风光储一体化制氢容量协调优化方法

    公开(公告)号:CN119315586A

    公开(公告)日:2025-01-14

    申请号:CN202411352926.7

    申请日:2024-09-26

    Abstract: 一种风光储一体化制氢容量协调优化方法,通过场景分析、优化机理分析、指标评价、布局和优化的步骤,联通多个发电项目和制氢储能项目的协同运行,合理分配资源、减少能源浪费、保证绿色供能。兼顾考虑了项目群经济、环境和社会效益,构建项目群容量静态协同配置模型,可提项目的可持续发展能力,助力项目的开展与落实。针对项目群规模庞大且结构关系复杂、优化目标多样、决策变量及约束条件繁多的容量协同配置难点,通过梳理项目群内各类型设备的协同运行关系,引入双层优化策略,在内层协同运行最优的基础上进行外层协同配置优化,合理配置各类设备容量,实现了项目群内资源利用价值最大化。

    一种电解水制氢的温度控制方法、装置、设备及存储介质

    公开(公告)号:CN118563368A

    公开(公告)日:2024-08-30

    申请号:CN202410709371.0

    申请日:2024-06-03

    Abstract: 本发明涉及一种电解水制氢的温度控制方法、装置、设备及存储介质,属于电解制氢控制技术领域,其中,该方法包括:根据电解水实时温度和预设温度范围计算温度偏差和偏差变化率;对所述温度偏差和所述偏差变化率进行模糊化处理得到模糊子集和隶属度;根据所述模糊子集、所述隶属度和预设模糊规则库计算温度控制模糊值;对所述温度控制模糊值去模糊化处理生成控制信号对电解水温度进行控制。本发明通过确定电解水实时温度和预设温度范围的温度偏差和偏差变化率进行模糊化处理得到模糊子集和隶属度,从而计算出温度控制模糊值生成控制信号,在电解环境发生变化后也能确定温度控制模糊值对电解水温度进行调整,实现对电解水温度的即时调整。

    基于碱性电解水制氢的风光互补制氢系统和方法

    公开(公告)号:CN119307948A

    公开(公告)日:2025-01-14

    申请号:CN202411373586.6

    申请日:2024-09-29

    Abstract: 本发明公开了一种基于碱性电解水制氢的风光互补制氢系统和方法,系统包括光伏发电单元、风力发电单元、蓄电池储能单元、电解制氢单元、负荷以及电力电子变换器;光伏发电单元通过AC/DC变换器与交流母线电性连接,风力发电单元通过AC/AC变换器与交流母线电性连接,交流母线通过变压器与上级配电网连接;蓄电池储能单元通过AC/DC变换器与交流母线电性连接,负荷通过AC/AC变换器与交流母线电性连接,电解制氢单元包括电解槽、压缩机和储氢罐;解决了单一AEL技术或者PEMEL技术无法兼顾响应速度和成本的问题,基于构建的风光互补制氢系统实现复合制氢,实现对风光资源的灵活消纳,在提高系统制氢量的基础上降低系统制氢成本。

    电网与光伏结合制氢的能量调度方法

    公开(公告)号:CN119298219A

    公开(公告)日:2025-01-10

    申请号:CN202411344133.0

    申请日:2024-09-25

    Abstract: 一种电网与光伏结合制氢的能量调度方法,分析风光耦合制氢系统面临的技术问题,建立起符合该系统的各组成子系统的动态数学模型,并且对子系统模型特性进行仿真分析;以系统集成模型为基础,基于控制策略,对所建系统在并网运行模式下进行系统特性分析和控制策略的仿真实验,用以检验所设计系统模型及控制策略的可靠性,解决在并网运行模式下系统能量调度管理问题,较好地反应系统的特性,对混合系统功率变化具有较快的抑制效果,控制效果优于传统的基于状态法的控制策略,提高系统的稳定性与可靠性,同时满足电网与制氢负荷需求,实现电网与风光耦合制氢系统的功率平衡。

    一种基于人工智能算法的电解制氢控制方法

    公开(公告)号:CN119243252A

    公开(公告)日:2025-01-03

    申请号:CN202411352422.5

    申请日:2024-09-26

    Abstract: 本发明涉及一种基于人工智能算法的电解制氢控制方法,属于制氢控制技术领域,包括:Step1、收集初始群体;Step2、根据初始群里中的数据计算个体适应度;Step3、进行Selection选择操作;Step4、进行Crossover交叉操作;Step5、进行Mutation变异操作;以设定的概率修改Step4中个体的部分基因,增加种群的遗传多样性;Step6、从上一代的优秀个体和新生成的个体中形成新的种群并进行迭代,并对更新后的种群继续进行交叉和变异,直到达到预设的条件时终止迭代,即得到符合的适应度阈值或者最大的迭代次数。通过遗传算法得到最合适的适应度阈值时的解来进行电解氢的控制,为避免计算陷入局部最优,在交叉、变异以及迭代过程中引入蚁群算法,以使能够最短的操作使得历史数据参与到决策过程中,得到各数据对目标函数的影响程度,简化计算繁杂程度。

Patent Agency Ranking