CN101533073B - 基于极化曲线估计的燃料电池系统最大净功率计算方法及系统 - Google Patents

基于极化曲线估计的燃料电池系统最大净功率计算方法及系统 Download PDF

Info

Publication number
CN101533073B
CN101533073B CN2009101387294A CN200910138729A CN101533073B CN 101533073 B CN101533073 B CN 101533073B CN 2009101387294 A CN2009101387294 A CN 2009101387294A CN 200910138729 A CN200910138729 A CN 200910138729A CN 101533073 B CN101533073 B CN 101533073B
Authority
CN
China
Prior art keywords
fuel cell
current density
voltage
cell voltage
minimum
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN2009101387294A
Other languages
English (en)
Other versions
CN101533073A (zh
Inventor
J·P·萨尔瓦多
S·加纳帕蒂
K·马拉瓦拉普
F·X·莱奥
B·拉克什马南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN101533073A publication Critical patent/CN101533073A/zh
Application granted granted Critical
Publication of CN101533073B publication Critical patent/CN101533073B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04537Electric variables
    • H01M8/04634Other electric variables, e.g. resistance or impedance
    • H01M8/04641Other electric variables, e.g. resistance or impedance of the individual fuel cell
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04537Electric variables
    • H01M8/04544Voltage
    • H01M8/04552Voltage of the individual fuel cell
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04537Electric variables
    • H01M8/04574Current
    • H01M8/04582Current of the individual fuel cell
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04537Electric variables
    • H01M8/04604Power, energy, capacity or load
    • H01M8/04619Power, energy, capacity or load of fuel cell stacks
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298Processes for controlling fuel cells or fuel cell systems
    • H01M8/04992Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30Hydrogen technology
    • Y02E60/50Fuel cells

Landscapes

  • Engineering & Computer Science (AREA)
  • General Chemical & Material Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Fuel Cell (AREA)

Abstract

本发明涉及基于极化曲线估计的燃料电池系统最大净功率计算方法。一种利用堆极化曲线的在线自适应估计来确定当堆随时间退化时来自燃料电池堆的最大可用净功率的算法。所述算法将堆的电流密度范围分成样本区域,并且从估计的极化曲线的最左边选择第一样本区域。所述算法然后计算该电流密度样本区域的电池电压,并确定计算的电池电压是否小于或等于预定的电池电压极限。如果计算的电池电压不小于该电池电压极限,则所述算法沿着极化曲线选择下一样本区域。当计算的电池电压达到所述电池电压极限时,则所述算法使用那个正在被分析的样本区域的电流密度去计算燃料电池堆的最大功率。

Description

基于极化曲线估计的燃料电池系统最大净功率计算方法及系统
技术领域
本发明通常涉及一种用于确定当燃料电池堆随时间退化时来自该燃料电池堆的最大可用功率的算法,更特别地,涉及一种当燃料电池堆随时间退化时利用在线极化曲线估计过程来确定从该燃料电池堆可得到的最大功率的算法。 
背景技术
氢是一种很有吸引力的燃料,因为其清洁并且在燃料电池中能用来有效地产生电。氢燃料电池是一种包括阴极和阳极以及位于两者之间的电解质的电化学装置。阳极接收氢气并且阴极接收氧气或空气。氢气在阳极被离解以产生自由的氢质子和电子。氢质子穿过电解质到达阴极。氢质子与氧以及电子在阴极反应产生水。来自阳极的电子不能穿过电解质,因此电子在被送到阴极之前被引导通过负载而做功。 
质子交换膜燃料电池(PEMFC)是常用的车用燃料电池。质子交换膜燃料电池一般包括固体聚合物电解质质子传导膜,例如全氟磺酸膜。阳极和阴极通常包括精细分开的催化微粒,一般是铂(Pt),该催化微粒被载持在碳微粒上并与离聚物相混合。催化混合物沉积在该膜的相对两侧上。阳极催化混合物、阴极催化混合物以及该膜的组合定义了膜电极组件(MEA)。膜电极组件造价相对昂贵并且需要某些条件才能有效工作。 
几个燃料电池通常组合在燃料电池堆中来产生所需的功率。燃料电池堆接收阴极输入气体,通常是使用压缩机强迫通过电池堆的空气流。并非所有的氧气都被电池堆消耗掉,并且一些空气作为阴极废气排出,所述阴极废气可能包括水作为电池堆副产物。燃料电池堆还接收流入电池堆的阳极侧的阳极氢气输入气体。 
堆控制器需要知道燃料电池堆的电流/电压关系(称为极化曲线)以根据功率需求安排(schedule)反应物。该电池堆的电压和电流之间的关系通常难以定义,因为它是非线性的,并且依据许多变量而变化,包括堆温度,堆分压以及阴极和阳极化学计量(stoichiometry)。另外堆电流和电压之间的关系随着电池 堆随时间退化而发生改变。特别地,与新的非退化的电池堆相比,较老的电池堆将具有较低的电池电压,并将需要提供更多的电流来满足功率需求。 
幸运的是,一旦高于某个温度,许多燃料电池系统趋向于在给定的电流密度下具有可重复的操作条件。在这种情况下,电压可以近似地描述为堆电流密度以及使用年限(age)的函数。 
发明内容
根据本发明的教导,公开了一种利用燃料电池堆的极化曲线的在线(online)自适应估计来确定当该燃料电池堆随时间退化时从燃料电池可得到的最大净功率的算法。该算法首先从燃料电池系统获取估计参数,例如平均电池电压以及最小电池电压,并分别对平均电池电压和最小电池电压估计该燃料电池堆的极化曲线。然后该算法根据极化曲线估计为该平均电池电压和该最小电池电压计算从该电池堆可得到的最大功率。为此,所述算法将该电池堆的电流密度范围分成若干样本区域,并从估计的极化曲线的最左边选择第一样本区域。所述算法然后计算该电流密度样本区域的电池电压,以及确定所计算的电池电压是否小于或者等于预定的电池电压极限。如果所计算的电池电压不小于该电池电压极限,则所述算法沿着极化曲线选择下一样本区域。当计算的电池电压的确达到所述电池电压极限的时候,所述算法使用那个正被分析的样本区域的电流密度来计算该燃料电池堆的最大功率。然后所述算法选择平均电池电压和最小电池电压两者的最大功率的较小者作为燃料电池系统最大输出电压。 
结合附图,根据下面的描述和随附的权利要求书将显而易见本发明的附加特征。 
附图说明
图1是包括分离的堆和控制器的燃料电池系统的框图; 
图2是示出燃料电池堆中的最小电池以及燃料电池堆中的平均电池的极化曲线的曲线图,其中水平轴是燃料电池堆电流密度,垂直轴是燃料电池堆电压; 
图3是示出根据本发明的实施例的用于为燃料电池堆确定在任何特定时间点的最大燃料电池堆功率的过程的流程图;以及 
图4是示出根据本发明的实施例的用于计算最大燃料电池堆功率的过程的流程图。 
具体实施方式 
针对一种利用在线极化曲线估计过程来确定当燃料电池堆随时间退化时从燃料电池系统可得到的最大净功率的算法的本发明实施例的以下讨论本质上仅仅是示例性的,并且决不打算限制本发明或者其应用或用途。 
燃料电池系统的许多控制参数需要知道燃料电池堆的极化曲线,例如知道从该燃料电池堆可得到的最大电压电势以及电流汲取(current draw)。如上所述,当电池堆老化时,作为堆退化的结果,堆极化曲线也发生改变。于2007年1月31日提交的、题为“Algorithm for Online Adaptive Polarization Curve Estimation ofa Fuel Cell Stack”的美国专利申请序列号11/669,898公开了一种在燃料电池系统工作时在线计算燃料电池堆的极化曲线的算法,该专利申请被转让给本申请的受让人并且在此引入以供参考。‘898申请的算法根据电池堆工作时收集的数据估计两个或更多个堆参数,并且用这些参数计算极化曲线。当燃料电池堆正在运行,并且已经符合某些数据有效性准则时,该算法进入良好收集模式,在该模式下其收集堆数据,例如堆电流密度,平均电池电压以及最小电池电压。当该电池堆关闭时,该算法采用电池电压模型来求解非线性最小二乘问题以估计定义极化曲线的预定参数。如果估计的参数满足某些终止(termination)准则,则这些估计的参数被存储以供系统控制器用来计算用于未来堆运行的堆极化曲线。 
本发明提出了一种利用如在’898申请中所公开的在线极化曲线估计过程来确定从燃料电池堆可得到的最大净功率的算法。该算法使用先前保存的估计参数来在线生成极化曲线,并且基于堆的完好性(health)计算来自该系统的最大净功率。当所述参数随着该堆的使用期(life)变化时,最大净功率也发生变化。所述算法给车辆控制器提供来自该堆的最大可用功率的估计。车辆控制器可以使用该信息改变其向蓄电池(battery)和燃料电池堆分配功率请求的方式。 
据此,如果车辆不从燃料电池堆请求比该堆能够产生的更多的功率,则燃料电池系统的可靠性就被提高。例如,假定燃料电池模块一般可以提供90KW,但是堆电压已经退化使得它只能提供80KW。如果请求85KW,设备设定点的平衡(balance of plant set-point)将定位到85KW,即使该堆不能产生那么多的功率。另外,如果该堆需要维护的话,则预测的最大功率水平的信息对于维护人员是可用的。如果最大功率水平显著退化,则燃料电池系统可以修改设定点以提升车辆的可靠性。在系统启动期间,作为降低的功率输出的结果,该堆初 始被加载(load)的速率会被降低。尽管车辆需要更长时间才能开走,但是启动失败的风险被降低。另外,当燃料电池系统变热(warm up)时,额外的热负载可以被启动。退化的堆通常具有降低的处理液态水的能力。附加的堆变热将迅速降低不稳定操作的风险。如果堆严重退化,可以修改相对湿度设定点以更好地处理液态水。 
图1是燃料电池系统10的框图,其包括第一分离堆12,第二分离堆14和控制器16。该控制器16从分离堆12和14接收信息,并且控制该分离堆12和14。所述控制器16使用所述信息实时计算堆12和14的极化曲线,以及提供从堆12和14可得到的最大净功率。 
为了确定来自燃料电池堆12和14的最大净功率,本发明使用堆12和14的平均电池电压以及堆12和14的最小电池电压。图2是水平轴为电流密度且垂直轴为电压的曲线图。所述曲线图包括两个极化曲线,即用于平均电池电压的极化曲线20和用于最小电池电压的极化曲线22。点24代表对于平均电池极化曲线的从堆12和14可得到的最大电流(或者电流密度)以及点26代表对于最小电池极化曲线22的从堆12和14可得到的最大电流。 
图3是流程图40,其示出了本发明的用于在燃料电池操作期间的任何给定时间确定最大燃料电池堆净输出功率的过程,以及该计算的功率值可被用于的应用。在方框42,该算法从非易失性存储器获取参数,该参数用于根据例如在’898申请中公开的过程估计堆12和14的极化曲线。另外,该算法在方框42设定平均电池电压极限CVLim Avgcell以及在方框44设定最小电池电压极限CVLim Mincell。在一个非限制性例子里,对于230V,440个电池单元的燃料电池堆,该平均电池电压极限可以是大约0.525V以及该最小电池电压极限可以是大约0.3V。所述算法然后在方框42使用所述平均电池电压极限CVLim Avgcell计算从燃料电池堆12和14可得到的最大净功率以及在方框46使用所述最小电池电压极限CVLim Mincell计算最小功率。 
图4是根据本发明的实施例的示出用于对平均电池电压和最小电池电压确定最大净功率的过程的流程图50。该过程开始于极化曲线20和22的最左端并且向下沿着曲线20和22移动直到在点24和点26处到达平均电池电压极限CVLim Avgcell和最小电池电压极限CVLim Mincell。在方框52,该算法将堆12和14的电流密度范围分成N个样本区域,其中k用于标识被分析的具体样本区域。在一个 非限制性的例子中,该电流密度范围可以是0.1-2.0A/cm2以及该样本区域可以是每个0.1A/cm2。该算法然后获取被检查的样本区域的电流密度j,并且使用极化曲线20和22对平均电池电压和最小电池电压计算在该电流密度j处的电池电压。在一个非限制性的例子中,在具体电流密度处的电池电压如下计算: 
E cell = E rev - ( j + a ) * R HFR - ( 0.07 * log 10 ( j + a j 0 ) + c log 10 ( 1 - j j ∞ ) )
其中,Ecell是电池电压(V), 
j是电流密度(A/cm2), 
RHFR是电池HFR电阻(ohm cm2), 
Erev是热力学可逆(thermodynamic reversible)电池电势(V), 
a是来自电池短路(shorting)/电池渗透(cell crossover)的背景电流密度(background current density)(A/cm2), 
j0是交换电流密度(A/cm2), 
j是极限电流密度(A/cm2),以及 
c是传质系数。 
一旦计算出电池电压,所述算法在判决菱形框56中确定对该电流密度j计算出的电池电压Ecell是否小于预定的电池电压极限CVLim Avgcell或者CVLim Mincell,并且,如果否的话,所述算法在方框58移动到下一样本区域k以在方框54中对该新的更高的电流密度j计算平均电池电压和最小电池电压。如果在判决菱形框56中计算的电池电压小于或等于电池电压极限CVLim Avgcell或者CVLim Mincell,则所述算法将该特定样本区域的电流密度j设定为最大电流密度,并且在方框60计算最大功率。总功率被计算为电压乘以电流,其中所述最大电流密度j乘以电池Ncells的数目以及电池的面积Acells以获得堆12和14的总电流。另外,基于电流密度的寄生功率估计(由查找表或者合适的寄生估计算法提供)被从所述功率中减去并且加上一校正来获得最大净功率Pmax X,如下所示: 
Figure G2009101387294D00052
所述总功率是堆所产生的功率以及净功率是总功率减去用于操作燃料电池系统的寄生功率,所述操作例如操作压缩机,冷却液压泵等等。典型地,基于实验和类似方法生成定义对应于特定电流密度j的寄生功率的表格。所述校正通常根据经验确定并且一般是最大功率的5%左右。 
一旦所述算法获知对于两个堆12和14的平均电池电压和最小电池电压的最大净功率Pmax X,所述算法在流程图40的方框62中将最大燃料电池系统净功率Pmax FCS确定为每个堆12和14的这两个最大净功率Pmax X中的最小者。 
另一个非限制性的用于计算最大净功率的实施例可以如下给出,其可以被应用于N个堆: 
Figure G2009101387294D00061
一旦该算法获知在任何特定时间可以从堆12和14中汲取的最大净功率Pmax FCS,该值然后被用于燃料电池系统10中的各种应用,例如在方框64预测在堆12和14寿命结束之前的小时数,在方框66发送所述最大功率至燃料电池功率系统,在方框68为可接受的驾驶性能提供能量估计以及在方框70在自适应控制应用中使用所述最大功率。 
前述讨论仅仅公开和描述了本发明的示例性实施例。本领域技术人员可以从这些讨论以及从附图和权利要求书中认识到在不偏离如随附权利要求书中限定的本发明的精神和范围的前提下可以进行各种变化,修改以及变型。 

Claims (20)

1.一种在燃料电池堆的操作期间估计来自该燃料电池堆的最大堆功率的方法,所述方法包括:
选择该燃料电池堆中的平均燃料电池的平均电池电压极限;
选择该燃料电池堆中的最小性能(performing)燃料电池的最小电池电压极限;
对于平均电池电压和最小电池电压两者估计所述燃料电池堆的分开的极化曲线;
以升序将该燃料电池堆的电流密度范围分成预定数目的样本区域;
选择第一样本区域;
在所选择的样本区域的电流密度处确定平均电池电压和最小电池电压;
确定所述平均电池电压是否小于预定的平均电池电压极限和所述最小电池电压是否小于预定的最小电池电压极限;
如果所述平均电池电压不小于所述平均电池电压极限或所述最小电池电压不小于所述最小电池电压极限,则在电流密度范围内选择下一样本区域;
如果所述平均电池电压小于所述平均电池电压极限且所述最小电池电压小于所述最小电池电压极限,则对所述平均电池电压和所述最小电池电压计算最大净功率;以及
选择所述平均电池电压最大净功率和所述最小电池电压最大净功率中的较小者作为最大堆功率。
2.根据权利要求1所述的方法,其中计算净功率包括将所述净功率计算为最大电池电压乘以总电流密度乘以燃料电池数目乘以燃料电池堆的燃料电池面积减去在运行该燃料电池堆时使用的预定寄生功率。
3.根据权利要求2的方法,进一步包括将校正加到计算的最大净功率。
4.根据权利要求1的方法,其中确定平均电池电压和最小电池电压包括使用以下公式:
E cell = E rev - ( j + a ) * R HFR - ( 0.07 * log 10 ( j + a j 0 ) + c log 10 ( 1 - j j ∞ ) )
其中,Ecell是电池电压,j是电流密度,RHFR是电池HFR电阻,Erev是热力学可逆电池电势,a是来自电池短路/电池渗透的背景电流密度,j0是交换电流密度,j是极限电流密度,以及c是传质系数。
5.根据权利要求1的方法,其中所述平均电池电压极限大约为0.525V以及最小电池电压极限大约为0.3V。
6.根据权利要求1的方法,其中将燃料电池堆的电流密度范围分成预定数目的样本区域包括将电流密度范围0.1-2.0A/cm2分成0.1A/cm2的样本区域。
7.根据权利要求1的方法,其中在电流密度范围内选择下一样本区域包括按照从所述范围中的低电流密度至所述范围中的高电流密度的顺序选择该下一样本区域。
8.根据权利要求1的方法,其中燃料电池堆是分离的燃料电池堆,其中最大堆功率是为这两个分离堆确定的。
9.一种在燃料电池堆的操作期间估计来自该燃料电池堆的最大堆功率的方法,所述方法包括:
选择该燃料电池堆中的燃料电池的至少一个电池电压极限;
对至少一个电池估计该燃料电池堆的极化曲线;
将该燃料电池堆的电流密度范围分成预定数目的样本区域;
选择第一样本区域;
在所选择的样本区域的电流密度处确定电池电压;
确定所述电池电压是否小于预定的电池电压极限;
如果所述电池电压不小于所述电池电压极限,则在该电流密度范围内选择下一样本区域;以及
如果所述电池电压小于所述电池电压极限,则为该电池电压计算最大净功率。
10.根据权利要求9所述的方法,其中选择至少一个电池电压极限包括选择燃料电池堆中的平均燃料电池的平均电池电压极限以及选择燃料电池堆中的最小性能燃料电池的最小电池电压极限,以及其中估计燃料电池堆的极化曲线包括对平均电池电压和最小电池电压两者估计极化曲线,以及其中确定电池电压包括在所选择的样本区域的电流密度处确定平均电池电压和最小电池电压。
11.如权利要求9所述的方法,其中计算净功率包括将所述净功率计算为最大电池电压乘以总电流密度乘以燃料电池数目乘以燃料电池堆的燃料电池面积减去在运行燃料电池堆时使用的预定寄生功率。
12.根据权利要求11的方法,进一步包括将校正加到所计算的最大净功率。
13.根据权利要求9的方法,其中确定电池电压包括使用以下公式:
E cell = E rev - ( j + a ) * R HFR - ( 0.07 * log 10 ( j + a j 0 ) + c log 10 ( 1 - j j ∞ ) )
其中,Ecell是电池电压,j是电流密度,RHFR是电池HFR电阻,Erev是热力学可逆电池电势,a是来自电池短路/电池渗透的背景电流密度,j0是交换电流密度,j是极限电流密度,以及c是传质系数。
14.根据权利要求9的方法,其中将燃料电池堆的电流密度范围分成预定数目的样本区域包括将电流密度范围0.1-2.0A/cm2分成0.1A/cm2的样本区域。
15.一种在燃料电池堆的操作期间估计来自该燃料电池堆的最大堆功率的系统,所述系统包括:
选择该燃料电池堆中的平均燃料电池的平均电池电压的装置;
选择该燃料电池堆中的最小性能燃料电池的最小电池电压的装置;
对平均电池电压和最小电池电压两者估计所述燃料电池堆的极化曲线的装置;
将该燃料电池堆的电流密度范围分成预定数目的样本区域的装置;
选择第一样本区域的装置;
在所选择的样本区域的电流密度处确定平均电池电压和最小电池电压的装置;
确定所述平均电池电压是否小于预定的平均电池电压极限和所述最小电池电压是否小于预定的最小电池电压极限的装置;
如果所述平均电池电压不小于所述平均电池电压极限或所述最小电池电压是不小于所述最小电池电压极限,则在电流密度范围内选择下一样本区域的装置;
如果所述平均电池电压小于所述平均电池电压极限且所述最小电池电压小于所述最小电池电压极限,则为所述平均电池电压和所述最小电池电压计算最大净功率的装置;以及
选择平均电池电压最大净功率和最小电池电压最大净功率中的较小者作为最大堆功率的装置。
16.根据权利要求15所述的系统,其中计算净功率的装置包括将所述净功率计算为最大电池电压乘以总电流密度乘以燃料电池数目乘以燃料电池堆的燃料电池面积减去在运行燃料电池系统时使用的预定寄生功率的装置。
17.根据权利要求15的系统,其中所述平均电池电压极限大约为0.525V以及最小电池电压极限大约为0.3V。
18.根据权利要求15的系统,其中将燃料电池堆的电流密度范围分成预定数目的样本区域包括将电流密度范围0.1-2.0A/cm2分成0.1A/cm2的样本区域。
19.根据权利要求15的系统,其中燃料电池堆是分离的燃料电池堆,其中最大堆功率是为这两个分离堆确定的。
20.根据权利要求15的系统,其中在电流密度范围内选择下一样本区域的装置包括按照从所述范围中的低电流密度至所述范围中的高电流密度的顺序选择该下一样本区域的装置。
CN2009101387294A 2008-02-06 2009-02-06 基于极化曲线估计的燃料电池系统最大净功率计算方法及系统 Expired - Fee Related CN101533073B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/027042 2008-02-06
US12/027,042 US8192879B2 (en) 2008-02-06 2008-02-06 Method for maximum net power calculation for fuel cell system based on online polarization curve estimation

Publications (2)

Publication Number Publication Date
CN101533073A CN101533073A (zh) 2009-09-16
CN101533073B true CN101533073B (zh) 2012-07-18

Family

ID=40896925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009101387294A Expired - Fee Related CN101533073B (zh) 2008-02-06 2009-02-06 基于极化曲线估计的燃料电池系统最大净功率计算方法及系统

Country Status (3)

Country Link
US (1) US8192879B2 (zh)
CN (1) CN101533073B (zh)
DE (1) DE102009007168B4 (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8795926B2 (en) 2005-08-11 2014-08-05 Intelligent Energy Limited Pump assembly for a fuel cell system
US9034531B2 (en) * 2008-01-29 2015-05-19 Ardica Technologies, Inc. Controller for fuel cell operation
US8808410B2 (en) * 2009-07-23 2014-08-19 Intelligent Energy Limited Hydrogen generator and product conditioning method
US8741004B2 (en) 2009-07-23 2014-06-03 Intelligent Energy Limited Cartridge for controlled production of hydrogen
US8642220B2 (en) * 2009-09-25 2014-02-04 GM Global Technology Operations LLC Method to improve fuel cell system performance using cell voltage prediction of fuel cell stack
US8280659B2 (en) * 2010-01-21 2012-10-02 GM Global Technology Operations LLC Early detection of minimum cell voltage degradation of a fuel cell stack
US8450018B2 (en) * 2010-02-18 2013-05-28 GM Global Technology Operations LLC Method to automatically enable/disable stack reconditioning procedure based on fuel cell stack parameter estimation
KR101394722B1 (ko) 2010-06-29 2014-05-15 현대자동차주식회사 연료전지용 기체확산층의 굽힘강성 비파괴 간접 측정 장치 및 방법
US8405399B2 (en) * 2010-07-20 2013-03-26 GM Global Technology Operations LLC Method to predict min cell voltage from discrete min cell voltage output of stack health monitor
US8940458B2 (en) 2010-10-20 2015-01-27 Intelligent Energy Limited Fuel supply for a fuel cell
US20120282535A1 (en) * 2010-10-29 2012-11-08 Tibor Fabian Fuel cell charging system and method of use
US20130004872A1 (en) * 2011-07-01 2013-01-03 GM Global Technology Operations LLC Method for early detection of membrane failures of fuel cell stacks and fuel cell system component defects
US9169976B2 (en) 2011-11-21 2015-10-27 Ardica Technologies, Inc. Method of manufacture of a metal hydride fuel supply
US8920995B2 (en) * 2013-03-15 2014-12-30 GM Global Technology Operations LLC Systems and methods for predicting polarization curves in a fuel cell system
US10622652B2 (en) * 2015-10-30 2020-04-14 Lg Chem, Ltd. Fuel cell system and control method therefor
DE102016116049A1 (de) 2016-08-29 2018-03-01 Audi Ag Verfahren zum Schätzen eines Zustandsvektors eines Brennstoffzellensystems, Verfahren zum Steuern oder Regeln einer Zustandsgröße eines Brennstoffzellensystems und Brennstoffzellensystem
CN108872872B (zh) * 2018-06-27 2019-08-09 清华大学 燃料电池使用寿命和剩余寿命的预测方法及装置
DE102018218331A1 (de) 2018-10-26 2020-04-30 Audi Ag Verfahren zum Betreiben eines Brennstoffzellensystems, Brennstoffzellensystem und Brennstoffzellenfahrzeug
DE102018129659A1 (de) 2018-11-26 2020-05-28 Audi Ag Verfahren zum Betreiben eines Brennstoffzellensystems sowie Brennstoffzellenfahrzeug
CN110450653B (zh) * 2019-08-07 2020-08-28 浙江大学城市学院 基于燃料电池/锂电池退化模型的混合动力汽车最优控制策略
CN111722111A (zh) * 2020-06-22 2020-09-29 上海骥翀氢能科技有限公司 电堆参数确定方法、装置、计算机设备以及可读存储介质
CN112736268B (zh) * 2020-12-17 2022-02-15 华中科技大学 一种提高sofc系统寿命的控制优化方法和系统
CN113013450B (zh) * 2021-02-26 2022-05-31 清华大学 碳氢燃料固体氧化物燃料电池堆自热平衡确定方法及应用
CN112993345B (zh) * 2021-04-21 2022-05-03 北京氢澜科技有限公司 基于人工智能的燃料电池控制系统及控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1069636A2 (en) * 1999-07-06 2001-01-17 General Motors Corporation Fuel cell stack monitoring and system control
US7124040B2 (en) * 2003-09-12 2006-10-17 Daimlerchrysler Ag Method of monitoring a fuel cell unit
CN101237064A (zh) * 2007-01-31 2008-08-06 通用汽车环球科技运作公司 燃料电池堆的在线自适应极化曲线估算用的算法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6794844B2 (en) * 2001-08-31 2004-09-21 Visteon Global Technologies, Inc. Method and system for fuel cell control
US7569293B1 (en) * 2001-10-15 2009-08-04 Nuvera Fuel Cells, Inc. Methods and systems for efficient operation of integrated fuel cell-fuel reformer systems
US20030184307A1 (en) * 2002-02-19 2003-10-02 Kozlowski James D. Model-based predictive diagnostic tool for primary and secondary batteries
US7632583B2 (en) * 2003-05-06 2009-12-15 Ballard Power Systems Inc. Apparatus for improving the performance of a fuel cell electric power system
US20060166051A1 (en) * 2005-01-24 2006-07-27 Mahesh Murthy Method and device to improve operation of a fuel cell
US20060194082A1 (en) * 2005-02-02 2006-08-31 Ultracell Corporation Systems and methods for protecting a fuel cell

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1069636A2 (en) * 1999-07-06 2001-01-17 General Motors Corporation Fuel cell stack monitoring and system control
US7124040B2 (en) * 2003-09-12 2006-10-17 Daimlerchrysler Ag Method of monitoring a fuel cell unit
CN101237064A (zh) * 2007-01-31 2008-08-06 通用汽车环球科技运作公司 燃料电池堆的在线自适应极化曲线估算用的算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JP特开2000-171426A 2000.06.23

Also Published As

Publication number Publication date
US20090197125A1 (en) 2009-08-06
DE102009007168A1 (de) 2009-08-27
US8192879B2 (en) 2012-06-05
CN101533073A (zh) 2009-09-16
DE102009007168B4 (de) 2015-07-16

Similar Documents

Publication Publication Date Title
CN101533073B (zh) 基于极化曲线估计的燃料电池系统最大净功率计算方法及系统
KR101053991B1 (ko) 연료전지시스템 및 전원제어방법
US8252470B2 (en) Fuel cell system
CN102034995B (zh) 利用燃料电池堆的电池电压预测来改进燃料电池系统性能的方法
US9225028B2 (en) Fuel cell system
CN101521288B (zh) 基于燃料电池系统的电压性能的电流限制的增益调度控制
US8206860B2 (en) Method to perform adaptive voltage suppression of a fuel cell stack based on stack parameters
US9099703B2 (en) Fast MEA break-in and voltage recovery
CN101237064A (zh) 燃料电池堆的在线自适应极化曲线估算用的算法
US20170104231A1 (en) Fuel cell system and performance improvement method of fuel cell system
US9178233B2 (en) Smart in-vehicle reactive recovery strategy
CN101584070A (zh) 燃料电池系统
JP4973138B2 (ja) 燃料電池システム
US8722264B2 (en) Algorithm for stack current controller based on polarization curve estimation of a fuel cell stack
JP2019197690A (ja) 燃料電池の活性化方法
CN109935871B (zh) 用于燃料电池中的mea调节的系统和方法
CN107017425B (zh) 燃料电池系统和燃料电池系统的性能改进方法
JP7374061B2 (ja) 燃料電池システム
JP2006339103A (ja) 燃料電池システム
JP6308140B2 (ja) 燃料電池システムにおける陽イオン不純物量の推定方法及び陽イオン不純物量の推定装置
JP7331825B2 (ja) 燃料電池システム
JP2008004431A (ja) 燃料電池システム
JP2012129081A (ja) 燃料電池システムの運転方法
US10720650B2 (en) Fuel cell and moving body
JP2022069754A (ja) 燃料電池システム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120718

Termination date: 20200206

CF01 Termination of patent right due to non-payment of annual fee