一种质子交换膜燃料电池一致性的热电水协同控制方法

文档序号：1407377 发布日期：2020-03-06 浏览：14次 >En<

阅读说明：本技术 一种质子交换膜燃料电池一致性的热电水协同控制方法 (Thermoelectric water cooperative control method for consistency of proton exchange membrane fuel cell ) 是由吴小娟阳大楠于 2019-11-21 设计创作，主要内容包括：本发明公开了一种质子交换膜燃料电池一致性的热电水协同控制方法,先以单池波动率最小作为优化目标,基于单目标动态优化算法得出外部需求负载功率下的温度、相对湿度、进出口压强差等最优操作变量,然后设计设计具有自适应滑模鲁棒迭代学习功能的控制器,并将最优操作变量作为控制器的参考轨迹输入进行更新,最后通过控制器控制电机运行,进而调节燃料流量、空气流量、散热器风扇速度和压缩机电压,从实现质子交换膜燃料电池一致性的热电水协同控制。(The invention discloses a thermoelectric water cooperative control method for proton exchange membrane fuel cell consistency, which comprises the steps of firstly using the minimum fluctuation rate of a single pool as an optimization target, obtaining optimal operation variables such as temperature, relative humidity, inlet and outlet pressure difference and the like under external demand load power based on a single-target dynamic optimization algorithm, then designing and designing a controller with an adaptive sliding mode robust iterative learning function, inputting the optimal operation variables as a reference track of the controller for updating, and finally controlling a motor to operate through the controller, so that the fuel flow, the air flow, the radiator fan speed and the compressor voltage are adjusted, and the thermoelectric water cooperative control of the proton exchange membrane fuel cell consistency is realized.)

技术领域

本发明属于燃料电池技术领域，更为具体地讲，涉及一种质子交换膜燃料电池一致性的热电水协同控制方法。

背景技术

质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell，PEMFC)是一种通过电化学反应将存储在氢燃料和氧化剂中的化学能直接转化为电能及反应物的装置，其能量转换效率不受“卡诺循环”的限制，以氢气为主要燃料，具有实际使用效率高、排气干净、污染小等优点，是21世纪最具发展潜力的新能源之一。最近的二十年内，各国相关研究人员已经成功开发了各种型号的PEMFC，在材料、设计和管理控制等方面取得的较大的进展。但是，PEMFC系统的高成本和短寿命仍然是大规模商业化的障碍。

电池堆的温度、相对湿度的不合理均会引起电池堆的内部结构不同程度的老化，甚至会引起膜干、水淹及其内部结构的损坏。不合适的进出口压强差会影响反应物在电池堆内部的均匀分布及生成物的排出。近年来，相关研究人员在PEMFC系统在系统设计、优化和控制方面进行了大量研究，得到了一系列具有不同结构的控制器，并在负载跟踪、温度管理和水管理方面已经取得了一定的研究成果。这为PEMFC系统管理和优化做出了贡献。

但是应该考虑到，PEMFC电池堆是由多个单电池以串联的形式层叠而成，由于流体、热和湿度在空间上分布的不均匀性、各单电池单元MEA制造和组装水平的差异等原因，燃料电池堆的各单片电池电压存在不一致性。较大的电压不一致性会造成电池堆的整体性能下降和使用寿命减小。因此，需要考虑多方面的约束，有针对性地设计一个完整的控制系统，确保PEMFC维持在稳定、最优的工作环境，在满足外部负载需求功率的同时，使得单电池之间的电压尽可能的分布均匀。目前尚未发现考虑PEMFC电池堆的单电池不一致性的优化控制研究，以至于这仍然是PEMFC应用面临的挑战。

发明内容

本发明的目的在于克服现有技术的不足，提供一种质子交换膜燃料电池一致性的热电水协同控制方法，以单池波动率最小作为优化目标，寻求最优操作变量作为控制器的优化参考，再通过控制器实现热电水协同控制，从而为电池堆提供稳定、最优的工作氛围，提高了单电池的一致性，保证电池堆的性能和寿命。

为实现上述发明目的，本发明一种质子交换膜燃料电池一致性的热电水协同控制方法，其特征在于，包括以下步骤：

(1)、将非均匀控制向量参数化算法ndCVP集成到混合梯度粒子群优化算法HGPSO中，得到的非均匀控制向量参数化混合梯度粒子群优化算法ndCVP-HGPSO；

(2)、在考虑单电池一致性条件下，利用ndCVP-HGPSO算法对电池堆进行优化，获取负载需求功率下的电池堆的最优操作变量；

(2.1)、设置优化的目标函数；

V(t)＝f(t,U(t),α(t))

其中，N_s表示电池堆的单电池片数，[t₀,t_f]表示电池堆运行时间区间；S_r(t)为单池波动率；V_j(t)表示第j片单电池的电压；

表示电池堆的单电池平均电压；f(·)为非线性函数；U(t)为操作变量，α(t)表示电池堆的其他参数；

其中，操作变量U(t)＝[T(t),RE(t),Δp(t)]，T(t)为电池堆的运行温度，RE(t)为电池堆的相对湿度，Δp(t)为电池堆的进出口压力差；

(2.2)、确定约束条件；

(2.3)、在约束条件下，利用ndCVP-HGPSO算法对目标函数进行优化，得到负载需求功率下，电池堆的最优操作变量；

(2.3.1)、设置分数时间参数R＝[r_i]，r_i∈[0,1]，i＝1,2,…,N，N为时间分段数；

(2.3.2)、将电池堆运行时间区间T＝[t₀,t_f]划分为N个子区间[t_k,t_k+1]，k＝0,1,2...N-1，即t₀≤t₁≤···≤t_N-1≤t_N＝t_f；

其中，

(2.3.3)、在N个子区间下，将操作变量U(t)＝[T(t),RE(t),Δp(t)]进行参数化处理，得到：

其中，

表示U(t)的参数化处理，

分别表示T(t),RE(t),Δp(t)的参数化处理；

(2.3.4)、利用基函数来逼近参数化处理后的操作变量分量

m＝1,2,3；

其中，c_m,k(t)表示第m个操作变量在第k个时间区间的控制变量分量；

(2.3.5)、引入分数时间参数R，将连续运行时间区间上的操作变量进行向量化，得到：

(2.3.6)、利用HGPSO优化算法进行全局寻优；

1)、设置最大迭代次数g_max；设置个体最优位置pbest，全局最优位置gbest，然后通过最小化比较进行迭代存储更新，即将每一个粒子个体从初始到当前第g次迭代搜索产生的最优位置均存储在pbest，种群当前的最优位置存储在gbest；

2)、初始化种群：对向量P中的每一个分量随机赋值，得到包含M个粒子Q_j的种群，j＝1,2,...,M；

其中，任意一个初始化粒子Q_j的位置表示为：

对应的初始速度值为：

通过求解器求出所有粒子对应的初始目标函数值然后将每一个粒子的初始目标函数值及对应操作变量存储在pbest中，将J⁰中初始目标函数值最小的元素

及对应操作变量作为全局最优位置，存储在gbest中；

3)、计算第g次迭代后，所有粒子对应的电池一致性的优化目标函数值

然后将各个粒子的目标函数值与pbest中第g-1次迭代后的各个粒子的目标函数值作比较，如果

大于则用

及对应操作变量去替换

及对应操作变量，否则，保持

及对应操作变量；同时，选出J^g中目标函数值最小的元素用与gbest中的

比较，如果

大于

则用

及对应操作变量去替换

及对应操作变量，否则，保持

及对应操作变量；

4)、判断当前迭代次数g是否到达预设的最大迭代次数，或第g次迭代后的电池一致性的优化目标函数值满足：

k₁为常数，k₁的取值为[1，g_max]，k₁＜g，则迭代停止，将第g次迭代后得到gbest代入到步骤(2.3.7)；否则，进入步骤4)；

5)、更新粒子的位置和速度；

6)、将当前迭代次数g加1，再返回至步骤2)；

(2.3.7)、梯度优化算法进行局部寻优

读取gbest中的全局最优操作变量，记为

再将

作为梯度优化算法的初始点

从初始点

开始，利用梯度优化算法对

进行局部寻优，如果前后两轮迭代寻优的差值小于预设阈值，即

的值小于预设阈值，则将第k₂次寻优的结果

作为最终的最优操作变量，否则，令迭代次数k₂自加1，进行下一轮进行寻优操作；

(3)、设计具有自适应滑模鲁棒迭代学习功能的控制器；

(3.1)、设置迭代次数k₃，初始化k₃＝0；

(3.2)、根据最优操作变量绘制控制器的参考轨迹；

(3.3)、设计控制器的方程；

其中，

和分别为迭代学习控制律和滑模控制律；为电池堆的运行温度，

表示温度不确定量；

为质子交换膜燃料电池的输出与期望轨迹之间的误差；f₆(·)为PID学习律算子；f₇(·)和f₈(·)为非线性算子；κ₁和κ₂为反馈增益常数；sgn(·)为符号函数；

(3.4)、将参考轨迹与质子交换膜燃料电池的输出的差值作为控制器的输入，对控制器进行迭代更新，直至控制器收敛，得到收敛后的自适应滑模鲁棒迭代学习控制器；

(4)、将收敛后的控制器用于质子交换膜燃料电池系统，通过控制电机运行来调节燃料流量、空气流量、散热器风扇速度和压缩机电压，从实现质子交换膜燃料电池一致性的热电水协同控制。

本发明的发明目的是这样实现的：

本发明一种质子交换膜燃料电池一致性的热电水协同控制方法，先以单池波动率最小作为优化目标，基于单目标动态优化算法得出外部需求负载功率下的温度、相对湿度、进出口压强差等最优操作变量，然后设计设计具有自适应滑模鲁棒迭代学习功能的控制器，并将最优操作变量作为控制器的参考轨迹输入进行更新，最后通过控制器控制电机运行，进而调节燃料流量、空气流量、散热器风扇速度和压缩机电压，从实现质子交换膜燃料电池一致性的热电水协同控制。

同时，本发明一种质子交换膜燃料电池一致性的热电水协同控制方法还具有以下有益效果：

(1)、通过对质子交换膜燃料电池进行热电水协同控制后，能够为电池堆提供稳定、最优的工作氛围，保证电池堆的性能和寿命；

(2)、本发明基于非均匀控制向量参数化混合梯度粒子群动态优化算法和自适应滑模鲁棒迭代学习控制相结合的控制策略，能够有效的控制质子交换膜燃料电池系统跟踪上最优操作变量，降低电池之间的电压不一致性，为质子交换膜燃料电池系统高性能和长寿命打下了坚实的基础。

附图说明

图1是本发明一种质子交换膜燃料电池系统的结构原理图；

图2是本发明一种质子交换膜燃料电池一致性的热电水协同控制方法流程图；

图3是利用ndCVP-HGPSO算法寻找电池堆的最优操作变量流程图；

图4是迭代学习控制器的控制原理图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明一种质子交换膜燃料电池系统的结构原理图。

在本实施例中，如图1所示，质子交换膜燃料电池系统包括电池堆单元、燃料供给单元、空气供给单元、加湿单元、热管理单元、电管理单元和尾气回收单元。空气供给单元由鼓风机、内冷器、空气压缩机构成，其输出端连接着质子膜加湿器，经过加湿处理后进入电池堆的阴极；燃料供给单元的氢气输出管道连接电池堆单元的阳极气体输入端；热管理单元是由蓄水池、水泵和散热器构成的水循环系统，主要用于电池堆的温度调节；电管理单元根据负载需求对输出电压进行DC/DC或者DC/AC转换；尾气回收单元通过气液分离器把剩余的氢气回收到氢气罐，把阴阳极出口的水回收到加湿器进一步利用。

图2是本发明一种质子交换膜燃料电池一致性的热电水协同控制方法流程图

如图3所示，我们对本发明一种质子交换膜燃料电池一致性的热电水协同控制方法进行详细说明，具体包括以下步骤：

S1、将非均匀控制向量参数化算法ndCVP集成到混合梯度粒子群优化算法HGPSO中，得到的非均匀控制向量参数化混合梯度粒子群优化算法ndCVP-HGPSO；

S2、在考虑单电池一致性条件下，利用ndCVP-HGPSO算法对电池堆进行优化，获取负载需求功率下的电池堆的最优操作变量；

S2.1、利用输出电压分析PEMFC电池堆的各个单电池之间的不一致性，单池波动率越大，燃料电池一致性越差，因此选单池波动率作为分析单电池电压不一致性的指标，设置以下优化的目标函数；

V(t)＝f(t,U(t),α(t))

其中，N_s表示电池堆的单电池片数，设置为30片，[t₀,t_f]表示电池堆运行时间区间，分别设置为0小时和500小时；S_r(t)为单池波动率；V_j(t)表示第j片单电池的电压；

表示电池堆的单电池平均电压；f(·)为非线性函数；U(t)为操作变量，α(t)表示电池堆的其他参数；

其中，操作变量U(t)＝[T(t),RE(t),Δp(t)]，T(t)为电池堆的运行温度，RE(t)为电池堆的相对湿度，Δp(t)为电池堆的进出口压力差；

S2.2、确定约束条件；

在本实施例中，为了保证PEMFC电池堆的安全稳定运行，需要对电池堆的相关运行参数进行约束，防止电池堆运行到不合理的状态，导致电池堆的内部结构损坏。30片PEMFC电池堆的运行参数的相关约束条件范围为：T(t)∈[323K，343K]，RE(t)∈[0.2，1]，Δp(t)∈[1atm，3atm]；P_load(t)∈[300W，1200W]，ΔT(t)∈[5K，30K]，其中P_load(t)表示负载需求功率，ΔT(t)表示电池堆进出口温度梯度。

S2.3、在约束条件下，利用ndCVP-HGPSO算法对目标函数进行优化，得到负载需求功率下，电池堆的最优操作变量，具体流程如图3所示；

S2.3.1、设置分数时间参数R＝[r_i]，r_i∈[0,1]，i＝1,2,…,N，N为时间分段数，设置为500；

S2.3.2、将电池堆运行时间区间T＝[t₀,t_f]划分为N个子区间[t_k,t_k+1]，k＝0,1,2...N-1，即t₀≤t₁≤···≤t_N-1≤t_N＝t_f；

其中，