水库–库区漂浮光伏–制氢系统的图神经预测控制：建模与树莓派验证

《Energy Conversion and Management-X》：Graph neural predictive control of a dam–reservoir floating photovoltaic–hydrogen system: modeling and Raspberry Pi validation

　　

来自漂浮光伏(FPV)系统的制氢作为分散式低碳能源生成的一种有前景方案正受到越来越多的关注，尤其在太阳能潜力高且土地有限地区。研究人员针对与水库相关、概念性布置于摩洛哥得土安Martil坝的太阳能–氢能系统，研究了一种预测协调策略。所提控制框架基于图神经预测控制(GNPC)，在有限时域优化框架内捕捉系统主要组件间的相互作用，实现光伏出力提取、直流母线电压与电解槽运行的协调调节，并与增量电导法(INC)和模糊逻辑控制(FLC)两种经典最大功率点跟踪(MPPT)方法对比。仿真结果表明跟踪效率98.9%、稳定时间约0.075 s，系统从80 kW光伏阵列输出近79.1 kW；在所评估温度范围内累计功率降低限于2.99%，表明控制器在测试热条件下保持稳定的功率跟踪性能。采用得土安辐照度数据，控制器表现出更平滑的瞬态行为、改进的直流母线电压调节和稳定的制氢，标称条件下达约5.9×10?4 mol s?1。为评估实际可行性，控制算法在连接实验室PV-DC/DC实验装置的树莓派嵌入式平台上实时实现，实验结果显示快速收敛与极低稳态振荡。这些发现表明预测协调可改善漂浮太阳能供能制氢系统的稳定性与控制质量。

研究背景方面，向低碳能源系统转型日益依赖可再生电力技术，光伏(PV)成本下降但辐照度波动仍挑战连续供电。将光伏与储能耦合时，水电解绿氢成为将盈余可再生能源电转为可存储运输化学载体的可行选项。漂浮光伏(FPV)在土地受限地区具优势，水体自然冷却可降低热损、提升效率且不占用农用或城市土地；但FPV耦合制氢引入电气与电化学子系统间协调难题，辐照与温度变化直接影响电压电流进而影响产氢率。传统最大功率点跟踪(MPPT)如增量电导法(INC)与模糊逻辑控制(FLC)在独立光伏中表现尚可，但在光伏–电力电子–电解槽集成系统中，因非线性相互作用突出，效果受限。为此，研究人员提出图神经预测控制(GNPC)框架，以摩洛哥得土安Martil坝水库为概念场址，构建FPV–升压变换器–质子交换膜(PEM)电解槽链条，并在树莓派平台验证。该研究发表于《Energy Conversion and Management:X》，意义在于将图结构关系建模与有限时域预测优化嵌入资源受限嵌入式设备，推动分散式太阳能制氢的协调控制从单点MPPT走向子系统协同。

关键技术方法上，研究人员采用单二极管等效电路建立光伏阵列模型，用Shockley方程描述I–V特性，按厂商参数串联并联缩放至80 kW级阵列；Boost变换器以20 kHz PWM、350 μH电感、2200 μF电容建模，连续导通模式下电压比V_dc=V_in/(1?D)；PEM电解槽以可逆电压E_rev≈1.23 V加活化、欧姆、浓差过电位描述单池电压，400池串联堆栈，法拉第定律算产氢摩尔流率n?_H2=η_FI_stack/(zF)；控制侧将PV、变换器/直流母线、电解槽设为三固定节点有向图G=(V,E)，邻接矩阵体现PV→变换器→电解槽前向传能与电解槽→变换器负载电流反馈，节点特征含G、T、V_pv、I_pv、V_dc、D、I_stack等，消息传递更新潜嵌入h_i^(l+1)=σ(W₁h_i^(l)+Σ_j∈N(i)W₂h_j^(l)+b)，有限时域H_P内由F_GNN预测状态，在线梯度下降轻量化调参；基准对照为INC与FLC；实验在树莓派接实验室PV-DC/DC装置实时跑GNPC。

系统建模与组件描述部分，研究人员给出PV单二极管模型方程I=I_ph?I₀(e^{q(V+IR_s)/(nkT)}?1)?(V+IR_s)/R_sh，阵列由13串×20并SunPower SPR-315E-WHT-D构成，STC下标称81.9 kWp、仿真取80 kW参考，明确711 V为数据手册缩放MPP参考而非瞬时输入，STC闭环PV侧约663.25 V/119.3 A/79.12 kW，直流母线681–682 V，稳态占空比≈0.027。FPV部分指出本文“FPV”指水库部署架构，水体冷却与波致运动未显式建模，温度作外生变量。Boost变换器部分确认升压拓扑与CCM纹波ΔI_L≈(V_PV/L)DT_s。电解槽部分给E_rev≈1.23 V、V_cell≈E_rev+η_act+η_ohm+η_conc、堆栈400池、平均单池1.70 V对应部分负荷，法拉第产氢5.9×10^?4 mol s^?1。嵌入式平台部分说明树莓派经GPIO/I²C/SPI/UART采电压电流、算GNPC、发PWM。

最大功率点跟踪(MPPT)部分，研究人员回顾INC利用dI/dV+I/V=0判MPP两侧调占空比，快变辐照下对噪声敏感；FLC以功率误差及变化率为输入、经模糊化–规则推理–解模糊出占空比，依赖隶属函数经验设计。随后给出GNPC数学表述：图G节点V={v_PV,v_C,v_E}，边E={(v_PV,v_C),(v_C,v_E),(v_E,v_C)}，邻接矩阵A行列对应源到目的；各子系统离散动态x_i(t+1)=f_i(x_i(t),u_i(t))+Σ_j∈N(i)g_ij(x_j(t),u_j(t))，GNN消息传递得嵌入，有限时域预测X?(t+1:t+H_P)=F_GNN(X(t),U(t))，代价含功率跟踪、V_dc调节、电解槽电流跟踪，在线梯度降更新W₁、W₂、b。

研究结果部分，仿真在STC、温度变异、得土安辐照曲线下对比GNPC与INC、FLC：GNPC跟踪效率98.9%、稳定时间≈0.075 s、80 kW阵列提取79.1 kW；温度区间内累计功率降2.99%；瞬态更平滑、V_dc调节更紧、产氢稳于5.9×10^?4 mol s^?1。树莓派实验接实验室PV-DC/DC台架，GNPC实时运行显示快速收敛、稳态振荡极低，证明资源受限单板机可承载图结构预测控制。

讨论与结论翻译总结：研究人员指出本工作新颖性在于将耦合FPV–Boost–PEM电解槽统一为图基预测控制，以关系消息传递捕动态耦合，并结合有限时域优化协调光伏提取、直流母线与电解槽，而非仅用局部电气量调MPPT；轻量在线梯度适应使算法落树莓派，减少对外置元启发式依赖。结论认为预测协调改善漂浮太阳能制氢稳定性与控制品质，GNPC在仿真与嵌入式实测均优于INC与FLC基准，未来需补水体热耦合与波致影响建模、扩样本辐照场站校验。