基于多源协同与自适应调控的制氢系统灵活性提升方法

1.基于多源协同与自适应调控的制氢系统灵活性提升方法，其特征在于：所述方法由数字孪生体作为全局决策中心执行，包括以下循环过程：实时感知与预测：获取风光发电功率的预测数据、电网的实时频率偏差信号、以及制氢系统中各电解槽的运行状态；全局优化决策：基于所述风光发电功率的预测数据和所述频率偏差信号，利用多智能体强化学习算法，以提升系统灵活性与经济性为目标，生成包含电解槽组合策略、虚拟同步发电机VSG控制参数、以及功率变化率约束阈值的全局优化调度指令，所述功率变化率约束阈值是基于设备疲劳损耗分析模型动态计算得出的；所述基于设备疲劳损耗分析模型动态计算功率变化率约束阈值，具体包括：通过雨流计数法统计功率波动的循环幅值及次数，计算累积疲劳损伤 ： ；式中， 和 为统计功率波动循环幅值和次数； 为在幅值 下导致设备失效的循环次数；基于所述累积疲劳损伤，动态设定所述功率变化率约束阈值： ；式中， 为当前允许的最大功率变化率， 为基准变化率，由电解槽材料特性决定， 为临界损伤阈值；协同控制执行：根据所述全局优化调度指令中的电解槽组合策略，控制固态继电器矩阵的动态通断，以对由碱性电解槽ALK和质子交换膜电解槽PEM构成的混合电解堆进行电路重构；根据所述全局优化调度指令中的VSG控制参数，对制氢负荷施加虚拟同步发电机VSG控制，使制氢系统响应电网频率波动；动态反馈修正：采集执行所述协同控制执行步骤后系统的实际运行数据，并将其反馈至所述设备疲劳损耗分析模型与风光出力预测模型，用于对下一周期的疲劳损伤评估与功率预测进行动态修正。 2.根据权利要求1所述的基于多源协同与自适应调控的制氢系统灵活性提升方法，其特征在于：所述电解槽组合策略采用XGBoost智能算法，以系统的总制氢效率最大化为目标建立系统效率优化模型： ； ； ；式中， 为系统效率； 和 分别表示ALK和PEM电解槽的制氢功率； 和 分别为风、光出力； 和 分别为PEM和ALK电解槽第i个时刻下的制氢效率； 为i时刻的功率； 和 分别为最小和最大功率。 3.根据权利要求2所述的基于多源协同与自适应调控的制氢系统灵活性提升方法，其特征在于：所述控制固态继电器矩阵的动态通断具体为：将所述电解槽组合策略解析为对所述固态继电器矩阵中各个继电器的开关命令，所述开关命令由需求功率 与预设的功率区间阈值[L k ,H k ]决定，其触发逻辑为： ；式中， 为需求功率， 和 为第k个固态继电器对应的功率区间。 4.根据权利要求3所述的基于多源协同与自适应调控的制氢系统灵活性提升方法，其特征在于：所述对制氢负荷施加虚拟同步发电机VSG控制，具体通过以下转子运动方程实现： ； ；式中，J为虚拟惯量，D为阻尼系数， 为电网频率偏差； 为调频系数； 为输出功率；所述虚拟惯量J和阻尼系数D的取值来源于所述全局优化调度指令。 5.根据权利要求4所述的基于多源协同与自适应调控的制氢系统灵活性提升方法，其特征在于：所述动态反馈修正步骤中，对风光出力预测模型进行修正的具体方式为：将所述电网频率偏差 引入风光出力预测模型，计算修正后的光伏出力： ；式中 为VSG调频系数映射到光伏逆变器的降载比例； 为调整后的光伏出力。 6.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现如权利要求1至5中任一项所述方法的步骤。 7.一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：该程序被处理器执行时实现如权利要求1至5中任一项所述方法的步骤。