Data–model hybrid hierarchical scheduling for grid-connected PEM green hydrogen production in multi-energy systems with LLM-aided coordination

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Novel hybrid scheduling framework combining physics-based models and LLM coordination for green hydrogen production.

🏢実務担当者:Provides a practical approach to optimize hydrogen production in multi-energy systems, improving efficiency and safety.

変動する風力発電および太陽光発電とプロトン交換膜（PEM）水電解の統合は、スマートマルチエネルギーシステムにおけるグリーン水素製造の重要な実現要因であるが、結合されたマルチフィジックスダイナミクス、相反する運用目標、および厳格な安全制約を露呈する。本論文は、系統連系型PEMグリーン水素製造のための階層的データ・モデルハイブリッドスケジューリングフレームワークを提案する。モデリング層では、本文中の6つの支配方程式と付録Aの22の補助方程式を備えた物理情報に基づく表現が、電気化学効率、熱安全性、および機器劣化に対する明示的な「レッドライン」制約を定義する。調整層では、90日間の設計段階で大規模言語モデルの支援を受けて設計された高レベルモジュールが、異種の運用コンテキスト（再生可能エネルギー予測、電力価格、スタック健全性指標）を適応型多目的選好重みと運用範囲にマッピングする。実行層では、高木・菅野ファジィコントローラが複数のPEMユニットに対するリアルタイム設定値追従を提供する。7日間のテスト期間にわたる欧州の風力、太陽光、および前日市場価格データを用いた数値研究は、提案フレームワークが約4.9%の電力追従二乗平均平方根誤差（比例積分微分（PID）制御の7.8%と比較）、従来のベースラインより約174%大きい熱安全マージン、および約11.8%高速な故障回復を達成することを実証する。これらの結果は、提案された物理情報に基づくデータ・モデルハイブリッドアーキテクチャが、スマートマルチエネルギーシステムへのグリーン水素の統合を効果的に支援することを示している。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

The integration of variable wind and photovoltaic generation with proton exchange membrane (PEM) water electrolysis is a key enabler for green hydrogen production in smart multi-energy systems, but it exposes coupled multi-physics dynamics, conflicting operational objectives, and strict safety constraints. This paper proposes a hierarchical data–model hybrid scheduling framework for grid-connected PEM green hydrogen production. At the modeling layer, a physics-informed representation with six governing equations in the main text and twenty-two supporting equations in Appendix A defines explicit “red-line” constraints for electrochemical efficiency, thermal safety, and equipment degradation. At the coordination layer, a high-level module—designed with the aid of a large language model during a 90 day design phase—maps heterogeneous operational context (renewable forecasts, electricity prices, stack health indicators) into adaptive multi-objective preference weights and operating bounds. At the execution layer, Takagi–Sugeno fuzzy controllers provide real-time set-point tracking for multiple PEM units. Numerical studies using European wind, photovoltaic, and day-ahead price data over a 7 day test period demonstrate that the proposed framework achieves ∼4.9% power tracking root mean square error [compared with 7.8% for proportional-integral-derivative (PID) control], thermal safety margins approximately 174% larger than conventional baselines, and roughly 11.8% faster fault recovery. These results indicate that the proposed physics-informed, data–model hybrid architecture effectively supports the integration of green hydrogen into smart multi-energy systems.

• semanticscholar https://doi.org/10.1063/5.0314440first seen 2026-05-15 19:27:17 · last seen 2026-08-11 05:01:53