本發明涉及風電制氫，尤其是涉及一種風電制氫系統mppt和容量匹配設計優化方法。
背景技術：
1、隨著能源結構向低碳、分布式方向轉型，風力發電與電解水制氫技術的耦合應用已成為解決可再生能源消納與綠氫大規模生產的重要途徑。然而，風能具有極強的隨機性與波動性，這給離網型風電制氫系統的穩定可靠運行與系統規劃帶來了雙重挑戰。
2、在能量控制層面，由于風速波動導致風機輸出功率快速起伏，因此風力機需要通過最大功率點跟蹤（mppt）技術來應對風速的快速變化，降低直流母線電壓偏移、變流器損耗增加和電解槽極化損耗與壽命老化等問題。傳統的爬山搜索法（p&o）或功率曲線法（pc）在面對湍流風或陣風時，往往存在響應滯后、在最佳工作點附近震蕩以及易陷入局部最優的問題，導致風能利用率-cp低下，難以為制氫側提供最大化能量輸入。在系統規劃層面，風電制氫系統（包含電解槽、儲氫罐、儲能系統和壓縮機等）的容量匹配在現有研究多采用獨立優化或分段優化方法，將最大功率點跟蹤控制與容量匹配割裂處理，忽略了二者之間的動態耦合關系與協同影響，導致“設計最優但運行不優”，使得系統棄風率高或氫氣負荷缺額。
技術實現思路
1、本發明的目的是提供一種風電制氫系統mppt和容量匹配設計優化方法，解決現有技術面對風速波動易響應滯后、陷入局部最優導致風能利用率低，且容量匹配與mppt控制被割裂處理的問題。
2、為實現上述目的，本發明提供了一種風電制氫系統mppt和容量匹配設計優化方法，包括以下步驟：
3、s1、采集目標區域氣象數據與風電制氫系統各組件運行參數，以建立風電制氫系統各組件數學模型，確立風電制氫系統的優化目標體系和系統的運行邊界條件；
4、s2、基于所述風電制氫系統各組件數學模型、優化目標體系與運行邊界條件，采用上層量子層、下層黏菌層構成的雙層協同算法，分別優化mppt控制參數與系統容量配置參數，并執行雙層協同反饋更新；
5、s3、合并父代非支配最優解、量子層子代mppt控制參數、黏菌層子代容量配置參數形成聯合群體，經非支配排序與擁擠距離計算篩選pareto（帕累托）前沿解集，返回s2進行迭代；迭代結束后，輸出當前pareto前沿解集為pareto最優解集；
6、s4、基于所述pareto最優解集，生成匹配的mppt控制參數與系統容量配置方案。
7、在一種可能的實現方式中，s2中，上層量子層優化mppt控制參數包括，包括：
8、u1、通過量子比特構建量子種群；所述量子種群中包括多個量子個體，每個量子個體對應一組mppt控制參數；
9、其中，第個量子個體的編碼矩陣為的復數矩陣，表達式為：
10、；
11、；
12、式中，表示第個個體中第個量子比特坍縮狀態為0的概率幅值；表示第個個體中第個量子比特坍縮狀態為1的概率幅值，，為量子比特編碼長度，其值等于mppt控制參數的總數量；其中，坍縮狀態為0和1分別對應mppt控制參數的下限取值和上限取值；
13、u2、基于當前的量子概率幅，通過觀測生成一組確定的mppt控制參數，具體觀測機制為：針對第個個體的第個量子比特，產生一個區間內均勻分布的隨機數，若，則該量子比特位坍縮狀態為1；否則該量子比特坍縮狀態為0，得到一組二進制序列；采用線性映射將二進制序列解碼為mppt控制參數，得到相應的mppt控制參數；
14、u3、通過量子旋轉門動態更新量子比特的概率幅值，以優化生成mppt控制參數；
15、u4、將優化后的mppt控制參數轉化為考慮風機實際運行特性的風機功率曲線，輸出至下層黏菌層。
16、在一種可能的實現方式中，更新量子比特的概率幅值的表達式為：
17、；
18、；
19、式中，和分別表示經過量子旋轉門更新后第個個體中第個量子比特坍縮狀態為0和1的新概率幅值；表示第個個體中第個量子比特的旋轉角度；表示旋轉角的步長；表示方向判斷函數，確保概率幅向最優解區域收斂。
20、在一種可能的實現方式中，s2中，下層黏菌層優化系統容量配置參數，包括：
21、d1、獲取上層量子層輸出的風機功率曲線，與系統負載需求進行時序匹配，計算風電制氫系統的能量流動與平衡狀態；構建風電制氫系統容量配置優化的目標函數和約束條件函數；
22、d2、初始化黏菌種群位置向量，每個位置向量對應一組容量配置參數；
23、d3、結合風電制氫系統的能量流動與平衡狀態，基于目標函數和約束條件函數，計算黏菌種群中每個個體的適應度值，并對所有個體的適應度值進行升序排序，得到適應度值序列；
24、d4、基于步驟適應度排序結果，計算每個黏菌個體的自適應權重；
25、d5、模擬黏菌的覓食行為，基于自適應權重，結合黏菌位置更新公式，在容量配置目標空間內更新黏菌種群位置，逐輪優化容量配置參數并反饋至上層量子層。
26、在一種可能的實現方式中，黏菌個體的自適應權重，具體計算公式為：
27、；
28、式中，表示排序后第i個黏菌個體的自適應權重，r表示區間內的隨機數；表示黏菌種群第i個個體的適應度值；表示第次迭代種群中的最佳解的適應度值；表示第次迭代種群中的最差解的適應度值。
29、在一種可能的實現方式中，黏菌位置更新公式為：
30、；
31、式中，表示更新后生成的黏菌個體新位置向量；和分別表示搜索范圍的上邊界和下邊界；表示在下層黏菌層中生成的在區間內均勻分布的隨機數；表示黏菌個體進行隨機位置初始化的概率閾值；表示控制黏菌個體選擇不同搜索機制的動態概率閾值，，表示第i個黏菌個體的適應度值，表示黏菌算法的種群規模；表示直至第次迭代，適應度最優的黏菌個體所處的位置向量；表示黏菌的生物振蕩權重；表示第次迭代中隨機選取的一個黏菌個體；表示第次迭代中隨機選取的另一個黏菌個體；表示區間內隨機生成的振蕩控制參數向量，表示隨迭代次數變化的非線性遞減的邊界控制參數，；表示在區間內遞減的收縮控制參數向量；表示第次迭代中的黏菌個體所處位置；表示目前為止所有迭代中獲得的最優適應度值；為最大迭代次數。
32、在一種可能的實現方式中，雙層協同反饋更新為：上層量子層將mppt控制參數傳遞至下層，修正黏菌種群容量尋優方向；下層黏菌層將容量配置參數反饋至上層，修正量子種群旋轉角更新方向，實現控制與容量雙向協同迭代。
33、在一種可能的實現方式中，雙層協同反饋更新還包括：若上層量子層輸出的mppt控制參數使下層黏菌層的容量匹配成本低于成本閾值，且效率高于效率閾值，則增大正向旋轉角，強化mppt控制參數在上層量子層種群中的概率幅；反之，則表示容量配置冗余，抑制mppt控制參數在上層量子層種群中的概率幅。
34、在一種可能的實現方式中，對旋轉角補償的動態修正，表達式為：
35、；
36、式中，表示修正后的旋轉角；表示修正前的旋轉角；表示協同增益系數；表示下層黏菌層pareto前沿超體積增量。
37、在一種可能的實現方式中，s3具體包括：
38、s31、將父代非支配最優解、量子層子代mppt控制參數、黏菌層子代容量配置參數合并形成聯合群體；所述聯合群體中的每個個體，均為包含一組完整mppt控制參數與系統容量配置參數的優化方案；
39、s32、對聯合群體進行非支配性排序，將聯合群體中的每個個體基于pareto解支配關系劃分為不同層級；
40、在同一層級內的個體計算擁擠距離，表達式為：
41、；
42、式中，cde表示為第個個體的擁擠度距離；表示目標函數索引；表示目標函數的數量；和分別表示在第個目標函數下，與個體相鄰的前一個個體和后一個個體的目標函數值；和分別表示在當前層級個體第個目標函數的最大值和最小值；
43、s33、基于非支配排序結果與擁擠距離篩選結果，在聯合群體中篩選pareto前沿解集，構成新一代種群，用于下一次迭代的種群更新；返回s2進行迭代；迭代結束后，輸出當前pareto前沿解集作為pareto最優解集。
44、在一種可能的實現方式中，s3中：若干次迭代后，判斷當前pareto前沿解集的改進量與設定閾值之間的關系；若，則返回s2通過量子旋轉門更新部分進行尋優操作；否則，終止迭代，輸出當前pareto前沿解集為pareto最優解集。
45、有益效果：
46、本發明采用上述一種風電制氫系統mppt和容量匹配設計優化方法，突破了傳統容量配置中僅使用靜態或理想功率曲線的局限，通過雙層架構將動態mppt控制與靜態容量規劃深度耦合，提高了系統設計的真實性與可靠性；利用上層量子進化的全空間搜索能力避免mppt陷入局部最優，結合下層黏菌算法在連續空間的精細搜索優勢，顯著提升了多目標pareto前沿的收斂性與分布均勻性，從而提升了系統綜合能效，可以實現系統控制層與運行層高效協調運行。