一种基于模型预测的碱性电解槽启停前馈控制系统及方法

本发明涉及电解水制氢及工业过程智能控制，具体为一种基于模型预测的碱性电解槽启停前馈控制系统及方法。

背景技术：

1、随着风电、光伏等可再生能源制氢场景的发展，电解水制氢系统需要适应电源出力波动带来的频繁启停和动态变负荷需求。碱性电解槽作为较为成熟的电解水制氢设备，在大规模绿氢制备中具有应用基础，但其运行过程涉及电解电流、槽体温度、碱液循环流量、系统压力以及氢氧气体分离状态等多个参数的耦合变化。尤其在冷启动、热启动、停机再启动以及负荷快速升降过程中，电流指令的变化会直接影响气体生成速率和热量积累过程，进而影响氢氧互串浓度、温度爬坡速率和压力稳定性。

2、在实际运行中，为避免启停过程中的安全风险，碱性电解槽通常需要按照一定的电流爬坡规则逐步升载或降载，并结合温度、压力、碱液循环流量和气体浓度等状态参数进行控制。然而，启停及动态变负荷过程具有明显的瞬态性、非线性和滞后性，单纯依靠经验设定或实时反馈调节，难以充分反映电流变化后未来一段时间内关键安全状态的演化趋势。因此，如何在启停控制过程中提前预测氢氧互串浓度、温度爬坡速率等关键状态，并据此生成满足多重安全约束的电流前馈指令，成为需要解决的技术问题。

3、现有技术存在的局限至少包括如下问题：在碱性电解槽启停及动态变负荷工况下，传统pid控制或固定阶梯式电流爬坡策略主要依据实时反馈偏差或预设经验参数调整电流指令，对电流变化后温度、气体互串浓度、系统压力及碱液循环流量等关键状态的变化趋势预估不足，工况快速切换时容易出现温度爬坡速率偏大、氢氧两侧压差波动加剧、氧侧氢含量或氢侧氧含量短时升高等情况，严重时可能触发安全联锁停机，同时现有控制方式难以在氢氧互串限值、温度爬坡速率、碱液循环流量等多重安全约束下自动生成兼顾启停过渡时间与过渡能耗的电流爬坡路径，实际运行中往往需要采用较为保守的阶梯式变负荷策略，导致启停时间延长、过渡能耗增加，并使电解槽难以及时匹配风电、光伏等波动电源制氢场景下的频繁启停与快速变负荷需求。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于模型预测的碱性电解槽启停前馈控制系统及方法，解决了现有碱性电解槽启停及动态变负荷控制中，因对关键状态变化趋势预判不足，难以在氢氧互串、温度爬坡速率等多重安全约束下自动生成兼顾过渡时间与过渡能耗的最优电流爬坡路径的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于模型预测的碱性电解槽启停前馈控制方法，包括以下步骤：采集碱性电解槽的电解液实时温度、碱液循环流量、系统运行压力、气体互串浓度以及电解电流指令，并结合历史运行数据与启停试验数据构建人工神经网络预测模型，气体互串浓度包括氧侧氢含量或氢侧氧含量；将历史运行状态窗口和候选电流指令序列输入人工神经网络预测模型，获得候选电流指令序列对应的气体互串浓度预测轨迹和温度爬坡速率预测轨迹；设定多重安全约束条件，多重安全约束条件包括气体互串浓度上限阈值、温度爬坡速率上限阈值、碱液循环流量下限阈值和系统运行压力允许范围；将候选电流指令序列定义为粒子群优化算法中的粒子位置，在每一控制周期内，利用人工神经网络预测模型进行预测评价，并根据多重安全约束条件进行约束合规性判断；对不满足多重安全约束条件的候选电流指令序列施加罚函数惩罚，并以启停过渡时间和启停过渡能耗为优化目标，通过粒子群优化算法迭代得到最佳电流值序列；将最佳电流值序列作为前馈控制指令发送至碱性电解槽的整流电源，通过整流电源调节实际输入电流。

3、进一步地，构建人工神经网络预测模型的具体步骤如下：对电解液实时温度、碱液循环流量、系统运行压力、气体互串浓度以及电解电流指令进行时间对齐，得到运行数据序列；对运行数据序列进行预处理和归一化处理，得到归一化运行数据序列；采用滑动时间窗口从归一化运行数据序列中提取训练样本；训练样本的输入为历史运行状态窗口和候选电流指令序列，历史运行状态窗口包括电解电流指令、电解液实时温度、碱液循环流量、系统运行压力和气体互串浓度，训练样本的输出为气体互串浓度预测轨迹和温度爬坡速率预测轨迹；利用训练样本训练人工神经网络预测模型，得到用于启停及动态变负荷工况预测的人工神经网络预测模型。

4、进一步地，人工神经网络预测模型进行预测的具体步骤如下：获取当前及前若干控制周期的电解液实时温度、碱液循环流量、系统运行压力、气体互串浓度以及电解电流指令；将当前及前若干控制周期的电解液实时温度、碱液循环流量、系统运行压力、气体互串浓度以及电解电流指令组成历史运行状态窗口向量；将候选电流指令序列与历史运行状态窗口向量共同输入人工神经网络预测模型；由人工神经网络预测模型输出候选电流指令序列对应的气体互串浓度预测轨迹和温度爬坡速率预测轨迹；将气体互串浓度预测轨迹和温度爬坡速率预测轨迹作为预测评价结果。

5、进一步地，设定多重安全约束条件的具体步骤如下：根据防爆安全要求设定气体互串浓度上限阈值；根据隔膜和密封结构的耐热冲击要求设定温度爬坡速率上限阈值；根据碱液循环要求设定碱液循环流量下限阈值；根据运行压力范围设定系统运行压力允许范围；将气体互串浓度上限阈值、温度爬坡速率上限阈值、碱液循环流量下限阈值和系统运行压力允许范围共同作为多重安全约束条件。

6、进一步地，根据多重安全约束条件对预测评价结果进行约束合规性判断的具体步骤如下：读取气体互串浓度预测轨迹和温度爬坡速率预测轨迹；将气体互串浓度预测轨迹与气体互串浓度上限阈值进行比较；将温度爬坡速率预测轨迹与温度爬坡速率上限阈值进行比较；将碱液循环流量与碱液循环流量下限阈值进行比较，并将系统运行压力与系统运行压力允许范围进行比较；当气体互串浓度预测轨迹、温度爬坡速率预测轨迹、碱液循环流量或系统运行压力不符合对应约束时，将对应的候选电流指令序列判定为不满足多重安全约束条件。

7、进一步地，通过粒子群优化算法迭代得到最佳电流值序列的具体步骤如下：初始化多个候选电流指令序列，并将每个候选电流指令序列作为粒子位置；基于人工神经网络预测模型获得每个候选电流指令序列对应的预测评价结果；对不满足多重安全约束条件的候选电流指令序列施加罚函数惩罚，对满足多重安全约束条件的候选电流指令序列计算启停过渡时间和启停过渡能耗；根据罚函数惩罚、启停过渡时间和启停过渡能耗确定适应度值；根据适应度值更新粒子位置，并将适应度值最优的候选电流指令序列确定为最佳电流值序列。

8、进一步地，最佳电流值序列作为前馈控制指令发送至碱性电解槽的整流电源的具体步骤如下：从最佳电流值序列中提取当前控制周期对应的电流值；将电流值转换为整流电源可识别的电流控制指令；将电流控制指令发送至碱性电解槽的整流电源；通过整流电源按照电流控制指令调节实际输入电流；在下一控制周期重新采集电解液实时温度、碱液循环流量、系统运行压力、气体互串浓度以及电解电流指令，并重新进行预测评价和粒子群优化算法迭代。

9、进一步地，最佳电流值序列的修正步骤如下：采集前馈控制指令执行后的气体互串浓度和电解液实时温度；将前馈控制指令执行后的气体互串浓度与气体互串浓度预测轨迹中对应控制周期的预测值比较，得到气体互串浓度偏差；根据前馈控制指令执行后的电解液实时温度计算实际温度爬坡速率，并与温度爬坡速率预测轨迹中对应控制周期的预测值比较，得到温度爬坡速率偏差；当气体互串浓度偏差或温度爬坡速率偏差超过对应偏差阈值时，以前馈控制指令执行后的电解液实时温度、碱液循环流量、系统运行压力和气体互串浓度更新当前运行状态；基于更新后的当前运行状态重新进行粒子群优化算法迭代，并用重新得到的最佳电流值序列替换尚未执行的最佳电流值序列。

10、进一步地，对不满足多重安全约束条件的候选电流指令序列施加罚函数惩罚的具体步骤如下：计算气体互串浓度预测轨迹超过气体互串浓度上限阈值的气体互串浓度超限量；计算温度爬坡速率预测轨迹超过温度爬坡速率上限阈值的温度爬坡速率超限量；计算碱液循环流量低于碱液循环流量下限阈值的碱液循环流量不足量，并计算系统运行压力超出系统运行压力允许范围的系统运行压力偏离量；根据气体互串浓度超限量、温度爬坡速率超限量、碱液循环流量不足量和系统运行压力偏离量确定约束惩罚值；将约束惩罚值并入候选电流指令序列的适应度值，并按照适应度值更新粒子位置。

11、一种基于模型预测的碱性电解槽启停前馈控制系统，包括：数据采集与模型构建模块，用于采集电解液实时温度、碱液循环流量、系统运行压力、气体互串浓度以及电解电流指令，并结合历史运行数据与启停试验数据构建人工神经网络预测模型；状态预测模块，用于将历史运行状态窗口和候选电流指令序列输入人工神经网络预测模型，获得候选电流指令序列对应的气体互串浓度预测轨迹和温度爬坡速率预测轨迹；约束设定模块，用于设定多重安全约束条件；预测评价模块，用于将候选电流指令序列定义为粒子位置，利用人工神经网络预测模型进行预测评价，并根据多重安全约束条件进行约束合规性判断；寻优计算模块，用于对不满足多重安全约束条件的候选电流指令序列施加罚函数惩罚，并通过粒子群优化算法迭代得到最佳电流值序列；前馈控制模块，用于将最佳电流值序列作为前馈控制指令发送至碱性电解槽的整流电源，通过整流电源调节实际输入电流。

12、本发明具有以下有益效果：

13、（1）、该基于模型预测的碱性电解槽启停前馈控制方法，通过采集电解液实时温度、碱液循环流量、系统运行压力、气体互串浓度以及电解电流指令，并结合历史运行数据与启停试验数据构建人工神经网络预测模型，使电流指令、电解液实时温度、碱液循环流量、系统运行压力和气体互串浓度能够共同参与未来状态预测，人工神经网络预测模型输出气体互串浓度预测轨迹和温度爬坡速率预测轨迹，使控制过程能够在电流指令执行前获得氢氧互串和温度爬坡变化趋势，相比仅依据实时偏差调节的方式，能够减少启停及动态变负荷过程中因状态变化预判不足而导致的气体互串浓度升高、温度爬坡过快等风险。

14、（2）、该基于模型预测的碱性电解槽启停前馈控制方法，通过设定气体互串浓度上限阈值、温度爬坡速率上限阈值、碱液循环流量下限阈值和系统运行压力允许范围，并将上述内容作为多重安全约束条件参与候选电流指令序列的约束判断，使候选电流指令序列在进入后续寻优前能够经过气体互串、温度爬坡、碱液循环和系统压力等边界校验，对于不满足多重安全约束条件的候选电流指令序列施加罚函数惩罚，能够降低该类候选序列在粒子群优化算法迭代中的优先程度，从而避免电流爬坡路径只追求启停时间或过渡能耗而忽略运行边界。

15、（3）、该基于模型预测的碱性电解槽启停前馈控制方法，通过将候选电流指令序列定义为粒子群优化算法中的粒子位置，并以启停过渡时间和启停过渡能耗为优化目标，在每一控制周期内利用人工神经网络预测模型对候选电流指令序列进行预测评价，再通过粒子群优化算法迭代得到最佳电流值序列，从而能够根据当前电解液实时温度、碱液循环流量、系统运行压力和气体互串浓度调整电流爬坡路径，减少完全依赖人工经验设定阶梯式变负荷策略的情况，使启停过渡时间、启停过渡能耗和多重安全约束之间能够形成更协调的控制结果。

16、（4）、该基于模型预测的碱性电解槽启停前馈控制系统，通过数据采集与模型构建模块提供模型基础，状态预测模块输出气体互串浓度预测轨迹和温度爬坡速率预测轨迹，寻优计算模块得到最佳电流值序列，前馈控制模块将最佳电流值序列发送至整流电源以调节实际输入电流，便于在碱性电解槽启停及动态变负荷控制中形成可执行的前馈控制链路。

17、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。