一种基于模型预测控制的加氢站氢气优化加注方法及系统与流程

1.本发明涉及一种加氢站氢气优化加注方法，特别是涉及一种基于模型预测控制的加氢站氢气优化加注方法及系统。


背景技术：

2.目前，加氢站主要分为气态储存和液态储存两种形式，前者通常采用压缩机给低压氢气增压后分级储存在高压储罐中，后者则是通过液氢泵将低压液氢增压，并经汽化成高压气氢后分级储存于高压储罐或直接通过加氢机向氢燃料汽车加注。
3.随着氢能产业的不断升级和氢气需求量的大幅增加，加氢站储氢和供气系统的优化已经成为了限制加氢站规模的技术瓶颈。cng(compressed natural gas，压缩天然气)加气站的供气优化方面，已经开展了相应工作，包括分级存储和加注的热力学模型建立，加注效率和系统节能的分析等。而在加氢站的供气优化方面，也有采用多目标优化模型与控制方法，对加注过程中各分级储罐的氢气供应量和供气顺序进行了研究。然而现有技术中的方法对于规模小、配置少的加氢站内气路优化调度尚为可行，但无法满足多组增压单元、三级以上储气装置、多台加氢机的连续加注需求下的工况，因此需要提出新的优化控制方法来匹配大规模、高配置的加氢站。


技术实现要素：

4.鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于模型预测控制的加氢站氢气优化加注方法及系统，解决现有技术中无法满足多组增压单元、三级以上储气装置、多台加氢机的连续加注需求下的工况的问题。
5.为实现上述目的及其他相关目的，本发明提供一种基于模型预测控制的加氢站氢气优化加注方法，基于加氢站系统实现，所述加氢站系统包括压缩机、氢气储存装置、加氢机，所述基于模型预测控制的加氢站氢气优化加注方法包括：
6.s1、设置所述压缩机、氢气储存装置、加氢机之间的参数信息；
7.s2、建立离散时间模型，得到加氢站内的气体流动特征；
8.s3、根据所述气体流动特征，以所述压缩机的启停状态为已知参数，以所述加氢机的连接状态为控制变量，建立混合整数非线性规划模型；
9.s4、采用所述离散时间模型作为模型预测控制的预测模型，采用理想加注过程下车载氢气储存装置的压力变化曲线作为模型预测控制的目标曲线，预测时域为n
p
，控制时域根据事件触发机制确定；
10.s5、根据所述混合整数非线性规划模型，计算控制策略。
11.在本发明的一实施例中，所述压缩机的个数包括三台，所述氢气储存装置包括高压氢气储存装置、中压氢气储存装置、低压氢气储存装置，所述加氢机包括三台，三台所述压缩机分别与所述高压氢气储存装置、中压氢气储存装置、低压氢气储存装置之间一一对应，所述高压氢气储存装置、中压氢气储存装置、低压氢气储存装置与三台所述加氢机之间
一一对应。
12.在本发明的一实施例中，所述步骤s1中的设置所述压缩机、氢气储存装置、加氢机之间的参数信息包括：
13.利用表示所述压缩机与所述氢气储存装置之间的阀门，其中，c为压缩机，c∈{1，
…
，c}，利用表示所述氢气储存装置与加氢机之间的阀门，其中，d为加氢机，d∈{1，
…
，d}。
14.在本发明的一实施例中，所述步骤s2中的建立离散时间模型，得到加氢站内的气体流动特征包括：
15.s21、所述离散时间模型的离散时间序号和采样周期分别表示为k和ts；
16.s22、在k+1时刻，各级氢气储存装置的压力公式表示为：
[0017][0018][0019][0020]
其中，表示从压缩机到各级氢气储存装置的流速，k
hp
、k
mp
、k
lp
分别表示由各级氢气储存装置容积决定的常数，f
hp
、f
mp
、f
lp
表示氢气从各级氢气储存装置到加氢机的流速；
[0021]
s23、在k时刻，从各级氢气储存装置到车载氢气储存装置的氢气流速公式表示为：
[0022][0023][0024][0025]
其中，γ为氢气的比热比，c
dis
为加氢机阀门的流量系数，a
orifice
为加氢机阀门的横截面积，ρh
p
、ρ
mp
、ρ
lp
为各级氢气储存装置中氢气的密度，p
hp,veh
、p
mp,veh
、p
lp，veh
为各级氢气储存装置连接的车载氢气储存装置的压力；
[0026]
s24、在k时刻，各级氢气储存装置连接的车载氢气储存装置中的压力公式表示为：
[0027][0028][0029][0030]
其中，θ
d,i
为加氢机与车辆的连接状况，为车载氢气储存装置的压力，i表示车辆；
[0031]
s25、在k+1时刻，车载氢气储存装置的压力公式表示为：其中，ki为由车载氢气储存装置的容积决定的常数，为氢气加注到车辆的流速；
[0032]
s26、在k时刻，氢气加注到车辆的流速和氢气经过加氢机的流速fd(k)公式表示为：
[0033][0034][0035]
在本发明的一实施例中，所述步骤s3中的根据所述气体流动特征，以所述压缩机的启停状态为已知参数，以所述加氢机的连接状态为控制变量，建立混合整数非线性规划模型包括：
[0036]
s31、在任意时刻k，加氢机与车辆的连接状况的约束公式表示为：
[0037]
各级氢气储存装置连接加氢机的阀门vd的约束公式表示为：
[0038][0039][0040][0041]
其中，表示k时刻从高压氢气储存装置到加氢机的阀门开关状态，值为1表示阀门打开，值为0表示阀门关闭，表示k时刻从中压氢气储存装置到加氢机
的阀门开关状态，值为1表示阀门打开，值为0表示阀门关闭，表示k时刻从低压氢气储存装置到加氢机的阀门开关状态，值为1表示阀门打开，值为0表示阀门关闭；
[0042]
s32、各级氢气储存装置连接压缩机的阀门ve的约束公式表示为：
[0043][0044][0045]
其中，表示k时刻从压缩机到高压氢气储存装置的阀门开关状态：值为1表示阀门打开，值为0表示阀门关闭，表示k时刻从压缩机到中压氢气储存装置的阀门开关状态：值为1表示阀门打开，值为0表示阀门关闭，表示k时刻从压缩机到低压氢气储存装置的阀门开关状态；值为1表示阀门打开，值为0表示阀门关闭，uc(k)表示k时刻压缩机的启停状态，值为1表示压缩机正在运行，值为0表示压缩机停止运行；
[0046]
s33、各级氢气储存装置连接压缩机的阀门vc和各级氢气储存装置连接加氢机的阀门vd的约束公式表示为：
[0047][0048][0049][0050]
s34、各级氢气储存装置和车载氢气储存装置满足最小压力和最大压力的约束公式表示为：
[0051]
p
hp，min
≤p
hp
(k)≤p
hp，max
，
[0052]
p
mp，mm
≤p
mp
(k)≤p
mp，max
，
[0053]
p
lp，min
≤p
lp
(k)≤p
lp，max
，
[0054][0055]
其中，p
hp，min
表示高压氢气储存装置允许的最小压力，p
mp，min
表示中压氢气储存装置允许的最小压力，p
lp，min
表示低压氢气储存装置允许的最小压力，表示车辆的车载氢气储存装置允许的最小压力，p
hp，max
表示高压氢气储存装置允许的最大压力，p
mp，max
表示中压氢气储存装置允许的最大压力，p
lp，max
表示低压氢气储存装置允许的最大压力，表示车辆的车载氢气储存装置允许的最大压力。
[0056]
在本发明的一实施例中，所述步骤s4中的采用所述离散时间模型作为模型预测控制的预测模型，采用理想加注过程下车载氢气储存装置的压力变化曲线作为模型预测控制
的目标曲线，预测时域为n
p
，控制时域根据事件触发机制确定包括：
[0057]
在k时刻，阀门组合的控制输入u(k)的公式表示为：
[0058][0059]
在k时刻，氢气储存装置的压力状态x(k)的公式表示为：
[0060]
x(k)＝[p
hp
(k) p
mp
(k) p
lp
(k) (p
veh
(k))
t
]
t
，
[0061]
其中，
[0062]
目标函数j
dev
(k)体现了n
p
个时间间隔内，车载氢气储存装置的压力的预测值与目标值之间的偏差，由公式j
dev
(k)表示：
[0063][0064]
其中，表示车辆i在k+j时刻压力的目标值，表示在k时刻当前控制策略对k+j时刻车辆i的车载氢气储存装置压力的预测值；
[0065]
目标函数j
uti
(k)体现了n
p
个时间间隔内，顺序阀组状态对氢气利用效率的影响，由公式j
uti
(k)表示：
[0066][0067]
其中，表示压缩机与氢气储存装置之间阀门状态的预测值，表示氢气储存装置与加氢机之间阀门状态的预测值；
[0068]
目标函数j(k)是j
dev
(k)和j
uti
(k)的加权求和，j(k)的公式表示为：
[0069][0070][0071]
其中，w1为j
dev
(k)所占权重，w2为j
uti
(k)所占权重，为在k时刻控制策略对k+j时刻控制输入的预测值，为在k时刻控制策略对k+j+1时刻压力状态的预测值，为控制输入的可行集合，为压力状态的可行集合。
[0072]
在本发明的一实施例中，所述步骤s5中的根据所述混合整数非线性规划模型，计算控制策略包括：
[0073]
s51、确定混合整数线性规划相关公式和参数，混合整数非线性规划模型的目标函数包括最小化矩阵调整幅度和最小化阀门开关频率，其中，表示最小化矩阵调整幅度的
权重，表示最小化阀门开关频率的权重，由下式表示：
[0074][0075]
其中，表示利用混合整数线性规划生成满足整值约束的染色体，所需要最小化的目标函数，表示6
×np
的矩阵m表示一条染色体，矩阵表示待调整为满足整值约束状态的染色体，表示该矩阵第1行、第j列的元素的值，表示6
×np
的矩阵m表示一条染色体，矩阵，表示已调整为满足整值约束状态的染色体，表示该矩阵第1行、第j列的元素的值；
[0076]
确定适应度函数相关公式和参数，适应度函数的公式表示为：
[0077]
其中，w
penalty
为每次违反实值约束的惩罚值，c
vio
为m
l
违反实值约束的次数；
[0078]
s52、编码：预测时域内控制输入的预测值为6
×np
矩阵m，其中，其中，其中，j∈{1，2，
…
，n
p
}；
[0079]
s53、初始化：随机生成满足整值约束的染色体种群，种群数量为s
pop
，通过所述混合整数线性规划调整种群中的染色体：随机生成染色体通过s51所述混合整数非线性规划模型获得满足整值约束的染色体
[0080]
s54、选择：通过计算每个染色体如s51所述适应度函数，保留种群中适应度函数值较低的染色体；
[0081]
s55、交叉：随机选择亲代染色体m
p1
、m
p2
，随机交叉得到子代染色体m
c1
、m
c2
，通过所述混合整数非线性规划模型获得满足整值约束的子代染色体，每次进行交叉操作时，随机选择jc∈{1，
…
，n
p
}进行单点交叉，由公式表示：
[0082]mc1
(l，1：n
p
)＝[m
p1
(l，1：jc)m
p2
(jc，1：n
p
)]，
[0083]mc2
(l，1：n
p
)＝[m
p2
(l，1：jc)m
p1
(jc，1：n
p
)]；
[0084]
s56、变异：检查当前种群中每个染色体代表的控制策略，若控制策略带来的压力状态不满足实值约束，则根据违反的实值约束类型调整控制策略，进行变异操作；
[0085]
s57、设置事件触发机制：误差的阈值ε
veh
的公式表示为：
[0086]
其中，表示当前控制策略下k时刻氢气储存装置压力预测值，表示k时刻氢气储存装置压力实测值；
[0087]
加氢机连接状态包括车辆到来建立连接和车辆离开断开连接两种情况，公式表示为：
[0088][0089][0090]
若压缩机的启停状态发生变化，则更新控制输入，压缩机开关状态由公式表示：
[0091][0092]
若预测时域内的控制策略已经实现完毕，则更新控制输入，其中，k表示当前计算的时刻，ke表示上次更新的时刻，由公式ξ
tim
(k)表示：
[0093][0094]
其中，ξ
veh
(k)、ξ
arr
(k)、ξ
lea
(k)、ξ
cmp
(k)、ξ
tim
(k)表示触发规则，k时刻事件触发机制的分析结果ξ(k)＝ξ
veh
(k)∨ξ
arr
(k)∨ξ
lea
(k)∨ξ
cmp
(k)∨ξ
tim
(k)。
[0095]
本发明还提供一种基于模型预测控制的加氢站氢气优化加注系统，包括：
[0096]
参数设置模块，用于设置所述压缩机、氢气储存装置、加氢机之间的参数信息；
[0097]
离散时间模型建立模块，用于建立离散时间模型，得到加氢站内的气体流动特征；
[0098]
混合整数非线性规划模型建立模块，用于根据所述气体流动特征，以所述压缩机的启停状态为已知参数，以所述加氢机的连接状态为控制变量，建立混合整数非线性规划模型；
[0099]
控制模块，用于采用所述离散时间模型作为模型预测控制的预测模型，采用理想加注过程下车载氢气储存装置的压力变化曲线作为模型预测控制的目标曲线，预测时域为n
p
，控制时域根据事件触发机制确定；
[0100]
计算模块，用于根据所述混合整数非线性规划模型，计算控制策略。
[0101]
本发明还提供一种电子设备，包括处理器和存储器，所述存储器存储有程序指令，所述处理器运行程序指令实现上述的基于模型预测控制的加氢站氢气优化加注方法。
[0102]
如上所述，本发明的一种基于模型预测控制的加氢站氢气优化加注方法及系统，具有以下有益效果：
[0103]
本发明的基于模型预测控制的加氢站氢气优化加注方法在考虑多组增压单元、多个储气装置、多台加氢设备连续加注的需求下，加氢站内的复杂工况和设备之间的交叉关联，建立能够匹配大规模、高配置加氢站的离散时间模型。本发明针对压缩机、加氢机、分级储罐和车用储罐之间的复杂气体流动特性，以压缩机的启停状态为已知参数，以加氢机的连接状态为控制变量，建立混合整数非线性规划模型，明确了优化目标。
[0104]
本发明的基于模型预测控制的加氢站氢气优化加注方法为了实现优化控制，引入结合混合整数线性规划与遗传算法的求解框架，解决了混合整数非线性规划问题。本发明能够保证生成的染色体是整值可行的，能够保证选择的染色体性能较好。
[0105]
本发明的基于模型预测控制的加氢站氢气优化加注方法为了避免冗余计算，引入事件触发机制，检测到加氢站满足特定条件时，才进行控制策略的更新计算。通过事件触发
调整模型预测控制的控制时域，大大减少了计算量。
附图说明
[0106]
图1为本技术实施例提供的加氢站系统的结构图。
[0107]
图2为本技术实施例提供的一种基于模型预测控制的加氢站氢气优化加注方法的工作流程图。
[0108]
图3为本技术实施例提供的一种基于模型预测控制的加氢站氢气优化加注系统的结构图。
[0109]
图4为本技术实施例提供的一种电子设备的结构原理框图。
[0110]
图5为本技术实施例提供的一种计算机可读存储介质的结构原理框图。
[0111]
元件标号说明
[0112]1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
参数设置模块
[0113]2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
离散时间模型建立模块
[0114]3ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
混合整数非线性规划模型建立模块
[0115]4ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
控制模块
[0116]5ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
计算模块
[0117]6ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
处理器
[0118]7ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
存储器
[0119]8ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
计算机指令
[0120]9ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
计算机可读存储介质
[0121]
10
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
压缩机
[0122]
20
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
各级储罐连接压缩机的阀门
[0123]
30
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
氢气储存装置
[0124]
40
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
各级储罐连接加氢机的阀门
[0125]
50
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
加氢机
具体实施方式
[0126]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0127]
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0128]
请参阅图1，图1为本技术实施例提供的加氢站系统的结构图。本发明的基于模型预测控制的加氢站氢气优化加注方法基于加氢站系统实现，所述加氢站系统包括压缩机10、氢气储存装置30、加氢机50，具体的，所述压缩机1o为三台，所述加氢机50为三台，所述
氢气储存装置30为高、中、低三台高压氢气储存装置，所述压缩机10与氢气储存装置30之间设置有各级储罐连接压缩机的阀门20，所述氢气储存装置30与加氢机50之间设置有各级储罐连接加氢机的阀门40，氢气源为5～20mpa的氢管束车。所述压缩机10与储罐即为氢气储存装置30、储罐与加氢机50之间的阀门属于顺序控制阀组，高、中、低三台高压氢气储存装置的压力等级分别为85mpa、45mpa、25mpa。其中，压缩机10与高、中、低三台高压氢气储存装置之间的阀门即为各级储罐连接压缩机的阀门20利用表示，c∈{1，
…
，c}，c＝3；高、中、低三台高压氢气储存装置与加氢机50之间的阀门即为各级储罐连接加氢机的阀门40利用表示，d∈{1，
…
，d}，d＝3。采用离散时间模型描述加氢站内的气体流动。
[0129]
请参阅图2，图2为本技术实施例提供的一种基于模型预测控制的加氢站氢气优化加注方法的工作流程图。所述基于模型预测控制的加氢站氢气优化加注方法包括：
[0130]
步骤s1、设置所述压缩机、氢气储存装置、加氢机之间的参数信息。
[0131]
步骤s2、建立离散时间模型，得到加氢站内的气体流动特征。
[0132]
步骤s3、根据所述气体流动特征，以所述压缩机的启停状态为已知参数，以所述加氢机的连接状态为控制变量，建立混合整数非线性规划模型。
[0133]
步骤s4、采用所述离散时间模型作为模型预测控制的预测模型，采用理想加注过程下车载氢气储存装置的压力变化曲线作为模型预测控制的目标曲线，预测时域为n
p
，控制时域根据事件触发机制确定。
[0134]
步骤s5、根据所述混合整数非线性规划模型，计算控制策略。
[0135]
所述步骤s2中的建立离散时间模型，得到加氢站内的气体流动特征包括：
[0136]
s21、所述离散时间模型的离散时间序号和采样周期分别表示为k和ts；
[0137]
s22、在k+1时刻，各级氢气储存装置的压力公式表示为：
[0138][0139][0140][0141]
其中，表示从压缩机到各级氢气储存装置的流速，k
hp
、k
mp
、k
lp
分别表示由各级氢气储存装置容积决定的常数，f
hp
、f
mp
、f
lp
表示氢气从各级氢气储存装置到加氢机的流速；
[0142]
s23、在k时刻，从各级氢气储存装置到车载氢气储存装置的氢气流速公式表示为：
[0143]
[0144][0145][0146]
其中，γ为氢气的比热比，c
dis
为加氢机阀门的流量系数，a
orifice
为加氢机阀门的横截面积，ρ
hp
、ρ
mp
、ρ
lp
为各级氢气储存装置中氢气的密度，p
hp,veh
、p
mp,veh
、p
lp，veh
为各级氢气储存装置连接的车载氢气储存装置的压力；
[0147]
s24、在k时刻，各级氢气储存装置连接的车载氢气储存装置中的压力公式表示为：
[0148][0149][0150][0151]
其中，θ
d，i
为加氢机与车辆的连接状况，为车载氢气储存装置的压力，i表示车辆；
[0152]
s25、在k+1时刻，车载氢气储存装置的压力公式表示为：其中，ki为由车载氢气储存装置的容积决定的常数，为氢气加注到车辆的流速。
[0153]
s26、在k时刻，氢气加注到车辆的流速和氢气经过加氢机的流速fd(k)公式表示为：
[0154][0155][0156]
在任意时刻k，加氢机d与车辆i的连接状况的约束公式表示为：其中，一台加氢机最多连接一辆氢燃料汽车，一辆氢燃料汽车最多连接一台加氢机。在任意时刻k，只有加氢机d与车辆有连接，才能打开各级储罐与加氢机之间的阀门vd。
[0157]
所述步骤s3中的根据所述气体流动特征，以所述压缩机的启停状态为已知参数，以所述加氢机的连接状态为控制变量，建立混合整数非线性规划模型包括：
[0158]
s31、在任意时刻k，加氢机与车辆的连接状况的约束公式表示为：
[0159]
各级氢气储存装置连接加氢机的阀门vd的约束公式表示为：
[0160][0161][0162][0163]
其中，表示k时刻从高压氢气储存装置到加氢机的阀门开关状态，值为1表示阀门打开，值为0表示阀门关闭，表示k时刻从中压氢气储存装置到加氢机的阀门开关状态，值为1表示阀门打开，值为0表示阀门关闭，表示k时刻从低压氢气储存装置到加氢机的阀门开关状态，值为1表示阀门打开，值为0表示阀门关闭；
[0164]
s32、各级氢气储存装置连接压缩机的阀门vc的约束公式表示为：
[0165][0166][0167]
其中，表示k时刻从压缩机到高压氢气储存装置的阀门开关状态：值为1表示阀门打开，值为0表示阀门关闭，表示k时刻从压缩机到中压氢气储存装置的阀门开关状态：值为1表示阀门打开，值为0表示阀门关闭，表示k时刻从压缩机到低压氢气储存装置的阀门开关状态：值为1表示阀门打开，值为0表示阀门关闭，uc(k)表示k时刻压缩机的启停状态，值为1表示压缩机正在运行，值为0表示压缩机停止运行；
[0168]
s33、各级氢气储存装置连接压缩机的阀门vc和各级氢气储存装置连接加氢机的阀门vd的约束公式表示为：
[0169][0170][0171]
[0172]
s34、各级氢气储存装置和车载氢气储存装置满足最小压力和最大压力的约束公式表示为：
[0173]
p
hp，min
≤p
hp
(k)≤p
hp，max
，
[0174]
p
mp，mm
≤p
mp
(k)≤p
mp，max
，
[0175]
p
lp，min
≤p
lp
(k)≤p
lp，max
，
[0176][0177]
其中，p
hp，min
表示高压氢气储存装置允许的最小压力，p
mp，min
表示中压氢气储存装置允许的最小压力，p
lp，min
表示低压氢气储存装置允许的最小压力，表示车辆的车载氢气储存装置允许的最小压力，p
hp，max
表示高压氢气储存装置允许的最大压力，p
mp，max
表示中压氢气储存装置允许的最大压力，p
lp，max
表示低压氢气储存装置允许的最大压力，表示车辆的车载氢气储存装置允许的最大压力。
[0178]
本发明通过涉及的计算公式和约束公式可知，加注过程的优化控制是非线性系统、多目标优化、复杂约束的优化问题，本发明选择模型预测控制(mpc)解决这一问题。在模型预测控制中，预测模型采用上述离散时间模型，目标曲线则采用综合考虑加注时间、加注能耗、氢气利用效率等方面的车载氢气储存装置压力的变化曲线，预测时域固定为n
p
，控制时域取决于各类事件发生的时间。
[0179]
所述步骤s4中的采用所述离散时间模型作为模型预测控制的预测模型，采用理想加注过程下车载氢气储存装置的压力变化曲线作为模型预测控制的目标曲线，预测时域为n
p
，控制时域根据事件触发机制确定包括：
[0180]
在k时刻，阀门组合的控制输入u(k)的公式表示为：
[0181][0182]
在k时刻，氢气储存装置的压力状态x(k)的公式表示为：
[0183]
x(k)＝[p
hp
(k) p
mp
(k) pl
p
(k) (p
veh
(k))
t
]
t
，
[0184]
其中，
[0185]
目标函数j
dev
(k)体现了n
p
个时间间隔内，车载氢气储存装置的压力的预测值与目标值之间的偏差，由公式j
dev
(k)表示：
[0186][0187]
其中，表示车辆i在k+j时刻压力的目标值，表示在k时刻当前控制策略对k+j时刻车辆i的车载氢气储存装置压力的预测值；
[0188]
目标函数j
uti
(k)体现了n
p
个时间间隔内，顺序阀组状态对氢气利用效率的影响，由公式j
uti
(k)表示：
[0189][0190]
其中，表示压缩机与氢气储存装置之间阀门状态的预测值，表示氢气储存装置与加氢机之间阀门状态的预测值；
[0191]
目标函数j(k)是j
dev
(k)和j
uti
(k)的加权求和，j(k)的公式表示为：
[0192][0193][0194]
其中，w1为j
dev
(k)所占权重，w2为j
uti
(k)所占权重，为在k时刻控制策略对k+j时刻控制输入的预测值，为在k时刻控制策略对k+j+1时刻压力状态的预测值，为控制输入的可行集合，为压力状态的可行集合。
[0195]
和需要满足混合整数非线性约束，因此顺序阀组控制问题是混合整数非线性规划(minlp)问题。本发明提出了结合遗传算法(ga)和混合整数线性规划(milp)的框架，求解基于混合整数非线性规划的模型预测问题。
[0196]
本发明的基于混合整数非线性规划的模型预测问题的求解框架包括染色体的编码、初始化、选择、交叉、变异等过程，最终得到理想的控制策略。其中，遗传算法的适应度函数能保证选择的染色体满足实值约束，混合整数线性规划能保证随机生成的染色体满足整值约束。
[0197]
s51、确定混合整数线性规划相关公式和参数，混合整数非线性规划模型的目标函数包括最小化矩阵调整幅度和最小化阀门开关频率，其中，表示最小化矩阵调整幅度的权重，表示最小化阀门开关频率的权重，由下式表示：
[0198][0199]
其中，表示利用混合整数线性规划生成满足整值约束的染色体，所需要最小化的目标函数，表示6
×np
的矩阵m表示一条染色体，矩阵表示待调整为满足整值约束状态的染色体，表示该矩阵第1行、第j列的元素的值，表示6
×np
的矩阵m表示一条染色体，矩阵，表示已调整为满足整值约束状态的染色体，表示该矩阵第1行、第j列的元素的值；
[0200]
确定适应度函数相关公式和参数，适应度函数的公式表示为：
[0201]
其中，w
penalty
为每次违反实值约束的惩罚值，c
vio
为m
l
违反实值约束的次数；
[0202]
s52、编码：预测时域内控制输入的预测值为6
×np
矩阵m，其中，其中，其中，
[0203]
s53、初始化：随机生成满足整值约束的染色体种群，种群数量为s
pop
，通过所述混合整数线性规划调整种群中的染色体：随机生成染色体通过s51所述混合整数非线性规划模型获得满足整值约束的染色体
[0204]
s54、选择：通过计算每个染色体如s51所述适应度函数，保留种群中适应度函数值较低的染色体；
[0205]
s55、交叉：随机选择亲代染色体m
p1
、m
p2
，随机交叉得到子代染色体m
c1
、m
c2
，通过所述混合整数非线性规划模型获得满足整值约束的子代染色体，每次进行交叉操作时，随机选择jc∈{1，
…
，n
p
}进行单点交叉，由公式表示：
[0206]mc1
(l，1：n
p
)＝[m
p1
(l，1：jc)m
p2
(jc，1：n
p
)]，
[0207]mc2
(l，1：n
p
)＝[m
p2
(l，1：jc)m
p1
(jc，1：n
p
)]。
[0208]
本发明的变异操作中，首先检查当前种群中每个染色体代表的控制策略，若控制策略带来的压力状态不满足实值约束，则根据违反的实值约束类型调整控制策略、进行变异操作。此过程不是随机的。
[0209]
求解的过程中，一方面可以通过选择、交叉、变异过程更新种群，一方面可以引入一些随机的染色体。算法终止条件的设计需要权衡解的性能和计算效率，通过并行计算可以缩短计算时间。
[0210]
另外，本发明提出了事件触发机制。通过判断是否发生特定事件，从而判断是否更新控制输入，避免冗余计算。
[0211]
s56、变异：检查当前种群中每个染色体代表的控制策略，若控制策略带来的压力状态不满足实值约束，则根据违反的实值约束类型调整控制策略，进行变异操作；
[0212]
s57、设置事件触发机制：误差的阈值ε
veh
的公式表示为：
[0213]
其中，表示当前控制策略下k时刻氢气储存装置压力预测值，表示k时刻氢气储存装置压力实测值；
[0214]
加氢机连接状态包括车辆到来建立连接和车辆离开断开连接两种情况，公式表示为：
[0215][0216]
[0217]
若压缩机的启停状态发生变化，则更新控制输入，压缩机开关状态由公式表示：
[0218][0219]
若预测时域内的控制策略已经实现完毕，则更新控制输入，其中，k表示当前计算的时刻，ke表示上次更新的时刻，由公式ξ
tim
(k)表示：
[0220][0221]
其中，ξ
veh
(k)、ξ
arr
(k)、ξ
lea
(k)、ξ
cmp
(k)、ξ
tim
(k)表示触发规则，k时刻事件触发机制的分析结果ξ(k)＝ξ
veh
(k)vξ
arr
(k)vξ
lea
(k)vξ
cmp
(k)vξ
tim
(k)。ξ(k)值为1表示有发生至少一个特定事件，值为0表示未发生任意一个特定事件。同理，ξ
veh
(k)、ξ
arr
(k)、ξ
lea
(k)、ξ
cmp
(k)、ξ
tim
(k)分别表示在k时刻是否发生如下事件：车载氢气储存装置的压力超过阈值、加氢机连接状态变化(车辆到来建立连接)、加氢机连接状态变化(车辆离开断开连接)、压缩机启停状态变化、预测时域内控制策略实现完毕。
[0222]
请参阅图3，图3为本技术实施例提供的一种基于模型预测控制的加氢站氢气优化加注系统的结构图。本发明还提供一种基于模型预测控制的加氢站氢气优化加注系统，包括：所述参数设置模块1用于设置所述压缩机、氢气储存装置、加氢机之间的参数信息；所述离散时间模型建立模块2用于建立离散时间模型，得到加氢站内的气体流动特征；所述混合整数非线性规划模型建立模块3用于根据所述气体流动特征，以所述压缩机的启停状态为已知参数，以所述加氢机的连接状态为控制变量，建立混合整数非线性规划模型；所述控制模块4用于采用所述离散时间模型作为模型预测控制的预测模型，采用理想加注过程下车载氢气储存装置的压力变化曲线作为模型预测控制的目标曲线，预测时域为n
p
，控制时域根据事件触发机制确定；所述计算模块5用于根据所述混合整数非线性规划模型，计算控制策略。
[0223]
请参阅图4，图4为本技术实施例提供的一种电子设备的结构原理框图。本发明还提出一种电子设备，所述电子设备包括处理器6和存储器7，所述存储器7存储有程序指令，所述处理器6运行程序指令实现上述的基于模型预测控制的加氢站氢气优化加注方法。所述处理器6可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件；所述存储器7可能包含随机存取存储器(random access memory，简称ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。所述存储器7也可以为随机存取存储器(random access memory，ram)类型的内部存储器，所述处理器6、存储器7可以集成为一个或多个独立的电路或硬件，如：专用集成电路(application specificintegrated circuit，asic)。需要说明的是，上述的存储器7中的计算机程序可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案
的部分可以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。
[0224]
请参阅图5，图5为本技术实施例提供的一种计算机可读存储介质的结构原理框图。本发明还提出一种计算机可读存储介质9，所述计算机可读存储介质9存储有计算机指令8，所述计算机指令8用于使所述计算机执行上述的基于模型预测控制的加氢站氢气优化加注方法。计算机可读存储介质9可以是，电子介质、磁介质、光介质、电磁介质、红外介质或半导体系统或传播介质。计算机可读存储介质9还可以包括半导体或固态存储器、磁带、可移动计算机磁盘、随机存取存储器(ram)、只读存储器(rom)、硬磁盘和光盘。光盘可以包括光盘-只读存储器(cd-rom)、光盘-读/写(cd-rw)和dvd。
[0225]
综上所述，本发明的基于模型预测控制的加氢站氢气优化加注方法在考虑多组增压单元、多个储气装置、多台加氢设备连续加注的需求下，加氢站内的复杂工况和设备之间的交叉关联，建立能够匹配大规模、高配置加氢站的离散时间模型。本发明针对压缩机、加氢机、分级储罐和车用储罐之间的复杂气体流动特性，以压缩机的启停状态为已知参数，以加氢机的连接状态为控制变量，建立混合整数非线性规划模型，提高了计算效率。
[0226]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

技术特征：
1.一种基于模型预测控制的加氢站氢气优化加注方法，其特征在于，基于加氢站系统实现，所述加氢站系统包括压缩机、氢气储存装置、加氢机，所述基于模型预测控制的加氢站氢气优化加注方法包括：s1、设置所述压缩机、氢气储存装置、加氢机之间的参数信息；s2、建立离散时间模型，得到加氢站内的气体流动特征；s3、根据所述气体流动特征，以所述压缩机的启停状态为已知参数，以所述加氢机的连接状态为控制变量，建立混合整数非线性规划模型；s4、采用所述离散时间模型作为模型预测控制的预测模型，采用理想加注过程下车载氢气储存装置的压力变化曲线作为模型预测控制的目标曲线，预测时域为n
p
，控制时域根据事件触发机制确定；s5、根据所述混合整数非线性规划模型，计算控制策略。2.根据权利要求1所述的一种基于模型预测控制的加氢站氢气优化加注方法，其特征在于：所述压缩机的个数包括三台，所述氢气储存装置包括高压氢气储存装置、中压氢气储存装置、低压氢气储存装置，所述加氢机包括三台，三台所述压缩机分别与所述高压氢气储存装置、中压氢气储存装置、低压氢气储存装置之间一一对应，所述高压氢气储存装置、中压氢气储存装置、低压氢气储存装置与三台所述加氢机之间一一对应。3.根据权利要求2所述的一种基于模型预测控制的加氢站氢气优化加注方法，其特征在于，所述步骤s1中的设置所述压缩机、氢气储存装置、加氢机之间的参数信息包括：利用表示所述压缩机与所述氢气储存装置之间的阀门，其中，c为压缩机，c∈{1，
…
，c}，利用表示所述氢气储存装置与加氢机之间的阀门，其中，d为加氢机，d∈{1，
…
，d}。4.根据权利要求3所述的一种基于模型预测控制的加氢站氢气优化加注方法，其特征在于，所述步骤s2中的建立离散时间模型，得到加氢站内的气体流动特征包括：s21、所述离散时间模型的离散时间序号和采样周期分别表示为k和t
s
；s22、在k+1时刻，各级氢气储存装置的压力公式表示为：各级氢气储存装置的压力公式表示为：各级氢气储存装置的压力公式表示为：其中，表示从压缩机到各级氢气储存装置的流速，k
hp
、k
mp
、k
lp
分别表示由各级氢气储存装置容积决定的常数，f
hp
、f
mp
、f
lp
表示氢气从各级氢气储存装置到加氢机的流速；s23、在k时刻，从各级氢气储存装置到车载氢气储存装置的氢气流速公式表示为：
其中，γ为氢气的比热比，c
dis
为加氢机阀门的流量系数，a
orifice
为加氢机阀门的横截面积，ρ
hp
、ρ
mp
、ρ
lp
为各级氢气储存装置中氢气的密度，p
hp，veh
、p
mp，veh
、p
lp，veh
为各级氢气储存装置连接的车载氢气储存装置的压力；s24、在k时刻，各级氢气储存装置连接的车载氢气储存装置中的压力公式表示为：各级氢气储存装置连接的车载氢气储存装置中的压力公式表示为：各级氢气储存装置连接的车载氢气储存装置中的压力公式表示为：其中，θ
d，i
为加氢机与车辆的连接状况，为车载氢气储存装置的压力，i表示车辆；s25、在k+1时刻，车载氢气储存装置的压力公式表示为：其中，k
i
为由车载氢气储存装置的容积决定的常数，为氢气加注到车辆的流速；s26、在k时刻，氢气加注到车辆的流速和氢气经过加氢机的流速f
d
(k)公式表示为：示为：5.根据权利要求4所述的一种基于模型预测控制的加氢站氢气优化加注方法，其特征在于，所述步骤s3中的根据所述气体流动特征，以所述压缩机的启停状态为已知参数，以所述加氢机的连接状态为控制变量，建立混合整数非线性规划模型包括：s31、在任意时刻k，加氢机与车辆的连接状况的约束公式表示为：各级氢气储存装置连接加氢机的阀门v
d
的约束公式表示为：
其中，表示k时刻从高压氢气储存装置到加氢机的阀门开关状态，值为1表示阀门打开，值为0表示阀门关闭，表示k时刻从中压氢气储存装置到加氢机的阀门开关状态，值为1表示阀门打开，值为0表示阀门关闭，表示k时刻从低压氢气储存装置到加氢机的阀门开关状态，值为1表示阀门打开，值为0表示阀门关闭；s32、各级氢气储存装置连接压缩机的阀门v
c
的约束公式表示为：的约束公式表示为：其中，表示k时刻从压缩机到高压氢气储存装置的阀门开关状态：值为1表示阀门打开，值为0表示阀门关闭，表示k时刻从压缩机到中压氢气储存装置的阀门开关状态：值为1表示阀门打开，值为0表示阀门关闭，表示k时刻从压缩机到低压氢气储存装置的阀门开关状态：值为1表示阀门打开，值为0表示阀门关闭，u
c
(k)表示k时刻压缩机的启停状态，值为1表示压缩机正在运行，值为0表示压缩机停止运行；s33、各级氢气储存装置连接压缩机的阀门v
c
和各级氢气储存装置连接加氢机的阀门v
d
的约束公式表示为：的约束公式表示为：的约束公式表示为：s34、各级氢气储存装置和车载氢气储存装置满足最小压力和最大压力的约束公式表示为：p
hp，min
≤p
hp
(k)≤p
hp，max
，p
mp，min
≤p
mp
(k)≤p
mp，max
，p
lp，min
≤p
lp
(k)≤p
lp，max
，
其中，p
hp，min
表示高压氢气储存装置允许的最小压力，p
mp，min
表示中压氢气储存装置允许的最小压力，p
lp，min
表示低压氢气储存装置允许的最小压力，表示车辆的车载氢气储存装置允许的最小压力，p
hp，max
表示高压氢气储存装置允许的最大压力，p
mp，max
表示中压氢气储存装置允许的最大压力，p
lp，max
表示低压氢气储存装置允许的最大压力，表示车辆的车载氢气储存装置允许的最大压力。6.根据权利要求5所述的一种基于模型预测控制的加氢站氢气优化加注方法，其特征在于，所述步骤s4中的采用所述离散时间模型作为模型预测控制的预测模型，采用理想加注过程下车载氢气储存装置的压力变化曲线作为模型预测控制的目标曲线，预测时域为n
p
，控制时域根据事件触发机制确定包括：在k时刻，阀门组合的控制输入u(k)的公式表示为：在k时刻，氢气储存装置的压力状态x(k)的公式表示为：x(k)＝[p
hp
(k)p
mp
(k)p
lp
(k)(p
veh
(k)
t
]
t
，其中，目标函数j
dev
(k)体现了n
p
个时间间隔内，车载氢气储存装置的压力的预测值与目标值之间的偏差，由公式j
dev
(k)表示：其中，表示车辆i在k+j时刻压力的目标值，表示在k时刻当前控制策略对k+j时刻车辆i的车载氢气储存装置压力的预测值；目标函数j
uti
(k)体现了n
p
个时间间隔内，顺序阀组状态对氢气利用效率的影响，由公式j
uti
(k)表示：其中，表示压缩机与氢气储存装置之间阀门状态的预测值，表示氢气储存装置与加氢机之间阀门状态的预测值；目标函数j(k)是j
dev
(k)和j
uti
(k)的加权求和，j(k)的公式表示为：
其中，w1为j
dev
(k)所占权重，w2为j
uti
(k)所占权重，为在k时刻控制策略对k+j时刻控制输入的预测值，为在k时刻控制策略对k+j+1时刻压力状态的预测值，为控制输入的可行集合，为压力状态的可行集合。7.根据权利要求6所述的一种基于模型预测控制的加氢站氢气优化加注方法，其特征在于，所述步骤s5中的根据所述混合整数非线性规划模型，计算控制策略包括：s51、确定混合整数线性规划相关公式和参数，混合整数非线性规划模型的目标函数包括最小化矩阵调整幅度和最小化阀门开关频率，其中，表示最小化矩阵调整幅度的权重，表示最小化阀门开关频率的权重，由下式表示：其中，表示利用混合整数线性规划生成满足整值约束的染色体，所需要最小化的目标函数，表示6
×
n
p
的矩阵m表示一条染色体，矩阵表示待调整为满足整值约束状态的染色体，表示该矩阵第l行、第j列的元素的值，表示6
×
n
p
的矩阵m表示一条染色体，矩阵，表示已调整为满足整值约束状态的染色体，表示该矩阵第l行、第j列的元素的值；确定适应度函数相关公式和参数，适应度函数的公式表示为：其中，w
penalty
为每次违反实值约束的惩罚值，c
vio
为m
l
违反实值约束的次数；s52、编码：预测时域内控制输入的预测值为6
×
n
p
矩阵m，其中，其中，其中，s53、初始化：随机生成满足整值约束的染色体种群，种群数量为s
pop
，通过所述混合整数线性规划调整种群中的染色体：随机生成染色体通过s51所述混合整数非线性规划模型获得满足整值约束的染色体s54、选择：通过计算每个染色体如s51所述适应度函数，保留种群中适应度函数值较低的染色体；s55、交叉：随机选择亲代染色体m
p1
、m
p2
，随机交叉得到子代染色体m
c1
、m
c2
，通过所述混合整数非线性规划模型获得满足整值约束的子代染色体，每次进行交叉操作时，随机选择j
c
∈{1，
…
，n
p
}进行单点交叉，由公式表示：m
c1
(l，1：n
p
)＝{m
p1
(l，1：j
c
)m
p2
(j
c
，1：n
p
)]，m
c2
(l，1：n
p
)＝{m
p2
(l，1：jc
)
m
p1
(j
c
，1：n
p
)]；
s56、变异：检查当前种群中每个染色体代表的控制策略，若控制策略带来的压力状态不满足实值约束，则根据违反的实值约束类型调整控制策略，进行变异操作；s57、设置事件触发机制：误差的阈值ε
veh
的公式表示为：其中，表示当前控制策略下k时刻氢气储存装置压力预测值，表示k时刻氢气储存装置压力实测值；加氢机连接状态包括车辆到来建立连接和车辆离开断开连接两种情况，公式表示为：公式表示为：若压缩机的启停状态发生变化，则更新控制输入，压缩机开关状态由公式表示：若预测时域内的控制策略已经实现完毕，则更新控制输入，其中，k表示当前计算的时刻，k
e
表示上次更新的时刻，由公式ξ
tim
(k)表示：其中，ξ
veh
(k)、ξ
arr
(k)、ξ
lea
(k)、ξ
cmp
(k)、ξ
tim
(k)表示触发规则，k时刻事件触发机制的分析结果ξ(k)＝ξ
veh
(k)∨ξ
arr
(k)∨ξ
lea
(k)∨ξ
cmp
(k)∨ξ
tim
(k)。8.一种基于模型预测控制的加氢站氢气优化加注系统，其特征在于，包括：参数设置模块，用于设置所述压缩机、氢气储存装置、加氢机之间的参数信息；离散时间模型建立模块，用于建立离散时间模型，得到加氢站内的气体流动特征；混合整数非线性规划模型建立模块，用于根据所述气体流动特征，以所述压缩机的启停状态为已知参数，以所述加氢机的连接状态为控制变量，建立混合整数非线性规划模型；控制模块，用于采用所述离散时间模型作为模型预测控制的预测模型，采用理想加注过程下车载氢气储存装置的压力变化曲线作为模型预测控制的目标曲线，预测时域为n
p
，控制时域根据事件触发机制确定；计算模块，用于根据所述混合整数非线性规划模型，计算控制策略。9.一种电子设备，包括处理器和存储器，所述存储器存储有程序指令，其特征在于：所述处理器运行程序指令实现如权利要求1至7任意一项所述的基于模型预测控制的加氢站氢气优化加注方法。

技术总结
本发明涉及一种加氢站氢气优化加注方法，特别是涉及一种基于模型预测控制的加氢站氢气优化加注方法及系统。包括：设置参数信息；建立离散时间模型，得到加氢站内的气体流动特征；根据气体流动特征，以压缩机的启停状态为已知参数，以加氢机的连接状态为控制变量，建立混合整数非线性规划模型；采用离散时间模型作为模型预测控制的预测模型，采用理想加注过程下车载氢气储存装置的压力变化曲线作为模型预测控制的目标曲线，预测时域为N


技术研发人员：许健 苏嘉南 张振扬 杨申音 王嘉炜 余炳延 李安琪 兰玉岐 张震 安刚 解辉 黄磊 郝加封 杨昌乐 左广巍 李景鹏 吴鹏 陈菁瑶 肖海亮
受保护的技术使用者：航天氢能科技有限公司
技术研发日：2023.03.13
技术公布日：2023/7/19