具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

随着新能源发电的蓬勃发展，氢能发电以其低碳环保、可存储性、可传输性逐渐得到重视，成为新能源发电领域的新兴力量。

氢气的来源可以通过氢气制造装置生产得到，氢气制造装置可以如光伏制氢系统、风电制氢系统、新能源制氢系统等。现以光伏制氢系统为例进行介绍。

光伏制氢是通过光伏发电产出的电能通过光伏制氢系统进行电解制氢得到氢能，以用于存储或燃料燃烧。

光伏制氢系统中，用于制氢的电解槽作为核心转换设备，其工作原理如下：电解槽由浸没在电解液中的一对电极，中间隔以放置气体渗透的隔膜而构成水电解池，通以一定直流电即可发生电解。

电解槽的工作状态对光伏制氢系统的制氢效果以及稳定性影响较大。目前，在确定电解槽的工作状态，如是否存在性能下降或设备故障时，通常是人工根据经验判断，如人工根据经验对产氢量、产氧量、产氢纯度等指标进行人工评估，以此判断电解槽是否存在性能下降或设备故障。但是人工根据经验判断的方式，准确度较低。因此，亟需一种能够准确地确定出电解槽的工作状态的方法。

因此，本发明实施例中，将制氢参数的参考参数值作为标准，对实际参数值进行分析，得到偏差数据，该偏差数据能够准确地表征出实际参数值相对于参考参数值的偏差情况，该偏差情况是由于电解槽的工作状态导致，进而通过该偏差情况即能够准确地确定出电解槽当前的实际工作状态，解决了亟需一种能够准确地确定出电解槽的工作状态的方法的问题。

在上述内容的基础上，本发明实施例提供了一种电解槽工作状态的确定方法，应用于控制器，本实施例中的控制器可以是光伏制氢系统的控制器。

参照图1，所述确定方法可以包括：

S11、获取电解槽的供电参数的实际参数值、以及制氢参数的实际参数值。

其中，供电参数是电解槽工作过程中的输入参数，供电参数是新能源发电系统的发电参数，或是电网的供电参数，制氢参数是工作过程中的输出参数。

在实际应用中，氢气制造装置，以光伏制氢系统为例，光伏制氢系统中的光伏发电单元受天气条件影响，即天气越好发电量越高，进而产氢量也越大，因此光伏制氢的产氢量与实时天气强相关。因此，气象参数(或环境参数)是影响电解槽的工作状态的参数。另外，电解槽在工作过程中，会输入电流，则电流的电气参数也会影响电解槽的工作状态。

因此，供电参数主要包括与光伏发电相关的气象参数与电气参数，此外，还可以包括水电解制氢相关联的水参数和电解液参数；

则供电参数包括：

太阳辐照X_g、环境温度X_t、光伏站输出功率X_p、电解槽工作电流X_i、电解槽工作电压X_v、单位时间进水流量X_wf、和电解液电导率X_ec。

电解槽的制氢参数主要是电解槽电解后氢气和氧气的含量、纯度等核心参数，所述制氢参数的数量为多个，如：

氢气产量(单位时间氢气产出量)Y_h、氧气产量(单位时间氧气产出量)Y_o、氢中氧含量(氢气中含氧量)Y_oinh、以及氧中氢含量(氧气中含氢量)Y_hino。

以上参数的获取均由系统普遍适用的光、电、气、压和水采集设备和通讯传感设备完成收集和传输。

在实际工作过程中，若是需要对电解槽的工作状态进行确定，则执行步骤S11。如可以每隔固定时间进行电解槽工作状态的确定，或者在接收到人工输出的工作状态确定的指令时，进行电解槽工作状态的确定。

在需要对电解槽的工作状态进行确定时，采集当前时刻的电解槽的供电参数的实际参数值、以及制氢参数的实际参数值，即采集上述各个参数的当前的实际参数值。

S12、基于所述供电参数的实际参数值，预测所述制氢参数的参考参数值。

在实际应用中，可以预先训练一个预设回归模型，所述预设回归模型包括供电参数的实际参数值与制氢参数的参考参数值之间的关联关系。

预设回归模型是基于电解槽处于正常工作状态下的供电参数的标准参数值、以及制氢参数的标准参数值进行训练得到。则在输入供电参数的实际参数值，预设回归模型能够输出该供电参数的实际参数值对应的制氢参数的标准参数值，本实施例中称为制氢参数的参考参数值。

S13、计算所述制氢参数的实际参数值以及参考参数值的偏差数据，并根据所述偏差数据，确定所述电解槽的工作状态。

在实际应用中，若是电解槽的工作状态发生改变，如性能降低或者是出现故障，则制氢参数的实际参数值和参考参数值出现偏差，进而能够根据制氢参数的实际参数值以及参考参数值的偏差数据，确定所述电解槽的工作状态。

本实施例中，将制氢参数的参考参数值作为标准，对实际参数值进行分析，得到偏差数据，该偏差数据能够准确地表征出实际参数值相对于参考参数值的偏差情况，该偏差情况是由于电解槽的工作状态导致，进而通过该偏差情况即能够准确地确定出电解槽当前的实际工作状态，解决了亟需一种能够准确地确定出电解槽的工作状态的方法的问题。

上述实施例提及了预设回归模型，本实施例中，预设回归模型包括线性回归模型和反馈回归模型，

其中，线性回归模型表征每一所述制氢参数与所有的所述供电参数之间的关联关系。

所述反馈回归模型表征每一所述制氢参数与所有的所述供电参数以及其他制氢参数之间的关联关系；所述其他制氢参数为除所述制氢参数之外的其他的制氢参数。

上述介绍了两个模型的含义，现对两个模型的生成过程进行介绍。

由于本发明实施例是要对电解槽的多个制氢参数进行建模预测分析，因此和一般单值回归方式有所差异，需要多目标回归建模，具体分为两个步骤，首先需要对每个制氢参数进行单独回归，建立线性回归模型。又由于各个制氢参数之间是相互关联的，例如单位时间的氢气产量和氧气产量在正常工作状态具备正相关性，因此需要进一步进行多目标反馈回归，即在进一步建立反馈回归模型。

本发明实施中的两步递进建模过程具体如下：

首先构建线性回归模型，参照图2，所述线性回归模型的生成过程可以包括：

S21、获取电解槽处于正常工作状态下的供电参数的标准参数值、以及制氢参数的标准参数值；

所述制氢参数如上所述。

具体的，人工确定电解槽的工作状态，若是认为电解槽在正常工作状态下，则采集供电参数的参数值(本实施例中称为供电参数的参数值)、以及制氢参数的参数值(本实施例中称为制氢参数的标准参数值)。

此外，还可以是获取历史电解槽工作过程中的供电参数的参数值以及制氢参数的参数值，人工根据数据情况筛选出正常的数据，该数据即可认为是电解槽处于正常工作状态下的数据。

本实施例中，可以将同一时刻采集的供电参数的标准参数值、以及制氢参数的标准参数值称为一组数据。

S22、根据所述供电参数的标准参数值与所述制氢参数的标准参数值，建立表征每一所述制氢参数与所有的所述供电参数之间的关联关系的线性回归模型。

由于各项制氢参数的结果均受到同样的供电参数所影响，因此对每个参数分别建立独立的回归算法模型，各个独立的回归算法模型构建得到线性回归模型。由于单位时间产氢和产氧量与光伏发电量、用水与用电解液量具备正向的相关性，因此建模采用多元线性回归算法，即：

式中，f₁()指本实施例中的多元线性回归算法，将上述的多组数据输入到上述的多元线性回归算法，即可训练得到f₁()中的各个系数的数值，进而即可确定出线性回归模型。

引号后的Y→Y′指建立线性回归模型之后，将每组数据中的供电参数的标准参数值输入线性回归模型后，得到的对应的制氢参数的预测值Y′(包括Y′_h、Y′_o、Y′_oinh、Y′_hino)。

在得到线性回归模型之后，即完成了第一步的模型构建，接下来考虑各个制氢参数之间的关联关系，进行第二个的模型构建，即进行反馈回归模型的构建。

参照图3，所述反馈回归模型的生成过程包括：

S31、调用所述线性回归模型，计算供电参数的标准参数值对应的每一所述制氢参数的中间值。

具体的，对于每一组数据中的供电参数的标准参数值，将其输入到上述的线性回归模型中，即可计算得到每一制氢参数的中间值，即上述的预测值Y′_h、Y′_o、Y′_oinh、Y′_hino。

S32、根据所述供电参数的标准参数值、所述供电参数的标准参数值对应的每一所述制氢参数的中间值、以及所述制氢参数的标准参数值，建立表征每一所述制氢参数与所有的所述供电参数以及其他制氢参数之间的关联关系的反馈回归模型。

所述其他制氢参数为除所述制氢参数之外的其他的制氢参数。

具体的，由于电解槽制氢的过程中产出的氢气和氧气是相互关联耦合的，即制氢参数间是相互影响的，这既体现在电解槽中隔膜对氢气和氧气的隔离性能、也体现在电解槽本身的产氢性能上，因此在建模过程中需要进一步考虑制氢参数受到其他制氢参数的关联影响，例如产氧量对产氢量的关联性。

基于此，进一步进行多目标反馈回归建模，即对某个制氢参数进行算法建模时，输入参数不仅包含原有的电解槽的供电参数，也引入由上一节多元线性回归算法中计算得到的其他制氢参数的预测值，进行计算，以此进一步修正模型的计算结果，提高模型的精确参考性。

由于引入了上一阶段单目标回归的输出变量的预测值作为二阶段的输入变量，数据间具备一定近似共线性，因此本阶段建模应用更适用于共线性数据分析有偏估计的算法，如岭回归算法。即

式中，f₂()指本实施例中的岭回归算法,对于上述的每一组数据，将每一组数据对应的Y′也加入到相应的一组数据中，得到新的多组数据，使用多组数据对岭回归算法进行训练，即可得到岭回归算法中的各个系数的数值，即可得到反馈回归模型。

本实施例中，引号后的Y→Y″指基于进一步建模后，每个制氢参数Y最终通过模型得到的精确的预测值Y″(包括Y″_h、Y″_o、Y″_oinh、Y″_hino)，本实施例中，将得到的Y″称为参考参数值，即整个模型运算的输出结果。

在训练得到上述的线性回归模型以及反馈回归模型之后，在实际电解槽的工作状态确定时，可以调用所述线性回归模型对所述供电参数的实际参数值进行处理，得到所述制氢参数的中间值，调用所述反馈回归模型对所述供电参数的实际参数值、以及所述制氢参数的中间值进行处理，得到所述制氢参数的参考参数值。后续在使用参考参数值进行工作状态的确定。

本实施例中，在模型构建时，构建了一个制氢电解槽对应的系统的多目标回归模型，一方面考虑光伏制氢工况输入参数的影响建立独立单目标回归模型，另一方面进一步考虑输出参数间的耦合关联性建立多目标反馈回归模型，准确计算实时状态下制氢系统的理论产氢量、产氧量、产氢产氧纯度等指标，便于与实测结果对比分析，以此评估电解槽的工作状态。

本发明的另一实现方式中，给出了“计算所述制氢参数的实际参数值以及参考参数值的偏差数据”的具体实现过程，参照图4，可以包括：

S41、根据氢气产量对应的实际参数值和参考参数值，计算得到氢气产量的第一偏差值。

S42、根据氧气产量对应的实际参数值和参考参数值，计算得到氧气产量的第二偏差值。

上述构建得到模型之后，将模型应用于电解槽实时工作状态判断中，通过将采集的实际参数值代入模型计算得到每个制氢参数的理论参考值，即参考参数值Y″_h、Y″_o、Y″_oinh、Y″_hino。根据参考参数值和实际参数值的差异性对电解槽性能进行评估。一方面根据氢氧单位产能评估电解槽产出性能；另一方面根据产出气体的纯度和掺杂性评估电解槽的安全性。

首先计算单位产氢量(氢气产量)与单位产氧量(氧气产量)的输出偏差，即

式中，ε_h和ε_o分别为氢气对应的输出偏差和氧气的输出偏差，分别称为第一偏差值和第二偏差值。

S43、根据所述第一偏差值和所述第二偏差值，计算得到性能评估参数。具体的，进一步计算第一偏差值和第二偏差值的调和平均数ε₁，并作为性能评估参数，即

S44、根据氢中氧含量对应的实际参数值以及参考参数值、氧中氢含量对应的实际参数值以及参考参数值，计算安全性评估参数。

具体的，计算氢氧的综合纯度评估系数ε₂，即

将计算得到的ε₂作为安全性评估参数，并将性能评估参数和安全性评估参数作为上述的偏差数据。

本发明的另一实现方式中，在进行电解槽工作状态的评估时，可以从性能和安全性两个方面进行评估。

评估电解槽性能的关键就在于单位产氢气的能力，因此对如何能够准确评估光伏制氢系统的产氢性能较为重要。

除此以外，由于隔膜的存在，正常制氢过程中氢气和氧气是完全分离的，不存在混杂的安全问题，而如果隔膜有问题导致气体渗透，氢氧混合到一定比例后是会导致爆炸发生，严重影响制氢系统稳定性，因而对制氢槽安全性的评估也是另外一个重要问题。

因此需要建立一套系统的诊断方法来自动化评估制氢电解槽的性能衰减、预测故障，提高制氢系统运维的可靠性。

具体的，在计算得到上述的偏差数据之后，根据所述偏差数据，确定所述电解槽的工作状态，电解槽的诊断与调控分两级控制执行，即设立两层阈值，一层为告警阈值，进一层为故障阈值，以下通过性能评估和安全性评估度电解槽的工作状态的确定进行分别阐述：

具体的，根据预设电解槽性能确定规则，确定与所述性能评估参数对应的当前电解槽的性能程度，以及根据预设电解槽安全性确定规则，确定与所述安全性评估参数对应的当前电解槽的安全程度。

具体的，本发明的另一实现方式中，给出了“根据预设电解槽性能确定规则，确定与所述性能评估参数对应的当前电解槽的性能程度”的具体过程，具体如下：

1)在所述性能评估参数小于第一告警阈值的情况下，确定当前电解槽的性能程度为第一预设性能等级。

其中，当性能评估参数ε₁小于第一告警阈值，说明电解槽工作性能正常，系统无需进行控制，此时设定当前电解槽的性能程度为第一预设性能等级。

2)在所述性能评估参数不小于第一告警阈值但小于第一故障阈值的情况下，确定当前电解槽的性能程度为第二预设性能等级。

当ε₁等于或超过第一告警阈值但是还未超过第一故障阈值(小于第一故障阈值)，说明电解槽工作性能降低，此时设定当前电解槽的性能程度为第二预设性能等级。

电解槽工作性能降低有可能是由于气体传输管道异常、电解电极异常、槽体异常等原因，此时控制器只上报告警提示，不进行控制操作。

3)在所述性能评估参数不小于第一故障阈值的情况下，确定当前电解槽的性能程度为第三预设性能等级。

具体的，当ε₁等于或超过第一故障阈值后，说明电解槽工作性能严重异常，此时设定当前电解槽的性能程度为第三预设性能等级，控制器上报性能严重异常提示，并对光伏制氢系统进行降额运行。

本实施例中的第一告警阈值和第一故障阈值是技术人员根据实际应用场景进行设定。

另外，本实施例中的所述第一预设性能等级、所述第二预设性能等级、所述第三预设性能等级对应的性能异常程度依次递增，即确定的等级越高，则说明性能异常程度更大。

本发明的另一实现方式中，给出了“根据预设电解槽安全性确定规则，确定与所述安全性评估参数对应的当前电解槽的安全程度”的实现过程，具体如下：

1)在所述安全性评估参数小于第二告警阈值的情况下，确定当前电解槽的安全性程度为第一预设安全等级。

当安全性评估参数ε₂小于第二告警阈值，说明电解槽产氢纯度正常，无安全性隐患，系统无需进行告警和控制，此时确定当前电解槽的安全性程度为第一预设安全等级。

2)在所述安全性评估参数不小于第二告警阈值但小于第二故障阈值的情况下，确定当前电解槽的安全性程度为第二预设安全等级。

当ε₂等于或超过第二告警阈值但不超过第二故障阈值(小于第二故障阈值)后，说明电解槽产氢纯度降低，此时确定当前电解槽的安全性程度为第二预设安全等级。

电解槽产氢纯度降低，有可能是由于隔膜异常隔离能力降低、电解液异常等原因，控制器上报安全风险告警，并对光伏制氢系统进行降额运行。

3)在所述安全性评估参数不小于第二故障阈值的情况下，确定当前电解槽的安全性程度为第三预设安全等级；所述第一预设安全等级、所述第二预设安全等级、所述第三预设安全等级对应的安全程度依次递减。

当ε₂等于或超过第二故障阈值后，说明电解槽的产氢纯度严重异常，有安全性风险，控制器将当前电解槽的安全性程度设定为第三预设安全等级，并上报安全故障提示，对制氢系统控制关闭。

本实施例中的第二告警阈值和第二故障阈值是技术人员根据实际应用场景进行设定。

另外，本实施例中的第一预设安全等级、所述第二预设安全等级、所述第三预设安全等级对应的安全程度依次递减，即确定的等级越高，则说明安全异常程度更大。

需要说明的是，本实施例中，会确定出当前电解槽的性能程度以及安全程度，在进行控制时，可以选择较严重的程度进行控制，如安全程度为第三预设安全等级，性能程度为第二预设性能等级，则按照第三预设安全等级的控制逻辑进行控制，即上报安全故障提示，对制氢系统控制关闭。

本实施例中，控制器对电解槽进行性能评估和安全评估，从性能和安全性两方面进行工作状态评估，具体的，通过评估模型计算的理论结果与实际产出结果的偏差性，一方面评估制氢槽是否输出低效，以此判断电解槽存在性能衰减问题，如制氢电极异常、气体输出管道异常等；另一方面判断是否输出的气体中纯度过低或者氢氧混合，以此判断电解槽隔膜出现异常，氢气和氧气出现渗透，判断严重安全性问题。最终根据两者判断严重程度，并选择更高的严重程度进行提示和控制策略执行。

另外，本发明实施例可以实现实时监测，仅需基于实测的参数，即可做到对电解槽工作状态和安全性能的实时在线评估，无需再靠人为参与的专家经验模糊判断，节省人力支持，仅通过软件可实现，无需增加硬件成本。

此外，本发明实施例分级调控，在故障诊断阶段设置了分两级的判断阈值，对应与告警提示和故障调控，针对电解槽工作性能和安全性能两个方面，根据不同的故障严重程度，设定了递进的平台异常提示和系统调控方式，有序地调控制氢电解槽的运行。

可选地，在上述电解槽工作状态的确定方法的实施例的基础上，本发明的另一实施例提供了一种电解槽工作状态的确定装置，应用于控制器，参照图5，可以包括：

数据获取模块11，用于获取电解槽的供电参数的实际参数值、以及制氢参数的实际参数值；

数据处理模块12，用于基于所述供电参数的实际参数值，预测所述制氢参数的参考参数值；

状态分析模块13，用于计算所述制氢参数的实际参数值以及参考参数值的偏差数据，并根据所述偏差数据，确定所述电解槽的工作状态。

进一步，数据处理模块12包括：

处理子模块，用于调用预设回归模型，以使所述预设回归模型对所述供电参数的实际参数值进行处理，得到所述制氢参数的参考参数值，所述预设回归模型包括供电参数的实际参数值与制氢参数的参考参数值之间的关联关系。

进一步，所述预设回归模型包括线性回归模型和反馈回归模型；

所述线性回归模型表征每一所述制氢参数与所有的所述供电参数之间的关联关系；

所述反馈回归模型表征每一所述制氢参数与所有的所述供电参数以及其他制氢参数之间的关联关系；所述其他制氢参数为除所述制氢参数之外的其他的制氢参数。

进一步，还包括第一模型生成模块，第一模型生成模块用于生成线性回归模型时，具体用于：

获取电解槽处于正常工作状态下的供电参数的标准参数值、以及制氢参数的标准参数值；所述制氢参数的数量为多个；

根据所述供电参数的标准参数值与所述制氢参数的标准参数值，建立表征每一所述制氢参数与所有的所述供电参数之间的关联关系的线性回归模型。

进一步，还包括第二模型生成模块，第一模型生成模块用于生成反馈回归模型时，具体用于：

调用所述线性回归模型，计算供电参数的标准参数值对应的每一所述制氢参数的中间值；

根据所述供电参数的标准参数值、所述供电参数的标准参数值对应的每一所述制氢参数的中间值、以及所述制氢参数的标准参数值，建立表征每一所述制氢参数与所有的所述供电参数以及其他制氢参数之间的关联关系的反馈回归模型；所述其他制氢参数为除所述制氢参数之外的其他的制氢参数。

进一步，处理子模块具体用于：

调用所述线性回归模型对所述供电参数的实际参数值进行处理，得到所述制氢参数的中间值；

调用所述反馈回归模型对所述供电参数的实际参数值、以及所述制氢参数的中间值进行处理，得到所述制氢参数的参考参数值。

进一步，所述制氢参数包括氢气产量、氧气产量、氢中氧含量、以及氧中氢含量；

状态分析模块13包括：

第一计算子模块，用于根据氢气产量对应的实际参数值和参考参数值，计算得到氢气产量的第一偏差值；

第二计算子模块，用于根据氧气产量对应的实际参数值和参考参数值，计算得到氧气产量的第二偏差值；

第三计算子模块，用于根据所述第一偏差值和所述第二偏差值，计算得到性能评估参数；

第四计算子模块，用于根据氢中氧含量对应的实际参数值以及参考参数值、氧中氢含量对应的实际参数值以及参考参数值，计算安全性评估参数。

进一步，状态分析模块13包括：

第一状态确定子模块，用于根据预设电解槽性能确定规则，确定与所述性能评估参数对应的当前电解槽的性能程度；

第二状态确定子模块，用于根据预设电解槽安全性确定规则，确定与所述安全性评估参数对应的当前电解槽的安全程度。

进一步，第一状态确定子模块具体用于：

在所述性能评估参数小于第一告警阈值的情况下，确定当前电解槽的性能程度为第一预设性能等级；

在所述性能评估参数不小于第一告警阈值但小于第一故障阈值的情况下，确定当前电解槽的性能程度为第二预设性能等级；

在所述性能评估参数不小于第一故障阈值的情况下，确定当前电解槽的性能程度为第三预设性能等级；所述第一预设性能等级、所述第二预设性能等级、所述第三预设性能等级对应的性能异常程度依次递增。

进一步，第二状态确定子模块具体用于：

在所述安全性评估参数小于第二告警阈值的情况下，确定当前电解槽的安全性程度为第一预设安全等级；

在所述安全性评估参数不小于第二告警阈值但小于第二故障阈值的情况下，确定当前电解槽的安全性程度为第二预设安全等级；

在所述安全性评估参数不小于第二故障阈值的情况下，确定当前电解槽的安全性程度为第三预设安全等级；所述第一预设安全等级、所述第二预设安全等级、所述第三预设安全等级对应的安全程度依次递减。

本实施例中，将制氢参数的参考参数值作为标准，对实际参数值进行分析，得到偏差数据，该偏差数据能够准确地表征出实际参数值相对于参考参数值的偏差情况，该偏差情况是由于电解槽的工作状态导致，进而通过该偏差情况即能够准确地确定出电解槽当前的实际工作状态，解决了亟需一种能够准确地确定出电解槽的工作状态的方法的问题。

需要说明的是，本实施例中的各个模块和子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。

可选地，在上述电解槽工作状态的确定方法及装置的实施例的基础上，本发明的另一实施例提供了控制器，包括：存储器和处理器；

其中，所述存储器用于存储程序；

处理器调用程序并用于执行上述的电解槽工作状态的确定方法。

本实施例中，将制氢参数的参考参数值作为标准，对实际参数值进行分析，得到偏差数据，该偏差数据能够准确地表征出实际参数值相对于参考参数值的偏差情况，该偏差情况是由于电解槽的工作状态导致，进而通过该偏差情况即能够准确地确定出电解槽当前的实际工作状态，解决了亟需一种能够准确地确定出电解槽的工作状态的方法的问题。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。