【Energy and AI】碱性水电解槽的预测与健康管理——考虑置换时刻的技术经济分析

文摘   2024-08-10 09:25   天津  




https://doi.org/10.1016/j.egyai.2023.100251

  第一作者: Hyunjun Lee, Ulsan National Institute of Science and Technology, Republic of Korea

Jiwon Gu, Ulsan National Institute of Science and Technology, Republic of Korea

❖  通讯作者: Hyun-Seok Cho, Korea Institute of Energy Research, Republic of Korea

Hankwon Lim, Ulsan National Institute of Science and Technology, Republic of Korea

  作者邮箱: hscho@kier.re.kr; hklim@unist.ac.kr


摘要

最近,人们相当重视增加可再生能源装机容量以减轻全球二氧化碳排放。利用电解水和可再生能源生产的H2被认为是一种清洁能源载体,产生不排放CO2的电力,被称为“绿色H2”。本文提出了一种碱性水电解槽的预测和健康管理模型,通过预测电解槽上的负载电压来获取健康状态信息。通过机器学习模型、支持向量机和高斯过程回归对历史操作数据进行训练,建立了预测和健康管理模型,显示均方根误差分别为 1.28 × 10-3 和 8.03 × 10-6。此外,还对由1MW光伏电站和1MW碱性水电解槽组成的绿色H2生产系统进行了技术经济分析,以提供系统的经济性见解和可行性。计算了H2的平准化成本为6.89 kg/H2美元,并且通过考虑光伏模块和电解槽的学习率,显示了通过碳捕获和储存的蒸汽甲烷重整达到H2平准化成本的潜力。最后,在资本支出和更换成本足够低的情况下,在10年左右更换碱性水电解槽可提高绿色H2生产系统的净现值。



详情可点击下方“阅读原文

Energy and AI是天津大学与Elsevier共同创办的国际学术期刊,内容涵盖人工智能技术应用于能源领域所取得的最新、最重要的研究进展。期刊最新的影响因子(IF)为9.6,CiteScore为16.5。欢迎广大学者踊跃投稿。我们的网址是:www.journals.elsevier.com/energy-and-ai


EAI能源与人工智能
天津大学官方期刊:Energy and AI
 最新文章