風(fēng)-光-氫多能互補(bǔ)系統(tǒng)仿真建模方法綜述

0 引言

對(duì)于電力系統(tǒng)而言，隨著城鎮(zhèn)化的推進(jìn)和峰谷價(jià)差的不斷擴(kuò)大，電力運(yùn)行調(diào)度所面臨的壓力與日俱增。同時(shí)，伴隨近十年來(lái)可再生能源的裝機(jī)量快速增長(zhǎng)，風(fēng)、光等可再生能源間斷性和不穩(wěn)定性所引發(fā)的技術(shù)及經(jīng)濟(jì)問(wèn)題在大規(guī)模應(yīng)用中更為凸顯。解決該難題的可行途徑之一是將風(fēng)能、光能和儲(chǔ)能等新能源技術(shù)結(jié)合，構(gòu)建現(xiàn)代智慧多能互補(bǔ)能源系統(tǒng)。與傳統(tǒng)能源相比，氫能具有零污染、高效率、來(lái)源豐富、用途廣泛等優(yōu)勢(shì)；氫儲(chǔ)能具有開(kāi)發(fā)潛力大、生產(chǎn)靈活、清潔高效、污染少等特點(diǎn)。隨著我國(guó)對(duì)電力消納問(wèn)題的重視及可再生能源發(fā)電上網(wǎng)電價(jià)的調(diào)整，氫儲(chǔ)能成為消納棄風(fēng)棄光的關(guān)鍵技術(shù)，利用棄風(fēng)棄光電量電解水制氫，能夠有效降低污染物排放，可以提高可再生能源利用的綜合效益。

氫儲(chǔ)能技術(shù)是利用電力和氫能的互變性而發(fā)展起來(lái)的。風(fēng)-光-氫多能互補(bǔ)系統(tǒng)在用電低谷期，利用風(fēng)力發(fā)電和光伏電池作為優(yōu)先能源輸出，滿足用戶負(fù)載需求，多余電量電解制氫作為儲(chǔ)存能源；在用電高峰期，利用儲(chǔ)罐氫氣在燃料電池堆發(fā)電，作為補(bǔ)充能源以滿足負(fù)荷情況。這一方式不僅能大幅提高能源利用效率，且能有效解決棄風(fēng)棄光問(wèn)題，具有良好應(yīng)用前景

。但是，風(fēng)-光-氫多能互補(bǔ)系統(tǒng)通常結(jié)構(gòu)較為復(fù)雜且存在負(fù)荷不確定性，給系統(tǒng)設(shè)計(jì)和運(yùn)行帶來(lái)了巨大挑戰(zhàn)。開(kāi)展風(fēng)-光-氫多能互補(bǔ)系統(tǒng)建模與仿真研究，對(duì)于研究系統(tǒng)運(yùn)行特性，進(jìn)而實(shí)現(xiàn)系統(tǒng)高效穩(wěn)定運(yùn)行具有重要意義。

風(fēng)-光-氫多能互補(bǔ)系統(tǒng)示意圖見(jiàn)圖1。系統(tǒng)主要包含五個(gè)子模塊：風(fēng)力發(fā)電子模塊、光伏發(fā)電子模塊、電解槽制氫模塊、儲(chǔ)氫模塊以及燃料電池子模塊。本文對(duì)各子模塊仿真模型和集成系統(tǒng)模型作簡(jiǎn)要介紹。

1 風(fēng)力發(fā)電模型

風(fēng)力發(fā)電是利用風(fēng)力發(fā)電機(jī)將風(fēng)能轉(zhuǎn)換為機(jī)械功，機(jī)械功帶動(dòng)轉(zhuǎn)子旋轉(zhuǎn)，實(shí)現(xiàn)交流電輸出的發(fā)電技術(shù)。在其運(yùn)行過(guò)程中存在兩次能量轉(zhuǎn)換，一次是風(fēng)能轉(zhuǎn)換成機(jī)械能， 另一次是機(jī)械能轉(zhuǎn)換成電能。根據(jù)其運(yùn)行特征，可分為恒速風(fēng)力發(fā)電機(jī)、有限變速風(fēng)力發(fā)電機(jī)和變速風(fēng)力發(fā)電機(jī)。目前，風(fēng)力發(fā)電機(jī)以變速風(fēng)力發(fā)電機(jī)為主，其中雙饋感應(yīng)發(fā)電機(jī)由于其機(jī)組并網(wǎng)簡(jiǎn)單，控制方便，而且具有顯著的價(jià)格優(yōu)勢(shì)，應(yīng)用最為廣泛。對(duì)風(fēng)力發(fā)電機(jī)組的建模最早可以追溯到1977 年Hoffman 為美國(guó)宇航局設(shè)計(jì)的MOSTAS 模型。近年來(lái)基于建模仿真的風(fēng)電技術(shù)得到了越來(lái)越多的關(guān)注，許多國(guó)內(nèi)外學(xué)者開(kāi)展了相關(guān)研究。目前，風(fēng)力發(fā)電建模方法主要包括機(jī)理特性分析建模法和模型驅(qū)動(dòng)建模法兩類(lèi)。

1.1 機(jī)理特性分析建模法

機(jī)理特性分析建模方法是通過(guò)分析風(fēng)電機(jī)組系統(tǒng)結(jié)構(gòu)中各要素的相互作用關(guān)系和原理得到系統(tǒng)運(yùn)行特性的一類(lèi)建模方法，是目前研究較為廣泛的一類(lèi)方法，主要涉及空氣動(dòng)力學(xué)特性，機(jī)械特性，能量平衡方程和牛頓定律等原理。風(fēng)力機(jī)對(duì)電能的捕獲是將風(fēng)能轉(zhuǎn)化為電能的關(guān)鍵過(guò)程，很大程度決定了風(fēng)力發(fā)電機(jī)的轉(zhuǎn)換效率。風(fēng)力機(jī)產(chǎn)生的機(jī)械功率與風(fēng)速大小、風(fēng)力機(jī)葉片設(shè)計(jì)、葉片受風(fēng)面積等因素有關(guān)。風(fēng)電機(jī)組的基本功率特性如式（1）所示

：

式中，

——空氣密度

燃料電池陽(yáng)極主要為水蒸氣和氫氣參與反應(yīng)，假設(shè)氣體為理想氣體，該動(dòng)態(tài)過(guò)程可表示為如下公式：

——風(fēng)速，

C

——風(fēng)力機(jī)的風(fēng)能利用系數(shù)，和葉尖速比

、葉片槳距角

有關(guān)。

綜上所述,在異位妊娠患者的檢測(cè)過(guò)程中,經(jīng)陰道超聲檢測(cè)方式相較于經(jīng)腹彩超檢測(cè)方式具有更高的應(yīng)用價(jià)值,診斷率高,值得進(jìn)一步研究推廣。

輸入風(fēng)機(jī)的實(shí)際風(fēng)速大于切入風(fēng)速

V

時(shí)，風(fēng)力發(fā)電機(jī)開(kāi)始發(fā)電。風(fēng)機(jī)輸入風(fēng)速

超過(guò)切除風(fēng)速

時(shí)，風(fēng)機(jī)終止工作停止發(fā)電。風(fēng)機(jī)的風(fēng)速-功率特性的關(guān)系可以用數(shù)學(xué)關(guān)系描述為：

式（2）中，

V

——風(fēng)機(jī)額定風(fēng)速

《“經(jīng)典好題”的改造與使用——以“周長(zhǎng)的認(rèn)識(shí)”一課練習(xí)題為例》（P60）一文指出，小學(xué)數(shù)學(xué)不乏經(jīng)典好題，但也會(huì)因使用場(chǎng)合不適當(dāng)或教師執(zhí)教能力的原因，不能發(fā)揮其應(yīng)用的功能。以“周長(zhǎng)的認(rèn)識(shí)”一課的練習(xí)題為例，教師可以通過(guò)三方面對(duì)一道經(jīng)典好題進(jìn)行改造與使用：一是改造原題，變封閉為開(kāi)放；二是順?biāo)浦郏兘Y(jié)果為結(jié)論；三是打破結(jié)論，變直觀為抽象。以求得好題使用的一些方法。

物理模型預(yù)測(cè)方法是對(duì)太陽(yáng)光照強(qiáng)度與光伏組件的物理特性進(jìn)行數(shù)學(xué)方程建模，繼而對(duì)光伏發(fā)電輸出功率值進(jìn)行預(yù)測(cè)的方法。其中，等效電路模型是目前最為常用的一種方法

。根據(jù)其模型結(jié)構(gòu)不同，又可以細(xì)分為理想單二極管模型（Ideal single diode model）、單二極管 RS 模型（Single diode RS-model）、單二極管RP 模型（Single diode RP-model）、雙二極管模型（Two diode model）等，見(jiàn)圖2。

P

——風(fēng)電機(jī)額定功率

——風(fēng)速-功率系數(shù)

應(yīng)用機(jī)理分析法所建立風(fēng)機(jī)模型能準(zhǔn)確地反映機(jī)組的動(dòng)態(tài)靜態(tài)特性。但由于風(fēng)機(jī)的大容量、復(fù)雜非線性強(qiáng)耦合特性，要建立一個(gè)完全的風(fēng)機(jī)系統(tǒng)模型十分困難，且所得模型較為復(fù)雜，難以滿足控制器設(shè)計(jì)中的在線應(yīng)用需求，因此，在實(shí)施機(jī)理建模時(shí)，通常根據(jù)應(yīng)用需要，對(duì)風(fēng)機(jī)某些組件數(shù)學(xué)模型進(jìn)行一定的簡(jiǎn)化和假定。此外，風(fēng)機(jī)制造廠家提供的風(fēng)機(jī)參數(shù)、控制系統(tǒng)參數(shù)存在不準(zhǔn)確或者不規(guī)范的問(wèn)題，將導(dǎo)致仿真誤差，降低了對(duì)風(fēng)機(jī)實(shí)際運(yùn)行的指導(dǎo)作用。基于現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)可以直接建立風(fēng)機(jī)輸入風(fēng)速和輸出功率的關(guān)系模型，與機(jī)理模型相互印證，提高模型的精確性。

1.2 模型驅(qū)動(dòng)建模法

模型驅(qū)動(dòng)建模法通過(guò)利用時(shí)間序列模型、概率模型或機(jī)器學(xué)習(xí)模型，從歷史數(shù)據(jù)中學(xué)習(xí)模型，并將學(xué)習(xí)模型應(yīng)用到未知數(shù)據(jù)上。模型驅(qū)動(dòng)法可大致分為四類(lèi)：第一類(lèi)為以時(shí)間序列模型為代表概率統(tǒng)計(jì)模型

；第二類(lèi)為機(jī)器學(xué)習(xí)模型

，如支持向量機(jī)，隨機(jī)森林，提升回歸樹(shù)等。第三類(lèi)為深度學(xué)習(xí)模型。該類(lèi)模型利用多層神經(jīng)網(wǎng)絡(luò)構(gòu)造非線性函數(shù)進(jìn)行空間映射，具有強(qiáng)大的模型擬合能力。其中長(zhǎng)短期記憶網(wǎng)絡(luò)（Long Short Term Memory）、門(mén)限循環(huán)網(wǎng)絡(luò)（Gated Recurrent Unit）、卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks）和深度置信網(wǎng)絡(luò)（Deep Belief Networks）等深度學(xué)習(xí)方法都已應(yīng)用于風(fēng)電功率預(yù)測(cè)

。第四類(lèi)為模型分解方法，其充分考慮序列數(shù)據(jù)的線性和非線性影響因素，將序列分解為線性部分和非線性部分，分別建立線性模型和非線性模型，再將兩部分的預(yù)測(cè)結(jié)果組合起來(lái)。隨著數(shù)據(jù)采集、存儲(chǔ)難度下降，以及大規(guī)模計(jì)算變得越來(lái)越容易，模型驅(qū)動(dòng)法在生產(chǎn)中的應(yīng)用越來(lái)越多。但這類(lèi)依賴于大量運(yùn)行數(shù)據(jù)，只能實(shí)施于已投入運(yùn)行的風(fēng)電機(jī)組。此外，該類(lèi)方法對(duì)運(yùn)行數(shù)據(jù)質(zhì)量要求較高，若機(jī)組運(yùn)行中存在較多干擾，所測(cè)運(yùn)行數(shù)據(jù)無(wú)法反映真實(shí)機(jī)組動(dòng)態(tài)特性，則所建模型精度難以保證。

燃料電池是一種將化學(xué)能（通常為氫氣）轉(zhuǎn)化為電能和熱能的裝置。由于發(fā)電過(guò)程中不受卡諾循環(huán)限制，效率高、無(wú)污染，在供電/儲(chǔ)能領(lǐng)域具有較廣泛的應(yīng)用前景。根據(jù)燃料電池中電解質(zhì)的不同以及燃料的不同，燃料電池可大致分為：堿性燃料電池、磷酸燃料電池、熔融碳酸鹽燃料電池、固體氧化物燃料電池和質(zhì)子交換膜燃料電池

。其中，質(zhì)子交換膜燃料電池（PEMFC）工作溫度在80 ℃以下，啟動(dòng)快，比功率高，結(jié)構(gòu)簡(jiǎn)單，處于商業(yè)化的最前沿，應(yīng)用前景廣闊，在燃料電池汽車(chē)、通信基站備用電源以及分布式用能場(chǎng)景下得到廣泛的應(yīng)用。

普通小球藻生物質(zhì)購(gòu)買(mǎi)自山東無(wú)棣綠奇生物工程有限公司，經(jīng)過(guò)收獲和離心脫水后，得到的濃縮藻液含固率為10%～13%。

2 光伏發(fā)電模型

每日優(yōu)鮮成立于2014年，采取在線銷(xiāo)售模式，消費(fèi)者通過(guò)APP下單購(gòu)買(mǎi)，商家接單后進(jìn)行訂單的配送，一般能在下單后的兩小時(shí)內(nèi)送達(dá)，讓消費(fèi)者在家就能享受到快速地服務(wù)。2017年8月，每日優(yōu)鮮服務(wù)覆蓋全國(guó)14個(gè)核心城市，在一線城市實(shí)現(xiàn)整體盈利。

2.1 物理模型預(yù)測(cè)法

——風(fēng)電機(jī)輸出功率

通常，等效電路模型結(jié)構(gòu)越復(fù)雜，模型精度越高，但計(jì)算復(fù)雜度也越大。其中，單二極管RP模型有效均衡了模型精度和模型復(fù)雜度的需求，是目前應(yīng)用最為廣泛的模型，可表示為公式（3）

。

很多時(shí)政熱點(diǎn)能體現(xiàn)時(shí)代的特點(diǎn)、社會(huì)的主流價(jià)值觀以及國(guó)家的重大方針和政策；近幾年的思想政治高考試題考查時(shí)政熱點(diǎn)的趨勢(shì)比較明顯。因此，將時(shí)政熱點(diǎn)引入課堂教學(xué)十分必要。在思想政治教學(xué)中加強(qiáng)時(shí)政教育可以深化中學(xué)的政治理論教學(xué)，增強(qiáng)教育教學(xué)的生命力和凝聚力；還能夠有效彌補(bǔ)教材的滯后性，培養(yǎng)學(xué)生理論聯(lián)系實(shí)際分析解決問(wèn)題的能力，提高學(xué)生道德品質(zhì)；同時(shí)，能豐富教學(xué)內(nèi)容，幫助學(xué)生深刻理解理論知識(shí)，提高政治教學(xué)的時(shí)效性與有效性。

式中，

和

分別為光伏電池的電流與電壓，

I

和

I

分別為生光電流和飽和電流，

R

和

R

分別為串聯(lián)電阻和并聯(lián)電阻，

為光伏電池的工作溫度，

為光伏電池的理想因子，

為電子伏特常數(shù)，

k

為玻爾茲曼常數(shù)。在真實(shí)運(yùn)行場(chǎng)景下，參數(shù)

I

、

I

、

、

R

和

R

會(huì)隨著環(huán)境溫度、光照輻射等環(huán)境參數(shù)的變化而改變。

除了以上常用的等效電路模型，也有報(bào)道提出了一些其他等效電路模型，如帶電容的單二極管模型（Single diode model with capacitance）、三二極管模型（three diode model）、多二極管模型等

。但是因這些模型的復(fù)雜度，應(yīng)用價(jià)值較低，目前應(yīng)用的等效電路模型主要以上述四種為主。等效電路模型不需要借助歷史數(shù)據(jù)，可以在光伏系統(tǒng)建設(shè)之初就應(yīng)用于功率預(yù)測(cè)，并對(duì)不同天氣場(chǎng)景的功率預(yù)測(cè)有較好的泛化能力。然而，由于設(shè)備與環(huán)境條件的限制，該方法的應(yīng)用存在一定限制，例如，建模過(guò)程復(fù)雜，模型參數(shù)選取較為困難，不同光伏組件的工藝不統(tǒng)一；預(yù)測(cè)準(zhǔn)確性較低，同一光伏發(fā)電組件的光電轉(zhuǎn)換效率會(huì)隨著使用時(shí)間延長(zhǎng)而下降。

2.2 數(shù)據(jù)驅(qū)動(dòng)建模法

基于數(shù)據(jù)驅(qū)動(dòng)模型的光伏發(fā)電功率預(yù)測(cè)方法是根據(jù)以往的歷史發(fā)電功率數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)方法或統(tǒng)計(jì)方法構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型，預(yù)測(cè)得到當(dāng)前的光伏電池發(fā)電功率。依據(jù)預(yù)測(cè)結(jié)果的類(lèi)型，光伏出力預(yù)測(cè)可以進(jìn)一步分為確定性預(yù)測(cè)與概率預(yù)測(cè)。

確定性預(yù)測(cè)方法以確定的功率值為預(yù)測(cè)結(jié)果，包括時(shí)間序列回歸

、相似日聚類(lèi)

、深度神經(jīng)網(wǎng)絡(luò)

等多種方法。確定性預(yù)測(cè)結(jié)果能夠展現(xiàn)長(zhǎng)時(shí)間尺度下的光伏出力趨勢(shì)，可以用于調(diào)度系統(tǒng)實(shí)現(xiàn)長(zhǎng)時(shí)間尺度的優(yōu)化，然而在短時(shí)間尺度優(yōu)化中，光伏出力波動(dòng)較大，確定性預(yù)測(cè)方法無(wú)法準(zhǔn)確預(yù)測(cè)光伏短時(shí)波動(dòng)，將影響優(yōu)化結(jié)果的經(jīng)濟(jì)性與可行性。概率預(yù)測(cè)方法能夠給出預(yù)測(cè)時(shí)刻光伏設(shè)備所有可能的出力值及其概率，從而對(duì)預(yù)測(cè)點(diǎn)的不確定性進(jìn)行描述。調(diào)度系統(tǒng)可利用預(yù)測(cè)的區(qū)間大小評(píng)估光伏出力的波動(dòng)情況，考慮不同狀況下的調(diào)度策略，提高策略的經(jīng)濟(jì)性。目前，一般采用數(shù)據(jù)驅(qū)動(dòng)的方法構(gòu)建概率預(yù)測(cè)模型，通常預(yù)先假設(shè)預(yù)測(cè)目標(biāo)服從確定的分布函數(shù)，如正態(tài)分布、Beta分布或Weibull分布等，從歷史數(shù)據(jù)中學(xué)習(xí)分布函數(shù)的參數(shù)，從而得到預(yù)測(cè)點(diǎn)光伏出力的分布情況與功率區(qū)間。為提高不同天氣條件下光伏出力預(yù)測(cè)精度，多概率模型、極限學(xué)習(xí)機(jī)等非參數(shù)模型也被逐漸應(yīng)用于光伏建模領(lǐng)域。數(shù)據(jù)驅(qū)動(dòng)建模法簡(jiǎn)單明了，易于實(shí)現(xiàn)，且可以根據(jù)運(yùn)行情況對(duì)模型進(jìn)行修正。但在模型構(gòu)建中需要引入大量的歷史數(shù)據(jù)，且模型在不同天氣場(chǎng)景下的泛化能力較差。

3 電解槽模型

電解槽電解水制氫屬于一種氧化還原化學(xué)反應(yīng)過(guò)程，包含能量的轉(zhuǎn)換和物質(zhì)的生成與消耗。在整個(gè)風(fēng)光互補(bǔ)制氫系統(tǒng)中它相當(dāng)于一個(gè)電壓敏感性的非直流負(fù)載。但在實(shí)際工作過(guò)程中，電解槽的輸出負(fù)載電壓會(huì)受到輸入電流、工作壓力，以及電解槽溫度的影響。電解槽輸出負(fù)載電壓與輸入直流電流成正比關(guān)系，輸入電流越大，輸出負(fù)載電壓越大；輸入電流越小，輸出負(fù)載電壓越小。因此，可以通過(guò)調(diào)節(jié)電解槽的輸入電流，影響電解槽輸出電壓，最終達(dá)到調(diào)整制氫量大小的目的。依據(jù)電解質(zhì)的不同，電解槽主要有三種：質(zhì)子交換膜電解槽，堿性電解槽和固體氧化物電解槽。目前商業(yè)化應(yīng)用比較成功的為堿性電解槽，但是會(huì)產(chǎn)生有毒性氣體，并污染氫氣。相比于其他電解槽，質(zhì)子交換膜電解槽結(jié)構(gòu)簡(jiǎn)單緊湊，電流密度大，效率高，被認(rèn)為最具應(yīng)用潛力。電解槽在電解水制氫過(guò)程中，陽(yáng)極和陰極發(fā)生如下化學(xué)反應(yīng)：

大學(xué)里的跳蚤市場(chǎng)就是解決學(xué)生們的閑置物品，而跳蚤市場(chǎng)的時(shí)間地點(diǎn)由學(xué)校決定，因此有些同學(xué)不能及時(shí)參加或者是其他因素而直接放棄該次跳蚤市場(chǎng)。還有的是在不舉行跳蚤市場(chǎng)的時(shí)候，有些同學(xué)又想將手中的閑置物品交易卻找不到渠道出售，往往大多數(shù)同學(xué)會(huì)將其中的一些物品當(dāng)作廢棄品而扔進(jìn)了垃圾桶里，白白浪費(fèi)了資源。雖然有閑魚(yú)、二手交易市場(chǎng)等網(wǎng)站，但那些都是所有群體的，有些小件的商品估計(jì)郵費(fèi)都比不上，根本解決不了大學(xué)的閑置物品交易的需求，所以就需要一個(gè)便于校園閑置商品交易的平臺(tái)。

在對(duì)這一過(guò)程建模時(shí)，通常可采用以下兩種方式：一是利用法拉第電解定律近似電流。此方式簡(jiǎn)單，但是無(wú)法應(yīng)用系統(tǒng)的動(dòng)態(tài)分析。二是基于陽(yáng)極物質(zhì)和陰極物質(zhì)的摩爾平衡原理、質(zhì)量守恒原理及流體力學(xué)理論建立電解槽模型，描述電解槽內(nèi)發(fā)生的電化學(xué)反應(yīng)和物質(zhì)的動(dòng)態(tài)流動(dòng)關(guān)系，通常包括四個(gè)模塊：陽(yáng)極模塊，陰極模塊，電壓模塊和溫度模塊

。以質(zhì)子交換膜電解槽為例，各模塊建模過(guò)程如下。

3.1 陽(yáng)極模塊

陽(yáng)極模塊是計(jì)算氧氣流率、水蒸氣流率和它們的分壓。在陽(yáng)極，水分子失去電子生成氫離子和氧氣。根據(jù)質(zhì)量守恒定律，數(shù)學(xué)模型如下

式中，

N

，

N

分別為陽(yáng)極進(jìn)口氧氣和水摩爾流率，注意

N

為0；

N

，

N

分別為陽(yáng)極出口氧氣和水的摩爾流率；

N

為氧氣產(chǎn)生摩爾速率；

N

和

N

分別為膜中水傳遞摩爾流率和水消耗速率。氧氣產(chǎn)生速率和水消耗速率可根據(jù)法拉第定律計(jì)算。

3.2 陰極模塊

陰極模塊是計(jì)算陰極氫氣和水蒸氣分壓，根據(jù)質(zhì)量守恒定律，各物質(zhì)數(shù)學(xué)動(dòng)態(tài)模型如下：

式中，

N

，

N

分別為陰極進(jìn)口氧氣和水摩爾流率；

N

，

N

分別為陽(yáng)極出口氧氣和水的摩爾流率；

N

為氫氣產(chǎn)生摩爾速率；

N

為通過(guò)膜中從陽(yáng)極到陰極的水摩爾流率。氧氣產(chǎn)生速率和水消耗速率可根據(jù)法拉第定律計(jì)算。

光伏電池是將光能轉(zhuǎn)化為電能的半導(dǎo)體電子元件，它的電流和功率輸出特性由光照強(qiáng)度和電池溫度決定。光伏電池工作原理的基礎(chǔ)是半導(dǎo)體PN結(jié)的光生伏特效應(yīng)。光生伏特效應(yīng)是當(dāng)物體受到光照時(shí)，物體內(nèi)的電荷分布狀態(tài)發(fā)生變化而產(chǎn)生電動(dòng)勢(shì)和電流的一種效應(yīng)。光伏電池可認(rèn)為是一個(gè)P-N 結(jié)，當(dāng)光照射到半導(dǎo)體元件P-N 上時(shí)，會(huì)產(chǎn)生空穴和電子，在電場(chǎng)作用下載流子定向移動(dòng)形成電流。光伏電池短路時(shí)的電流稱(chēng)為短路電流，開(kāi)路時(shí)電動(dòng)勢(shì)稱(chēng)為開(kāi)路電壓。太陽(yáng)能光伏電池主要有單晶硅電池、多晶硅電池、多晶體薄膜電池和有機(jī)聚合物電池等，其中單晶硅太陽(yáng)能電池在工業(yè)生產(chǎn)和市場(chǎng)中占主導(dǎo)地位。目前，文獻(xiàn)報(bào)道的光伏電池功率預(yù)測(cè)模型主要包括物理模型預(yù)測(cè)法和數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)法兩類(lèi)。

3.3 電壓模塊

電解池通常既可以電流模式工作，也可以電壓模式工作。當(dāng)它以電壓模式工作時(shí)，一個(gè)電壓源與之相連，電解池依據(jù)操作環(huán)境來(lái)獲取電流，此時(shí)電解池電壓可以表達(dá)如下：

式（10）中，

V

為開(kāi)路電壓，可由能斯特方程計(jì)算；

V

為活化極化電壓，可以用巴特勒-伏爾摩方程計(jì)算；

V

為歐姆極化電壓，由集流器、雙極板和電極表面引起。

3.4 電解槽溫度模塊

通常電解槽在很大電壓下工作，因此會(huì)產(chǎn)生大量熱量，對(duì)電解槽的冷卻是很有必要的。電解槽內(nèi)部的熱量交換主要有三種：極化電壓產(chǎn)生的熱量、冷卻水帶走的能量、散失到環(huán)境的熱量，通常采用熱力學(xué)平衡方程計(jì)算

。

4 儲(chǔ)氫模型

電解槽所產(chǎn)生的氫氣需要進(jìn)行儲(chǔ)存，以作為燃料電池的燃料。氫氣儲(chǔ)存方式主要包括物理儲(chǔ)氫和化學(xué)儲(chǔ)氫兩大類(lèi)。物理儲(chǔ)氫包括高壓氣體儲(chǔ)氫、高壓液化儲(chǔ)氫、活性炭吸附儲(chǔ)氫等。目前，研究較多的為化學(xué)儲(chǔ)氫，即借助化學(xué)材料將氫氣儲(chǔ)存起來(lái)，主要包括金屬氫化物儲(chǔ)氫、有機(jī)儲(chǔ)氫和無(wú)機(jī)儲(chǔ)氫等。目前商業(yè)化應(yīng)用中最常用的儲(chǔ)氫方式有高壓儲(chǔ)氫、液態(tài)化儲(chǔ)氫以及金屬氫化物儲(chǔ)氫。相比于其他儲(chǔ)氫方法，高壓儲(chǔ)氫具有能耗低、經(jīng)濟(jì)性好、污染低和充放方便等特點(diǎn)。

氫氣罐中的壓力模型可采用畢廷布里奇曼等式表示，相較于范德華公式，該方法更為準(zhǔn)確。數(shù)學(xué)表達(dá)式如下：

式中，

為儲(chǔ)氫罐壓強(qiáng)，

為氫氣體積，T為儲(chǔ)氫罐溫度，

為氫氣摩爾量，

為理想氣體常數(shù)。

式（11）中含有五個(gè)參數(shù)，其中：

為0.197 5 atm·L

/mol

，

為0.020 96 L/mol，a數(shù)值為-0.005 06 L/mol，

數(shù)值為-0.035 9 L/mol，

為 0.0504 L·K

/mol。

大學(xué)生進(jìn)行職業(yè)生涯規(guī)劃可以充分的了解、認(rèn)識(shí)自己，對(duì)自己有很清晰的定位，通過(guò)對(duì)于自身的定位能夠確立生涯目標(biāo)，隨著個(gè)人的不斷進(jìn)步，職業(yè)生涯也會(huì)更加完善，進(jìn)行職業(yè)生涯規(guī)劃也會(huì)更加健全。[4]

5 燃料電池模型

在南宋時(shí)期，李清照顛沛流離之前，與丈夫趙明誠(chéng)分隔兩地之時(shí)也寫(xiě)過(guò)閨怨詞。“樓上幾日春寒，簾垂四面，玉闌干慵倚。”（《念奴嬌》）春寒料峭，詞人深坐樓頭，簾垂四面。“玉闌干慵倚”，刻畫(huà)詞人無(wú)聊情緒，而隱隱離情也在其中。鴻雁飛過(guò)，卻捎不來(lái)半絲丈夫的音訊，縱使闌干倚遍，亦復(fù)何用。闌干慵倚，樓內(nèi)春深重，枯坐只會(huì)令人更加愁?lèi)灒谑窃~人只有懨懨入睡了。心事無(wú)人可訴，唯有寄托于夢(mèng)境之中，凄然之情溢于言表。此詞寫(xiě)于南遷之前丈夫遠(yuǎn)離之時(shí)，思念丈夫，情深意切。

以質(zhì)子交換膜燃料電池（PEMFC）為例，工作原理如圖3 所示，主要由兩電極和質(zhì)子交換膜組成。質(zhì)子交換膜通常與電極催化劑成一體化結(jié)構(gòu)，在這類(lèi)結(jié)構(gòu)中，以多孔鉑材料作為催化劑結(jié)構(gòu)的電極緊貼在交換膜表面。在固體聚合物電解槽工作過(guò)程中，水分子在陽(yáng)極被分解為氧和H

，H

和水分子結(jié)合成H

O

，在電場(chǎng)作用下穿過(guò)薄膜到達(dá)陰極，在陰極生成氫，在陽(yáng)極生成氧。

燃料電池常用模型包括集總參數(shù)模型和分布參數(shù)模型

。集總參數(shù)模型仿真速度快、操作簡(jiǎn)便，可以用來(lái)分析燃料電池的動(dòng)態(tài)響應(yīng)性與系統(tǒng)控制，但無(wú)法得到燃料電池內(nèi)部參數(shù)的分布情況。分布參數(shù)模型即以燃料電池仿真涉及的各種守恒方程，包括質(zhì)量守恒、動(dòng)量守恒、電荷守恒、能量守恒、組分守恒等守恒方程來(lái)描述燃料電池內(nèi)部參數(shù)，包括電池內(nèi)部流體的壓力、流速、濃度、溫度等參數(shù)以及液態(tài)水與電流密度的分布情況等。由于分布參數(shù)模型可以詳細(xì)描述電池內(nèi)部情況，模型復(fù)雜，模型精度高，是研究最廣泛的一類(lèi)模型。分布式參數(shù)模型主要由：電壓模塊、陽(yáng)極模塊、陰極模塊、溫度模塊和質(zhì)子交換膜模塊組成。以下為各模塊主要建模過(guò)程。

Ding[27]等利用適配體組裝磁珠納米結(jié)構(gòu)開(kāi)發(fā)出一種簡(jiǎn)單、通用、靈敏的電位檢測(cè)方案，適用于多種目標(biāo)分子的檢測(cè)。適配體捕獲后磁珠帶負(fù)電荷，雙酚A加入后將適配體競(jìng)爭(zhēng)下來(lái)，暴露的適配體與帶正電荷的魚(yú)精蛋白結(jié)合，此時(shí)磁珠帶電荷由負(fù)變正，電位變化也會(huì)發(fā)生明顯的變化。隨后，同組研究人員又提出一種對(duì)2種分子有順序選擇性檢測(cè)的全固態(tài)電位傳感器[28]，如圖2所示。該傳感器利用計(jì)時(shí)電位法調(diào)控陰陽(yáng)離子的擴(kuò)散，再利用開(kāi)路電位法檢測(cè)實(shí)現(xiàn)了2種細(xì)菌的選擇性檢測(cè)。該傳感器可同時(shí)檢測(cè)大腸埃希菌O157∶H7和金黃色葡萄球菌2個(gè)細(xì)菌核酸序列，其檢出限分別為120和54 fmol·L-1。

5.1 電壓模塊

燃料電池的I-V 曲線即極化曲線，刻畫(huà)了燃料電池的工作特性。燃料電池的極化電壓分為：活化極化電壓、歐姆極化電壓和濃差極化電壓。不同的電流密度下極化電壓的作用不同。因此單電池的電壓可表達(dá)如下：

編制現(xiàn)金預(yù)算等制度的存在可以在相當(dāng)程度保證企業(yè)現(xiàn)金流管理的合理性。然而，一旦企業(yè)經(jīng)營(yíng)活動(dòng)中產(chǎn)生意外，勢(shì)必需要現(xiàn)金支持運(yùn)轉(zhuǎn)。因此，在進(jìn)行現(xiàn)金流高效管理的同時(shí)，必須在企業(yè)內(nèi)部建立起現(xiàn)金風(fēng)險(xiǎn)預(yù)警體系。現(xiàn)金風(fēng)險(xiǎn)預(yù)警體系可以在企業(yè)現(xiàn)金流轉(zhuǎn)出現(xiàn)問(wèn)題時(shí)作出反應(yīng)，以此便能及時(shí)有效地減少企業(yè)經(jīng)濟(jì)損失；預(yù)警體系的主要建設(shè)點(diǎn)在于現(xiàn)今風(fēng)險(xiǎn)預(yù)警能力建設(shè)方面，相關(guān)預(yù)警的實(shí)現(xiàn)需要通過(guò)具備專(zhuān)業(yè)素質(zhì)的人才對(duì)企業(yè)內(nèi)部經(jīng)營(yíng)信息與現(xiàn)金狀況的處理得出，這也意味著企業(yè)需要專(zhuān)門(mén)設(shè)立機(jī)構(gòu)從事預(yù)警工作，通過(guò)及時(shí)、準(zhǔn)確的預(yù)警支持，企業(yè)現(xiàn)金流管理工作的進(jìn)行也將呈現(xiàn)出積極趨勢(shì)。

式（14）中，

為開(kāi)路電壓，可由能斯特方程表示；

V

為活化極化電壓，常用塔菲爾公式和經(jīng)驗(yàn)公式表示；

V

歐姆極化電壓，表示導(dǎo)流板、雙極板和電極電阻；

V

為濃差極化電壓，由反應(yīng)物中心與電極表面濃度差，可采用經(jīng)驗(yàn)公式表示。單電池輸出電壓最終可表示為電流密度、電池溫度、反應(yīng)物壓力和水合作用的函數(shù)。

近年來(lái)，隨著社會(huì)經(jīng)濟(jì)的發(fā)展，行業(yè)主管部門(mén)及建設(shè)單位對(duì)水利工程施工質(zhì)量提出了更高的要求，在水工隧洞襯砌施工中，大多采用鋼模臺(tái)車(chē)澆筑，由于施工里程長(zhǎng)，質(zhì)量影響因素多，在混凝土澆筑完成后，通常會(huì)出現(xiàn)一些常見(jiàn)的質(zhì)量通病。現(xiàn)對(duì)常見(jiàn)的質(zhì)量通病提出修補(bǔ)處理方案。

5.2 陽(yáng)極模塊

——風(fēng)力機(jī)的掃掠面積

式中，

V

為陽(yáng)極體積，

m

為進(jìn)入陽(yáng)極的氫氣摩爾流率，

m

為出陽(yáng)極的氫氣摩爾流率，

k

為陽(yáng)極流體流動(dòng)轉(zhuǎn)換系數(shù)，

P

為陽(yáng)極側(cè)氫氣壓力，

P

為環(huán)境壓力，

FR

為陽(yáng)極氫氣每分鐘流量，

PC

為氫氣純度，

CF

為氫氣流率轉(zhuǎn)換系數(shù)。

陽(yáng)極的水蒸氣動(dòng)態(tài)模型可表示為式（18）。

式中，

m

為進(jìn)入陽(yáng)極水的摩爾流率，

m

為陽(yáng)極出口水的摩爾流率，

m

為氫離子轉(zhuǎn)移攜帶的水摩爾流率，

m

為水因壓差從陰極滲透到陽(yáng)極的摩爾流率。

對(duì)于一臺(tái)特定的風(fēng)力發(fā)電機(jī)，風(fēng)力機(jī)產(chǎn)生的機(jī)械功率主要和風(fēng)速有關(guān)，與風(fēng)速的立方成正比。

5.3 陰極模塊

質(zhì)子交換膜燃料電池的陰極模塊，主要有氧氣和水蒸氣參與反應(yīng)，動(dòng)態(tài)模型可表示為:

式中，

V

為陽(yáng)極體積，

m

為進(jìn)入陽(yáng)極的氧氣摩爾流率，

m

為出陽(yáng)極的氧氣摩爾流率，

k

為陽(yáng)極流體流動(dòng)轉(zhuǎn)換系數(shù)，

P

為陽(yáng)極側(cè)氧氣壓力，

P

為環(huán)境壓力，

FR

為陽(yáng)極氧氣每分鐘流量，

PC

為氧氣純度，

CF

為氧氣流率轉(zhuǎn)換系數(shù)。

對(duì)于陰極的水蒸氣動(dòng)態(tài)數(shù)學(xué)模型如式（23）：

式（23）中，

m

為進(jìn)入陰極水的摩爾流率，

m

為陰極出口水的摩爾流率，

m

為氫離子轉(zhuǎn)移攜帶的水摩爾流率，

m

為水因壓差從陰極滲透到陽(yáng)極的摩爾流率。

5.4 溫度模塊

溫度對(duì)燃料電池的工作性能有很大的影響。一般在合適溫度范圍內(nèi)，溫度越高，電池輸出功率越大。但溫度過(guò)高會(huì)導(dǎo)致膜中水分快速蒸發(fā)，造成膜脫水甚至膜損壞。溫度過(guò)低的話，會(huì)影響氫離子在膜中的轉(zhuǎn)移速度，影響反應(yīng)速度，另外溫度過(guò)低使水蒸氣冷凝，造成水的積聚堵塞氣體通道，使燃料電池停止工作。因此合適的電池工作溫度對(duì)燃料電池組非常重要。對(duì)于高功率燃料電池堆，需要冷卻水不斷冷卻系統(tǒng)，使系統(tǒng)溫度保持在一個(gè)最佳值，使功率輸出最大并且提高燃料電池的壽命。一般情況下，質(zhì)子交換膜燃料電池的最佳工作溫度在70～80 ℃。燃料電池系統(tǒng)的動(dòng)態(tài)熱量交換模型可采用如下公式表示：

3)2626隔離開(kāi)關(guān)控制規(guī)則，分閘條件：262斷路器分閘。合閘條件：262斷路器分閘、26230接地開(kāi)關(guān)分閘、26240接地開(kāi)關(guān)分閘、26260接地開(kāi)關(guān)分閘。

式（25）中，

Q

是燃料電池堆吸收熱速率，

Q

是冷卻系統(tǒng)熱吸收速率，

Q

是燃料電池堆與環(huán)境熱散失速率。

6 風(fēng)-光-氫多能互補(bǔ)系統(tǒng)集成仿真模型

基于上述各元件模型及相互間的能流關(guān)系，可搭建風(fēng)-光-氫多能互補(bǔ)系統(tǒng)整體仿真平臺(tái)。風(fēng)-光-氫多能互補(bǔ)集成系統(tǒng)可分為兩類(lèi)：一類(lèi)是離網(wǎng)型，即風(fēng)和光獨(dú)立發(fā)電，將電能提供給電解槽制氫。該類(lèi)型投資少，靈活性高，易于管理。另一類(lèi)是并網(wǎng)型，風(fēng)力發(fā)電機(jī)、光伏板經(jīng)逆變器逆變后，并入電網(wǎng)，利用電網(wǎng)的電或超出電網(wǎng)容納能力的剩余部分的電來(lái)電解水制氫氣。此方式在實(shí)現(xiàn)能量?jī)?chǔ)存的同時(shí)，減小了對(duì)電網(wǎng)的沖擊。目前，前者相關(guān)研究較多，理論及技術(shù)相對(duì)比較成熟。后者處于起步階段，主要集中于理論研究，尚未開(kāi)展大規(guī)模風(fēng)光氫綜合能源發(fā)電系統(tǒng)的示范工程設(shè)計(jì)。

現(xiàn)有風(fēng)-光-氫多能互補(bǔ)集成系統(tǒng)仿真模型研究主要用于可行性和經(jīng)濟(jì)性分析、能量管理和容量配制優(yōu)化兩方面

。Wang等

搭建了一個(gè)包含光伏、風(fēng)力機(jī)、燃料電池、電解槽混合獨(dú)立發(fā)電系統(tǒng)，并采用真實(shí)的負(fù)載數(shù)據(jù)和氣象資料進(jìn)行了模擬仿真，其中風(fēng)力和光伏是系統(tǒng)能量來(lái)源，燃料電池-電解槽用于補(bǔ)充和長(zhǎng)期能源系統(tǒng)。Vaishalee Dash等

搭建了包含電解槽制氫，光伏電池、燃料電池堆和蓄電池的集成系統(tǒng)仿真平臺(tái)，并基于該平臺(tái)提出了能量?jī)?yōu)化管理策略。A.U.Chavez-Ramirez等

在實(shí)驗(yàn)數(shù)據(jù)的基礎(chǔ)上，利用人工智能技術(shù)對(duì)風(fēng)光燃料電池系統(tǒng)進(jìn)行了能量管理，并建立了預(yù)測(cè)精度比較高的數(shù)學(xué)模型。Patsios 等

建立了一個(gè)包含風(fēng)力機(jī)、光伏電池、電解槽、燃料電池和超級(jí)電容器混合發(fā)電系統(tǒng)，利用超級(jí)電容器作為儲(chǔ)能載體。Onar等

建立了包含光伏、電解槽、燃料電池及超級(jí)電容器的混合發(fā)電模型，超級(jí)電容器與風(fēng)力發(fā)電機(jī)連接可確保它在不同的環(huán)境下工作。Khalilnejad.A等

設(shè)計(jì)了一個(gè)風(fēng)光聯(lián)合發(fā)電系統(tǒng)來(lái)電解制氫，并分析了不同發(fā)電場(chǎng)景下的最大產(chǎn)氫量。J.P.Simoes等

設(shè)計(jì)了一個(gè)包含風(fēng)力發(fā)電機(jī)、光伏發(fā)電陣列、蓄電池、電解制氫裝置和儲(chǔ)氫裝置的混合能源系統(tǒng)，對(duì)每一個(gè)元件進(jìn)行了建模和仿真。

國(guó)內(nèi)在風(fēng)-光-氫多能互補(bǔ)集成系統(tǒng)的研究尚處于起步階段。國(guó)內(nèi)高等院校和科研院所如華北電力大學(xué)、清華大學(xué)、中國(guó)船舶重工集團(tuán)七一八所等對(duì)風(fēng)能制氫集成系統(tǒng)進(jìn)行了論證和分析。在具體工程示范應(yīng)用方面，顧為東

2008 年完成了非并網(wǎng)風(fēng)電規(guī)模化制氫實(shí)驗(yàn)并建立示范項(xiàng)目，2011年建立了國(guó)內(nèi)首個(gè)非并網(wǎng)電解制氫工程，2016 年張家口建立了風(fēng)光耦合電解制氫示范工程20 MW光伏發(fā)電配套全部并網(wǎng)發(fā)電。李春華

等在光能制氫混合系統(tǒng)方面，開(kāi)展了光伏/燃料電池建模、光伏氫能系統(tǒng)性能分析等工作。蔡國(guó)偉等

搭建了包含風(fēng)力發(fā)電、光伏發(fā)電、制氫、超級(jí)電容器的集成仿真平臺(tái)，并提出了不同運(yùn)行工況下的控制策略，提高系統(tǒng)運(yùn)行可靠性。孟現(xiàn)峰等

搭建了包含電解槽、儲(chǔ)氫罐、質(zhì)子交換膜燃料電池等部件的集成系統(tǒng)，并設(shè)計(jì)了各組成單元能量控制策略。秦夢(mèng)珠等

提出了一種新型風(fēng)電-氫能耦合系統(tǒng)，在并網(wǎng)模式時(shí)利用多余電能電解水制氫，離島獨(dú)立運(yùn)行模式時(shí)解決系統(tǒng)能量平衡、提高供電質(zhì)量等問(wèn)題。陳維榮等

針對(duì)多能互補(bǔ)微電網(wǎng)經(jīng)濟(jì)成本最優(yōu)問(wèn)題，提出一種計(jì)及需求側(cè)響應(yīng)的風(fēng)-光-氫多能互補(bǔ)微電網(wǎng)優(yōu)化配置方法。賈成真等

基于風(fēng)光氫耦合發(fā)電系統(tǒng)仿真模型，提出了一種基于快速非支配排序遺傳算法（NSGA-Ⅱ）的容量?jī)?yōu)化配置及日前優(yōu)化調(diào)度。

7 總結(jié)和展望

風(fēng)-光-氫多能互補(bǔ)系統(tǒng)集成仿真模型在系統(tǒng)規(guī)劃、容量配置、優(yōu)化調(diào)度等方面具有重要作用。本文對(duì)風(fēng)-光-氫多能互補(bǔ)系統(tǒng)仿真模型中的關(guān)鍵單元，包括風(fēng)力發(fā)電模型、光伏發(fā)電模型、電解槽模型、儲(chǔ)氫模型及燃料電池模型建模方法進(jìn)行了綜述；在此基礎(chǔ)上，對(duì)系統(tǒng)仿真模型的應(yīng)用方向進(jìn)行了簡(jiǎn)述。

能源效率不斷提升，“十三五”、“十四五”、“十五五”期間，廣東省單位GDP能耗分別下降21%、17%和15%，至2030年，單位GDP能耗降至0.31 tce/萬(wàn)元(2000年價(jià))，約為2005年的1/3，達(dá)到美國(guó)2013年水平。

通過(guò)以上分析可知，風(fēng)-光-氫多能互補(bǔ)系統(tǒng)已引起國(guó)內(nèi)外專(zhuān)家和學(xué)者的關(guān)注，其中各關(guān)鍵單元建模方法研究已比較成熟，為系統(tǒng)仿真建模提供了良好基礎(chǔ)。但是，由于風(fēng)-光-氫多能互補(bǔ)系統(tǒng)發(fā)展仍處于初步階段，如何基于風(fēng)光制氫/燃料電池集成系統(tǒng)仿真模型，通過(guò)系統(tǒng)規(guī)劃、容量配置、優(yōu)化調(diào)度等研究，保障系統(tǒng)高效、安全、經(jīng)濟(jì)運(yùn)行還有待探索和實(shí)踐。但從長(zhǎng)遠(yuǎn)看，隨著新能源技術(shù)的快速發(fā)展，大規(guī)模、低成本的風(fēng)光制氫/燃料電池集成系統(tǒng)必將成為重要發(fā)展方向。

[1]Das H S,Tan C W,Yatim A H M.Fuel cell hybrid electric vehicles:A review on power conditioning units and topologies[J]. Renewable and Sustainable Energy Reviews,2017,76:268-291.

[2]Geovanni H G, Orlando L D, Rafael P D, et al.Analysis of the current methods used to size a wind/hydrogen/fuel cell-integrated system:A new perspective[J]. International journal of energy research, 2010, 34(12):1042-1051.

[3]Trifkovic M,Sheikhzadeh M,Nigim K,et al.Modeling and control of a renewable hybrid energy system with hydrogen storage[J]. IEEE Transactions on Control Systems Technology,2013,22(1):169-179.

[4]Marvuglia A,Messineo A.Monitoring of wind farms’power curves using machine learning techniques[J].Applied Energy,2012,98:574-583.

[5]Heinermann J, Kramer O. Machine learning ensembles for wind power prediction[J].Renewable Energy,2016,89:671-679.

[6]Li S,Wunsch D C,O'Hair E A,et al.Using neural networks to estimate wind turbine power generation[J].IEEE Transactions on energy conversion,2001,16(3):276-282.

[7]王增平,楊國(guó)生,湯涌,蔡文瑞,劉素梅,王曉陽(yáng),歐陽(yáng)金鑫.基于特征影響因子和改進(jìn)BP 算法的直驅(qū)風(fēng)機(jī)風(fēng)電場(chǎng)建模方法[J].中國(guó)電機(jī)工程學(xué)報(bào),2019,39(9):2604-2615.

[8]Shi Z, Liang H, Dinavahi V. Direct interval forecast of uncertain wind power based on recurrent neural networks[J].IEEE Transactions on Sustainable Energy,2017,9(3):1177-1187.

[9]Nishioka K, Sakitani N, Kurobe K, et al. Analysis of the temperature characteristics in polycrystalline Si solar cells using modified equivalent circuit model[J].Japanese journal of applied physics,2003,42(12R):7175.

[10]Celik A N,Acikgoz N. Modelling and experimental verification of the operating current of mono-crystalline photovoltaic modules using four-and five-parameter models[J].Applied energy,2007,84(1):1-15.

[11]Tsai H F,Tsai H L. Implementation and verification of integrated thermal and electrical models for commercial PV modules[J]. Solar Energy,2012,86(1):654-665.

[12]Salam Z, Ishaque K, Taheri H. An improved two-diode photovoltaic(PV)model for PV system[C]//2010 Joint International Conference on Power Electronics, Drives and Energy Systems & 2010 Power India. IEEE,2010:1-5.

[13]Sheng H, Xiao J, Cheng Y, et al. Short-term solar power forecasting based on weighted Gaussian process regression[J].IEEE Transactions on Industrial Electronics,2017,65(1):300-308.

[14]代倩,段善旭,蔡濤,陳昌松,陳正洪,邱純.基于天氣類(lèi)型聚類(lèi)識(shí)別的光伏系統(tǒng)短期無(wú)輻照度發(fā)電預(yù)測(cè)模型研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2011,31(34):28-35.

[15]Chakhchoukh Y, Panciatici P, Mili L. Electric load forecasting based on statistical robust methods[J]. IEEE Transactions on Power Systems,2010,26(3):982-991.

[16]譚津,鄧長(zhǎng)虹,楊威,等.微電網(wǎng)光伏發(fā)電的Adaboost 天氣聚類(lèi)超短期預(yù)測(cè)方法[J].電力系統(tǒng)自動(dòng)化,2017,41(21):33-39.

[17]Mori H, Takahashi M. Development of GRBFN with global structure for PV generation output forecasting[C]//2012 IEEE Power and Energy Society General Meeting.IEEE,2012:1-7.

[18]Kang M C, Sohn J M, Park J, et al. Development of algorithm for day ahead PV generation forecasting using data mining method[C]//2011 IEEE 54th International Midwest Symposium on Circuits and Systems (MWSCAS).IEEE,2011:1-4.

[19]趙康寧,蒲天驕,王新迎,等.基于改進(jìn)貝葉斯神經(jīng)網(wǎng)絡(luò)的光伏出力概率預(yù)測(cè)[J].電網(wǎng)技術(shù),2019,43(12):4377-4386.

[20]Abdin Z,Webb C J,Gray E M A.Modelling and simulation of a proton exchange membrane(PEM)electrolyser cell[J].International Journal of Hydrogen Energy,2015,40(39):13243-13257.

[21]李煒.獨(dú)立的太陽(yáng)能燃料電池聯(lián)合發(fā)電系統(tǒng)的協(xié)調(diào)控制設(shè)計(jì)與仿真研究[D].上海交通大學(xué)，2007.

[22]Buttler A, Spliethoff H. Current status of water electrolysis for energy storage, grid balancing and sector coupling via power-to-gas and power-to-liquids: A review[J]. Renewable and Sustainable Energy Reviews,2018,82:2440-2454.

[23]張鑒,華青松,鄭莉莉,等.質(zhì)子交換膜燃料電池建模綜述[J].電源技術(shù),2019,43(6):1051-1053+1082.

[24]Rozali N E M,Alwi S R W,Manan Z A,et al.Optimal sizing of hybrid power systems using power pinch analysis[J]. Journal of Cleaner Production,2014,71:158-167.

[25]Wang C,Nehrir M H.Power management of a stand-alone wind/photovoltaic/fuel cell energy system[J]. IEEE transactions on energy conversion,2008,23(3):957-967.

[26]Dash V, Bajpai P. Power management control strategy for a stand-alone solar photovoltaic-fuel cell-battery hybrid system[J]. Sustainable Energy Technologies and Assessments,2015,9:68-80.

[27]Chàvez-Ramirez A U,Vallejo-Becerra V,Cruz J C,et al.A hybrid power plant (Solar-Wind-Hydrogen) model based in artificial intelligence for a remote-housing application in Mexico[J]. International Journal of Hydrogen Energy,2013,38(6):2641-2655.

[28]Patsios C,Antonakopoulos M, Chaniotis A, et al. Control and analysis of a hybrid renewable energy-based power system[C]//The XIX International Conference on Electrical Machines-ICEM 2010.IEEE,2010:1-6.

[29]Khalilnejad A, Riahy G H.A hybrid wind-PV system performance investigation for the purpose of maximum hydrogen production and storage using advanced alkaline electrolyzer[J]. Energy Conversion and Management,2014,80:398-406.

[30]Simoes J P, Sim?es J P, Coelho M C, et al. MATLAB/SIMULINK based teaching system for a Stand-Alone Energy System Supported by totally renewable hydrogen production[C]//2009 3rd IEEE International Conference on E-Learning in Industrial Electronics(ICELIE).IEEE,2009:86-91.

[31]顧為東. 大規(guī)模非并網(wǎng)風(fēng)電系統(tǒng)開(kāi)發(fā)與應(yīng)用[J]. 電力系統(tǒng)自動(dòng)化,2008(19):1-4+9.

[32]李春華,朱新堅(jiān),胡萬(wàn)起,等.光伏/燃料電池聯(lián)合發(fā)電系統(tǒng)的建模和性能分析[J].電網(wǎng)技術(shù),2009,33(12):88-93+111.

[33]蔡國(guó)偉,陳沖,孔令國(guó),等.風(fēng)電/光伏/制氫/超級(jí)電容器并網(wǎng)系統(tǒng)建模與控制[J].電網(wǎng)技術(shù),2016,40(10):2982-2990.

[34]孟現(xiàn)鋒,羅勇,Crisalle Oscar Dardo.風(fēng)電氫聯(lián)產(chǎn)系統(tǒng)功率平滑控制仿真研究[J].可再生能源,2016,34(11):1595-1602.

[35]秦夢(mèng)珠,張國(guó)月,齊冬蓮.風(fēng)電-氫能耦合系統(tǒng)建模及仿真[J].電子技術(shù), (8):18-23.

[36]陳維榮,傅王璇,韓瑩,等.計(jì)及需求側(cè)的風(fēng)-光-氫多能互補(bǔ)微電網(wǎng)優(yōu)化配置[J/OL].西南交通大學(xué)學(xué)報(bào):1-8[2021-05-21]

[37]賈成真,王靈梅,孟恩隆,等.風(fēng)光氫耦合發(fā)電系統(tǒng)的容量?jī)?yōu)化配置及日前優(yōu)化調(diào)度[J].中國(guó)電力,2020,53(10):80-87.