Dynamic Operation and Control of a Multi-Stack Alkaline Water Electrolysis System with Shared Gas Separators and Lye Circulation: A Model-Based Study
作者: Yiwei Qiu, Jiatong Li, Yangjun Zeng, Yi Zhou, Shi Chen, Xiaoyan Qiu, Buxiang Zhou, Ge He, Xu Ji, Wenying Li
分类: math.OC, eess.SY
发布日期: 2025-01-24
💡 一句话要点
针对共享气体分离器的多堆碱性水电解系统，提出模型预测控制以优化动态运行。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 碱性水电解 多堆系统 模型预测控制 动态运行 状态空间模型
📋 核心要点
- 传统水电解制氢系统扩展性受限，多电解堆共享辅助设备(BoP)的N-in-1架构能有效降低成本和占地面积，但动态运行控制复杂。
- 论文构建了N-in-1 AWE系统的状态空间模型，并提出非线性模型预测控制(NMPC)策略，协调优化电流分配、碱液流量和冷却。
- 仿真结果表明，所提出的NMPC策略能有效跟踪动态负载，稳定温度，并限制杂质积累，性能与独立系统相当，验证了N-in-1架构的可行性。
📝 摘要（中文）
本文研究了一种用于大规模制氢的新兴方法，该方法将多个碱性水电解(AWE)堆集成到单个辅助设备(BoP)系统中，共享气体-碱液分离和碱液循环等组件。这种称为$N$-in-1 AWE系统的配置将$N$个电解堆集成到一个模块化系统中，从而减少了土地需求、工厂拓扑的复杂性和总体资本成本。然而，这些电解堆通过共享BoP耦合，给在变化的能量输入下的动态运行带来了挑战，使其性能与传统的1-in-1系统相比尚不清楚。为了解决这个问题，我们开发了一个$N$-in-1 AWE系统的状态空间模型，捕捉了碱液循环、温度和HTO杂质的动态行为，以及它们对能量转换效率的影响。然后，我们提出了一种非线性模型预测控制器(NMPC)，以协调优化堆间电解电流分配、碱液流量和冷却，使系统能够动态跟踪变化的负载命令，同时最大化效率，稳定温度，并限制HTO杂质的积累。对额定功率为4,000 Nm$^3$/h的4-in-1系统的仿真研究验证了所提出的控制器在动态运行下的性能。与4个独立的1-in-1系统相比，结果表明，通过适当的控制，$N$-in-1配置在适应实际风力发电输入方面具有相当的灵活性。负载跟踪和电堆温度稳定化的均方根误差(RMSE)以及单位能量消耗的平均差异分别低于0.014 MW、2.356 K和0.003 kWh/Nm$^3$。
🔬 方法详解
问题定义：论文旨在解决多电解堆共享辅助设备(BoP)的碱性水电解(AWE)系统中，在动态可再生能源输入下，如何优化系统运行，保证效率、稳定性和安全性的问题。现有方法主要针对单个电解堆，无法有效处理多堆耦合带来的复杂动态特性，例如堆间电流分配不均、温度波动和杂质积累等，导致系统性能下降甚至损坏。
核心思路：论文的核心思路是建立一个能够准确描述N-in-1 AWE系统动态特性的状态空间模型，并基于此模型设计一个非线性模型预测控制器(NMPC)。通过NMPC，可以预测系统未来状态，并优化控制变量（如电解电流、碱液流量和冷却强度），从而在满足负载需求的同时，最大化系统效率，稳定温度，并限制杂质积累。
技术框架：整体框架包括以下几个主要模块：1) N-in-1 AWE系统建模：建立包含碱液循环、温度和HTO杂质动态特性的状态空间模型。2) 非线性模型预测控制器(NMPC)设计：基于系统模型，设计NMPC，以优化电解电流分配、碱液流量和冷却强度。3) 仿真验证：在4-in-1 AWE系统上进行仿真，验证NMPC的性能。
关键创新：论文的关键创新在于：1) 提出了N-in-1 AWE系统的状态空间模型，能够准确描述多堆耦合的动态特性。2) 设计了非线性模型预测控制器(NMPC)，能够协调优化多个控制变量，实现系统的高效稳定运行。与现有方法相比，该方法能够更好地处理多堆耦合带来的复杂性，提高系统性能。
关键设计：状态空间模型中，关键参数包括电解堆的电化学参数、碱液循环系统的流体动力学参数、以及温度和HTO杂质的传递系数。NMPC的设计中，关键参数包括预测时域长度、控制时域长度、以及目标函数中各项的权重。目标函数通常包含效率最大化、温度稳定化和杂质限制等多个目标，需要根据实际需求进行调整。
🖼️ 关键图片
📊 实验亮点
仿真结果表明，所提出的NMPC策略在4-in-1 AWE系统中能够有效跟踪动态负载，并保持系统稳定运行。与4个独立的1-in-1系统相比，N-in-1系统在负载跟踪、温度稳定和能量消耗方面的性能相当，均方根误差(RMSE)差异分别低于0.014 MW、2.356 K和0.003 kWh/Nm$^3$，验证了N-in-1架构在实际应用中的可行性。
🎯 应用场景
该研究成果可应用于大规模可再生能源制氢项目，特别是采用多电解堆共享辅助设备的N-in-1架构的场景。通过优化控制策略，可以提高制氢效率，降低运行成本，并延长设备寿命。此外，该方法还可以推广到其他多堆耦合的电化学系统中，例如燃料电池堆等。
📄 摘要（原文）
An emerging approach for large-scale hydrogen production using renewable energy is to integrate multiple alkaline water electrolysis (AWE) stacks into a single balance of plant (BoP) system, sharing components such as gas-lye separation and lye circulation. This configuration, termed the $N$-in-1 AWE system, packs $N$ stacks into a modular system, reducing land requirements, the complexity of plant topology, and overall capital costs. However, the coupling of these stacks through the shared BoP introduces challenges in dynamic operation under varying energy inputs, making their performance unclear compared to traditional 1-in-1 systems. To address this, we develop a state-space model of the $N$-in-1 AWE system, capturing the dynamic behaviors of lye circulation, temperature, and HTO impurity, and their impact on energy conversion efficiency. We then propose a nonlinear model predictive controller (NMPC) to coordinately optimize inter-stack electrolytic current distribution, lye flow, and cooling, enabling the system to dynamically track varying load commands while maximizing efficiency, stabilizing temperature, and limiting HTO impurity accumulation. Simulation studies on a 4,000 Nm$^3$/h-rated 4-in-1 system verify the proposed controller under dynamic operation. Comparison with 4 independent 1-in-1 systems reveals that, with proper control, the $N$-in-1 configuration offers comparable flexibility in accommodating real-world wind power inputs. The average differences in the root-mean-square errors (RMSEs) for load-tracking and stack temperature stabilization, and specific energy consumption are below 0.014 MW, 2.356 K, and 0.003 kWh/Nm$^3$.