太阳能邱健蓄电池供电碱性水电解系统的降解意识调度与热管理

本研究提出了一个完全由太阳能供能、由电池储能支持的碱性水电解（AWE）综合调度框架，明确考虑了电极劣化。目标是满足氢气生产目标，最小化间歇性电源引起的电极损耗，并保持足够高的电荷状态。基于有限的实验数据，开发了一个降解模型，以量化镍随停机时间和温度的损失，主要由反向电流效应驱动。为了通过热管理来减轻降解，温度控制通过构建一系列具有不同电流密度的外生输入（ARX）自回归模型，并将其嵌入模型预测控制（MPC）框架中实现。所得的闭环温度响应随后被建模并整合进基于混合整数非线性规划（MINLP）的调度算法中，以联合优化工作电流、温度设定点、停机期以及电池充放电动作，以适应时变的太阳能可用性。模拟结果表明，协同控制停机时机、热条件和电池运行，使系统能够可靠地实现绿色氢气生产目标，同时减轻劣化并遵守运行约束。

简介

随着全球变暖和环境污染持续加剧，氢气已成为化石燃料的有前景替代品。特别是，绿色氢气完全由太阳能和风能等可再生能源生产，提供了实现能源可持续发展的清洁途径，不产生污染物或二氧化碳（CO₂）排放。然而，绿色氢气的高生产成本仍然是其大规模商业化的主要障碍。这一成本的一个关键原因是可再生能源的间歇性，这迫使电解槽频繁停机和启动，从而增加了关键部件的维护和更换成本。虽然将电解槽保持热待机状态可以快速恢复氢气生产，但这种方法仍会导致部件劣化和能量损失，最终增加资本成本、维护复杂度和系统停机时间。本文通过开发基于优化的调度框架，明确考虑降解机制和可再生能源变异性，解决了碱性水电解（AWE）系统的这些挑战。
典型的AWE系统采用氢氧化钾（KOH）作为电解液，外覆镀有催化材料的镍基电极。阳极和阴极舱之间由一层薄隔膜分隔，以防止产生的氧气和氢气混合。为了驱动水分裂反应，必须对电池施加可逆电位，同时还要克服额外的欧姆、活化和浓度过电位。AWE已被提出多种数学模型，用于描述热行为[1]、多物理估计势[2]、评估技术经济性能[3]以及在混合能源下确定系统效率[4]。然而，反向电流导致电极劣化的建模仍然有限。在[5]中，提出了等效电路模型（ECM），用于量化系统停机后反向电流与电池电压的关系，描述两个电极的候选反应。[6]的实验工作测量了4单元AWE堆栈中的反向电流和电位，证明停机和高温期间电解质循环显著增加反向电流及相关降解。最近，基于Haleem等人[6]的数据开发了计算流体力学（CFD）模型，用于量化堆高、单元数和流体内离子电阻对反向电流的影响[7]。尽管取得了这些进展，适合集成到数学规划或优化框架中的退化模型仍然大多未被探索。
温度在决定AWE系统的性能和耐久性方面起着关键作用。现代AWE电池的电势通常超过热中性电压，因此在运行过程中释放大量热量。一方面，高温能提升电解效率;另一方面，过热会加速电解器元件的腐蚀，并降低气体纯度，尤其是在高电流密度下[8]。因此，精确的温度调节对于保持高效率且符合运营限制至关重要。在间歇性太阳能驱动下，频繁的停机和启动进一步凸显了高效温度管理的必要性，以最大限度减少放宽延迟、热应力和镍的损失。在[9]中，采用了比例积分（PI）控制器进行细胞温度调节，而[10]则将温度动力学建模为输入功率的线性函数，从而在模型预测控制（MPC）框架内降低了计算复杂度。然而，理论分析[1]表明，AWE的温度响应相对于电流密度本质上是非线性的。为了平衡模型的忠实度和计算效率，因此在AWE系统中采用多模型线性表示进行温度调节是有利的。
AWE的安排在降低氢气生产成本方面起着关键作用，尤其是在使用可再生能源时。在[11]中，开发了一种混合风光（PV）互补氢气生产系统，并提出了基于堆叠多级去噪自编码器、遗传算法和深度强化学习（DRL）的多目标调度策略。然而，该系统仍依赖柴油发电机，因此并不代表完全的绿色氢气解决方案。同样，Yang等人[4]为一组由光伏供电并辅以电网的AWE设计了多步预测调度方案。后来，利用日间日间灯（DRL）模拟并调度了一个完全离网的可再生氢气生产系统，见[12]。在[13]中，可再生能源电力调度策略被制定为混合整数线性规划（MILP），以最小化氢气的平准化成本（LCOH）。然而，该研究未考虑温度和电流密度对电解槽性能的影响。为了准确确定最优工作状态和功率分配，必须包含详细的动态行为，从而形成更复杂的混合整数非线性规划（MINLP）[14]，其全局最优性难以保证。为管理这种复杂性，已提出线性化和基于分解的算法用于多AWE调度[15]。
尽管如此，大多数现有调度算法仍偏向稳态运行，忽视动态瞬变的影响，而动态瞬变会显著影响运营成本和氢气生产效率。此外，先前研究中的降解效应[9]通常简化为常数参数，而非通过物理知情、时间依赖的降解动态在调度框架内建模。
总之，目前没有任何以优化为导向的模型能够定量捕捉AWE中的电极降解。此外，当前离网绿色氢气生产的调度算法未能解决在最小化劣化和最大化生产效率的矛盾温度要求中。为弥合这一差距，我们提出了一个综合建模、控制和优化框架，旨在确保高氢气产量和系统效率。本研究的主要贡献如下：

• •
  开发了一种电化学降解模型，定量表征停机期间镍的损失速率，捕捉其对温度和停机时间的依赖性。该研究展示了如何利用在有限操作条件下获得的实验数据构建此类模型。
• •
  构建一系列基于数据的温度模型，结合无偏移MPC方案，以调节不同电流密度下的AWE温度，实现可靠的闭环热管理。
• •
  设计一个集成控制调度框架，联合优化停机时机、工作温度、电流密度和电池功率流量，同时明确考虑闭环温度动态、电极劣化和太阳能间歇性。提出了两种MINLP表述方式，以及一种计算效率高的启发式策略，以获得近似最优解。