一种基于功率分解与两阶段凸包加速的制氢调度方法

摘要: 本发明涉及新能源制氢与电化学系统优化调度,特别涉及一种基于功率分解与两阶段凸包加速的制氢调度方法。背景技术:1、在双碳目标和新能源规模化消纳需求的驱动下,利用风...
一种基于功率分解与两阶段凸包加速的制氢调度方法

本发明涉及新能源制氢与电化学系统优化调度,特别涉及一种基于功率分解与两阶段凸包加速的制氢调度方法。

背景技术:

1、在双碳目标和新能源规模化消纳需求的驱动下,利用风能、太阳能等可再生能源电解水制氢,是实现绿氢生产和能源系统深度脱碳的重要路径。工程中常将技术成熟、容量大且适合承担平稳基荷任务的碱性电解槽,与响应速度快、启停灵活的质子交换膜电解槽组合,构成混合电解制氢系统,以期在成本、效率和动态响应能力上形成互补。

2、然而,现有的混合电解制氢系统在面对风光等波动的可再生能源输入进行日前或滚动调度时,仍存在显著缺陷:

3、首先,常规的统一分配或直接跟踪功率调度方式,极易导致碱性电解槽被迫频繁跟随高频波动的功率运行。这种剧烈变载不仅增加了启停次数,还会引起温度剧烈波动,进而加速设备电极、隔膜及热管理部件的老化与性能衰减,严重威胁设备的运行稳定性和使用寿命。尽管现有技术尝试采用滤波平滑手段,但这些孤立的信号处理往往缺乏与碱性电解槽动态物理边界的深度耦合。

4、其次,在对系统进行优化调度时,混合电解槽的产氢速率、输入功率、工作温度之间存在强非线性耦合。直接构建并求解高维的混合整数非线性规划模型,计算极其耗时,难以满足工程中日前调度甚至日内滚动调度的时效性要求;而简单降维的低精度线性模型,又无法准确刻画电解槽真实的电化学与热力学运行边界,导致调度策略失真甚至不可行。亟需一种能在算法层面同时兼顾求解精度与计算效率的调度框架。

技术实现思路

1、针对现有技术中的上述不足,本发明提供的一种基于功率分解与两阶段凸包加速的制氢调度方法解决了现有混合制氢调度中,因直接分配波动可再生能源功率导致碱性电解槽运行稳定性下降,以及多设备非线性调度模型求解耗时过长、效率低下的问题。

2、为了达到上述发明目的,本发明采用的技术方案为:一种基于功率分解与两阶段凸包加速的制氢调度方法,包括:

3、s1:基于预设调度周期,综合可再生能源总发电功率、市场电价数据、氢负荷需求数据以及用于制氢的混合电解槽系统的初始状态参数,得到基础输入数据;

4、s2:根据所述基础输入数据中的可再生能源总发电功率,采用功率分解方法进行分解,得到用于制氢系统中不同电解槽功率分配的低频基荷分量与高频波动分量;

5、s3:基于所述低频基荷分量、高频波动分量以及所述基础输入数据,构建制氢调度优化方程,并采用两阶段凸包加速算法对所述制氢调度优化方程进行求解,得到目标调度策略;

6、s4:将所述目标调度策略转化为控制指令下发至控制器,得到针对所述混合电解槽系统的调度控制结果,完成基于功率分解与两阶段凸包加速的制氢调度。

7、本发明的有益效果为:本发明提供一种基于功率分解与两阶段凸包加速的制氢调度方法,至少具有以下有益效果:

8、(1)本发明在获取基础输入数据后,针对可再生能源总发电功率采用功率分解方法,针对性地分离出低频基荷分量与高频波动分量,并将这两类分量作为不同电解槽功率分配的依据。这一步骤打破了传统的直接功率跟踪模式,使得混合电解槽系统能够依据分离后的频率特性进行针对性消纳,从而从源头上避免了设备被迫承受与其物理特性不符的高频剧烈变载,提升了制氢系统整体的运行稳定性与设备使用寿命。

9、(2)本发明在构建制氢调度优化方程后,采用两阶段凸包加速算法对该方程进行求解以获得目标调度策略。相较于直接求解复杂的非线性调度方程或采用低精度的简单线性替代,该两阶段算法机制能够在保留制氢模型多维耦合特征的前提下,大幅降低混合整数规划的求解维度和复杂度,有效缩短了调度优化方程的计算耗时,实现了模型边界近似精度与工程求解效率的良好平衡。

10、进一步地,所述s2包括:

11、基于所述基础输入数据中的碱性电解槽的初始状态参数,提取其动态运行能力参数进行映射,得到迭代分解参数;

12、基于所述基础输入数据中的可再生能源总发电功率和所述迭代分解参数,采用作为功率分解方法的移动平均包络法进行迭代计算,得到中间平滑功率数据;

13、基于所述中间平滑功率数据与所述可再生能源总发电功率,结合碱性电解槽的预设总容量进行包络线构建与差值提取,得到用于制氢系统中不同电解槽功率分配的低频基荷分量与高频波动分量。

14、进一步地,所述中间平滑功率数据、低频基荷分量与高频波动分量的表达式为:

15、;

16、;

17、;

18、;

19、其中,表示基于移动平均计算获取的时段可再生能源滑动平均功率,表示所述迭代分解参数中的滑动窗口宽度,表示时间索引,表示所述可再生能源总发电功率在时段的值,表示所述中间平滑功率数据在时段的值,表示所述低频基荷分量在时段的值,表示基于碱性电解槽初始状态参数获取的碱性电解槽预设总容量,表示所述高频波动分量在时段的值。

20、进一步地,所述s3包括:

21、s31:基于所述低频基荷分量、高频波动分量以及所述基础输入数据,引入有界松弛变量对功率边界进行软化约束和方程构建,得到制氢调度优化方程;

22、s32:采用基于低密度凸包的第一阶段求解算法对所述制氢调度优化方程进行混合整数线性规划求解,得到各电解槽的离散运行状态数据;

23、s33:采用基于高密度凸包的第二阶段求解算法,固定所述离散运行状态数据进行连续线性规划求解,得到目标调度策略;其中,基于低密度凸包的第一阶段求解算法和基于高密度凸包的第二阶段求解算法属于两阶段凸包加速算法。

24、进一步地,所述制氢调度优化方程中关于有界松弛变量对功率边界进行软化约束的表达式为:

25、;

26、;

27、;

28、;

29、其中,表示碱性电解槽的集合,表示碱性电解槽的编号,表示基于求解变量获取的碱性电解槽在时段的总输入功率,表示时段的所述低频基荷分量,表示时段碱性电解槽阵列的功率边界松弛变量,表示基于预设参数获取的的预设上限,表示质子交换膜电解槽的集合,表示质子交换膜电解槽的编号,表示基于求解变量获取的质子交换膜电解槽在时段的输入功率,表示时段的所述高频波动分量,表示时段质子交换膜电解槽阵列的功率边界松弛变量,表示基于预设参数获取的的预设上限。

30、进一步地,所述制氢调度优化方程中针对碱性电解槽非线性运行边界进行低密度和高密度凸包约束的表达式为:

31、;

32、其中,、、和分别表示基于三维离散数据点集计算获取的第个凸包线性不等式的系数与常数项,表示基于求解变量获取的碱性电解槽在时段的工作温度,表示基于求解变量获取的碱性电解槽在时段的电解输入功率,表示基于求解变量获取的碱性电解槽在时段的产氢速率,表示基于大m法引入的预设极大正数松弛项,表示基于求解变量获取的碱性电解槽在时段的生产状态二元变量。

33、进一步地,所述s33包括:

34、基于固定的所述离散运行状态数据,在高密度凸包约束下执行初步连续线性规划求解,得到初始连续求解状态;

35、基于所述初始连续求解状态进行可行性判定,若不可行,则对离散运行状态数据进行释放启停状态和增大有界松弛变量的局部校正处理,得到校正后离散状态数据;

36、基于所述校正后离散状态数据重新执行连续线性规划求解,得到目标调度策略。

37、进一步地,所述s4包括:

38、提取所述目标调度策略中的设备启停状态、运行功率以及储氢数据,得到控制设定值数据;

39、对所述控制设定值数据进行协议转换与指令封装,得到下发至制氢站控制器的控制指令;

40、基于所述控制指令驱动碱性电解槽和质子交换膜电解槽,让控制器执行动作,得到针对所述混合电解槽系统的调度控制结果,完成基于功率分解与两阶段凸包加速的制氢调度。