本发明专利技术提供了一种制氢系统控制方法、装置和电子设备，该方法包括：响应于控制指令，获取制氢系统当前的制氢配置信息，所述制氢配置信息包括电源模式参数、电解槽类型参数和电解槽动态运行参数中的至少一种；利用预设的差分进化算法基于所述制氢配置信息确定所述制氢系统的目标制氢模式参数，目标制氢模式参数为当前制氢量最高的制氢模式参数；根据所述目标制氢模式参数控制所述制氢系统制备氢气。应用本发明专利技术实施例提供的方法，通过差分进化算法基于当前的制氢配置信息，确定制氢系统当前制氢量最高的目标制氢模式参数，能够有效提升制氢系统的制氢效率。统的制氢效率。统的制氢效率。
【技术实现步骤摘要】
制氢系统控制方法、装置和电子设备
[0001]本专利技术涉及制氢
，特别涉及一种制氢系统控制方法、装置和电子设备。
技术介绍
[0002]目前，制氢系统在制备氢气过程中，通常采用单一的制氢模式进行制备氢气，无法适应不同场景下的制氢需求，容易出现制氢效率低下等问题。
技术实现思路
[0003]本专利技术所要解决的技术问题是提供一种制氢系统控制方法、装置和电子设备，能够有效地提升制氢效率。具体方案如下：
[0004]一种制氢系统控制方法，包括：
[0005]响应于控制指令，获取制氢系统当前的制氢配置信息，所述制氢配置信息包括电源模式参数、电解槽类型参数和电解槽动态运行参数中的至少一种；
[0006]利用预设的差分进化算法基于所述制氢配置信息确定所述制氢系统的目标制氢模式参数；所述目标制氢模式参数为当前制氢量最高的制氢模式参数；
[0007]根据所述目标制氢模式参数控制所述制氢系统制备氢气。
[0008]上述的方法，可选的，所述利用预设的差分进化算法基于所述制氢配置信息确定所述制氢系统的目标制氢模式参数，包括：
[0009]生成制氢配置信息对应的种群，所述种群包括多个种群个体；
[0010]对所述种群的各个种群个体进行聚类，获得所述种群的多个聚类簇；
[0011]将当前生成的种群中的每个所述种群个体在其所属的聚类簇中进行变异操作，获得每个所述种群个体的变异向量；
[0012]对各个所述种群个体的变异向量执行交叉操作，获得每个所述种群个体的目标向量；
[0013]基于每个所述种群个体的目标向量对每个所述种群个体执行选择操作，生成新一代的种群；
[0014]判断当前生成的新一代的种群是否已满足预设的进化完成条件；
[0015]在当前生成的新一代的种群未满足所述进化完成条件的情况下，返回执行所述将当前生成的种群中的每个所述种群个体在其所属的聚类簇中进行变异操作的步骤；
[0016]在当前生成的新一代的种群满足所述进化完成条件的情况下，在当前生成的所述新一代的种群中选取出最优种群个体；
[0017]将所述最优种群个体确定为所述制氢系统的目标制氢模式参数。
[0018]上述的方法，可选的，所述对所述种群的种群个体进行聚类，获得所述种群的多个聚类簇，包括：
[0019]利用预先训练好的自组织映射神经网络对所述种群的种群个体进行聚类，获得所述种群的多个聚类簇。
[0020]上述的方法，可选的，所述自组织映射神经网络的训练过程，包括：
[0021]获取训练样本集，所述训练样本集包括多个样本种群个体；
[0022]在所述多个样本种群个体中选取出当前待输入的目标样本种群个体；
[0023]将所述目标样本种群个体输入到待训练的初始自组织神经网络，以在所述初始自组织神经网络的输出层中确定所述目标样本种群个体的获胜神经元和邻域神经元，调整所述目标样本种群个体的获胜神经元和邻域神经元的网络连接权重；
[0024]在已调整网络连接权重的所述初始自组织神经网络未满足预设的训练完成条件的情况下，返回执行在所述多个样本种群个体选取出当前待输入的目标样本种群个体的步骤；
[0025]在已调整网络连接权重的所述初始自组织神经网络满足预设的训练完成条件的情况下，将已满足所述训练完成条件的初始自组织神经网络确定为训练好的自组织神经网络。
[0026]上述的方法，可选的，所述将当前生成的所述种群的每个所述种群个体在其所属的聚类簇中进行变异操作，获得每个所述种群个体的变异向量，包括：
[0027]对当前生成的所述种群进行变异迭代，并监测所述种群的变异进化程度；
[0028]在所述变异进化程度到达预设的目标值的情况下，确定当前所述种群的每个聚类簇的最优变化因子；
[0029]利用每个所述聚类簇的最优变化因子，对每个所述聚类簇中的种群个体进行变异，获得每个所述种群个体的变异向量。
[0030]上述的方法，可选的，所述监测所述种群的变异进化程度，包括：
[0031]确定每次变异迭代后的所述种群中各聚类簇的最优个体的适应度值；
[0032]根据每次变异迭代后的所述种群中各聚类簇的最优个体的适应度值确定所述种群的变异进化程度。
[0033]上述的方法，可选的，确定所述种群的每个聚类簇的最优变化因子，包括：
[0034]获得每个所述聚类簇的聚类簇个体值以及聚类簇最优解；
[0035]根据每个所述聚类簇的聚类簇个体值和聚类簇最优解计算得到每个所述聚类簇的最优变化因子。
[0036]上述的方法，可选的，判断所述种群当前是否满足预设的进化完成条件，包括：
[0037]判断所述种群中的每个种群个体执行所述选择操作的次数是否满足预设的次数阈值；
[0038]在每个所述种群个体执行所述选择操作的次数满足所述次数阈值的情况下，确定所述种群满足预设的进化完成条件。
[0039]上述的方法，可选的，所述制氢配置信息包括电源模式参数、电解槽类型参数和电解槽动态运行参数，则所述根据所述目标制氢模式参数控制所述制氢系统制备氢气，包括：
[0040]基于所述目标制氢模式参数确定所述制氢系统中的目标电解槽、所述目标电解槽的目标电源和目标运行参数；目标电解槽包括碱性电解槽和质子交换膜电解槽中的至少一种；所述目标电源包括风电站、光伏电站、电网和储能装置中的至少一种；所述目标运行参数包括目标运行功率范围、目标冷启动时间、目标热启动时间和目标功率调节速度中的至少一种；
[0041]控制所述制氢系统利用所述目标电源为所述目标电解槽供电，并且基于所述目标运行参数控制所述目标电解槽运行，以制备氢气。
[0042]一种制氢系统控制装置，包括：
[0043]获取单元，用于响应控制指令，获取制氢系统当前的制氢配置信息，所述制氢配置信息包括电源模式参数、电解槽类型参数和电解槽动态运行参数中的至少一种；
[0044]确定单元，用于利用预设的差分进化算法基于所述制氢配置信息确定所述制氢系统的目标制氢模式参数；所述目标制氢模式参数为当前制氢量最高的制氢模式参数；
[0045]控制单元，用于根据所述目标制氢模式参数控制所述制氢系统制备氢气。
[0046]一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行如上述的制氢系统控制方法。
[0047]与现有技术相比，本专利技术实施例包括以下优点：
[0048]本专利技术实施例提供了一种制氢系统控制方法、装置和电子设备，可以响应于控制指令，获取制氢系统当前的制氢配置信息，所述制氢配置信息包括电源模式参数、电解槽类型参数和电解槽动态运行参数中的至少一种；利用预设的差分进化算法基于所述制氢配置信息确定所述制氢系统的目标制氢模式参数；所述目标制氢模式参数为当前制氢量最高的制氢模式参数；根据所述目标制本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种制氢系统控制方法，其特征在于，包括：响应于控制指令，获取制氢系统当前的制氢配置信息，所述制氢配置信息包括电源模式参数、电解槽类型参数和电解槽动态运行参数中的至少一种；利用预设的差分进化算法基于所述制氢配置信息确定所述制氢系统的目标制氢模式参数，所述目标制氢模式参数为当前制氢量最高的制氢模式参数；根据所述目标制氢模式参数控制所述制氢系统制备氢气。2.根据权利要求1所述的方法，其特征在于，所述利用预设的差分进化算法基于所述制氢配置信息确定所述制氢系统的目标制氢模式参数，包括：生成所述制氢配置信息对应的种群，所述种群包括多个种群个体；对所述种群的各个种群个体进行聚类，获得所述种群的多个聚类簇；将当前生成的种群中的每个所述种群个体在其所属的聚类簇中进行变异操作，获得每个所述种群个体的变异向量；对各个所述种群个体的变异向量执行交叉操作，获得每个所述种群个体的目标向量；基于每个所述种群个体的目标向量对每个所述种群个体执行选择操作，生成新一代的种群；判断当前生成的新一代的种群是否已满足预设的进化完成条件；在当前生成的新一代的种群未满足所述进化完成条件的情况下，返回执行所述将当前生成的种群中的每个所述种群个体在其所属的聚类簇中进行变异操作的步骤；在当前生成的新一代的种群满足所述进化完成条件的情况下，在当前生成的所述新一代的种群中选取出最优种群个体；将所述最优种群个体确定为所述制氢系统的目标制氢模式参数。3.根据权利要求2所述的方法，其特征在于，所述对所述种群的种群个体进行聚类，获得所述种群的多个聚类簇，包括：利用预先训练好的自组织映射神经网络对所述种群的种群个体进行聚类，获得所述种群的多个聚类簇。4.根据权利要求3所述的方法，其特征在于，所述自组织映射神经网络的训练过程，包括：获取训练样本集，所述训练样本集包括多个样本种群个体；在所述多个样本种群个体中选取出当前待输入的目标样本种群个体；将所述目标样本种群个体输入到待训练的初始自组织神经网络，以在所述初始自组织神经网络的输出层中确定所述目标样本种群个体的获胜神经元和邻域神经元，调整所述目标样本种群个体的获胜神经元和邻域神经元的网络连接权重；在已调整网络连接权重的所述初始自组织神经网络未满足预设的训练完成条件的情况下，返回执行在所述多个样本种群个体选取出当前待输入的目标样本种群个体的步骤；在已调整网络连接权重的所述初始自组织神经网络满足预设的训练完成条件的情况下，将已满足所述训练完成条件的初始自组织神经网络确定为训练好的自组织神经网络。5.根据权利要求2所述的方法，其特征在于，所述将当前生成的所述种群的每个所述种群个体在其所属的聚...
【专利技术属性】
技术研发人员：吕劲，
申请(专利权)人：阳光电源上海有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。