一种离网制氢系统能量优化方法、装置和电子设备

1.本技术涉及制氢系统技术领域，具体而言，涉及一种离网制氢系统能量优化方法、装置和电子设备。


背景技术：

2.目前，离网型制氢系统建设在海岛上，通常情况下，是利用可再生能源(如：风电和光伏发电)向离网型制氢系统提供能量，控制离网型制氢系统中的电解槽采用电解水的方式生产氢气。但可再生能源具有波动性、间歇性等特征，以可再生能源向离网制氢系统提供能量，势必会对离网制氢系统中电解槽的平稳运行和运行寿命带来挑战。


技术实现要素：

3.为解决上述问题，本技术实施例的目的在于提供一种离网制氢系统能量优化方法、装置和电子设备。
4.第一方面，本技术实施例提供了一种离网制氢系统能量优化方法，包括：
5.获取离网制氢系统中当前制氢周期内预测可再生能源发电功率的第一时间序列和预测天气情况的第二时间序列、以及所述当前制氢周期的上一个制氢周期内历史可再生能源发电功率的第三时间序列和历史天气情况的第四时间序列；
6.对所述第一时间序列、所述第二时间序列、所述第三时间序列、以及所述第四时间序列进行处理，得到所述当前制氢周期内的自适应优化步长；
7.利用遗传算法，按照得到的所述自适应优化步长对所述第一时间序列进行处理，得到所述离网制氢系统中所述当前制氢周期的能量优化结果。
8.第二方面，本技术实施例还提供了一种离网制氢系统能量优化装置，包括：
9.获取模块，用于获取离网制氢系统中当前制氢周期内预测可再生能源发电功率的第一时间序列和预测天气情况的第二时间序列、以及所述当前制氢周期的上一个制氢周期内历史可再生能源发电功率的第三时间序列和历史天气情况的第四时间序列；
10.处理模块，用于对所述第一时间序列、所述第二时间序列、所述第三时间序列、以及所述第四时间序列进行处理，得到所述当前制氢周期内的自适应优化步长；
11.优化模块，用于利用遗传算法，按照得到的所述自适应优化步长对所述第一时间序列进行处理，得到所述离网制氢系统中所述当前制氢周期的能量优化结果。
12.第三方面，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面所述的方法的步骤。
13.第四方面，本技术实施例还提供了一种电子设备，所述电子设备包括有存储器，处理器以及一个或者一个以上的程序，其中所述一个或者一个以上程序存储于所述存储器中，且经配置以由所述处理器执行上述第一方面任一项所述的方法的步骤。
14.本技术实施例上述第一方面至第四方面提供的方案中，通过对待预测的当前制氢
周期内预测可再生能源发电功率的第一时间序列和预测天气情况的第二时间序列、以及当前制氢周期的上一个制氢周期内历史可再生能源发电功率的第三时间序列和历史天气情况的第四时间序列进行处理，得到当前制氢周期内的自适应优化步长，然后利用遗传算法，按照得到的自适应优化步长对第一时间序列进行处理，得到离网制氢系统中当前制氢周期的能量优化结果，与相关技术中以可再生能源向离网制氢系统提供能量的方式相比，通过确定自适应优化步长，在确保方法经济性的同时，可以降低设备寿命衰退率和优化求解难度；其中，根据可再生能源的预测功率和历史功率自适应地调整出合适当前制氢周期的自适应优化步长，充分结合大时间步长下使用寿命长、变量个数少和小步长下跟踪性能好的优点，使得离网型制氢系统实现了经济性、设备寿命衰退率以及模型求解难度之间的折衷，在提高遗传算法求解速度的同时，能够有效避免氢气产量和设备寿命发生显著衰减。
15.为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
16.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1示出了本技术实施例所提供的一种离网制氢系统能量优化方法、装置和电子设备的应用场景示意图；
18.图2示出了本技术实施例1所提供的离网制氢系统能量优化方法的流程图；
19.图3示出了本技术实施例2所提供的一种离网制氢系统能量优化装置的结构示意图；
20.图4示出了本技术实施例3所提供的一种电子设备的结构示意图。
具体实施方式
21.在本技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。
22.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
23.在本技术中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申
请中的具体含义。
24.在对本技术提出的离网制氢系统能量优化方法、装置和电子设备进行描述之前，先对本技术提出的离网制氢系统能量优化方法、装置和电子设备的应用场景进行说明。
25.参见图1所示的离网制氢系统能量优化方法、装置和电子设备的应用场景，该应用场景是离网制氢系统；离网制氢系统可以设置在海岛上，用于制造氢气。
26.该离网制氢系统包括：可再生能源发电设备、碱性电解槽、质子交换膜(简称pem)电解槽和储氢设备。
27.其中，可再生能源发电设备，可以是但不限于：风力发电设备、太阳能发电(也叫光伏发电)设备和波浪能发电设备。
28.可再生能源发电设备，分别与碱性电解槽和pem电解槽连接，用于通过风力/太阳能等可再生能源进行发电，并将发出的电量分别传输给碱性电解槽和pem电解槽，以此向碱性电解槽和pem电解槽进行供电。
29.碱性电解槽，用于在可再生能源发电设备发出电量的驱动下，对海水进行电解得到氢气，并将得到的氢气发送给储氢设备。
30.pem电解槽，用于在可再生能源发电设备发出电量的驱动下，对海水进行电解得到氢气，并将得到的氢气发送给储氢设备。
31.储氢设备，用于分别接收碱性电解槽和pem电解槽发送的氢气并进行存储。
32.在本技术下文中出现的术语“电解槽”，就是碱性电解槽和pem电解槽的统称。即：电解槽，包括：碱性电解槽和pem电解槽。
33.上述离网制氢系统有机结合了碱性电解槽的成本优势和pem电解槽的响应能力优势，可以在提高可再生能源消纳率的同时，能够有效防止波动电源对碱性电解槽的健康产生严重损害。
34.为了保证实际的离网制氢系统能够持续产出氢气的同时且不受到可再生能源波动性、间歇性等特征对碱性电解槽和pem电解槽的不利影响，需要对多个目标同时进行优化，而多个目标中的各目标通常是相互冲突的。离网制氢系统要优化的目标包括：日产氢量、电解槽寿命衰退率和一个制氢周期的运维成本。这些目标的最大化或最小化应该用数学方法表述为目标函数，如以下公式(1)-(10)所示。
35.1、建立目标函数
36.(1)一个制氢周期的产氢量(这里，以一个自然日为一个制氢周期进行说明，在一个自然日为一个制氢周期的情况下，一个制氢周期的产氢量也可称为日产氢量)：
[0037][0038][0039][0040]
其中，表示碱性电解槽的氢气产量(单位：公斤/天(kg/d))；表示pem电解槽的氢气产量(kg/d)；表示碱性电解槽在t时刻的效率；表示pem电解槽在t
时刻的效率；表示碱性电解槽在t时刻的输入功率；表示pem电解槽在t时刻的输入功率，hhv表示氢气的高热值。
[0041]
在上述参数中，和为本实施例提出的离网制氢系统能量优化方法中要求得的能量优化结果，其余参数均为已知量。
[0042]
(2)电解槽寿命衰退率：
[0043]
min{of2＝d
el
＝d
alk
+d
pem
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0044][0045][0046][0047]
其中，d
el
表示碱性电解槽和pem电解槽的总寿命衰退率；d
alk
表示碱性电解槽的寿命衰退率；d
pem
表示pem电解槽的寿命衰退率；表示电解槽关机状态下的寿命衰退系数；σ
we
表示电解槽使用期间的寿命衰退经验常数；表示电解槽的额定功率；表示电解槽的最大寿命；f
we,d
表示电解槽的输入功率波动度；k
we
表示电解槽的波动系数的经验常数；
we
∈{alk、pem}；alk表示碱性电解槽；pem表示pem电解槽。
[0048]
(3)一个制氢周期的运维成本：
[0049]
min{of3＝om
we
＝om
alk
+om
pem
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0050][0051][0052]
其中，om
we
表示碱性电解槽和pem电解槽在一个制氢周期内的总运维成本(单位：元/天($/d))；om
alk
表示碱性电解槽在一个制氢周期的运维成本($/d)；om
pem
表示pem电解槽在一个制氢周期的运维成本($/d)，i
alk
表示碱性电解槽的初始建设成本；i
pem
表示pem电解槽的初始建设成本。
[0053]
获得上述日产氢量、电解槽寿命衰退率和一个制氢周期的运维成本这三个目标函数的最大值或最小值的常见方法是对它们进行加权运算，加权运算的权重是ωi(i∈1、2、3)，并使用恒定的权重对这三个目标函数进行加总，从而将上述日产氢量、电解槽寿命衰退率和一个制氢周期的运维成本这三个目标函数转化为一个单一的目标函数。为了不使该单一的目标函数优先于上述三个目标函数中的任意目标函数，需要对该单一的目标函数进行归一化，使得该单一的目标函数中使用的参数在0到1的范围内变化。因此，该单一的目标函
数可以表示为如下公式11：
[0054][0055][0056]
其中，公式12表达的是公式11表达的加权运算中的权重ωi之和为1；of1
max
表示碱性电解槽和pem电解槽按照最大允许输入功率运行一个制氢周期所获得的氢气产量总和，为固定值；of2
max
表示在一个制氢周期内仅使用碱性电解槽制氢的寿命衰退率与在一个制氢周期内仅使用pem电解槽制氢的寿命衰退率之和；of3
max
表示将一个制氢周期内仅使用碱性电解槽制氢的寿命衰退率带入到上述公式9后得到的一个制氢周期的运维成本与将一个制氢周期内仅使用pem电解槽制氢的寿命衰退率代入到上述公式10中得到的一个制氢周期的运维成本之和。
[0057]
2、建立碱性电解槽和pem电解槽的模型
[0058]
(1)碱性电解槽的电解过程：
[0059]
在电解过程中，碱性电解槽接收到的可再生能源发电设备发出电量中的一部分电量转化为氢气，另一部分电量转化为热量。根据电化学理论，电解槽的电-氢转换效率、氢功率和热量如有以下公式(13)-(15)所示：
[0060][0061][0062]qalk,heat
(t)＝a1p
alk,in
+a2t
alk
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0063]
其中，u
cell
表示碱性电解槽的工作电压；i
cell
表示碱性电解槽的工作电流；t
alk
表示碱性电解槽的内部温度、η
alk
表示碱性电解槽的电-氢转换效率；u
tn
表示碱性电解槽进行隔离电解反应所需的最小电池电压；a1和a2表示预设常数；q
alk,heat
表示碱性电解槽电解水过程中产生的热量。
[0064]
(2)碱性电解槽的热传递过程：
[0065]
碱性电解槽t+1时刻的温度t
alk
(t+1)取决于t时刻的温度t
alk
(t)、电解过程产生的热量、损失的热量以及与热交换器交换的热量，可以通过公式(16)表示：碱性电解槽t时刻损失的热量与电解槽温度和环境温度之间的关系如公式(17)所示。碱性电解槽t时刻来自热交换器的热量如公式(18)所示。通过结合公式(14)-(18)，可以得到碱性电解槽温度变化和输入功率之间的关系，如公式(19)所示。
[0066][0067][0068]qhe,heat
(t)＝a4p
he,heat
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
[0069]
[0070]
其中，c
alk
表示碱性电解槽热等效电路中的等效电容(总热容量)；r
alk
表示碱性电解槽热等效电路中的等效电阻；δt表示t时刻与t+1时刻之间的时间跨度；t
out
表示碱性电解槽所处的环境温度；a3和a4表示预设常数；q
loss,heat
表示碱性电解槽的热量损失；q
he,heat
表示碱性电解槽的热量交换。
[0071]
(3)碱性电解槽的输入功率、温度、爬坡率约束分别通过以下公式(20)至步骤(22)：
[0072][0073][0074][0075]
其中，i、s和l分别为预设常数，i在碱性电解槽处于关机状态时取1；s在碱性电解槽处于待机状态时取1；l在碱性电解槽处于工作状态时取1；表示碱性电解槽的最大、最小允许工作功率；p
sb
表示电解槽的启动功率；表示碱性电解槽的最大、最小允许工作温度；表示碱性电解槽的最大允许爬坡功率。
[0076]
(4)pem电解槽的数学模型：
[0077]
与碱性电解槽相比，pem电解槽是一项相对较新的技术。pem电解槽的特点主要包括更快的冷启动、更高的灵活性以及与动态和间歇系统的更好耦合。pem电解槽的冷启动时间在10分钟左右，热启动时间可达秒级。由于上述作为应用场景的离网制氢系统选择的最小的自适应优化步长要大于pem电解槽的冷启动时间，所以离网制氢系统在建立pem电解槽的计划层面的数学模型时，不考虑槽内温度变化的过程。那么，pem电解槽的电氢转换过程、输入功率调节范围以及爬坡率调节范围可分别由式(23)-式(25)表示。
[0078][0079][0080][0081]
其中，η
pem
表示pem电解槽的电-氢转换效率；ε
pem
表示pem电解槽的工作状态(pem电解槽处于工作状态时ε
pem
取1，pem电解槽处于关机状态时取0)；p
pem,in
表示pem电解槽的输入电功率；表示pem电解槽的输出氢功率；表示pem电解槽的最大可接受爬坡率。
[0082]
通过以上的内容，完成了建立目标函数和建立碱性电解槽和pem电解槽的模型的过程。
[0083]
在离网制氢系统中，剧烈波动的可再生能源发电(reg)不仅将严重损害电解槽的寿命，而且将导致优化变量的增加，模型求解难度随之急剧升高。然而，完全舍弃波动的reg则会大大降低制氢量，进而降低系统的直接经济效益。为了在保证离网制氢系统制氢量的同时尽可能避免具有波动性、间歇性等特征的可再生能源发出的电量对离网制氢系统中电解槽的平稳运行和运行寿命带来的影响以及降低计算过程的复杂度，本技术以下各实施例提出一种离网制氢系统能量优化方法、装置和电子设备所描述的技术方案，通过为遗传算法(ga)嵌入双层步长自适应模糊控制器(tfc)，能够根据reg的波动工况动态调整自适应优
化步长，由于能量优化策略的步长将影响最终输入到电解槽中的电功率的波动性，充分结合大步长下使用寿命长、变量个数少和小步长下跟踪性能好的优点，从而实现离网制氢系统经济性、ldr以及模型求解难度之间的折衷；而且，还具有离网场景适应能力强、促进可再生能源消纳、提高制氢效率、延长系统平均寿命等优点。
[0084]
为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和实施例对本技术做进一步详细的说明。
[0085]
实施例1
[0086]
本实施例提出一种离网制氢系统能量优化方法，执行主体是服务器。
[0087]
参见图2所示的一种离网制氢系统能量优化方法的流程图，本实施例提出一种离网制氢系统能量优化方法，包括以下具体步骤：
[0088]
步骤200、获取离网制氢系统中当前制氢周期内预测可再生能源发电功率的第一时间序列和预测天气情况的第二时间序列、以及所述当前制氢周期的上一个制氢周期内历史可再生能源发电功率的第三时间序列和历史天气情况的第四时间序列。
[0089]
在上述步骤200中，在一个实施方式中，制氢周期的时间长度，可以是一个自然日。那么一个制氢周期的起始时刻就是每个自然日的0时0分0秒，终止时刻就是每个自然日的23时59分59秒。
[0090]
制氢周期的时间长度，并不局限于是一个自然日，也可以根据实际的制氢需求设定为其他的时间长度，这里不再一一赘述。
[0091]
当前制氢周期内预测可再生能源发电功率的第一时间序列，是服务器利用运行在服务器自身中的可再生能源发电功率预测模型得到的，具体的预测过程是现有技术，这里不再赘述。
[0092]
如果将每个自然日中，每隔15分钟的时刻确定为是预测时刻。那么，从每个自然日的0时0分0秒开始，一直到每个自然日的23时59分59秒为止，预测时刻包括：当前制氢周期中的0时0分0秒、0时15分0秒、0时30分0秒、0时45分0秒、1时0分0秒
……
23时0分0秒、23时15分0秒、23时30分0秒和23时45分0秒。即每小时都具有4个预测时刻，那么每个自然日就会有96个预测时刻。
[0093]
在一个实施方式中，第一时间序列，包括：96个时刻中的各时刻以及预测的发电功率的对应关系。
[0094]
在一个实施方式中，第一时间序列中的96个时刻中的各时刻以及预测的发电功率的对应关系可以如下表示：
[0095]
0时0分0秒预测的发电功率1
[0096]
0时15分0秒预测的发电功率2
[0097]
……
[0098]
23时15分0秒预测的发电功率94
[0099]
23时30分0秒预测的发电功率95
[0100]
23时45分0秒预测的发电功率96
[0101]
预测天气情况的第二时间序列，是利用运行在服务器中的天气情况预测模型得到的，具体的预测过程是现有技术，这里不再赘述。
[0102]
在一个实施方式中，第二时间序列，包括：96个时刻中的各时刻以及预测的天气情
况的对应关系。
[0103]
在一个实施方式中，天气情况，包括：风速和太阳辐照度。
[0104]
其中，风速与风力发电设备发出的电量呈正比关系。太阳辐照度与太阳能发电设备呈正比关系。
[0105]
具体地，第二时间序列，包括：当前制氢周期内各时刻的预测风速和预测太阳辐照度。
[0106]
第四时间序列，包括：当前制氢周期的上一个制氢周期内各时刻的历史风速和历史太阳辐照度。
[0107]
第二时间序列中96个时刻中的各时刻以及预测的天气情况的对应关系与上述第一时间序列中的96个时刻中的各时刻以及预测的发电功率的对应关系的实现方式类似，这里不再赘述。
[0108]
若一个制氢周期的时间长度是一个自然日的情况下，那么当前制氢周期的上一个制氢周期，就是待进行能量优化的自然日的前一自然日。
[0109]
那么，当前制氢周期的上一个制氢周期内历史可再生能源发电功率的第三时间序列，记录的是该前一自然日内的历史时刻与历史发电功率的对应关系。类似地，当前制氢周期的上一个制氢周期内历史天气情况的第四时间序列，记录的是该前一自然日内的历史时刻与历史天气情况的对应关系。
[0110]
第三时间序列中记录的历史可再生能源发电功率是该前一自然日内96个历史时刻实际的可再生能源的发电功率；第四时间序列中记载的历史天气情况是该前一自然日内96个历史时刻实际的天气情况。
[0111]
该前一自然日内的历史时刻，与待进行能量优化的自然日中的预测时刻的间隔一样且数量一样，那么历史时刻与预测时刻的时间点是一样的。即：历史时刻包括：当前制氢周期的上一个制氢周期中的0时0分0秒、0时15分0秒、0时30分0秒、0时45分0秒、1时0分0秒
……
23时0分0秒、23时15分0秒、23时30分0秒和23时45分0秒。
[0112]
第三时间序列与具体表达方式与上述第一时间序列的表达方式类似，这里不再赘述；第四时间序列与具体表达方式与上述第一时间序列的表达方式类似，这里不再赘述。
[0113]
在通过上述步骤200获取到第一时间序列、第二时间序列、第三时间序列、以及第四时间序列之后，可以继续执行以下步骤202，得到所述当前制氢周期内的自适应优化步长。
[0114]
步骤202、对所述第一时间序列、所述第二时间序列、所述第三时间序列、以及所述第四时间序列进行处理，得到所述当前制氢周期内的自适应优化步长。
[0115]
在上述步骤202中，利用双层步长自适应模糊控制器(two-level var iable-s tep fuzzy control ler，tfc)对第一时间序列、第二时间序列、第三时间序列、以及第四时间序列进行处理，得到当前制氢周期内的自适应优化步长。
[0116]
具体地，为了利用tfc，对第一时间序列、第二时间序列、第三时间序列、以及第四时间序列得到当前制氢周期内的自适应优化步长，可以执行以下步骤(1)至步骤(5)：
[0117]
(1)对所述当前制氢周期内各时刻的预测风速和预测太阳辐照度以及所述当前制氢周期的上一个制氢周期内各时刻的历史风速和历史太阳辐照度分别进行归一化，分别得到当前制氢周期内预测风速的归一化结果、当前制氢周期内预测太阳辐照度的归一化结
果、当前制氢周期的上一个制氢周期内历史风速的归一化结果以及当前制氢周期的上一个制氢周期内历史太阳辐照度的归一化结果；
[0118]
(2)基于当前制氢周期内预测风速的归一化结果和当前制氢周期的上一个制氢周期内历史风速的归一化结果，计算得到当前制氢周期与当前制氢周期的上一个制氢周期的风速相似度；
[0119]
(3)基于当前制氢周期内预测太阳辐照度的归一化结果和当前制氢周期的上一个制氢周期内历史太阳辐照度的归一化结果，计算得到当前制氢周期与当前制氢周期的上一个制氢周期的太阳辐照相似度；
[0120]
(4)根据计算得到的所述风速相似度和所述太阳辐照相似度，对当前制氢周期与当前制氢周期的上一个制氢周期的综合天气相似度进行计算；
[0121]
(5)利用计算得到的所述综合天气相似度得到所述当前制氢周期内的自适应优化步长。
[0122]
在上述步骤(1)中，为了对所述当前制氢周期内各时刻的预测风速和预测太阳辐照度以及所述当前制氢周期的上一个制氢周期内各时刻的历史风速和历史太阳辐照度分别进行归一化，可以执行以下步骤(11)至步骤(12)：
[0123]
(11)将所述当前制氢周期中和所述当前制氢周期的上一个制氢周期分别划分为多个时间窗口，多个所述时间窗口中的各时间窗口均分别包含相邻的多个时刻；
[0124]
(12)对所述当前制氢周期中各时间窗口内的预测风速和预测太阳辐照度以及所述当前制氢周期的上一个制氢周期内各时间窗口的历史风速和历史太阳辐照度分别进行归一化，分别得到当前制氢周期内各时间窗口的预测风速的归一化结果和预测太阳辐照度的归一化结果、以及当前制氢周期的上一个制氢周期内各时间窗口的历史风速的归一化结果和历史太阳辐照度的归一化结果；
[0125]
其中，所述当前制氢周期与当前制氢周期的上一个制氢周期的风速相似度，是指当前制氢周期与当前制氢周期的上一个制氢周期的同一时间窗口的风速相似度。
[0126]
在上述步骤(11)中，按照预设的时间长度，将所述当前制氢周期中和所述当前制氢周期的上一个制氢周期分别划分为多个时间窗口。
[0127]
若预设的时间长度是1小时，那么，就会将当前制氢周期中和所述当前制氢周期的上一个制氢周期分别划分为24个时间窗口。其中，当前制氢周期中的24个时间窗口中的每个时间窗口，就会包含有4个预测时刻。当前制氢周期的上一个制氢周期中的24个时间窗口中的每个时间窗口，就会包含有4个历史时刻。
[0128]
示例地，若当前制氢周期中的一个时间窗口是0时0分0秒至0时59分59秒，那么，该时间窗口就可以被确定为是当前制氢周期中的第一个时间窗口。该时间窗口中包含的4个预测时刻就是：当前制氢周期中的0时0分0秒、0时15分0秒、0时30分0秒、0时45分0秒。
[0129]
相应地，当前制氢周期的上一个制氢周期中的第一个时间窗口所包含的时长也是0时0分0秒至0时59分59秒，那么，该时间窗口中包含的4个历史时刻就是：当前制氢周期的上一个制氢周期中的0时0分0秒、0时15分0秒、0时30分0秒、0时45分0秒。即当前制氢周期的上一个制氢周期中的第一个时间窗口所包含的历史时刻与当前制氢周期中的第一个时间窗口所包含的预测时刻的时间点是相同的，那么，在本实施例提出的离网制氢系统能量优化方法中，当前制氢周期的上一个制氢周期中的第一个时间窗口与当前制氢周期中的第一
个时间窗口，可以被定义为是当前制氢周期与当前制氢周期的上一个制氢周期的同一时间窗口。
[0130]
以此类推，当前制氢周期的上一个制氢周期中的第a个时间窗口与当前制氢周期中的第a个时间窗口，也可以被称作是当前制氢周期与当前制氢周期的上一个制氢周期的同一时间窗口，其中，a为小于等于24的自然数。
[0131]
在上述步骤(2)中，为了计算得到当前制氢周期与当前制氢周期的上一个制氢周期的风速相似度，可以执行以下步骤(21)至步骤(22)：
[0132]
(21)统计各时间窗口所包含的时刻数量；
[0133]
(22)通过以下公式(26)对当前制氢周期与当前制氢周期的上一个制氢周期的同一时间窗口的风速相似度进行计算：
[0134][0135]
其中，表示当前制氢周期与当前制氢周期的上一个制氢周期中各时间窗口的第m个时间窗口的风速相似度；n表示各时间窗口所包含的时刻数量；di表示当前制氢周期第m个时间窗口中的第i个时刻的预测风速的归一化结果与当前制氢周期的上一个制氢周期第m个时间窗口中的第i个时刻的历史风速的归一化结果的差值。
[0136]
在上述步骤(21)中，在当前制氢周期中，各时间窗口所包含的时刻数量，是指当前制氢周期的各时间窗口所包含的预测时刻的时刻数量。
[0137]
在当前制氢周期的上一个制氢周期中，各时间窗口所包含的时刻数量，是指当前制氢周期的上一个制氢周期中各时间窗口所包含的历史时刻的时刻数量。
[0138]
在一个实施方式中，继续以上述的当前制氢周期中和所述当前制氢周期的上一个制氢周期分别划分为24个时间窗口且24个时间窗口中的各时间窗口的时长是1小时进行举例说明，那么通过统计可知，各时间窗口所包含的时刻数量是4。
[0139]
其中，所述当前制氢周期与当前制氢周期的上一个制氢周期的太阳辐照相似度，是指当前制氢周期与当前制氢周期的上一个制氢周期的同一时间窗口的太阳辐照相似度。
[0140]
在上述步骤(3)中，为了计算得到当前制氢周期与当前制氢周期的上一个制氢周期的太阳辐照相似度，可以执行以下步骤：
[0141]
通过以下公式(27)对当前制氢周期与当前制氢周期的上一个制氢周期同一时间窗口的太阳辐照相似度进行计算：
[0142][0143]
其中，表示当前制氢周期与当前制氢周期的上一个制氢周期的各时间窗口中第m个时间窗口的太阳辐照相似度；di表示当前制氢周期第m个时间窗口中的第i个时刻的预测太阳辐照度的归一化结果与当前制氢周期的上一个制氢周期第m个时间窗口中的第i个时刻的历史太阳辐照度的归一化结果的差值。
[0144]
这里，当前制氢周期与当前制氢周期的上一个制氢周期的综合天气相似度，就是当前制氢周期与当前制氢周期的上一个制氢周期各时间窗口的综合天气相似度。
[0145]
在上述步骤(4)中，通过以下公式(28)对当前制氢周期与当前制氢周期的上一个
制氢周期各时间窗口的综合天气相似度进行计算：
[0146][0147]
其中，cm表示当前制氢周期与当前制氢周期的上一个制氢周期各时间窗口中第m个时间窗口的综合天气相似度；pa表示权重系数。
[0148]
在上述步骤(5)中，为了基于tfc，利用计算得到的所述综合天气相似度得到所述当前制氢周期内的自适应优化步长，可以执行以下步骤(51)至步骤(65)：
[0149]
(51)将计算得到的当前制氢周期与当前制氢周期的上一个制氢周期各时间窗口的综合天气相似度输入到上层模糊控制器中处理，得到所述各时间窗口的综合天气相似度的模糊值，分别查询出与所述各时间窗口的综合天气相似度的模糊值相匹配的时间步长模糊规则库；其中，所述时间步长模糊规则库，包括：第一模糊规则库、第二模糊规则库以及第三模糊规则库；
[0150]
(52)当所述各时间窗口中的第m个时间窗口的综合天气相似度的模糊值相匹配的时间步长模糊规则库是第一模糊规则库时，从所述第三时间序列中获取当前制氢周期的上一个制氢周期内各时间窗口所包含时刻的历史功率；
[0151]
(53)通过以下公式(29)计算当前制氢周期内第m个时间窗口的第一预测功率波动系数：
[0152][0153]
其中，表示第一预测功率波动系数；pa(i)表示当前制氢周期的上一个制氢周期内第m个时间窗口中的第i个时刻的历史功率；pa(i-1)表示当前制氢周期的上一个制氢周期内第m个时间窗口中的第i-1个时刻的历史功率；
[0154]
(54)将计算得到的所述第一预测功率波动系数输入到下层模糊控制器中处理，得到当前制氢周期内第m个时间窗口的预测功率波动系数的第一模糊值；
[0155]
(55)从所述第一模糊规则库中查询出与当前制氢周期内第m个时间窗口的预测功率波动系数的第一模糊值对应的自适应优化步长的第一模糊值；
[0156]
(56)对所述自适应优化步长的第一模糊值进行清晰化处理，得到所述当前制氢周期内第m个时间窗口的自适应优化步长；
[0157]
(57)当所述各时间窗口中的第m个时间窗口的综合天气相似度的模糊值相匹配的时间步长模糊规则库是第二模糊规则库时，从所述第一时间序列中获取当前制氢周期内各时间窗口所包含时刻的预测功率；
[0158]
(58)通过以下公式(30)计算当前制氢周期内第m个时间窗口的第二预测功率波动系数：
[0159][0160]
其中，表示第二预测功率波动系数；p
p
(i)表示当前制氢周期内第m个时间窗口中的第i个时刻的预测功率；p
p
(i-1)表示当前制氢周期内第m个时间窗口中的第i-1个时刻的预测功率；
[0161]
(59)将计算得到的第二预测功率波动系数输入到下层模糊控制器中处理，得到当前制氢周期内第m个时间窗口的预测功率波动系数的第二模糊值；
[0162]
(60)从所述第二模糊规则库中查询出与当前制氢周期内第m个时间窗口的预测功率波动系数的第二模糊值对应的自适应优化步长的第二模糊值；
[0163]
(61)对所述自适应优化步长的第二模糊值进行清晰化处理，得到所述当前制氢周期内第m个时间窗口的自适应优化步长；
[0164]
(62)当所述各时间窗口中的第m个时间窗口的综合天气相似度的模糊值相匹配的时间步长模糊规则库是第三模糊规则库时，分别计算当前制氢周期内第m个时间窗口的第三预测功率波动系数和第四预测功率波动系数；
[0165]
(63)将计算得到的第三预测功率波动系数输入到下层模糊控制器中处理，得到当前制氢周期内第m个时间窗口的预测功率波动系数的第三模糊值，将计算得到的第四预测功率波动系数输入到模糊控制器中处理，得到当前制氢周期内第m个时间窗口的预测功率波动系数的第四模糊值；
[0166]
(64)从所述第三模糊规则库中查询出与当前制氢周期内第m个时间窗口的预测功率波动系数的第三模糊值和第四模糊值对应的自适应优化步长的第三模糊值；
[0167]
(65)对所述自适应优化步长的第三模糊值进行清晰化处理，得到所述当前制氢周期内第m个时间窗口的自适应优化步长。
[0168]
在上述步骤(51)中，上层模糊控制器，用于降低可再生能源发电功率预测的不准确所带来的负面影响。
[0169]
上层模糊控制器对数据进行处理的方式与现有的模糊控制器处理数据的方式一致，这里不再赘述。
[0170]
上层模糊控制器，对当前制氢周期与当前制氢周期的上一个制氢周期各时间窗口的综合天气相似度进行处理，得到各时间窗口的综合天气相似度的模糊值的具体过程是现有技术，这里不再赘述。
[0171]
在得到综合天气相似度的模糊值之后，通过查询以下的表1所示的综合天气相似度的模糊值与第一模糊规则库的标识、第二模糊规则库的标识、以及第三模糊规则库的标识的对应关系，就可以分别查询出与所述各时间窗口的综合天气相似度的模糊值相匹配的时间步长模糊规则库。
[0172]
在表1中，第一模糊规则库的标识为av；第二模糊规则库的标识为fv；第二模糊规则库的标识为mv。
[0173]
表1
[0174][0175]
示例地，第一模糊规则库如表2所示、第二模糊规则库如表3所示、第三模糊规则库如表4所示：
[0176]
表2第一模糊规则库(av)
[0177][0178]
表3第二模糊规则库(fv)
[0179][0180]
表4第三模糊规则库(mv)
[0181][0182][0183]
在上述步骤(52)中，通过以下示例对从所述第三时间序列中获取当前制氢周期的上一个制氢周期内各时间窗口所包含时刻的历史功率的过程进行说明：
[0184]
当前制氢周期的上一个制氢周期内第三时间序列所包含的时刻与历史的发电功率的对应关系可以如下表示：
[0185]
0时0分0秒历史的发电功率1
[0186]
0时15分0秒历史的发电功率2
[0187]
……
[0188]
23时15分0秒历史的发电功率94
[0189]
23时30分0秒历史的发电功率95
[0190]
23时45分0秒历史的发电功率96
[0191]
那么，若是想要获取到第三时间序列中获取当前制氢周期的上一个制氢周期内第一个时间窗口所包含时刻的历史功率，就是获取到当前制氢周期的上一个制氢周期内第一个时间窗口内的0时0分0秒对应的历史的发电功率1、0时15分0秒对应的历史的发电功率2、0时30分0秒对应的历史的发电功率3、以及0时45分0秒分别对应的历史的发电功率4。通过以上的方式，就可以从第三时间序列中获取到当前制氢周期的上一个制氢周期内各时间窗口所包含时刻的历史功率。
[0192]
各时间窗口中的第m个时间窗口的综合天气相似度的模糊值相匹配的时间步长模糊规则库是第一模糊规则库，说明当前制氢周期与当前制氢周期的上一个制氢周期的第m个时间窗口的综合天气相似度较大，利用当前制氢周期的上一个制氢周期内各时间窗口所包含时刻的历史功率得到当前制氢周期内第m个时间窗口的自适应优化步长，更符合实际情况。
[0193]
在一个实施方式中，若第m个时间窗口是综合天气相似度大于0.8，可以说明当前制氢周期与当前制氢周期的上一个制氢周期的第m个时间窗口的综合天气相似度较大。
[0194]
在上述步骤(54)中，下层模糊控制器，用于能够根据上层模糊控制器的指令灵活匹配时间步长模糊规则库，进而灵活根据可再生能源发电的历史功率或者预测功率的波动程度得到合适的自适应优化步长，在提高遗传算法求解速度的同时，避免离网制氢系统受到不稳定电源的冲击出现氢气产量和设备寿命显著衰减的情况。
[0195]
下层模糊控制器对数据进行处理的方式与现有的模糊控制器处理数据的方式一致，这里不再赘述。
[0196]
下层模糊控制器对第一预测功率波动系数进行模糊处理，得到当前制氢周期内第m个时间窗口的预测功率波动系数的第一模糊值的具体过程是现有技术，这里不再赘述。
[0197]
在上述步骤(56)中，对自适应优化步长的第一模糊值进行清晰化处理，得到当前制氢周期内第m个时间窗口的自适应优化步长的具体过程是现有技术，这里不再赘述。
[0198]
在上述步骤(57)中，各时间窗口中的第m个时间窗口的综合天气相似度的模糊值相匹配的时间步长模糊规则库是第二模糊规则库，说明当前制氢周期与当前制氢周期的上一个制氢周期的第m个时间窗口的综合天气相似度很小，此时利用当前制氢周期内的各时间窗口所包含时刻的预测功率得到当前制氢周期内第m个时间窗口的自适应优化步长，更符合实际情况。
[0199]
在一个实施方式中，若第m个时间窗口是综合天气相似度小于0.2，可以说明当前制氢周期与当前制氢周期的上一个制氢周期的第m个时间窗口的综合天气相似度很小。
[0200]
从第一时间序列中获取当前制氢周期内各时间窗口所包含时刻的预测功率的过程，与上述步骤(52)中，描述的从第三时间序列中获取当前制氢周期的上一个制氢周期内各时间窗口所包含时刻的历史功率的具体过程类似，这里不再赘述。
[0201]
在上述步骤(59)中，下层模糊控制器对计算得到的第二预测功率波动系数进行处理，得到当前制氢周期内第m个时间窗口的预测功率波动系数的第二模糊值的具体过程是现有技术，这里不再赘述。
[0202]
在上述步骤(61)中，对自适应优化步长的第二模糊值进行清晰化处理，得到当前制氢周期内第m个时间窗口的自适应优化步长的具体过程是现有技术，这里不再赘述。
[0203]
在上述步骤(62)中，若第m个时间窗口是综合天气相似度大于等于0.2且小于等于0.8，那么说明当前制氢周期与当前制氢周期的上一个制氢周期的第m个时间窗口的综合天气相似度适中，此时需要结合当前制氢周期内的各时间窗口所包含时刻的预测功率和当前制氢周期的上一个制氢周期内各时间窗口所包含时刻的历史功率，才可以保证得到的当前制氢周期内第m个时间窗口的自适应优化步长，更符合实际情况。
[0204]
计算当前制氢周期内第m个时间窗口的第三预测功率波动系数的具体过程，与上述计算第一预测功率波动系数的过程类似，这里不再赘述。
[0205]
计算当前制氢周期内第m个时间窗口的第四预测功率波动系数的具体过程，与上述计算第二预测功率波动系数的过程类似，这里不再赘述。
[0206]
在上述步骤(63)中，得到当前制氢周期内第m个时间窗口的预测功率波动系数的第三模糊值以及得到当前制氢周期内第m个时间窗口的预测功率波动系数的第四模糊值的具体过程是现有技术，这里不再赘述。
[0207]
在上述步骤(51)至步骤(65)中，将当前制氢周期内各时间窗口的预测功率的第一预测功率波动系数和第三预测功率波动系数的论域和当前制氢周期的上一个制氢周期内各时间窗口的历史功率的第二预测功率波动系数和第四预测功率波动系数的论域均设置为有限连续域[0,1]，语言值设置为{zi,ll,ml,hl,lg,mg,hg}。自适应优化步长作为下层模糊控制器的输出，设置其论域为离散域{0.125,0.25,0.375,0.5,0.625,0.75,0.875,1},语言值设置为{sa,sb,sc,sd,la,lb,lc,ld}。
[0208]
步骤204、利用遗传算法，按照得到的所述自适应优化步长对所述第一时间序列进行处理，得到所述离网制氢系统中所述当前制氢周期的能量优化结果。
[0209]
在上述步骤204中，利用遗传算法按照各时间窗口得到的自适应优化步长，对第一时间序列进行处理，得到离网制氢系统中当前制氢周期的能量优化结果中使用的遗传算法的处理过程是现有技术，这里不再赘述。
[0210]
能量优化结果，就是上述的和这里得到的和可以满足离网制氢系统要优化的目标：日产氢量、电解槽寿命衰退率和一个制氢周期的运维成本，从而可以进一步得出当前制氢周期内的逐时出力计划(或者叫调度计划)。
[0211]
综上所述，本实施例提出的一种离网制氢系统能量优化方法，通过对待预测的当前制氢周期内预测可再生能源发电功率的第一时间序列和预测天气情况的第二时间序列、以及当前制氢周期的上一个制氢周期内历史可再生能源发电功率的第三时间序列和历史天气情况的第四时间序列进行处理，得到当前制氢周期内的自适应优化步长，然后利用遗传算法，按照得到的自适应优化步长对第一时间序列进行处理，得到离网制氢系统中当前制氢周期的能量优化结果，与相关技术中以可再生能源向离网制氢系统提供能量的方式相比，通过tfc确定自适应优化步长，在确保方法经济性的同时，可以降低设备寿命衰退率和优化求解难度。其中，tfc能够根据可再生能源的预测功率和历史功率自适应地调整出合适当前制氢周期的自适应优化步长，充分结合大时间步长下使用寿命长、变量个数少和小步长下跟踪性能好的优点，使得离网型制氢系统实现了经济性、设备寿命衰退率以及模型求解难度之间的折衷，在提高遗传算法求解速度的同时，能够有效避免氢气产量和设备寿命发生显著衰减。
[0212]
实施例2
[0213]
本实施例提出的一种离网制氢系统能量优化装置，用于执行上述实施例1提出的离网制氢系统能量优化方法。
[0214]
参见图3所示的一种离网制氢系统能量优化装置的结构示意图，本实施例提出一种离网制氢系统能量优化装置，包括：
[0215]
获取模块300，用于获取离网制氢系统中当前制氢周期内预测可再生能源发电功率的第一时间序列和预测天气情况的第二时间序列、以及所述当前制氢周期的上一个制氢周期内历史可再生能源发电功率的第三时间序列和历史天气情况的第四时间序列；
[0216]
处理模块302，用于对所述第一时间序列、所述第二时间序列、所述第三时间序列、以及所述第四时间序列进行处理，得到所述当前制氢周期内的自适应优化步长；
[0217]
优化模块304，用于利用遗传算法，按照得到的所述自适应优化步长对所述第一时间序列进行处理，得到所述离网制氢系统中所述当前制氢周期的能量优化结果。
[0218]
所述预测天气情况的第二时间序列，包括：所述当前制氢周期内各时刻的预测风速和预测太阳辐照度；所述历史天气情况的第四时间序列，包括：所述当前制氢周期的上一个制氢周期内各时刻的历史风速和历史太阳辐照度。
[0219]
具体地，处理模块302，具体用于：
[0220]
对所述当前制氢周期内各时刻的预测风速和预测太阳辐照度以及所述当前制氢周期的上一个制氢周期内各时刻的历史风速和历史太阳辐照度分别进行归一化，分别得到当前制氢周期内预测风速的归一化结果、当前制氢周期内预测太阳辐照度的归一化结果、当前制氢周期的上一个制氢周期内历史风速的归一化结果以及当前制氢周期的上一个制氢周期内历史太阳辐照度的归一化结果；
[0221]
基于当前制氢周期内预测风速的归一化结果和当前制氢周期的上一个制氢周期内历史风速的归一化结果，计算得到当前制氢周期与当前制氢周期的上一个制氢周期的风速相似度；
[0222]
基于当前制氢周期内预测太阳辐照度的归一化结果和当前制氢周期的上一个制氢周期内历史太阳辐照度的归一化结果，计算得到当前制氢周期与当前制氢周期的上一个制氢周期的太阳辐照相似度；
[0223]
根据计算得到的所述风速相似度和所述太阳辐照相似度，对当前制氢周期与当前制氢周期的上一个制氢周期的综合天气相似度进行计算；
[0224]
利用计算得到的所述综合天气相似度得到所述当前制氢周期内的自适应优化步长。
[0225]
综上所述，本实施例提出的一种离网制氢系统能量优化装置，通过对待预测的当前制氢周期内预测可再生能源发电功率的第一时间序列和预测天气情况的第二时间序列、以及当前制氢周期的上一个制氢周期内历史可再生能源发电功率的第三时间序列和历史天气情况的第四时间序列进行处理，得到当前制氢周期内的自适应优化步长，然后利用遗传算法，按照得到的自适应优化步长对第一时间序列进行处理，得到离网制氢系统中当前制氢周期的能量优化结果，与相关技术中以可再生能源向离网制氢系统提供能量的方式相比，通过tfc确定自适应优化步长，在确保方法经济性的同时，可以降低设备寿命衰退率和优化求解难度。其中，tfc能够根据可再生能源的预测功率和历史功率自适应地调整出合适当前制氢周期的自适应优化步长，充分结合大时间步长下使用寿命长、变量个数少和小步长下跟踪性能好的优点，使得离网型制氢系统实现了经济性、设备寿命衰退率以及模型求解难度之间的折衷，在提高遗传算法求解速度的同时，能够有效避免氢气产量和设备寿命发生显著衰减。
[0226]
实施例3
[0227]
本实施例提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例1描述的离网制氢系统能量优化方法的步骤。具体实现可参见方法实施例1，在此不再赘述。
[0228]
此外，参见图4所示的一种电子设备的结构示意图，本实施例还提出一种电子设备，上述电子设备包括总线51、处理器52、收发机53、总线接口54、存储器55和用户接口56。上述电子设备包括有存储器55。
[0229]
本实施例中，上述电子设备还包括：存储在存储器55上并可在处理器52上运行的一个或者一个以上的程序，经配置以由上述处理器执行上述一个或者一个以上程序用于进行以下步骤(1)至步骤(3)：
[0230]
(1)获取整备请求，所述整备请求中携带有需要进行整备的车辆的车辆标识；
[0231]
(2)根据所述车辆标识，生成所述车辆的整备代驾信息；
[0232]
(3)将所述整备代驾信息发送给代驾司机，使得代驾司机将所述车辆驾驶到整备地点。
[0233]
收发机53，用于在处理器52的控制下接收和发送数据。
[0234]
其中，总线架构(用总线51来代表)，总线51可以包括任意数量的互联的总线和桥，总线51将包括由处理器52代表的一个或多个处理器和存储器55代表的存储器的各种电路链接在一起。总线51还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本实施例不再对其进行进一步描述。总线接口54在总线51和收发机53之间提供接口。收发机53可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发机53从其他设备接收外部数据。收发机53用于将处理器52处理后的数据发送给其他设备。取决于计算系统的性质，还可以提供用户接口56，例如小键盘、显示器、扬声器、麦克风、操纵杆。
[0235]
处理器52负责管理总线51和通常的处理，如前述上述运行通用操作系统551。而存储器55可以被用于存储处理器52在执行操作时所使用的数据。
[0236]
可选的，处理器52可以是但不限于：中央处理器、单片机、微处理器或者可编程逻辑器件。
[0237]
可以理解，本技术实施例中的存储器55可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electr ical ly eprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(stat ic ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddrsdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synchl ink dram，sldram)和直接内存总线随机存取存储器(di rect rambus ram，drram)。本实施例描述的系统和方法的存储器55旨在包括但不限于这些和任意其它适合类型的存储器。
[0238]
在一些实施方式中，存储器55存储了如下的元素，可执行模块或者数据结构，或者它们的子集，或者它们的扩展集：操作系统551和应用程序552。
[0239]
其中，操作系统551，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实
现各种基础业务以及处理基于硬件的任务。应用程序552，包含各种应用程序，例如媒体播放器(media player)、浏览器(browser)等，用于实现各种应用业务。实现本技术实施例方法的程序可以包含在应用程序552中。
[0240]
综上所述，本实施例提出的一种计算机可读存储介质和电子设备，通过对待预测的当前制氢周期内预测可再生能源发电功率的第一时间序列和预测天气情况的第二时间序列、以及当前制氢周期的上一个制氢周期内历史可再生能源发电功率的第三时间序列和历史天气情况的第四时间序列进行处理，得到当前制氢周期内的自适应优化步长，然后利用遗传算法，按照得到的自适应优化步长对第一时间序列进行处理，得到离网制氢系统中当前制氢周期的能量优化结果，与相关技术中以可再生能源向离网制氢系统提供能量的方式相比，通过tfc确定自适应优化步长，在确保方法经济性的同时，可以降低设备寿命衰退率和优化求解难度。其中，tfc能够根据可再生能源的预测功率和历史功率自适应地调整出合适当前制氢周期的自适应优化步长，充分结合大时间步长下使用寿命长、变量个数少和小步长下跟踪性能好的优点，使得离网型制氢系统实现了经济性、设备寿命衰退率以及模型求解难度之间的折衷，在提高遗传算法求解速度的同时，能够有效避免氢气产量和设备寿命发生显著衰减。
[0241]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种离网制氢系统能量优化方法，其特征在于，包括：获取离网制氢系统中当前制氢周期内预测可再生能源发电功率的第一时间序列和预测天气情况的第二时间序列、以及所述当前制氢周期的上一个制氢周期内历史可再生能源发电功率的第三时间序列和历史天气情况的第四时间序列；对所述第一时间序列、所述第二时间序列、所述第三时间序列、以及所述第四时间序列进行处理，得到所述当前制氢周期内的自适应优化步长；利用遗传算法，按照得到的所述自适应优化步长对所述第一时间序列进行处理，得到所述离网制氢系统中所述当前制氢周期的能量优化结果。2.根据权利要求1所述的方法，其特征在于，所述预测天气情况的第二时间序列，包括：所述当前制氢周期内各时刻的预测风速和预测太阳辐照度；所述历史天气情况的第四时间序列，包括：所述当前制氢周期的上一个制氢周期内各时刻的历史风速和历史太阳辐照度；所述对所述第一时间序列、所述第二时间序列、所述第三时间序列、以及所述第四时间序列进行处理，得到所述当前制氢周期内的自适应优化步长，包括：对所述当前制氢周期内各时刻的预测风速和预测太阳辐照度以及所述当前制氢周期的上一个制氢周期内各时刻的历史风速和历史太阳辐照度分别进行归一化，分别得到当前制氢周期内预测风速的归一化结果、当前制氢周期内预测太阳辐照度的归一化结果、当前制氢周期的上一个制氢周期内历史风速的归一化结果以及当前制氢周期的上一个制氢周期内历史太阳辐照度的归一化结果；基于当前制氢周期内预测风速的归一化结果和当前制氢周期的上一个制氢周期内历史风速的归一化结果，计算得到当前制氢周期与当前制氢周期的上一个制氢周期的风速相似度；基于当前制氢周期内预测太阳辐照度的归一化结果和当前制氢周期的上一个制氢周期内历史太阳辐照度的归一化结果，计算得到当前制氢周期与当前制氢周期的上一个制氢周期的太阳辐照相似度；根据计算得到的所述风速相似度和所述太阳辐照相似度，对当前制氢周期与当前制氢周期的上一个制氢周期的综合天气相似度进行计算；利用计算得到的所述综合天气相似度得到所述当前制氢周期内的自适应优化步长。3.根据权利要求2所述的方法，其特征在于，所述对所述当前制氢周期内各时刻的预测风速和预测太阳辐照度以及所述当前制氢周期的上一个制氢周期内各时刻的历史风速和历史太阳辐照度分别进行归一化，分别得到当前制氢周期内预测风速的归一化结果、当前制氢周期内预测太阳辐照度的归一化结果、当前制氢周期的上一个制氢周期内历史风速的归一化结果以及当前制氢周期的上一个制氢周期内历史太阳辐照度的归一化结果，包括：将所述当前制氢周期中和所述当前制氢周期的上一个制氢周期分别划分为多个时间窗口，多个所述时间窗口中的各时间窗口均分别包含相邻的多个时刻；对所述当前制氢周期中各时间窗口内的预测风速和预测太阳辐照度以及所述当前制氢周期的上一个制氢周期内各时间窗口的历史风速和历史太阳辐照度分别进行归一化，分别得到当前制氢周期内各时间窗口的预测风速的归一化结果和预测太阳辐照度的归一化结果、以及当前制氢周期的上一个制氢周期内各时间窗口的历史风速的归一化结果和历史太阳辐照度的归一化结果；
其中，所述当前制氢周期与当前制氢周期的上一个制氢周期的风速相似度，是指当前制氢周期与当前制氢周期的上一个制氢周期的同一时间窗口的风速相似度；所述基于当前制氢周期内预测风速的归一化结果和当前制氢周期的上一个制氢周期内历史风速的归一化结果，计算得到当前制氢周期与当前制氢周期的上一个制氢周期的风速相似度，包括：统计各时间窗口所包含的时刻数量；通过以下公式对当前制氢周期与当前制氢周期的上一个制氢周期的同一时间窗口的风速相似度进行计算：其中，表示当前制氢周期与当前制氢周期的上一个制氢周期中各时间窗口的第m个时间窗口的风速相似度；n表示各时间窗口所包含的时刻数量；d
i
表示当前制氢周期第m个时间窗口中的第i个时刻的预测风速的归一化结果与当前制氢周期的上一个制氢周期第m个时间窗口中的第i个时刻的历史风速的归一化结果的差值；其中，所述当前制氢周期与当前制氢周期的上一个制氢周期的太阳辐照相似度，是指当前制氢周期与当前制氢周期的上一个制氢周期的同一时间窗口的太阳辐照相似度；所述基于当前制氢周期内预测太阳辐照度的归一化结果和当前制氢周期的上一个制氢周期内历史太阳辐照度的归一化结果，计算得到当前制氢周期与当前制氢周期的上一个制氢周期的太阳辐照相似度，包括：通过以下公式对当前制氢周期与当前制氢周期的上一个制氢周期同一时间窗口的太阳辐照相似度进行计算：其中，表示当前制氢周期与当前制氢周期的上一个制氢周期的各时间窗口中第m个时间窗口的太阳辐照相似度；d
i
表示当前制氢周期第m个时间窗口中的第i个时刻的预测太阳辐照度的归一化结果与当前制氢周期的上一个制氢周期第m个时间窗口中的第i个时刻的历史太阳辐照度的归一化结果的差值。4.根据权利要求3所述的方法，其特征在于，所述根据计算得到的所述风速相似度和所述太阳辐照相似度，对当前制氢周期与当前制氢周期的上一个制氢周期的综合天气相似度进行计算，包括：通过以下公式对当前制氢周期与当前制氢周期的上一个制氢周期各时间窗口的综合天气相似度进行计算：其中，c
m
表示当前制氢周期与当前制氢周期的上一个制氢周期各时间窗口中第m个时间窗口的综合天气相似度；p
a
表示权重系数。5.根据权利要求4所述的方法，其特征在于，所述利用计算得到的所述综合天气相似度得到所述当前制氢周期内的自适应优化步长，包括：将计算得到的当前制氢周期与当前制氢周期的上一个制氢周期各时间窗口的综合天
气相似度输入到上层模糊控制器中处理，得到所述各时间窗口的综合天气相似度的模糊值，分别查询出与所述各时间窗口的综合天气相似度的模糊值相匹配的时间步长模糊规则库；其中，所述时间步长模糊规则库，包括：第一模糊规则库、第二模糊规则库以及第三模糊规则库；当所述各时间窗口中的第m个时间窗口的综合天气相似度的模糊值相匹配的时间步长模糊规则库是第一模糊规则库时，从所述第三时间序列中获取当前制氢周期的上一个制氢周期内各时间窗口所包含时刻的历史功率；通过以下公式计算当前制氢周期内第m个时间窗口的第一预测功率波动系数：其中，表示第一预测功率波动系数；p
a
(i)表示当前制氢周期的上一个制氢周期内第m个时间窗口中的第i个时刻的历史功率；p
a
(i-1)表示当前制氢周期的上一个制氢周期内第m个时间窗口中的第i-1个时刻的历史功率；将计算得到的所述第一预测功率波动系数输入到下层模糊控制器中处理，得到当前制氢周期内第m个时间窗口的预测功率波动系数的第一模糊值；从所述第一模糊规则库中查询出与当前制氢周期内第m个时间窗口的预测功率波动系数的第一模糊值对应的自适应优化步长的第一模糊值；对所述自适应优化步长的第一模糊值进行清晰化处理，得到所述当前制氢周期内第m个时间窗口的自适应优化步长；当所述各时间窗口中的第m个时间窗口的综合天气相似度的模糊值相匹配的时间步长模糊规则库是第二模糊规则库时，从所述第一时间序列中获取当前制氢周期内各时间窗口所包含时刻的预测功率；通过以下公式计算当前制氢周期内第m个时间窗口的第二预测功率波动系数：其中，表示第二预测功率波动系数；p
p
(i)表示当前制氢周期内第m个时间窗口中的第i个时刻的预测功率；p
p
(i-1)表示当前制氢周期内第m个时间窗口中的第i-1个时刻的预测功率；将计算得到的第二预测功率波动系数输入到下层模糊控制器中处理，得到当前制氢周期内第m个时间窗口的预测功率波动系数的第二模糊值；从所述第二模糊规则库中查询出与当前制氢周期内第m个时间窗口的预测功率波动系数的第二模糊值对应的自适应优化步长的第二模糊值；对所述自适应优化步长的第二模糊值进行清晰化处理，得到所述当前制氢周期内第m个时间窗口的自适应优化步长。6.根据权利要求5所述的方法，其特征在于，所述利用计算得到的所述综合天气相似度得到所述当前制氢周期内的自适应优化步长，还包括：当所述各时间窗口中的第m个时间窗口的综合天气相似度的模糊值相匹配的时间步长
模糊规则库是第三模糊规则库时，分别计算当前制氢周期内第m个时间窗口的第三预测功率波动系数和第四预测功率波动系数；将计算得到的第三预测功率波动系数输入到下层模糊控制器中处理，得到当前制氢周期内第m个时间窗口的预测功率波动系数的第三模糊值，将计算得到的第四预测功率波动系数输入到模糊控制器中处理，得到当前制氢周期内第m个时间窗口的预测功率波动系数的第四模糊值；从所述第三模糊规则库中查询出与当前制氢周期内第m个时间窗口的预测功率波动系数的第三模糊值和第四模糊值对应的自适应优化步长的第三模糊值；对所述自适应优化步长的第三模糊值进行清晰化处理，得到所述当前制氢周期内第m个时间窗口的自适应优化步长。7.一种离网制氢系统能量优化装置，其特征在于，包括：获取模块，用于获取离网制氢系统中当前制氢周期内预测可再生能源发电功率的第一时间序列和预测天气情况的第二时间序列、以及所述当前制氢周期的上一个制氢周期内历史可再生能源发电功率的第三时间序列和历史天气情况的第四时间序列；处理模块，用于对所述第一时间序列、所述第二时间序列、所述第三时间序列、以及所述第四时间序列进行处理，得到所述当前制氢周期内的自适应优化步长；优化模块，用于利用遗传算法，按照得到的所述自适应优化步长对所述第一时间序列进行处理，得到所述离网制氢系统中所述当前制氢周期的能量优化结果。8.根据权利要求7所述的装置，其特征在于，所述预测天气情况的第二时间序列，包括：所述当前制氢周期内各时刻的预测风速和预测太阳辐照度；所述历史天气情况的第四时间序列，包括：所述当前制氢周期的上一个制氢周期内各时刻的历史风速和历史太阳辐照度；所述处理模块，具体用于：对所述当前制氢周期内各时刻的预测风速和预测太阳辐照度以及所述当前制氢周期的上一个制氢周期内各时刻的历史风速和历史太阳辐照度分别进行归一化，分别得到当前制氢周期内预测风速的归一化结果、当前制氢周期内预测太阳辐照度的归一化结果、当前制氢周期的上一个制氢周期内历史风速的归一化结果以及当前制氢周期的上一个制氢周期内历史太阳辐照度的归一化结果；基于当前制氢周期内预测风速的归一化结果和当前制氢周期的上一个制氢周期内历史风速的归一化结果，计算得到当前制氢周期与当前制氢周期的上一个制氢周期的风速相似度；基于当前制氢周期内预测太阳辐照度的归一化结果和当前制氢周期的上一个制氢周期内历史太阳辐照度的归一化结果，计算得到当前制氢周期与当前制氢周期的上一个制氢周期的太阳辐照相似度；根据计算得到的所述风速相似度和所述太阳辐照相似度，对当前制氢周期与当前制氢周期的上一个制氢周期的综合天气相似度进行计算；利用计算得到的所述综合天气相似度得到所述当前制氢周期内的自适应优化步长。9.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1-6任一项所述的方法的步骤。10.一种电子设备，其特征在于，所述电子设备包括有存储器，处理器以及一个或者一
个以上的程序，其中所述一个或者一个以上程序存储于所述存储器中，且经配置以由所述处理器执行权利要求1-6任一项所述的方法的步骤。

技术总结
本申请提供了一种离网制氢系统能量优化方法、装置和电子设备，其中，该方法包括：获取离网制氢系统中当前制氢周期内预测可再生能源发电功率的第一时间序列和预测天气情况的第二时间序列、以及当前制氢周期的上一个制氢周期内历史可再生能源发电功率的第三时间序列和历史天气情况的第四时间序列；对第一时间序列、第二时间序列、第三时间序列、以及第四时间序列进行处理，得到当前制氢周期内的自适应优化步长；利用遗传算法，按照得到的自适应优化步长对第一时间序列进行处理，得到离网制氢系统中当前制氢周期的能量优化结果，实现了在提高遗传算法求解速度的同时，能够有效避免氢气产量和设备寿命发生显著衰减。气产量和设备寿命发生显著衰减。气产量和设备寿命发生显著衰减。


技术研发人员：孙凯 于彬彬 田培根 肖曦 西绕甲措 徐艳
受保护的技术使用者：清华大学
技术研发日：2023.07.05
技术公布日：2023/10/7