摘要
本发明涉及一种PV‑EC直接耦合制氢系统运行优化方法及装置,包括:S1:采集区域内日前光辐照度以及温度预测数据,建立光伏发电以及PEM电解槽阵列模型;S2:综合考虑系统能量利用率、电解槽启停约束、电解槽电流密度约束、光辐照度预测精度,建立PV‑EC直接耦合制氢系统的马尔可夫模型;S3:基于深度确定性策略梯度算法训练智能体学习直接耦合制氢系统的最优运行策略。S4:采集区域内日内滚动光辐照度以及温度预测数据,基于S3训练的智能体输出PV‑EC实时运行策略。本发明能够缓解电解槽阵列结构频繁变换、工作电流密度大导致的电解槽性能衰减速度,还能够降低光伏不确定性对系统产生的影响。
技术关键词
耦合制氢系统
PEM电解槽
马尔可夫模型
光伏电池
训练智能体
滑动平均值
光伏发电系统模型
优化装置
电流
数据
光伏阵列
策略
电解槽串
电解槽电压
更新网络参数
工况
系统为您推荐了相关专利信息
继电保护装置
继电保护故障
多维特征向量
预测预警方法
故障特征提取
历史气象数据
光伏发电量
神经网络模型构建
光伏电池
阶段
耦合制氢系统
虚拟同步机控制器
再生能源发电系统
功率分配策略
有功功率
变形监测数据
分析方法
隐马尔可夫模型
动态
模式匹配