考虑下游氢负荷波动的新能源制氢系统协调控制策略_袁铁江.pdf

Vol.47 No.6 Mar.25,2023第 47卷 第 6期 2023年 3月 25日考虑下游氢负荷波动的新能源制氢系统协调控制策略袁铁江，谭捷，万志（大连理工大学电气工程学院，辽宁省大连市 116024）摘要：针对下游氢负荷波动不确定的新能源制氢系统，提出了一种基于模型预测控制的自适应功率协调控制策略。首先，确定新能源制氢系统基本结构及数学模型；然后，基于模型预测控制原理，将氢负荷流速、新能源实际最大出力以及电解槽启停状态等作为系统不确定性干扰变量，并通过预测模型滚动优化各电解槽制氢功率、电池出力以及新能源弃电功率，进而实现电池荷电状态、储氢罐压强、电网负荷的日内实时跟踪和电解槽启停状态的优化控制。最后，通过算例仿真验证了所提策略的有效性，并针对各参数进行了灵敏度分析和鲁棒性分析。关键词：氢能；新能源；功率协调控制；电解槽；模型预测控制0 引言在“双碳”目标下，氢能由于具有低碳、清洁的优点获得广泛的关注，并有望得到大规模应用1-3。氢气可通过多种可再生能源大规模制备4-8。其中，电解水制氢是一种高效清洁且较为成熟的制氢技术，采用风光电解水来直接制氢是提高新能源利用率、缓解新能源限电问题的有效技术手段9。优化新能源制氢系统的运行控制策略可减少设备投资和运行损耗，对提高供能可靠性和新能源发展有重大意义。制氢系统是一种灵活性负载，具有高度的可控性，既可以与新能源直接耦合，也可以通过电力电子变换器与系统间接耦合10；其底层控制器主要用于保证制氢过程的安全可靠性，通过设计合适的前端控制器可以有效提高并网灵活性11。目前，制氢系统底层控制可以有效应对来自新能源电力系统的扰动冲击12-13；同时，可以配合新能源电源实现最大功率点追踪14-15。前端控制可以协调制氢负载的运行以支撑系统安全可靠运行和电力市场要求16-17，但未考虑下游氢负荷波动的影响。在支撑电网运行方面，仅仅考虑到新能源的平抑效果18-19、制氢成本20以及设备启停次数21-22等目标，并未考虑电解槽、其他功率调节设备的启停和变功率运行情况，以及启停造成的功率冲击对系统控制性能的影响。随着氢能需求迅猛增长，能源系统的结构和用途也会发生很大变化，下游氢负荷波动带来的不确定性对能源系统安全经济运行的影响不容忽视。不同于电力系统有功调频的全局响应，下游氢负荷波动不确定性将会造成电解槽的工作点发生大幅度改变。局部电解槽工况的恶化将会造成电解槽的过载和停机，影响到电解槽的使用寿命，危及储气罐的安全和氢能供给的可靠性，并且大规模电解槽启停造成的功率冲击也威胁到电力系统的安全稳定。为此，本文针对该问题提出了一种基于模型预测控制（model predictive control，MPC）的自适应下游氢负荷波动的协调控制策略。1 新能源制氢系统建模1.1系统结构新能源制氢系统结构如图 1 所示，包括了新能源电源、外接电网、电池、电解槽、储氢罐和氢负荷，其中，多台电解槽并联运行。系统需要在 1 日的运行中，利用新能源发电制取氢气，根据新能源和氢气负荷波动自适应调整，以减少新能源弃电，满足系统设计的氢负荷需求以及电网负荷需求。因为没有燃料电池保证电能的需求，所以通过电池保证系统在新能源低谷时期的供电安全。1.2系统动态建模氢能系统目前已有较为成熟的动态模型，本文主要采用电池等效模型、电解槽及储氢罐模型。根据已有模型18，对放电功率与电池荷电量的关系进行线性化近似表示：DOI：10.7500/AEPS20220811001收稿日期：2022-08-11；修回日期：2022-11-13。上网日期：2023-01-29。国家电网有限公司总部管理科技项目（电解水制氢-储氢-供氢系统联合规划仿真及电-氢协同互动模式研究）。150袁铁江，等 考虑下游氢负荷波动的新能源制氢系统协调控制策略http：/www.aeps-Scell(t)=1-(Pcell(t)qcell+Scell(t)dt（1）式中：Scell(t)为电池荷电量；Pcell(t)为电池放电功率；qcell为电池储能容量；为与电池荷电量相关的自衰减时间系数；t为时间。根据法拉第定律，电解槽氢气产出速率与通过电极的电荷量速率，即外部电路电流成正比，但不同技术类型电解槽的制氢性能不一样，可对电解功率与产氢速率的关系进行线性化近似表示：n?H2，i=1Pelec，i+2（2）式中：n?H2，i为电解槽 i析出氢气的摩尔量变化率，即产氢速率；Pelec，i为电解槽 i的输入功率；1和2为线性近似系数。根据热力学的理想气体状态方程，储氢罐的压强变化和气体流速的关系可由下式表示：p?tank=RTVn?tank（3）式中：p?tank为储氢罐气压变化率；n?tank为储氢罐气体的摩尔量变化率，即气体流速；R 为理想气体常数，取 8.314 Pam3/（molK）；T 为理想气体的热力学温度；V 为理想气体的体积。根据式（1），建立电池荷电量的差分方程：Scell(t)=(1-)Scell(t-)-qcellPcell(t-)（4）式中：为时间步长。根据式（2）和式（3），可以推出储氢罐气压的状态差分方程：ptank(t)=ptank(t-)+RTV(n?P(t-)+n?d(t-)-n?load(t-)（5）式中：ptank(t)为储氢罐压强；n?load为氢气流出的摩尔量变化率，即氢负荷流速；n?P和n?d分别为电解槽制氢功率和工作状态影响的氢气摩尔量变化率，分别由 fP和 fd这 2 个 泛 函 算 子 表 示，如 式（6）和 式（7）所示。n?P=fP(Pelec)=i=1m|1Pelec，i（6）n?d=fd(delec)=i=1m|2()delec，i-l-|1Pheat()delec，i-s-|1Psp()delec，i-w（7）式中：Pelec为以各个电解槽制氢输入功率为元素构成的向量，即Pelec=Pelec，1，Pelec，2，Pelec，mT；delec为以各个电解槽工作状态为元素构成的向量16，即delec=delec，1，delec，2，delec，mT，delec，i l，s，w，l、s、w 分别代表正常运行、冷待机、热待机；为狄拉克函数；Pheat为冷备用加热功率；Psp为热备用激活功率；m为电解槽数量。考虑到系统功率平衡，电网负荷的表达式为：Pgrid(t)=Pquit(t-)+i=1mPelec，i()t-Pcell(t-)-Prenw(t-)（8）式中：Pgrid()t为电网负荷；Pquit()t为新能源弃电功率；Prenw()t为新能源出力。2 计及电解槽启停特性的 MPC2.1预测模型构建预测模型是 MPC的基础。为了提高控制性能，须尽可能完整地考虑系统运行过程中的动态特性，快速精准地对未来时刻输出做出预测，因此本文采用状态空间表达式导出输出预测模型。根据氢能系统特性，将系统变量分为状态变量 x、输出向量 y、控制 向 量 u、扰 动 向 量 h，其 中，系 统 状 态 向 量 x 表示为：x(t)=Scell(t)ptank(t)Pgrid(t)T（9）由式（6）以及式（7）可知，电解槽产氢特性较为复杂，n?P和n?d的大小与温度、压力以及电解槽制氢功率等多种因素相关，呈现一定的非线性特性，并且电解槽启停状态的改变也进一步增加了控制的复杂度。为了保持系统线性特性，减少预测模型的求解复杂度，对控制变量 u 和扰动变量 h 做以下一系列变换：u=Pcell Pquit fP(Pelec，1)fP()Pelec，2 fP(Pelec，m)T（10）新能源 电网 电池 氢负荷 储氢罐 电解槽 预测控制 参考轨迹 波动信息 波动信息 跟踪计划 跟踪计划 能量物质流;信息流制氢系统图 1新能源制氢系统结构示意图Fig.1Schematic diagram of structure for hydrogen producing system powered by renewable energy1512023，47（6）h=n?load Prenw fd(delec，1)fd()delec，2 fd(delec，m)T（11）式中：u由电池放电功率、新能源弃电功率以及各电解槽制氢功率影响的氢气变化率等 m+2 个元素组成的向量构成；h由氢负荷流速、新能源出力以及各电解槽状态影响的氢气变化率等 m+2 个元素组成的向量构成。为了便于计算机迭代求解，状态方程和输出方程采用矩阵形式：|x()t=Ax()t-+Bu()t-+Dh()t-y()t=Cx()t（12）A=|1-00010000（13）B=|-Qcell00000RTVRTV-11-11-11（14）C=|100010001（15）D=|0000-RTV0RTVRTV0-100（16）式中：A 为系统状态系数矩阵；B为控制系数矩阵；C为输出系数矩阵；D为扰动系数矩阵。预测模型可由上述状态空间表达式直接导出，具体数学表达式如下所示：y?(t+k|t)=CAkx(t)+o=1kCAo-1Dh(t+(k-o)|t)+o=1kCAo-1Bu(t+(k-o)|t)（17）式中：k为预测时间步长个数；y?(t+k|t)为 t时预测得到的 k 个时间步长后的输出变量；u(t+(k-o)|t)和h(t+(k-o)|t)分 别 为 t 时 获 取 的k-o个时间步长后的控制指令和扰动信号。2.2最优化问题构建氢能系统的控制目标为电池荷电量、储氢罐气压以及电网出力应跟踪调度计划，同时，维持电池、新能源、电解槽的工况稳定，尽量减少一次设备的功率调整量以降低能量损耗，提高能量转换效率。在数学模型中，该目标为未来特定时间范围内系统期望的输出轨迹y?应跟踪调度计划优化计算得到的参考轨迹 g，同时，控制变量 u的变化值应作为惩罚量。因此，目标函数表示为：J=j=N1N2(j)y?(t+j|t)-g(t+j)2Qy+j=1Nu(j)u(t+(j-1)|t)-u(t+(j-2)|t)2Qu（18）式中：N1和 N2分别为预测域评估上、下边界；Nu为控制域评估边界，其取值与系统响应时间呈正相关；|2Qy和|2Qu为向量的二次齐次多项式的矩阵表达式；Qy为 以 输 出 变 量 权 重 为 对 角 元 素 的 系 数 矩阵，Qy=diag（Qy1，Qy2，Qy3），Qy1、Qy2、Qy3分 别 对应 3 个 输 出 变 量 的 权 重；Qu为 以 控 制 变 量 增 量权 重 为 对 角 元 素 的 m+2 系 数 矩 阵，Qu=diag(Qu1，Qu2，Qu(m+2)，Qu1，Qu2，Qu(m+2)分别对应 m+2个控制变量的权重；（j）和 （j）分别为输出变量和控制变量在 j 时刻的权重，该权重考虑到未来不同时刻状态对控制决策的影响。同时，有以下 3点需要考虑。1）参数取值：由于模型预测的时间步长低于调度指令的时间步长，N1的取值应小于调度指令周期，即系统并不要求最初时刻的输出跟踪调度轨迹，更关心一段时间之后的氢能系统状态变化。2）参考轨迹：g 与输出变量维度一致，其表示如下。g=S?cell p?tank P?gridT（19）式中：S?cell和p?tank分别为电池荷电量和储氢罐气压的参考值，由日前调度计划优化计算确定；P?grid为电网出力计划值，若设置为 0，则制氢系统尽可能使用新能源制氢，超出计划出力则作为惩罚量。3）约束条件：氢能系统在所有的动态过程中都服从一定约束。由于电解槽、电池、新能源设备受其启停状态、响应速度、机组容量、装置饱和等因素限制，其控制变量的变化值以及变化区间都是有限的。此外，为了维持系统安全稳定运行，电解槽的气压、电池荷电量以及电网出力都应位于其安全区间之内。其中，系统控制变量的约束主要由以下技术参数确定。152袁铁江，等 考虑下游氢负荷波动的新能源制氢系统协调控制策略http：/www.aeps-|-Pcell，charge u1(t)Pcell，discharge0 u2(t)Prenw(t)Pelec，min u3(t)Pelec，maxPelec，min um+2(t)Pelec，max（20）式中：Pcell，charge和Pcell，discharge分别为电池的最大充电和放电功率；Pelec，min和 Pelec，max分别为电解槽的最小和最大制氢功率；u1(t)，u2(t)，um+2(t)为控制向量 u中的元素。控制变量变化率约束由以下技术参数确定：|vcell，down u1(t)vcell，upvquit，down u2(t)vquit，upvelec，down u3(t)velec，upvelec，down um+2(t)velec，up（21）式中：vcell，down和vcell，up分别为电池出力的下调和上调响应速度；vquit，down和vquit，up分别为新能源出力的下调和上调响应速度，受新能源的功率跟踪策略限制；velec，down和velec，up分别为电解槽制氢功率的下调和上调响应速度；u1(t)，u2(t)，um+2(t)为各控制变量的变化率。系统输出变量变化率约束展开如下：|Scell，min y1(t)Scell，maxptank，min y2(t)ptank，maxPgrid，min y3(t)Pgrid，max（22）式中：Scell，min和Scell，max分别为电池的最小和最大荷电量；ptank，min和ptank，max分别为储氢罐的最小和最大气压值；Pgrid，min和Pgrid，max分别为从电网购电的最小和最大功率值；y1(t)、y2(t)、y3(t)为输出向量 y 中的元素。2.3控制策略求解MPC 通过对式（18）中的目标函数 J 进行最小化寻优以获取控制变量u(t+(k-1)|t)的最优取值。为了获取优化目标函数，首先，应将过去的输入和输出值、未来控制及干扰信号代入式（17）预测模型当中，以得到输出变量的预测值y?(t+k|t)，然后，代入式（18）计算得到该控制决策的目标。不难发现，模型式（17）中通过状态空间方程导出的预测模型为线性模型，基于此构建的目标函数为关于控制信号的标准二次型函数。因此，通过求解二次规划问题，优化得到的控制信号u(t|t)作用于原系统；同时，计算得到的下一时刻控制信号u(t+|t)被舍弃；下一时刻更新状态信息得到系统输出y(t+)。重复上述优化计算，得到下一时刻的控制信号u(t+|t+)。需要说明的是，由于二次规划问题的参数是基于日前计划形成的，扰动变量 h 的给定会极大影响规划问题参数，甚至使得目标函数在约束条件下无可行域，此时，调度指令将无法有效执行，MPC 会失控。为了维持氢能系统稳定运行，输入的扰动变量h必须被修改。由图 2 可知，电解槽热待机状态（delec，i=w）在其控制周期内切换较为灵活，电解槽可以从正常工作 状 态（delec，i=l）瞬 间 切 换 到 热 待 机 状 态（delec，i=w）以达到降低制氢速度的目的，而热待机状态（delec，i=w）也可以在下一时刻快速恢复到其他状态而不改变其余时刻计划16。因此，可以将 delec，i的 l 状态更改为 w 状态来变动扰动变量，具体算法流程如图 3所示。当电解槽功率持续降低并达到停机条件时，将当前控制时刻的第 1个处于正常工作状态的电解槽设定为热备用状态，即将 delec中的第 1 个取值为 l的分量更改为 w；然后，对规划问题再次求解，当还有电解槽的功率降低到满足停机条件，则将 delec中的下一个取值为 l的分量更改为 w，直至优化问题有可行域，迭代求解停止。lsw图 2电解槽状态变化示意图Fig.2Schematic diagram of state change of electrolyzer计算电解槽功率输入未来参考轨迹输入上一时刻控制量输入当前状态量输入当前扰动信息给定时域生成目标函数计算当前控制量修改启停计划NNY是否有解?Y开始结束是否满足启停条件?图 3MPC算法的流程图Fig.3Flow chart of MPC algorithm1532023，47（6）3 算例分析3.1算例介绍为了验证控制策略的有效性以及在极端情况下的控制性能，电池和电解槽皆采用能承受极端工作状态的理想模型，电池容量为 1 000 kW/24 MWh，电解槽的功率调节范围为 2001 000 kW。为了保证系统电量平衡以及突出新能源出力和氢负荷的峰谷特征，设置新能源总装机容量为 10 MW，新能源的日前预测出力曲线为多个不同周期的三角函数的叠加，氢负荷预测曲线为余弦函数。采取这样的简化后，所得到的仿真结果和结论并不影响方法的有效性。考虑到 MPC 的目标函数是由各输出变量的跟踪误差以及各控制变量变化率平方的线性叠加而构成，为了解决单位不统一导致优化问题权重难以准确按需设置的问题，采用变量基准值平方的倒数作为权重单位的方式实现权重的归一化。系统具体参数设置如附录 A表 A1所示。为了验证控制策略在新能源以及氢负荷随机波动情况下的控制性能，在新能源及氢负荷日前预测功率值上叠加一个呈正态分布的预测误差，作为仿真计算的实际运行值。为了维持日前计划的电量平衡，新能源功率及氢负荷功率日前预测误差的平均值设为 0 kW，新能源功率日前预测误差的标准差wind设为 1 000 kW，氢负荷功率日前预测误差的标准差 H2设为 1 000 mol/h。考虑到超短期预测准确度较高，本算例不考虑超短期预测值的不确定性。新能源的日出力曲线及氢负荷变化率曲线分别如附录 A图 A1和图 A2所示。3.2仿真结果分析图 4 为电池功率、新能源弃电功率以及各电解槽整体功率和工作个数等控制变量的仿真结果；图5为每个电解槽的输入功率；图 6为不考虑启停策略的仿真结果。由图 4 可知，整体来看，新能源弃电功率较小，24 h内共弃电 3.62 MWh；相对而言，当 Pcell 0 MW；尤 其 在 t=10.2 h 以 及 t=11.6 h 时，所有电解槽都出现了停机，而在 t=10.3 h以及 t=11.7 h时，所有电解槽又重新开机，出现了很大的负荷缺失，电网负荷分别损失了 0.18 MW 和0.77 MW。如图 6所示，在无启停策略的情况下，电解槽在低功率运行的状态下被迫停机。为了维持系统功率平衡，减少新能源弃电，电池持续充电，制氢系统失去了调节能力，电网被迫接受新能源出力。3.3参数灵敏度及鲁棒性分析为了探究参数变化对控制性能的影响，本文针对输出变量权重、控制变量变化率权重以及参考时域等参数设计了多组仿真实验，并对不同下游氢负荷波动下的控制策略鲁棒性进行了仿真分析，主要探究了其对输出变量跟踪误差、控制变量及其调节量、电网负荷损失电量、新能源弃电电量、电解槽停机时间等性能方面的影响。详细仿真结果如附录 B表 B1所示。3.3.1权重因子变化的跟踪效果分析将原算例中的输出变量权重矩阵 Qy的对角元素 Qy1、Qy2、Qy3以及控制变量增量权重矩阵 Qu的对角元素 Qu1、Qu2、Qu3分别更改为原来的 1%、10%、10倍、100倍，其他参数不变，依次进行仿真计算，如附录 B表 B1所示。随着输出变量权重的增大，相应输出变量的误差都有所降低。其中，Qy1的变化对控制效果的影响较小，Qy2的变化对控制性能的影响较大，而 Qy3的变化对电网负荷跟踪影响较大。随着控制变量权重的增大，相应控制变量变化率均方根都有降低，非对应控制变量变化率均方根都有提高。同时，控制变量增量权重也影响着输出变量跟踪误差。Qy2对应储气罐气压的跟踪权重，其变化对电池荷电量和储气罐自身气压跟踪影响较大，并且提高该值会产生一定的电网负荷损失；Qy3对应电网负荷的跟踪权重，对电网负荷跟踪效果影响较大，减少该值会产生较大的负荷损失；Qu3对应电解槽的功率调节权重，提高该值会降低电解槽的功率调节能力，导致输出变量跟踪效果变差，停机时间延长；Qu2对应新能源弃电功率调节权重，该值对新能源弃电量影响较大，在实际应用过程中可以适当提高（具体结果如附录 B图 B1所示）。综上，提高 Qu1能缓解电池荷电状态的恶化，在极端情况下可以避免电解槽停机事件以及缩短电网负荷损失时间，但是会提高储气罐气压和电网负荷的跟踪误差；提高 Qu2能显著降低新能源弃电功率，缓解电网电力电量平衡压力，但是电网负荷的跟踪误差会提高，电网需要承担更多调节任务；提高 Qu3会降低电解槽的调节负担，但会延长其停机时间，其他控制性能也会明显下降。3.3.2参考时域变化的跟踪效果分析将原算例中的参考时域上边界 N1分别改为 2、3、4、5，参考时域下边界 N2分别改为 1、2、3、4，其他参数不变，依次进行仿真计算。随着 N1的增大，输出变量误差均方根变大，控制变量变化率均方根变小；同时，电网负荷损失电量变大和电解槽停机时间变长，而新能源弃电功率变小（具体结果如附录 B表B1所示）。N1表征控制系统的时延，提高 N1可以降低系统的调节负担，但影响系统的控制性能。随着N2的提高，输出变量误差均方根和控制变量变化率均方根都得到了降低；同时，电解槽停机时间也有变短。由上述分析可知，N2提高相当于提高了预测时域和预测精度，可以优化电解槽状态，提高系统在极端情况下的调节能力，然而，N2对系统控制性能的提升效果有限。当 N22 时，输出变量误差均方根变化幅度较低，而预测时域的提高会大大提高 MPC的计算任务。预测域时间窗的上边界和下边界对控制效果影响不一样。预测域上边界 N1决定了控制迟延，随着N1的增大，控制精度降低，表现在输出变量的跟踪效果变差，同时，控制量的变化率也降低。而预测域下边界 N2对控制效果影响不太明显，除了取最小值N2=1时，输出变量跟踪效果有轻微降低外，其他参数下的控制效果非常接近。综上，时间窗的大小对控制效果影响不明显，而时间窗的滞后时间会严重影响控制的精度（具体仿真结果如附录 B图 B2及图B3所示）。3.3.3鲁棒性分析由上述分析可知，MPC 的性能与其目标函数中的权重因子取值关系极为密切。针对特定波动特征的新能源和氢负荷，可以通过调整权重参数以获得最佳的控制性能。但是，新能源和氢负荷的波动受自然气候以及经济社会影响，在某些季节或者极端天气情况下，其波动特征会发生较大变化。此时，在控制参数不变的情况下保持较好的鲁棒性是控制策略必须考虑的一个方面。将原算例新能源出力日前预测误差的标准差wind分别设为 800、900、1 100、1 200 kW，氢负荷功率日前预测误差的标准差 H2分别设为 800、900、1 100、1 200 mol/h，系统控制参数保持不变，其结果如附录 B 表 B1所示。随着 wind的提高，电池荷电量和储氢罐压力的跟踪误差变化较小，电网负荷的跟踪误差有轻微提高，而控制变量变化率均方根都有1552023，47（6）提高，其他性能指标变化不太明显。H2的变化对系统控制性能没有明显影响。由上述分析可知，相对于新能源波动特征变化的影响，所提控制策略可以较好地适应下游氢负荷波动特征的变化，鲁棒性较好。4 结语本文针对制氢系统的下游氢负荷波动问题，提出了一种基于 MPC 的自适应功率协调控制方法。所提出的方法可以自适应处理氢负荷、新能源波动等不确定性因素影响，尽量使得各电解槽制氢功率、电池出力以及新能源弃电功率的调整量保持在正常范围内，缩短电解槽的停机时间，以最小的调节量最大限度地满足电网负荷和氢负荷需求。算例仿真结果验证了所提控制策略的有效性和适用性。MPC 的权重参数对控制性能的影响较大，并且受多种因素影响，在工程实际应用的过程中应根据系统设备容量以及控制需求进行调整以得到最佳控制性能。算例仿真结果证明，所提控制方法具有较好的鲁棒性，对预测误差和波动不确定性具有较强的适应能力。下一步将考虑不同技术类型电解槽和储能装置性能的差异性，构建精准模型使控制更加精准。附录见本刊网络版（http：/www.aeps- 考 文 献1 彭生江，杨淑霞，袁铁江，等.广义风-氢-煤能源系统的挑战与展望 J.电力系统自动化，2019，43（24）：6-12.PENG Shengjiang，YANG Shuxia，YUAN Tiejiang，et al.Challenges and prospects of generalized wind-hydrogen-coal energy systemJ.Automation of Electric Power Systems，2019，43（24）：6-12.2 潘光胜，顾伟，张会岩，等.面向高比例可再生能源消纳的电氢能源系统 J.电力系统自动化，2020，44（23）：1-10.PAN Guangsheng，GU Wei，ZHANG Huiyan，et al.Electricity and hydrogen energy system towards accomodation of high proportion of renewable energyJ.Automation of Electric Power Systems，2020，44（23）：1-10.3 蔡国伟，孔令国，薛宇，等.风氢耦合发电技术研究综述 J.电力系统自动化，2014，38（21）：127-135.CAI Guowei，KONG Lingguo，XUE Yu，et al.Overview of research on wind power coupled with hydrogen production technology J.Automation of Electric Power Systems，2014，38（21）：127-135.4 HOLLADAY J D.An overview of hydrogen production technologies J.Catalysis Today，2009，139（4）：244-260.5 CARMO M，et al.A comprehensive review on PEM water electrolysisJ.International Journal of Hydrogen Energy，2013，38（12）：4901-4934.6 BRAUNS J，TUREK T.Alkaline water electrolysis powered by renewable energy：a review J.Processes，2020，8（2）：248.7 TEE S Y，WIN K Y，TEO W S，et al.Recent progress in energy-driven water splittingJ.Advanced Science，2017，4（5）：1600337.8 GALLUCCI F，FERNANDEZ E，CORENGIA P，et al.Recent advances on membranes and membrane reactors for hydrogen productionJ.Chemical Engineering Science，2013，92：40-66.9 LI Z，GUO P，HAN R H，et al.Current status and development trend of wind power generation-based hydrogen production technologyJ.Energy Exploration&Exploitation，2019，37（1）：5-25.10 郭小强，魏玉鹏，万燕鸣，等.新能源制氢电力电子变换器综述J.电力系统自动化，2021，45（20）：185-199.GUO Xiaoqiang，WEI Yupeng，WAN Yanming，et al.Review on power electronic converters for producing hydrogen from renewable energy sourcesJ.Automation of Electric Power Systems，2021，45（20）：185-199.11 MOHANPURKAR M，LUO Y S，TERLIP D，et al.Electrolyzers enhancing flexibility in electric grids J.Energies，2017，10（11）：1836.12 ZHAO D，HE Q，YU J，et al.Dynamic behaviour and control strategy of high temperature proton exchange membrane electrolyzer cells（HT-PEMECs）for hydrogen productionJ.International Journal of Hydrogen Energy，2020，45（51）：26613-26622.13 GUILBERT D，VITALE G.Optimal hydrogen production from direct coupled variable speed wind generator with a stacked interleaved buck converterC/2019 IEEE International Conference on Environment and Electrical Engineering and 2019 IEEE Industrial and Commercial Power Systems Europe，June 11-14，2019，Genova，Italy：1-6.14 MAEDA T，ITO H，HASEGAWA Y，et al.Study on control method of the stand-alone direct-coupling photovoltaic-water electrolyzer J.International Journal of Hydrogen Energy，2012，37（6）：4819-4828.15 ULLEBERG.The importance of control strategies in PV-hydrogen systemsJ.Solar Energy，2004，76（1/2/3）：323-329.16 VARELA C，MOSTAFA M，ZONDERVAN E，et al.Modeling alkaline water electrolysis for power-to-x applications：a scheduling approachJ.International Journal of Hydrogen Energy，2021，46（14）：9303-9313.17 FLAMM B，PETER C，BCHI F N，et al.Electrolyzer modeling and real-time control for optimized production of hydrogen gas J.Applied Energy，2021，281：116031.18 孔令国，于家敏，蔡国伟，等.基于模型预测控制的离网电氢耦合系统功率调控 J.中国电机工程学报，2021，41（9）：3139-3149.KONG Lingguo，YU Jiamin，CAI Guowei，et al.Power regulation of off-grid electro-hydrogen coupled system based on model predictive control J.Proceedings of the CSEE，2021，156袁铁江，等 考虑下游氢负荷波动的新能源制氢系统协调控制策略http：/www.aeps-41（9）：3139-3149.19 NGAMROO I.Application of electrolyzer to alleviate power fluctuation in a stand alone microgrid based on an optimal fuzzy PID controlJ.International Journal of Electrical Power&Energy Systems，2012，43（1）：969-976.20 万志.新能源制氢系统运行控制策略研究 D.大连：大连理工大学，2021.WAN Zhi.Research on operation control strategy of new energy hydrogen production systemD.Dalian：Dalian University of Technology，2021.21 FANG R M，LIANG Y.Control strategy of electrolyzer in a wind-hydrogen system considering the constraints of switching times J.International Journal of Hydrogen Energy，2019，44（46）：25104-25111.22 GARCIA-TORRES F，VALVERDE L，BORDONS C.Optimal load sharing of hydrogen-based microgrids with hybrid storage using model-predictive controlJ.IEEE Transactions on Industrial Electronics，2016，63（8）：4919-4928.袁铁江(1975)，男，博士，教授，博士生导师，主要研究方向：氢能与电力、化石能源系统集成，储能与新能源发电并网技术。E-mail：谭捷(1995)，男，通信作者，博士研究生，主要研究方向：氢能与新能源发电并网技术。E-mail：万志(1994)，男，硕士，主要研究方向：储能与新能源发电并网技术。E-mail：（编辑 顾晓荣）Coordinated Control Strategy of Hydrogen Producing System Powered by Renewable Energy Considering Downstream Hydrogen Load FluctuationsYUAN Tiejiang，TAN Jie，WAN Zhi(School of Electrical Engineering,Dalian University of Technology,Dalian 116024,China)Abstract:Aiming at the hydrogen producing system powered by renewable energy with uncertain downstream hydrogen load fluctuations,an adaptive power coordinated control strategy based on model predictive control is proposed.First,the basic structure and mathematical model of the hydrogen producing system powered by renewable energy are determined.Then,based on the model predicive control principle,the hydrogen load flow rate,the real maximum output power of the renewable energy sources,and the start-stop