[發明專利]風光互補電解水制氫的轉化效率的確定方法和確定裝置

有效

• 申請號: 202110129235.0
• 申請日: 2021-01-29
• 公開（公告）號: CN113151842B
• 公開（公告）日: 2023-07-11
• 發明（設計）人: 梁濤;孫鶴旭;曹欣;董硯;林濤;雷兆明;劉斌;廖文喆;秦曉亮;魏曉陽
• 申請（專利權）人: 河北建投新能源有限公司;河北工業大學
• 主分類號: C25B1/04
• 分類號: C25B1/04;C25B9/65;C25B15/02;G06N3/08
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 霍文娟

本申請提供了一種風光互補電解水制氫的轉化效率的確定方法和確定裝置，該方法包括：實時獲取影響風光互補電解水制氫的轉化效率的目標因素的第一測試數據；建立轉化效率的神經網絡模型；根據神經網絡模型以及第一測試數據，確定轉化效率。該方法中，通過將第一測試數據輸入神經網絡模型，可以實時且較為準確地確定風光互補電解水制氫的轉化效率，這樣有效地解決了現有技術中離線分析轉化效率導致延遲性大的問題，方便了工作人員根據實時確定的轉化效率，確定電廠的實時運行情況。

技術領域

本申請涉及制氫領域，具體而言，涉及一種風光互補電解水制氫的轉化效率的確定方法、確定裝置、確定系統、計算機可讀存儲介質以及處理器。

背景技術

在風光互補制氫的實際生產過程中，影響能量轉化效率的多個因素很多，并且難以通過簡單的公式來描述轉化效率與其影響因素。

在目前的風電廠生產中，大多通過分析風電轉換、光電轉換以及電解水等能量轉換過程來離線分析效率，這些方法不僅準確率低，還伴隨有較大的延遲性，無法為工程人員針對電廠的實時運行情況進行相應的調整提供指導意見。

因此，亟需一種風光互補電解水制氫能量轉化效率的在線軟測量與能耗診斷方法及系統。

在背景技術部分中公開的以上信息只是用來加強對本文所描述技術的背景技術的理解，因此，背景技術中可能包含某些信息，這些信息對于本領域技術人員來說并未形成在本國已知的現有技術。

發明內容

本申請的主要目的在于提供一種風光互補電解水制氫的轉化效率的確定方法、確定裝置、確定系統、計算機可讀存儲介質以及處理器，以解決現有技術中離線分析電解水能量轉換效率延遲性大的問題。

根據本發明實施例的一個方面，提供了一種風光互補電解水制氫的轉化效率的確定方法，包括：實時獲取影響風光互補電解水制氫的轉化效率的目標因素的第一測試數據；建立所述轉化效率的神經網絡模型；根據所述神經網絡模型以及所述第一測試數據，確定所述轉化效率。

可選地，在實時獲取影響風光互補電解水制氫的轉化效率的目標因素的第一測試數據之前，所述方法還包括：獲取影響所述轉化效率的多個因素的多個第一歷史測試數據；根據多個所述第一歷史測試數據，采用最大信息系數法，確定多個所述因素中的所述目標因素。

可選地，在獲取影響所述轉化效率的多個因素的多個第一歷史測試數據之后，在根據多個所述第一歷史測試數據，采用最大信息系數法，確定多個所述因素中的所述目標因素之前，所述方法包括：采用格拉布斯法確定多個所述第一歷史測試數據中的異常數據，并去除所述異常數據；采用小波閾值降噪法對去除所述異常數據的多個所述第一歷史測試數據進行處理，得到多個第一預定歷史數據，根據多個所述第一歷史測試數據，采用最大信息系數法，確定多個所述因素中的所述目標因素，包括：根據多個所述第一預定歷史數據，采用最大信息系數法確定所述目標因素。

可選地，建立所述轉化效率的神經網絡模型，包括：獲取多個所述第一預定歷史數據對應的多個第二歷史測試數據，所述第二歷史測試數據為所述轉化效率的歷史數據；根據多個所述第一預定歷史數據以及對應的多個所述第二歷史測試數據，確定初始神經網絡模型；確定所述初始神經網絡模型的預測精度是否小于等于預定值；在確定所述初始神經網絡模型的預測精度小于等于所述預定值的情況下，采用改進蝗蟲優化算法對所述初始神經網絡模型進行優化，直到優化后的所述初始神經網絡模型的預測精度大于所述預定值，優化后的所述初始神經網絡模型為所述神經網絡模型。

可選地，在獲取多個所述第一預定歷史數據對應的多個第二歷史測試數據之后，在確定初始神經網絡模型之前，所述方法還包括：采用格拉布斯法確定多個所述第二歷史測試數據中的異常數據，并去除所述異常數據；采用小波閾值降噪法對去除所述異常數據的多個所述第二歷史測試數據進行處理，得到多個第二預定歷史數據，根據多個所述第一預定歷史數據以及對應的多個所述第二歷史測試數據，確定初始神經網絡模型，包括：根據多個所述第一預定歷史數據以及對應的多個所述第二預定歷史數據，確定所述初始神經網絡模型。