CN119518987A 一种无储能离网光伏制氢系统及控制方法 （安徽佑赛科技股份有限公司）

由贸易试验区芜湖片区九华北路118号本发明公开了一种无储能离网光伏制氢系控制参数优化和系统性能评估与自适应调整五异谱分析和模糊预测控制方法实现系统性能评2步骤S1、从光照强度传感器和温度传感器获取原始数据步骤S2、读取光照强度特征向量和温度特征向量，结合粒子群优量回归与高斯过程回归的集成方法预测最大步骤S11、获取光照强度传感器和温度传感器的实时读数大小归一化因子的比值；将隔离指数大于预设阈值的数据点标记为异常并从数据集中移步骤S13、将过异常检测的光照强度数据L_clean和温度数据T_clean输入到克里金插步骤S14、将插值后的光照强度数据L_interp和温度数据T_interp输入到经验模态分输出多尺度分解后的光照强度数据{L_1,L_2,,L_m}和温度数据{T_1,T_2,,步骤S15、将多尺度分解后的光照强度数据{L_1,L_2,,L_m}和温度数据{T_1,3体最优位置和全局最优位置的加权和；将更新后的粒子位置输入到Levenberg_Marquardt步骤S22、将光伏电池模型参数向量P_pv以及光照强度特征步骤S31、将预先存储的电解槽历史电压电流数据[V_hist,I_hist]输入到遗传算法步骤S32、将步骤S31得到的电解槽模型参数向量P_el和预先存储的电解槽规格参数步骤S33、将步骤S22预测的最大功率点MPP_pred和步骤S32得到的电解槽安全工作功率损失；使用值迭代法求解最优策略，迭代更新值函数直至收敛；输出功率分配策略S_步骤S41、将预先存储的变换器历史运行数据[V_in_hist,I_in_hist,V_out_hist,步骤S42、将步骤S41得到的变换器模型参数P_conv和步骤S33得到的功率分配策略S_步骤S43、将步骤S42得到的初始控制参数θ_init、步骤S41得到的变换器模型参数P_4conv、步骤S33得到的功率分配策略S_power和步骤S22预测的最大功率点MPP_pred输入到步骤S52、将预先存储的历史性能指标数据PI_histTakagiSugeno模糊推理方法计算输出；同时将相同的输入数据输入到模型预测控制算法8.根据权利要求7所述的无储能离网光伏制氢控制方法步骤S121：将步骤S11获得的原始光照强度数据L_raw和原始温度数据T_raw输入到多步骤S124：将步骤S122得到的异常得分向量S_anomaly和步骤S123得到的动态阈值T_5步骤S125：将步骤S124得到的异常标记矩阵M_anomaly，以步骤S126：将步骤S125得到的验证后的异常标记矩阵M_veri步骤S127：将步骤S126得到的修复后的光照强度数据L_cle质量，生成数据质量报告Q_report；输出修复后的光照强度数据L_clean和温度数据T_9.根据权利要求7所述的无储能离网光伏制氢控制方法步骤S132、将步骤S131得到的空相关性特征矩阵C_spatio_temporal输入到自适应变步骤S133、将步骤S132得到的自适应变异函数参数集P_vari复后的光照强度数据L_clean、温度数据T_clean和缺失值标记矩阵M_missing输入到多尺步骤S134、将步骤S133得到的初步插值结果I_preliminary输入到变分贝叶斯优化器步骤S135、将步骤S134得到的优化后的插值结果I_optimized输入到不确定性量化模6估计的最终插值结果I_final和不确定性矩阵U_inter所述存储器存储有可被所述处理器执行的指令，所述指令用于被所现权利要求1~9任一项所述的无储能离网光7[0003]目前，无储能离网光伏制氢系统的研究主要集中在基本控制策略和系统集成方用恒电流或恒电压控制策略，通过简单的PID控制器维持电解槽的稳定运行。系统集成方各个单元之间的协调主要依靠简单的逻辑判断估缺乏对多尺度时间序列特征的深入分析，难以准确预测性能趋势和及时发现潜在问题。[0008]步骤S2、读取光照强度特征向量和温度特征向量，结合粒子群优化算法和使用支持向量回归与高斯过程回归的集成方法8[0025]步骤S2、读取光照强度特征向量和温度特征向量，结合粒子群优化算法和使用支持向量回归与高斯过程回归的集成方法9[0031]步骤S12、将原始光照强度数据L_raw和原始温度数据T_raw输入到隔离森林算法[0032]步骤S13、将过异常检测的光照强度数据L_clean和温度数据T_clean输入到克里[0033]步骤S14、将插值后的光照强度数据L_interp和温度数据T_interp输入到经验模分量；输出多尺度分解后的光照强度数据{L_1,L_2,,L_m}和温度数据{T_1,T_2, 1,T_2,,T_m}输入到时间序列Shapelet算法中；计算Shapelet[0035]通过多层次的数据处理和分析框架，实现了环境数据的高质量采集与特征提度、个体最优位置和全局最优位置的加权和；将更新后的粒子位置输入到Levenberg一[0039]通过结合粒子群优化算法与Levenberg_Marquardt算法，以及支持向量回归与高回归与高斯过程回归的集成方法预测最大功率点，得到带有不确定性估计的概率预测结[0041]步骤S31、将预先存储的电解槽历史电压电流数据[V_hist,I_hist]输入到遗传[0043]步骤S33、将最大功率点MPP_pred和电解槽安全工作功率范围[P_min,P_max]输[0046]步骤S41、将预先存储的变换器历史运行数据[V_in_hist,I_in_hist,V_out_S33得到的功率分配策略S_power和步骤S22预测的最大功率点MPP_pred输入到模拟退火算[0055]步骤S53、将性能趋势向量T_perf、优化后的控制参数θ_opt和功率分配策略S_调整能力对于维持系统的稳定运行具有重要作用。值；输出修复后的光照强度数据L_clean和温度数据T_clean，以及缺失值标记矩阵M_标记矩阵M_missing和数据质量报告Q_repo[0068]步骤S132、将空相关性特征矩阵C_spatio_temporal输入到自适应变异函数生成插值结果I_final和不确定性矩阵U_interpol插值方法不仅提高了环境数据的时空连续性和完整性，还能准确评估插值结果的可靠性，[0077]步骤S144、将初步IMF分量集输入到模态对齐与优化模块中。使用动态时间规整立性。应用独立分量分析(ICA)技术进一步分离混合模态。输出优化后的IMF分量集I_示方法，提高时频分析的分辨率。输出Hilbert谱H__spectrum和瞬时频率矩阵F_引入新的多尺度复杂度指标，如多尺度排列熵和多尺度模糊熵。输出多尺度特征矩阵F_计新的Shapelet候选生成策略，基于信号的局部特征和全局结构。使用遗传算法优化征冗余提升了后续控制系统的计算效率，对无储能光伏制氢系统的实时控制具有重要意法在参数空间中生成均匀分布的初始粒子群。每个粒子表示一组光伏模型参数[I_sc,V_伏电池模型参数向量P_pv_final和模型性能报告R_per[0097]步骤S223、将X_aug和Y_aug输入到高斯过程回归(GPR)训练模块。设计复合核函ensemble和集成模型性能指标P_e[0105]步骤S314、将G_ga中适应度最高的个体作为初始参数估计值P_init，与D_el_出最终的电解槽模型参数向量P_el_final和模型性能报告R_el_perform[0109]步骤S321、将SP_el_final和预存储的电解槽规格参数Spec_el输入到约束条件综合目标函数F(V,I)和初始权重系数W[0112]步骤S324、将S323得到的X_opt输入到Pareto前沿生成器。使用ε一约束法生成S323中的内点法求解器。收集所有非支配解，构成Pareto前沿。输出Pareto最优解集PS_[0113]步骤S325、将S324得到的PS_pareto输入到决策制定模块。使用TOPSIS方法从指令ΔP。考虑系统响应延迟，设计平滑过渡策略，避免功率突变。输出功率分配策略S_[0122]步骤S337、将S336得到的V_updated(s)、π_updated(s)和长期性能统计数据D_含优化后的目标功率P_target_opt和运行模式mode[0127]步骤S411、将预存储的变换器历史运行数据[V_in_hist,I_in_hist,V_out_别适合于无储能光伏制氢系统中DC/DC变换器的在线建模，为后续控制器设计提供了精确量PI_desired=[Ts,Mp,Ess]及其容许范围ΔPI。据M_ss构建系统传递函数G(s)=num(s)/den(s)。设置控制器Ki,Kd,Tf]。棒性分析报告R_robust和最终的初始控制参数θ_init_robust。的S_power_final输入到目标函数构建模块。设计多目标函数J(θ)=w1*J1(θ)+w2*J2[0148]步骤S521、将预存储的历史性能指标数据PI_hist输入到数据分段与平稳性检验模块。使用滑动窗口法将数据分割成多个时间段。对每个时间段进行增广Dickey_Fuller的差分阶数。输出分段后的平稳时间序列集合TS_stationary和相应的差分阶数集合D_[0150]步骤S523、将S522得到的MS_components和S_features输入到ARIMA模型识别模[0151]步骤S524、将S523得到的P_arima和R_diagnostic，以及S522得到的MS_制，增加近期数据的重要性。构建Takagi_Sugeno型模糊规则，IF(condition)THEN[0157]步骤S533、将S532得到的FI_result和S41得到的M_ss输入到模型预测控制(MPC)机制，识别并处理异常工况。输出更新后的模糊规则库FR_base_updated和模型参数P_评估报告R_performance和优化建议S_optimizat电平buck变换器和制氢电解槽系统；交错并联三电平buck变换器的输入端连接光伏电池；[0182]加入相应的小信号扰动变量，消除直流项分量和二次项[0183]U,dti,