[发明专利]制氢系统效能优化方法、装置、计算机设备和存储介质

权利要求书

1.一种制氢系统效能优化方法，其特征在于，所述方法包括：

响应于用户触发的效能优化指令，获取所述制氢系统中电解槽的运行参数数据集；

通过多目标优化算法基于所述运行参数数据集对预设的目标函数集进行优化求解，得到所述目标函数集的最优解，所述目标函数集包括电解槽效率函数、电解槽产氢率函数以及电解槽电压升高率网络模型；

根据所述目标函数集的最优解确定所述制氢系统的优化策略，所述优化策略用于优化所述制氢系统的效能。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述电解槽的运行工况确定所述运行参数的赋值策略；所述运行参数包括电流、电压以及电解槽阳极氧气中的氢气浓度；

基于所述运行参数的赋值策略对所述电流、所述电压以及所述电解槽阳极氧气中的氢气浓度赋值得到多组电流数据、电压数据以及氢气浓度数据；

根据所述多组电流数据、电压数据以及氢气浓度数据确定所述运行参数数据集。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据包含所述氢气浓度、所述电流、所述电压、第一常数、第二常数的关系式确定所述电解槽效率函数，所述第一常数为氢气的低热值，所述第二常数为法拉第常数。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据包含所述氢气浓度、所述电流、所述电压以及所述第二常数的关系式确定所述电解槽产氢率函数。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括生成所述电解槽电压升高率网络模型的步骤：

获取第一训练样本，其中，所述第一训练样本包括第一样本数据和对应样本数据的第一电压升高率，所述第一样本数据包括第一电流数据以及第一电压数据；

将所述训练样本输入至预设的神经网络模型中训练，得到所述初始电解槽电压升高率网络模型；

通过第二训练样本对所述初始电解槽电压升高率网络模型进行学习生成所述电解槽电压升高率网络模型，所述第二训练样本包括第二样本数据和对应样本数据的第二电压升高率，所述第二样本数据包括第二电流数据以及第二电压数据。

6.根据权利要求1所述的方法，其特征在于，所述通过多目标优化算法基于所述运行参数数据集对预设的目标函数集进行优化求解，得到所述目标函数集的最优解，包括：

将所述运行参数数据集中的每一组数据分别输入至所述电解槽效率函数、所述电解槽产氢率函数以及电解槽电压升高率网络模型中通过所述多目标优化算法计算得到初始解集；所述初始解集包括所述目标函数集的多个值；

将所述多个值中的最小值确定为所述目标函数集的最优解。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述优化策略调整所述电解槽的运行参数；

在预设时间段后，获取所述运行参数的控制曲线并输出。

8.一种制氢系统效能优化装置，其特征在于，所述装置包括：

获取模块，用于响应于用户触发的效能优化指令，获取所述制氢系统中电解槽的运行参数数据集；

计算模块，用于通过多目标优化算法基于所述运行参数数据集对预设的目标函数集进行优化求解，得到所述目标函数集的最优解，所述目标函数集包括电解槽效率函数、电解槽产氢率函数以及电解槽电压升高率网络模型；

确定模块，用于根据所述目标函数集的最优解确定所述制氢系统的优化策略，所述优化策略用于优化所述制氢系统的效能。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。