一种基于强化学习的光伏台区与氢储能系统优化方法与流程

本发明涉及可再生能源利用，具体为一种基于强化学习的光伏台区与氢储能系统优化方法。

背景技术：

1、可再生能源并入智能电网的技术正在蓬勃发展，包括光伏电能、太阳能和生物能源在内的可再生能源已成为在全球范围内最有前途的资源值得注意的是，光伏作为可再生能源发电的主要贡献者，占可再生能源总量的45％。对于有电网连接的农村，可将太阳能能源产生的电力输入到主电网。对于没有电网连接的农村，需要将产生的电力储存起来(例如电池)，以平衡负荷和需求。太阳能-氢-燃料电池动力系统是一种结合了太阳能发电、水电解产生氢气和燃料电池发电的综合能源系统。它利用太阳能光伏板将太阳能转化为电能，然后使用这些电能来驱动水电解装置，将水分解为氢气和氧气。生成的氢气可以储存起来，作为燃料供给燃料电池。燃料电池是一种将氢气与氧气进行化学反应产生电能的设备。在燃料电池中，氢气与氧气通过一个电解质(通常是聚合物膜)分离开来，并在阳极和阴极之间进行电化学反应。这个过程产生的电子流动通过外部电路产生电能，同时还产生水作为副产品。

2、目前，太阳能-氢-燃料电池动力系统的研究仅处于实验室运行阶段，而其工业应用受制于系统的低效率和高成本；为了解决这些问题，需要一个有效的和优化的运行方案去处理运行事务，同时管理不同组成部分之间的电能流动。因此，为了在非峰值时段储存一定数量的电能并在峰值时段输出，有必要进行能量储存。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述存在的问题，提出了本发明。

3、因此，本发明解决的技术问题是：当前太阳能-氢-燃料电池动力系统中存在效率低下且运行成本高的问题。

4、为解决上述技术问题，本发明提供如下技术方案：一种基于强化学习的光伏台区与氢储能系统优化方法，包括：

5、计算光伏发电系统的输出功率和电解水槽的电能消耗功率，计算燃料电池的实际输出功率，评估剩余的氢气和氧气的水平；

6、建立优化目标函数和状态适应度函数，对与时间相关的参数进行强化学习群算法处理以得到候选解；

7、通过对所述候选解进行适应性评估，由中心优化控制器发送控制指令以调整各装置的工作状态。

8、作为本发明所述的基于强化学习的光伏台区与氢储能系统优化方法的一种优选方案，其中：所述光伏发电系统的输出功率，表示为：

9、

10、其中，ppv表示光伏发电系统的输出功率；pr代表光伏发电系统的额定功率；lum_min代表光伏发电系统最低辐照度；lum_max代表光伏发电系统最大辐照度；lum_set代表光伏发电系统额定辐照度；lum代表光伏发电系统实测辐照度；

11、所述电解水槽的电能消耗功率，表示为：

12、

13、其中，pe表示电解水槽的电能消耗功率；表示氢气流量；表示氧气流量；ηwe表示电解水槽的转化效率；un表示电解水槽电压。

14、作为本发明所述的基于强化学习的光伏台区与氢储能系统优化方法的一种优选方案，其中：所述燃料电池的实际输出功率，表示为：

15、pfc＝i·ecell·m

16、其中，pfc为燃料电池的实际输出功率；i为当前电流密度，ecell为实际输出电压，m为pem燃料电池的有效质量；

17、ecell＝e0-ηact-ηohmic-ηcon

18、其中，e0表示开路电势或热力学平衡电势；ηact表示活化损耗；ηohmic表示耗阻损失；ηcon表示浓度损耗。

19、作为本发明所述的基于强化学习的光伏台区与氢储能系统优化方法的一种优选方案，其中：利用esocs评估所述剩余的氢气和氧气的水平，表示为：

20、

21、其中，esocs表示考虑氢储和氧储罐的综合等效载荷状态；vh表示氢气罐的等效体积状态，vo表示氧气罐的等效体积状态；esoch表示氢气罐的水平，esoco氧气罐的水平。

22、作为本发明所述的基于强化学习的光伏台区与氢储能系统优化方法的一种优选方案，其中：所述优化目标函数，表示为：

23、

24、其中，pgrid(k)为输出到电网上的电功率；

25、优化目标函数的约束条件，表示为：

26、

27、pdir(k)+pfc(k)＝pload(k)

28、0.2≤esocs(k)≤0.9

29、0≤pgrid(k)≤ppv(k)

30、其中，pdir(k)为光伏发电所产生的电量用于满足低压配电网用户用电系统的需求功率；pload(k)为低压配电网用户用电系统的负载功率；为k时刻电解水制氢消耗的功率；pfc(k)为k时刻燃料电池供电功率；ppv(k)为k时刻光伏最大输出功率；esocs(k)为k时刻考虑氢储和氧储罐的综合等效载荷状态。

31、作为本发明所述的基于强化学习的光伏台区与氢储能系统优化方法的一种优选方案，其中：所述状态适应度函数，表示为：

32、x1(k)＝x1(k-1)+ξ1·x2(k)+φ1

33、其中，x1(k)为定义的状态变量，x1(k)＝esocs；x2(k)为定义的状态变量；ξ1为经验系数，φ1为建立状态空间时的松弛变量；

34、状态适应度函数的约束条件，表示为：

35、x2(k)＝y(k)＝pdir(k)

36、pdir(k)+pfc(k)＝pload

37、

38、其中，pwind(k)为总功率；y(k)为定义的输出变量。

39、作为本发明所述的基于强化学习的光伏台区与氢储能系统优化方法的一种优选方案，其中：通过所述状态适应度函数对所述候选解进行适应性评估包括：

40、当候选解符合状态适应度函数的停止标准时，将该候选解作为最终解，根据最终解获得强化学习群算法目标函数的指标参数，再由中心优化控制器根据指标参数发送控制指令调整各装置的工作状态；

41、当候选解不符合状态适应度函数的停止标准时，使用交叉和突变的方法处理候选解并由状态适应度函数进行迭代计算，生成新一代的候选解，对新一代的候选解进行适应性评估；

42、所述停止标准的判断有两种方式，第一种是通过判断在该候选解下适应度函数是否收敛，当收敛时判断其符合停止标准，当发散时不符合停止标准；第二种是通过判断实际的迭代次数是否达到了系统设置的迭代次数标准，当达到迭代次数标准时符合停止标准，当未达到迭代次数标准时不符合停止标准。

43、第二方面，本发明还提供了基于强化学习的光伏台区与氢储能系统优化系统，包括，

44、数据获取模块，用于计算光伏发电系统的输出功率和电解水槽的电能消耗功率，计算出燃料电池的实际输出功率，利用esocs评估储氧罐和储氢罐中剩余的氢气和氧气的水平，将结果传输到优化模块；

45、优化模块，建立优化目标函数和状态适应度函数，分别定义两个函数的约束条件，对与时间相关的参数进行强化学习群算法下种群初始化处理以得到候选解，传输到更新模块；

46、更新模块，通过所述状态适应度函数对所述候选解进行适应性评估，得到最终解，根据最终解获得强化学习群算法目标函数的指标参数，由中心优化控制器发送控制指令以调整各装置的工作状态。

47、第三方面，本发明还提供了一种计算设备，包括：存储器和处理器；

48、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于强化学习的光伏台区与氢储能系统优化方法的步骤。

49、第四方面，本发明还提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于强化学习的光伏台区与氢储能系统优化方法的步骤。

50、本发明的有益效果：本发明通过使用氢燃料电池的储能系统，使能源需求达到平衡，在系统运行期间，由储能系统对负载进行平衡，局部地消纳光伏电量。通过群优化算法将太阳能转换为化学能或电能形式的转换效率较高，同时为光伏并网运行提供了一种新的方法，可以有效地利用间歇性可再生能源。