论文部分内容阅读
摘要：发展新能源是实现“碳中和"战略目标的必由之路。对未来新能源化工技术研发，从“共性科学问题"和“关键技术两个层面提出了若干研究方向以供参考。
关键词：可再生能源;储能;生物化学工程
中图分类号：G4 文献标识码：A
1.可再生能源资源转换过程的化工问题
1.1可再生能源制氢过程
可再生能源制氢包括水电解制氢和生物质转化制氢两大类。水电解制氢的优点是产氢过程不产生CO或CO2。目前，水电解制氢过程能耗偏高，每生产1标准立方米（标方） H2需耗电4～ 5k Wh ，单套电解槽产氢气量最高仅为1000m3/h。2021年3月，我国宝丰能源公司采用单台产能1000标方/h的高效碱性电解槽，建成了 产氢1x104标方/h的太阳能发电-水电解制氢综合示范项目[101。相对化石能源制氢（俗称“灰氢”） ， 水电解制氢成本主要取决于电力供应价格。水电解制氢的研究热点是高活性析氢/析氧电极材料研发，在电流密度一定的情况下降低电极过电势。开发单台产氢量更大、电流效率更高的电解槽是电化学工程研究的重要挑战，也是”绿氢产业实现商业化应用的关键。生物质转化制氢包括基于生物质汽化和重整的热化学转化法，基于光合成与发酵的生物转化法。生物转化法的关键为：一是产氢酶的研究;二是将固氨酶和氢化酶催化转化制氢过程集成;三是将低温质子交换膜电解池与微生物电解池结合，构建复合型低温（ <100°C ）电化学生物质转化制氢。
1.2燃料电池发电与化学品共生过程
从本质上讲，燃料电池属于一类复杂的电化学反应器，按质子交换膜燃料电池（PEMFC）工作原理，当燃料（氢气、CO等）在阳极侧电氧化转换成电能的同时，阴极侧的氧气则与质子反应生成化学品（如水、CO2等）。基于此原理，马紫峰等于21世纪初就提出燃料电池发电过程与化学品共生设想，并采用PEMFC反应器，成功实现了硝基苯加氢制环己胺与电能共生。近年来，利用固体氧化物燃料电池（ SOFC ）和PEMFC进行化学品与电能共生的研究不断增加，采用固体氧化物电解池（ SOEC ）进行CO2加氢反应就是该原理的延伸与应用。
2.新能源系统集成与应用
下面以电池状态预测、综合能源系统管理应用为例简述。
2.1电池状态预测模型构建
為提高动力与储能电池应用系统效率和安全性，实现智能控制和安全运行，精确预测电池的荷电状态（ SOC ）、健康状态（ SOH ）和功率状态（ SOP ）等状态参数至关重要。针对锂/钠离子电池充电特征曲线和交流阻抗特性，马紫峰等运用化工系统工程方法，开展了电池管理系统（ BMS ）设计理论研究。首先，通过锂离子电池电极反应动力学及充电特征曲线分析，提出了基于高精度模型的电池状态估计方法框架。然后，基于电池老化机理分析 ，提出多种容量衰减趋势自适应解耦策略，建立了具备参数在线更新功能的多尺度高斯回归耦合模型。最后，以美国宇航局（ NASA ）爱姆斯中心的标准锂电池数据对该模型有效性进行验证，结果表明，所开发的SOH预测模型精度达到97% ，比国际先进指标提高约5%。针对电池SOC动态变化特性，研究者还开发出基于滚动时域优化的锂电池模型参数以及SOC自适应联合估计技术， SOC估计精度最高可达99% ，为栓生命周期内锂电池的SOC精准估计提供解决方案。
2.2基于强化学习的综合能源系统管理
随着全球能源供应多元化，加强对IES的管理不仅能够提高能源利用率，减少对环境的破坏，也能提升经济发展质量和效益。IES的大规模区域互联使其逐渐发展成为大型高维系统，间歇性的可再生能源和电动汽车、分布式储能设备等柔性负载的接入，增加了IES的复杂动态特性。IES形式多样，大致可分为固定式和移动式两大类型。固定式IES包括智能微电网、家庭能源和基于动力锂电池或燃料电池的电动汽车充电或加氢系统等。将燃料电池和蓄电池组合的IES可显著提高新能源汽车动力系统的能源效率和可靠性，有效延长汽车的续航里程。最近，将甲醇重整制氢高温PEMFC与钠离子电池组合，构建了-种新颖的IES ， 可供移动通信基站、海岛和边防哨所应用。针对IES的高度不确定性，传统优化方法需要对不确定因素提前预测，并利用动态场景生成方法对环境进行估计，再进一步建立系统的动态模型。这类方法计算大、预测结果偏差较大。作为人工智能一个重要分支，强化学习因其强大的自主学习能力、无模型依赖性、变量复杂性等优点，已成为处理IES管理问题的重要手段。针对IES变量的高维度特性，可采用多层马尔可夫决策过程模型对IES进行分层优化，在面对具有连续动作和状态空间的问题时，还可以与具有出色数据处理能力的深度学习相结合，构成深度强化学习算法，进而求解得到具有高维变量的IES最优管理策略。钱锋等从模型和算法两个层面，归纳总结了强化学习求解IES管理的问题。在模型方面，把综合能源管理问题分为电力系统和IES管理问题，在电力系统管理中讨论了智能微电网、家庭能源和电动汽车三个电能优化管理问题。在算法方面，分析了各类问题中用到的不同强化学习算法，从多时间尺度特性、可解释性、迁移性和信息安全性四个方面提出独特见解。
结语
通过对可再生能源制氢、燃料电池发电与化学品共生、太阳能转换、动力与储能电池材料制备等过程的工程特性分析，结合电池设计及其状态预测模型构建，可以发现，新能源转换与存储过程的关键材料及器件，以及基于新能源的综合能源系统开发都离不开化工、材料和系统工程科技的交叉融合与创新应用。电化学工程、光化学工程、生物化学工程、分子化学工程、材料化学工程、化工系统工程等学科交叉融合，对揭示可再生能源资源转换与利用中的科学规律，形成新能源化工特色的理论具有重要作用。新能源化工技术进步将为提高可再生能源利用效率，促进可持续综合能源系统发展，实现我国碳中和战略目标提供坚实基础。
参考文献
·[1]本刊评论员.技术革命催生全球能源化工市场大变局[J].中国石化，2020（02）：1.
关键词：可再生能源;储能;生物化学工程
中图分类号：G4 文献标识码：A
1.可再生能源资源转换过程的化工问题
1.1可再生能源制氢过程
可再生能源制氢包括水电解制氢和生物质转化制氢两大类。水电解制氢的优点是产氢过程不产生CO或CO2。目前，水电解制氢过程能耗偏高，每生产1标准立方米（标方） H2需耗电4～ 5k Wh ，单套电解槽产氢气量最高仅为1000m3/h。2021年3月，我国宝丰能源公司采用单台产能1000标方/h的高效碱性电解槽，建成了 产氢1x104标方/h的太阳能发电-水电解制氢综合示范项目[101。相对化石能源制氢（俗称“灰氢”） ， 水电解制氢成本主要取决于电力供应价格。水电解制氢的研究热点是高活性析氢/析氧电极材料研发，在电流密度一定的情况下降低电极过电势。开发单台产氢量更大、电流效率更高的电解槽是电化学工程研究的重要挑战，也是”绿氢产业实现商业化应用的关键。生物质转化制氢包括基于生物质汽化和重整的热化学转化法，基于光合成与发酵的生物转化法。生物转化法的关键为：一是产氢酶的研究;二是将固氨酶和氢化酶催化转化制氢过程集成;三是将低温质子交换膜电解池与微生物电解池结合，构建复合型低温（ <100°C ）电化学生物质转化制氢。
1.2燃料电池发电与化学品共生过程
从本质上讲，燃料电池属于一类复杂的电化学反应器，按质子交换膜燃料电池（PEMFC）工作原理，当燃料（氢气、CO等）在阳极侧电氧化转换成电能的同时，阴极侧的氧气则与质子反应生成化学品（如水、CO2等）。基于此原理，马紫峰等于21世纪初就提出燃料电池发电过程与化学品共生设想，并采用PEMFC反应器，成功实现了硝基苯加氢制环己胺与电能共生。近年来，利用固体氧化物燃料电池（ SOFC ）和PEMFC进行化学品与电能共生的研究不断增加，采用固体氧化物电解池（ SOEC ）进行CO2加氢反应就是该原理的延伸与应用。
2.新能源系统集成与应用
下面以电池状态预测、综合能源系统管理应用为例简述。
2.1电池状态预测模型构建
為提高动力与储能电池应用系统效率和安全性，实现智能控制和安全运行，精确预测电池的荷电状态（ SOC ）、健康状态（ SOH ）和功率状态（ SOP ）等状态参数至关重要。针对锂/钠离子电池充电特征曲线和交流阻抗特性，马紫峰等运用化工系统工程方法，开展了电池管理系统（ BMS ）设计理论研究。首先，通过锂离子电池电极反应动力学及充电特征曲线分析，提出了基于高精度模型的电池状态估计方法框架。然后，基于电池老化机理分析 ，提出多种容量衰减趋势自适应解耦策略，建立了具备参数在线更新功能的多尺度高斯回归耦合模型。最后，以美国宇航局（ NASA ）爱姆斯中心的标准锂电池数据对该模型有效性进行验证，结果表明，所开发的SOH预测模型精度达到97% ，比国际先进指标提高约5%。针对电池SOC动态变化特性，研究者还开发出基于滚动时域优化的锂电池模型参数以及SOC自适应联合估计技术， SOC估计精度最高可达99% ，为栓生命周期内锂电池的SOC精准估计提供解决方案。
2.2基于强化学习的综合能源系统管理
随着全球能源供应多元化，加强对IES的管理不仅能够提高能源利用率，减少对环境的破坏，也能提升经济发展质量和效益。IES的大规模区域互联使其逐渐发展成为大型高维系统，间歇性的可再生能源和电动汽车、分布式储能设备等柔性负载的接入，增加了IES的复杂动态特性。IES形式多样，大致可分为固定式和移动式两大类型。固定式IES包括智能微电网、家庭能源和基于动力锂电池或燃料电池的电动汽车充电或加氢系统等。将燃料电池和蓄电池组合的IES可显著提高新能源汽车动力系统的能源效率和可靠性，有效延长汽车的续航里程。最近，将甲醇重整制氢高温PEMFC与钠离子电池组合，构建了-种新颖的IES ， 可供移动通信基站、海岛和边防哨所应用。针对IES的高度不确定性，传统优化方法需要对不确定因素提前预测，并利用动态场景生成方法对环境进行估计，再进一步建立系统的动态模型。这类方法计算大、预测结果偏差较大。作为人工智能一个重要分支，强化学习因其强大的自主学习能力、无模型依赖性、变量复杂性等优点，已成为处理IES管理问题的重要手段。针对IES变量的高维度特性，可采用多层马尔可夫决策过程模型对IES进行分层优化，在面对具有连续动作和状态空间的问题时，还可以与具有出色数据处理能力的深度学习相结合，构成深度强化学习算法，进而求解得到具有高维变量的IES最优管理策略。钱锋等从模型和算法两个层面，归纳总结了强化学习求解IES管理的问题。在模型方面，把综合能源管理问题分为电力系统和IES管理问题，在电力系统管理中讨论了智能微电网、家庭能源和电动汽车三个电能优化管理问题。在算法方面，分析了各类问题中用到的不同强化学习算法，从多时间尺度特性、可解释性、迁移性和信息安全性四个方面提出独特见解。
结语
通过对可再生能源制氢、燃料电池发电与化学品共生、太阳能转换、动力与储能电池材料制备等过程的工程特性分析，结合电池设计及其状态预测模型构建，可以发现，新能源转换与存储过程的关键材料及器件，以及基于新能源的综合能源系统开发都离不开化工、材料和系统工程科技的交叉融合与创新应用。电化学工程、光化学工程、生物化学工程、分子化学工程、材料化学工程、化工系统工程等学科交叉融合，对揭示可再生能源资源转换与利用中的科学规律，形成新能源化工特色的理论具有重要作用。新能源化工技术进步将为提高可再生能源利用效率，促进可持续综合能源系统发展，实现我国碳中和战略目标提供坚实基础。
参考文献
·[1]本刊评论员.技术革命催生全球能源化工市场大变局[J].中国石化，2020（02）：1.