基于贝叶斯推断的碱性电解系统在线动态参数估计
系统与控制
2022-03-09 v1 系统与控制
最优化与控制
摘要
当与风能和光伏电力等波动能源直接耦合时，电制氢（P2H）系统中的碱性电解（AEL）需要通过动态调整其产氢速率来实现灵活运行。AEL 系统的灵活性特征（如负荷范围和爬坡速率）受一些与 AEL 系统动态过程相关参数的显著影响。这些参数通常难以直接测量，甚至可能随时间变化。为准确评估在线运行下 AEL 系统的灵活性，本文提出一种基于贝叶斯推断的马尔可夫链蒙特卡洛（MCMC）方法来估计这些参数。同时，作为副产品获得了估计参数的后验联合概率分布，为 AEL 系统提供了有价值的物理洞察。在一台 25 kW 电解槽上的实验验证了所提参数估计方法。
引用
@article{arxiv.2203.03883,
title = {Online Dynamic Parameter Estimation of an Alkaline Electrolysis System Based on Bayesian Inference},
author = {Xiaoyan Qiu and Hang Zhang and Yiwei Qiu and Buxiang Zhou and Tianlei Zang and Ruomei Qi and Jin Lin and Jiepeng Wang},
journal= {arXiv preprint arXiv:2203.03883},
year = {2022}
}
备注
Accepted by 2022 IEEE 5th International Electrical and Energy Conference