基于PEM电解水技术的分布式氢能“制－储－用”集成系统的制作方法

本发明涉及氢能技术与新型电力系统交叉，具体涉及基于pem电解水技术的分布式氢能“制－储－用”集成系统。

背景技术：

1、当前，我国正加快推进碳达峰碳中和目标，着力构建以新能源为主体的新型电力系统，氢能作为清洁高效的二次能源，已成为衔接电力生产与终端消费、支撑新型电力系统长周期储能与灵活调节的关键载体。质子交换膜（pem）电解水制氢因具有响应速度快、氢气纯度高、易与风光波动电源耦合等优点，被公认为分布式绿氢制取的主流方向之一；与此同时，氢燃料电池供能、氢动力无人机、应急保电电源及低空作业装备也正加速进入电网巡检、海岛微网、灾后保电等场景。

2、然而，现有氢能技术体系仍存在显著瓶颈：制氢端以集中式模式为主，设备调节能力弱，启停过程对电网冲击大，难以适配海量分散的低压配电网资源；储氢端依赖传统远距离储运，成本占全链条40%以上，且泄漏、爆炸等安全风险突出；用氢端缺乏适配新型电力系统的集成化装备，氢能的高能量密度与长周期储能优势未能有效释放，应用场景单一。此外，现有系统多采用传统plc或简单算法控制，缺乏对多源波动、多场景需求的协同优化能力，难以实现“制－储－用”全链条的高效闭环管理。

技术实现思路

1、本发明的目的在于提供基于pem电解水技术的分布式氢能“制－储－用”集成系统，解决以下技术问题：

2、（1）如何解决制氢设备宽功率适应性不足导致的电网扰动与新能源消纳受限问题；

3、（2）如何解决储氢环节安全监测滞后、主动防护能力缺失引发的运行风险问题；

4、（3）如何解决多场景用氢需求与系统供能策略缺乏动态匹配导致的能效低下与场景适配性差问题。

5、本发明的目的可以通过以下技术方案实现：

6、基于pem电解水技术的分布式氢能“制－储－用”集成系统，包括：

7、制氢模块，采用质子交换膜电解水制氢装置，用于接入分布式新能源电源或配电网，将电能转化为氢气；

8、储氢模块，与制氢模块管路连接，用于存储制氢模块输出的氢气，并配置有压力、温度及氢气的浓度传感单元；

9、用氢模块，与储氢模块连接，用氢模块包括基于质子交换膜的燃料电池供能单元，用于将氢气转化为电能以驱动负载或氢动力设备；

10、ai智能管控平台，分别与制氢模块、储氢模块及用氢模块通信连接，内置有面向能源系统的预训练大模型算法；用于控制和优化多场景用氢任务，实现制、储、用闭环协同。

11、优选地，ai智能管控平台包括：

12、基于新能源出力预测数据及电网实时负荷状态，动态调控制氢模块的运行功率在额定功率范围内调节，实现富余电力就地消纳并抑制对电网的冲击；

13、基于浓度传感单元采集的多维参数构建储氢安全评估模型，执行分级预警与主动防护控制；

14、基于用氢需求预测及燃料电池运行工况，动态优化用氢模块的能量输出策略，并调度电网巡检、应急保电及低空作业多场景用氢任务，实现制、储、用闭环协同。

15、优选地，动态调控制氢模块的运行功率在额定功率范围内调节，具体步骤为：

16、以预设采样周期获取新能源出力的超短期预测曲线及配电网实时负荷曲线；

17、基于超短期预测曲线与实时负荷曲线的差值，计算得到系统可调制的富余电力区间；

18、将富余电力区间映射为制氢模块的功率设定值，并通过变流器控制制氢模块的运行功率在额定功率的预设比例范围阈值内连续调节，且调节响应时间不大于预设时间；

19、当检测到配电网电压波动超过预设比例值时，控制制氢模块以斜率限制方式平滑升降功率，抑制对电网的冲击。

20、优选地，基于浓度传感单元采集的多维参数构建储氢安全评估模型，执行分级预警与主动防护控制，具体方式为：

21、采集储氢模块的压力、温度及氢气浓度数据，构建输入特征向量；

22、将输入特征向量输入预先训练好的储氢安全评估模型中，输出当前储氢单元的风险等级评分；

23、根据风险等级评分划分预警等级：当评分处于第一阈值区间时发出提示性预警并启动通风设备；当评分处于第二阈值区间时发出告警并关闭进气阀门；当评分处于第三阈值区间时执行紧急切断并联动抑爆装置；

24、储氢安全评估模型是基于历史储氢运行数据及故障样本，通过机器学习算法训练得到的非线性映射模型。

25、优选地，基于用氢需求预测及燃料电池运行工况，具体包括：

26、获取电网巡检计划、应急保电预案及低空作业任务列表，通过时序预测算法生成未来预设时段内的用氢需求曲线；

27、实时采集燃料电池供能单元的单片电压、进出堆温度、气体流量及湿度数据，构建反映电堆健康状态与输出特性的运行工况矩阵；

28、将用氢需求曲线与运行工况矩阵作为输入，结合储氢安全评估模型的输出结果，判断当前储氢量是否满足未来任务需求及安全运行边界，生成用氢可行性判定系数，计算公式：

29、

30、其中，为当前储氢量，由储氢模块压力、温度经物态方程折算得到，为用氢需求曲线，为当前任务的预估持续时间，为预设的最低安全储氢余量；

31、当＜1时，判定用氢不可行，触发任务中止或返航指令；

32、当≥1且风险等级评分低于第二阈值区间时，判定为用氢可行。

33、优选地，动态优化用氢模块的能量输出策略，具体步骤包括：

34、根据用氢可行性判定结果，确定燃料电池的目标输出功率及工作时长；

35、基于运行工况矩阵，通过模型预测控制算法实时调整燃料电池的氢气和空气计量比、冷却液流量及排氮阀开度，使电堆工作点位于效率最优区间；

36、当储氢安全评估模型的输出结果表征储氢压力低于安全阈值时，限制燃料电池的最大输出功率，优先保障储氢模块的安全裕度。

37、优选地，动态优化能量输出策略的方式，具体包括：

38、构建以系统综合能效最大化为目标的代价函数：

39、

40、其中，为控制向量，包括氢气计量比、空气计量比、冷却液流量及排氮阀开度；为制氢模块在时刻的瞬时功耗，单位为kw；为燃料电池在时刻的电效率，由与运行电流计算得到；为辅助设备功耗，包括空压机、冷却泵及控制器损耗；为储氢安全压力对应的等效储氢功率阈值；为当前储氢量折算的等效储氢功率储备；、、、分别为瞬时功耗、电效率、辅助设备功耗、安全惩罚项对应的权重系数；

41、采用强化学习算法在线求解代价函数的最优控制序列，并将下一控制周期内的控制量下发至燃料电池供能单元；

42、当储氢安全评估模型的输出结果表征储氢压力低于安全阈值时，增大权重系数，迫使优化结果优先限制燃料电池输出功率，从而保障储氢模块的安全裕度。

43、优选地，强化学习算法采用深度确定性策略梯度法（ddpg），其控制量更新规则如下：

44、

45、其中，为学习率，为代价函数相对于控制向量的梯度；

46、梯度通过与预训练的光明大模型进行近似计算，并结合在线采样的实时运行数据进行微调。

47、优选地，调度电网巡检、应急保电及低空作业多场景用氢任务，实现制、储、用闭环协同，具体包括：

48、根据任务优先级、设备剩余氢量及地理位置信息，构建多目标任务调度模型；

49、依据多目标任务调度模型，为氢动力无人机、巡检机器人及应急电源分配作业时序与供能路径；

50、在执行任务过程中，实时监测任务设备的氢耗速率与剩余储氢量，当预测剩余氢气不足以支撑任务完成时，自动触发任务中止或返航指令，并同步调整制氢模块功率以补充氢气储量；

51、任务结束后，根据返回设备的剩余氢量与系统总储氢量，反馈调节下一周期的制氢计划与任务排程，形成“制氢—储氢—用氢—反馈”的闭环协同控制。

52、优选地，还包括：

53、当多目标任务调度模型判定当前储氢量低于预设的低限安全阈值，且预测未来预设时段内的新能源出力不足以补充至目标储量时，触发跨系统协同调度机制；

54、跨系统协同调度机制包括：

55、向接入同一配电网或微网的其他分布式能源系统发送氢负荷调节请求，或向外部加氢设施发送应急补氢请求；

56、接收外部系统的响应信息，并根据响应结果动态调整制氢模块的功率上限及用氢模块的任务执行优先级；

57、当接收到外部应急保电指令时，优先切除非关键用氢负载，保留应急保电专用通道，并基于储氢安全评估模型的输出结果，实时计算应急供电的最大可持续时长，动态匹配供电功率与保电时长需求；

58、在外部应急保电指令执行结束后，基于电网负荷的恢复情况及新能源出力预测数据，重新规划制氢模块的启停策略与充能节奏，使系统储氢量恢复至目标储量，完成跨场景应急后的系统自愈重构。

59、本发明的有益效果：

60、（1）本发明解决了现有分布式制氢设备调节范围窄、响应滞后导致的电网冲击与新能源消纳受限问题。通过引入内置预训练大模型算法的ai智能管控平台，实现了制氢模块在额定功率10%-120%范围内的毫秒级宽范围调节（响应时间≤100ms），并基于新能源出力预测与电网实时负荷状态动态匹配功率设定值。该方案不仅将制氢功耗降至4.1kwh/nm3（较行业主流降低18%），显著提升了能源转化效率，更通过平滑升降功率的斜率限制机制，有效抑制了设备启停对配电网的电压扰动，实现了海量分散的低压电网空余资源的高效利用，年均消纳新能源电量可达19.71亿千瓦时。

61、（2）本发明解决了传统储氢监测手段单一、被动报警及缺乏主动防护机制的安全隐患。通过融合压力、温度及氢气浓度多维传感数据，构建了基于机器学习算法的非线性储氢安全评估模型，实现了对泄漏、过热等风险的量化评分与秒级分级预警。该模型能够依据风险等级自动联动通风、关阀及抑爆装置，形成了“感知－评估－决策－执行”的主动防护闭环。相比依赖固定阈值的传统方案，本发明显著提升了分布式部署场景下的本质安全水平，将重大安全事故率降至零，为氢能设备在电网巡检、应急保电等敏感场景的应用提供了安全保障。

62、（3）本发明解决了制、储、用各环节割裂、缺乏动态优化与任务适配能力的行业痛点。通过构建反映电堆健康状态的运行工况矩阵与以综合能效最大化为目标的代价函数，结合强化学习算法在线求解最优能量输出策略，使燃料电池功重比达到1600w/kg，氢动力无人机续航提升至4小时（为锂电池的3倍）；同时，基于多目标任务调度模型与跨系统协同机制，系统能够智能分配巡检、保电及低空作业任务，并在应急工况下实现负荷切除与自愈重构。该方案不仅使多场景任务调度效率提升100%，更形成了“制氢—储氢—用氢—反馈”的完整闭环协同，为新型电力系统提供了高灵活、高可靠的分布式电氢融合解决方案。

63、当然，实施本发明的任一产品并不一定需要同时达到以上描述的所有优点。