“intermodule managementwithin a large-capacity high-temperature power-to-hydrogen plant(xing xuetao，lin jin，song yonghua，et al.ieee transactions on energy conversion，2020)”采用分段线性化模型拟合电解槽模型，但其仍然忽略了电解槽温度对于效率的影响，且拟合效果与分段数量有关。同时，该方法会导致非凸的混合整数优化问题，增加了求解难度。文献“economic and resilient operation of hydrogen-based microgrids：an improvedmpc-based optimal scheduling scheme considering security constraintsofhydrogen facilities(huang chunjun，zong yi，you shi，et al.applied energy，2023，335)”提出先按定常效率模型求解优化问题形成预调度策略，但该方法另需额外的调度校正算法调用电解槽的详细模型进行纠正。
4、综上可见，在新能源制氢的日内调度中，如何考虑新能源的高随机性以及如何处理电解槽模型的非线性仍有待解决。
技术实现思路
1、本专利技术针对以上两类问题开展研究，提供一种预测准确性高、实时性强的光储氢集成系统的随机模型预测控制方法及设备。
2、本专利技术的目的可以通过以下技术方案来实现：
3、一种光储氢集成系统的随机模型预测控制方法，包括以下步骤：
4、构建电解槽凸拟合模型；
5、以光储氢集成系统的总净成本最低为优化目标，结合相应约束条件构建考虑光伏和氢负荷概率分布信息的二阶段随机mpc模型，所述相应约束条件包括基于所述电解槽凸拟合模型建立的电解槽模型约束；
6、采用双层求解框架求解所述二阶段随机mpc模型，获取光储氢集成系统的控制决策，所述双层求解框架中，外层用于对电解槽运行点进行迭代，将原问题转换为一系列的凸优化子问题，内层用于对每个凸优化子问题按场景并行分解。
7、进一步地，所述电解槽凸拟合模型包括电解槽外特性方程和电解槽热动态方程，其中，
8、所述电解槽外特性方程表示为：
9、
10、式中，ez()代表拟合函数，a、b、c为二次项系数，d、e、f为线性项系数，pez为输入功率，为产氢率，tez为电解槽温度；
11、所述电解槽热动态方程表示为：
12、
13、式中，τez和γez为电解槽常数，α、β为中间变量，hhv为氢气的高热值，cez为电解槽热容，ηf为电流效率，tamb为环境温度，tcw,i为冷却水入口处温度。
14、进一步地，所述优化目标采用二阶段随机优化形式表示。
15、进一步地，所述优化目标的表达式的建立过程包括：
16、构建初始优化目标：
17、mintnc＝tc+to
18、式中，tnc为光储氢集成系统的总净成本，tc为系统总投资成本，to为系统总运行成本；
19、将所述初始优化目标转化为二阶段随机优化形式：
20、
21、式中，第一项为第一阶段成本，下标t为当前时刻；第二项为第二阶段成本，下标τ代表时刻，上标s代表场景，γs为场景s的概率，δτ为控制间隔；pg为购电功率，πg为购电电价；pch、pdch分别为电池充放电功率；cb为电池寿命损失系数；h为滚动优化周期；
22、记ut＝(pez,t,pg,t,pch,t,pdch,t)t，
23、将与场景无关的控制变量ut复制s份，获得紧凑形式的优化目标表达式：
24、
25、式中，cc,τ＝[0,πg,τ,cb,cb]δτ。
26、进一步地，所述相应约束条件还包括控制变量约束和状态变量约束，其中，
27、所述控制变量约束包括控制变量一致性约束、功率平衡约束和、电解槽功率约束、购本文档来自技高网...
【技术保护点】
1.一种光储氢集成系统的随机模型预测控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的光储氢集成系统的随机模型预测控制方法，其特征在于，所述电解槽凸拟合模型包括电解槽外特性方程和电解槽热动态方程，其中，
3.根据权利要求1所述的光储氢集成系统的随机模型预测控制方法，其特征在于，所述优化目标采用二阶段随机优化形式表示。
4.根据权利要求3所述的光储氢集成系统的随机模型预测控制方法，其特征在于，所述优化目标的表达式的建立过程包括：
5.根据权利要求1所述的光储氢集成系统的随机模型预测控制方法，其特征在于，所述相应约束条件还包括控制变量约束和状态变量约束，其中，
6.根据权利要求1所述的光储氢集成系统的随机模型预测控制方法，其特征在于，所述对电解槽运行点进行迭代的具体过程包括：
7.根据权利要求6所述的光储氢集成系统的随机模型预测控制方法，其特征在于，忽略所述凸凹规划问题中惩罚项或将惩罚项中的电解槽模型采用定常效率模型近似后确定电解槽运行点的初值。
8.根据权利要求1所述的光储氢集成系统的随
9.根据权利要求1所述的光储氢集成系统的随机模型预测控制方法，其特征在于，所述按场景并行分解具体包括：
10.一种电子设备，其特征在于，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-9任一所述光储氢集成系统的随机模型预测控制方法的指令。
...【技术特征摘要】
1.一种光储氢集成系统的随机模型预测控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的光储氢集成系统的随机模型预测控制方法，其特征在于，所述电解槽凸拟合模型包括电解槽外特性方程和电解槽热动态方程，其中，
3.根据权利要求1所述的光储氢集成系统的随机模型预测控制方法，其特征在于，所述优化目标采用二阶段随机优化形式表示。
4.根据权利要求3所述的光储氢集成系统的随机模型预测控制方法，其特征在于，所述优化目标的表达式的建立过程包括：
5.根据权利要求1所述的光储氢集成系统的随机模型预测控制方法，其特征在于，所述相应约束条件还包括控制变量约束和状态变量约束，其中，
6.根据权利要求1所述的光储氢集成系统的随机模型预测控制方法，其特征在...
【专利技术属性】
技术研发人员：赵建立，张沛超，王翰林，向佳霓，汤卓凡，刘子腾，孙烨，
申请(专利权)人：国网上海市电力公司，
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。