一种AEL系统跟踪AGC信号的非线性模型预测控制方法

本发明涉及电制氢预测控制，具体为ael(alkaline electrolysis碱性电解)系统跟踪agc(automatic generation control自动发电控制)信号的非线性模型预测控制方法。

背景技术：

1、可再生能源波动性严重影响电网的运行稳定性，为保证电力系统安全，当前可再生能源消纳比例较低，存在大量弃光弃风。电解水制氢可以平抑可再生能源波动性，实现可再生能源消纳。在这种情况下，监管机构要求电制氢(power to hydrogen,p2h)工厂并网时需要为电力系统提供辅助服务，以平衡可再生能源波动。因此，电制氢工厂中的电解槽需要跟踪诸如自动发电控制和调峰信号之类的调节负载命令。大型电制氢工程通常使用碱性电制氢技术，然而ael系统的功率调控受到内部的电化学、温度平衡以及杂质积累等状态变量所约束。如果在ael系统跟踪快速变化的负载调节命令时没有得到适当的控制，可能会导致ael系统状态变量超出安全范围，引发安全事故。

2、可再生能源在电力系统中的渗透率不断提高，给电力系统的稳定运行带来了新的挑战。电解水制氢的动态运行能力提供了可再生能源消纳的重要途径。同时政策要求电制氢系统为电力系统提供辅助服务，以平抑新能源的波动性。因此电制氢系统需要跟踪调频调峰等负载调节命令。大型电制氢工程通常使用碱性电制氢(ael)技术，然而ael系统的功率调控受到内部电、热、质动态行为的约束。如果负载调节过快而不加以控制，可能会导致ael系统出现安全事故。同时，如果对安全约束的考虑过于保守，则会降低可再生能源消纳比例，导致系统产氢量下降。因此，ael系统跟踪负载调节命令的控制方案需要同时考虑安全性和经济性。

3、ael系统与可再生能源直接耦合时，其调控灵活性决定了可消纳的可再生能源功率。ael系统的调控灵活性受到温度、氢氧杂质的影响，尤其是氢氧杂质交叉的比例限制了ael系统的低负载运行能力。为了保证ael系统的安全，可以通过对其运行范围进行限制。然而目前常用的人为限制运行范围方案通常会导致可再生能源出力低时ael系统无法进行消纳，导致大量能源浪费。为了应对该情况，对ael的系统温度、氢氧杂质交叉原理进行研究，并进行控制器设计，以扩宽ael系统的可运行范围是目前最常用的方法。在提高ael系统的制氢效率方面，对ael系统中单台电解槽的运行优化以及多台电解槽之间的功率进行调度是比较常用的方法。

4、现有研究考虑了ael系统与可再生能源的耦合，设计控制器以拓宽系统的运行范围，提高产氢效率。这些研究都考虑ael系统的长期优化调度，并未考虑在动态过程约束下跟踪快速变负载指令的实时控制。因此，ael系统跟踪快速变负载信号的能力如何仍然未知。

技术实现思路

1、针对上述问题，本发明的目的在于提供一种ael系统跟踪agc信号的非线性模型预测控制方法，考虑了ael系统内部的动态过程约束，能够避免ael系统跟踪负载调节命令时温度及氢氧杂质越限带来的安全隐患，还能通过协调电解槽负载和状态变量以优化ael系统制氢效率。技术方案如下：

2、一种ael系统跟踪agc信号的非线性模型预测控制方法，包括以下步骤：

3、步骤1：ael动态过程约束

4、对ael系统的动态过程进行建模，包括电化学和功耗模型、热动态模型和hto杂质积累模型，并给出相应的运行约束，以保证ael系统跟踪快速功率调节信号时的安全性；

5、步骤2：ael系统跟踪agc信号的模型预测控制

6、将agc信号视为一个连续的随机过程，并使用随机微分方程(stochasticdifferential equation，sde)对其进行建模；将ael系统的负荷跟踪转化为带约束的最优控制问题，构建负荷跟踪控制器，以保持氢气产量同时最小化跟踪误差；运行中基于agc信号的统计预测值，每一时刻对所述最优控制问题进行求解，然后将求解出的当前时刻控制变量传输至ael的控制系统，实现预测控制。

7、进一步的，所述电化学和功耗模型及其运行约束具包括：

8、电解槽的电池电压由电解电流、温度和压力共同决定：

9、

10、式中，和分别表示电解池电压和可逆电压；ti表示第i台电解槽的温度；ρ和ii分别表示电解池的压强和电流密度；r1、r2、r3、s、t1、t2和t3为经验拟合参数；

11、电流效率通过以下近似值进行建模：

12、

13、式中，表示电解池的法拉第效率；f1和f2为经验系数；

14、产氢量与电解电流和电流效率成正比：

15、

16、式中，为产氢率；ncell为电解小池数；f为法拉第系数；

17、电解槽消耗的功率piele等于电解电流与电压之间的乘积，表示为：

18、

19、电解槽消耗的功率小于整流器的功率

20、

21、为避免损坏电极，对电池电压进行限制：

22、

23、式中，表示电解池电压上限；

24、为避免电解槽中的压力、分离器液位和气液比的突然变化导致过大的应力，电解负载的变化速率受到如下限制：

25、

26、式中，和分别表示负载变化速率的下限和上限；

27、ael系统的辅机系统消耗电能为：

28、

29、式中，pibop和piaux表示辅机系统以及辅助电源消耗的电能；和ηcool表示冷却热量和冷却效率；

30、电解槽的总功耗等于其消耗的功率和辅机系统消耗的能量之和：

31、pi＝piele+pibop                               (9)。

32、更进一步的，所述热动态模型及其运行约束具包括：

33、电解槽的温度由电解产热、环境散热和热交换器冷却之间的平衡决定：

34、

35、式中，为电解槽等效热容；和分别表示反应产热、自然散热和冷却热量；

36、反应产热与电解槽电压和热中性电压之间的差值成正比：

37、

38、式中，表示热中性电压；ncell为电解小池数，ii为电流密度；为电解池电压；

39、ael系统向环境的自然散热由系统与环境之间的温差决定，表示为：

40、

41、式中，tam为环境温度；rdiss表示ael系统的等效热阻；

42、通过冷却器的冷水流量限制系统的冷却散热量：

43、

44、式中，表示冷却热量；tcool表示冷却水温度；rcool为冷却器的等效热阻；

45、为避免对隔膜和电极的损坏，对电解槽温度进行如下限制：

46、

47、式中，表示电解槽运行温度上限。

48、更进一步的，所述hto杂质积累模型及其运行约束具体包括：

49、hto杂质积累模型表示为：

50、

51、式中，表示氢气杂质的摩尔数，ael系统压力恒定时保持不变；表示阴阳极

52、杂质交叉的摩尔流速；cim,out表示杂质排放常数；表示氧气的摩尔流速；

53、htoi定义为氢气的杂质与产氧量之间的关系，限制其小于2％：

54、

55、式中，表示为一个定义式。

56、更进一步的，所述步骤2中，使用随机微分方程对agc信号进行建模，表示为：

57、dξt＝μ(ξt)dt+σ(ξt)dwt                           (17)

58、式中，ξt表示负载跟踪指令；μ(ξt)和σ(ξt)分别为sde模型的漂移项和扩散项；wt表示维纳过程；

59、对漂移项μ(ξt)建模为：

60、

61、式中，λ为描述agc信号的零均值及指数自相关特性的参数；表示为一个定义式；

62、扩散项σ(ξt)表示为：

63、

64、对于在线运行中的任何时刻t，以当前t时刻的信号值，即负载跟踪指令ξt作为初始状态，使用未来时刻τ＞t的sde模型期望作为信号预测，即：

65、

66、式中，为负载跟踪指令ξt的期望，ξτ为未来时刻τ的负载跟踪指令，τ＞t。

67、更进一步的，所述步骤2中，最小化跟踪误差表示为：

68、

69、式中，λ表示氢产量的权重因子；j为跟踪误差；t为模型预测控制中滚动优化的时长；为agc信号的预测值，m为ael系统中电解槽的台数；pi,t为t时刻第i台电解槽的功率；为t时刻第i台电解槽的产氢量；xi,t和ui,t分别表示ael系统的状态变量和控制变量，表示为：

70、

71、式中，为产氢率；表示氢气杂质的摩尔数；为t时刻第i台电解槽的电解功率，为t时刻冷却热量。

72、本发明的有益效果是：

73、1)本发明对ael系统在动态过程约束下快速跟踪快速变负载信号的能力进行了分析；ael系统的动态过程约束对其动态负载调控十分重要，对ael动态的约束进行动态建模，而非采用固定的上下限可以更大程度地开发ael系统的动态负载调控能力，对于ael系统快速跟踪agc信号有很大的提升。

74、2)本发明考虑到agc信号反应了可再生能源的不确定性引起的功率不平衡，并且变化非常快，将其视为连续的随机过程并使用随机微分方程对agc信号进行建模，同时利用sde模型的期望作为信号的预测；由于agc信号在实际系统运行时无法提前得知，因此相比于给定信号下ael系统的控制策略而言，用预测信号进行控制更具有工程实际意义。

75、3)本发明利用dd算法对非线性约束进行近似，既解决了mpc无法计算的难题，同时也保留了非线性信息，避免了线性化导致的精度下降。

76、4)本发明将控制问题转化为混合整数二次规划(mixed integer quadraticprogramming miqp)，并由商业求解器进行求解，使计算更加简便。

77、5)算例表明，本发明能够保证ael系统实时快速跟踪快速变化的agc信号，同时确保ael系统的安全极限并保持氢气产量。