可再生能源波动下AEM水电解器动态响应与预测平滑控制研究

《Electronics》：Research on Dynamic Response and Predictive Smoothing Control of AEM Water Electrolyzers Considering Renewable Energy Fluctuations

　　

针对阴离子交换膜水电解器（anion exchange membrane water electrolyzer, AEMWE）在波动的风电和光伏（photovoltaic, PV）输入下出现的电流密度爬升、电池电压升高和运行应力增大问题，研究人员开发了一种耦合电压损失、热动力学和水管理状态的动态AEMWE模型，并进一步提出了一种基于短期功率预测和动态约束的预测辅助参考治理器（forecast-assisted reference governor）。利用德国开放电力系统数据（Open Power System Data, OPSD）的风电和光伏数据，分析了功率指令修正对电流密度、电压效率、比能耗（specific energy consumption, SEC）、电压超限以及退化相关应力代理的影响。稳态基准将独立的21点经验极化拟合（同集RMSE 0.0059 V，MAPE 0.292%）与实际用于动态模拟的机理电压损失模型（同集RMSE 0.5063 V，MAPE 28.42%）进行了区分；因此，动态结果被视为模型条件性的，而非经实验验证。在24 h案例中，显式状态约束平滑将最大电池电压从2.2479 V降至2.1501 V，将SEC从59.4755 kWh kg^?1降至58.1968 kWh kg^?1，但氢产量从1.51997 kg d^?1降至0.54293 kg d^?1，可再生能源利用率从99.52%降至34.78%。预测包络在选定的平滑日未起作用；在30个代表性日中，视风-光组成不同，预测包络相对于无前瞻状态约束基线仅在3–6天降低了应力代理；而在一个诊断性降载案例中，预测包络激活10次，累积爬坡减少6.7%，但以氢产量损失16.9%为代价。这些结果提供了基于模型的探索性证据，并将状态投影的收益与预测的增量价值区分开来。

随着风电和光伏的快速扩张，电力系统需要能够消纳波动电力并提供长期储能的可调负荷。电解水制氢可将可再生电力转化为氢能，被视为绿色氢能和跨时间尺度能量转换的重要途径。阴离子交换膜水电解（AEMWE）结合了碱性环境中非贵金属催化剂的潜力与膜电极组件的紧凑结构，但其商业化仍面临膜稳定性、催化剂层设计和系统集成等挑战。现有研究多关注稳态极化或材料性能，对风/光连续波动下电流密度、电压、温度和水管理状态的耦合传递描述不足；部分制氢调度研究将电解槽简化为可调电负荷，未充分表示AEMWE特有的电化学损失、热惯性和水管理约束；控制策略比较也常侧重氢产量或可再生能源利用率，缺乏对电压效率、比能耗（SEC）、电压超限和退化相关应力的综合评价。因此，有必要开发能够描述动态过程的AEMWE模型，并设计基于预测信息的平滑控制策略。

研究人员开发了耦合电压损失、集总热动力学和水管理状态的动态AEMWE模型，并提出了基于短期功率预测和动态约束的预测辅助参考治理器。基于德国OPSD风/光伏数据，分析了功率指令修正对电流密度、电压效率、SEC、电压超限和退化应力代理的影响。结果显示，显式状态约束平滑可降低最大电池电压和SEC，但会显著牺牲氢产量和可再生能源利用率；预测包络仅在部分工况下提供额外收益。该工作将状态投影的收益与预测信息的增量价值分离，为AEMWE动态运行提供了基于模型的探索性证据。

关键技术方法包括：研究采用半经验电压损失模型（活化、欧姆、浓差和水管理偏差）、集总参数热模型与归一化水管理状态动态方程；提出预测辅助参考治理器，将五样本功率预测映射为后向可达电流包络，并投影至电压、温度和水量约束；通过四层消融比较直接跟随、斜坡限制、无前瞻状态约束与预测可达控制；使用多准则离线归一化和全权重单纯形扫描。数据来自德国OPSD风/光序列，外部基准采用Wienken等公开的2.4 kW商用AEMWE模块数据集。

**4.2 稳态拟合与外部动态基准**：通过21点文献极化数据同集拟合，确认所选电压关系式能插值稳态点；同集RMSE为0.0059 V，MAPE为0.292%。而实际动态模拟所用机理电压损失模型同集RMSE为0.5063 V，MAPE为28.42%，因此动态结果被解释为模型条件性而非实验验证。外部跨设备时间保持验证中，温度模型RMSE为1.942 °C，电压模型RMSE为0.0311 V但R²=0.094，氢流量RMSE为0.00340 Nm³ h^?1且R²=0.997，表明电流-氢产映射可靠，但电压动态未被完全复现。

**4.3 运行参数敏感性分析**：通过改变膜厚度、KOH浓度和温度计算极化曲线。增加膜厚度增大欧姆极化，使相同电流密度下电压升高；降低KOH浓度削弱离子传导，同样使电压升高；升高温度降低反应和传输阻力，使电压降低。这说明控制策略必须基于具体材料参数和运行窗口。

**4.4 风-光功率输入与动态响应**：在24 h案例中，直接跟随策略氢产量为1.51997 kg d^?1，可再生能源利用率99.52%，SEC为59.4755 kWh kg^?1；斜坡限制策略氢产量为1.10871 kg d^?1，利用率72.38%；预测平滑策略氢产量为0.54293 kg d^?1，利用率34.78%，SEC为58.1968 kWh kg^?1，最大电池电压从2.2479 V降至2.1501 V。预测平滑通过提前衰减短期峰值降低电压尖峰，但以牺牲瞬时功率吸收为代价。

**4.5 热-水状态动力学**：温度响应滞后于电负荷，直接跟随和斜坡限制分别达到424.58 K和404.23 K，超过诊断假设限制363.15 K；显式状态投影使状态约束和预测可达案例保持在333.15 K以下，λ范围为1.0000–1.0428。功率平滑可提高平均效率，但温度标准差未同步降低，表明单纯功率平滑对热状态波动抑制有限。

**4.6 动态应力与综合性能分析**：直接跟随策略具有较高的退化相关应力；状态约束和预测可达轨迹的Dproxy最低。但在选定的平滑日，预测包络未激活，因此改进来自状态投影而非预测信息。在诊断性降载案例中，预测包络激活10次，累积爬坡减少6.7%，SEC降低0.80%，但氢产量减少16.9%，Dproxy增加0.96%，简化LCOH从9.41升至10.78 USD kg^?1。30个代表日分析显示，预测可达仅在3–6天降低Dproxy，取决于风-光组成。权重单纯形扫描表明没有控制器具有普遍优势。

讨论部分指出，所有控制器比较均依赖于未校准的机理动态模型；λ是现象学代理而非实验验证的膜水含量状态；热/水参数未在同一物理电堆上识别；电压和温度限制是诊断假设；Dproxy不能转换为寿命预测。因此，结果应视为模型条件性的探索性结论。研究结论可概括为：研究人员开发了耦合电压损失、集总热动力学和水管理状态的动态AEMWE模型，并提出了基于短期功率预测和