CN105870483B - 固体氧化物燃料电池系统功率跟踪过程热电协同控制方法 - Google Patents

固体氧化物燃料电池系统功率跟踪过程热电协同控制方法 Download PDF

Info

Publication number
CN105870483B
CN105870483B CN201610194108.8A CN201610194108A CN105870483B CN 105870483 B CN105870483 B CN 105870483B CN 201610194108 A CN201610194108 A CN 201610194108A CN 105870483 B CN105870483 B CN 105870483B
Authority
CN
China
Prior art keywords
power
temperature
operating point
optimum operating
control
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.)
Active
Application number
CN201610194108.8A
Other languages
English (en)
Other versions
CN105870483A (zh
Inventor
蒋建华
成天亮
李曦
吴小东
徐梦雪
陈明渊
李箭
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201610194108.8A priority Critical patent/CN105870483B/zh
Publication of CN105870483A publication Critical patent/CN105870483A/zh
Application granted granted Critical
Publication of CN105870483B publication Critical patent/CN105870483B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04992—Processes 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04694—Processes for controlling fuel cells or fuel cell systems characterised by variables to be controlled
    • H01M8/04746—Pressure; Flow
    • H01M8/04753—Pressure; Flow of fuel cell reactants
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04694—Processes for controlling fuel cells or fuel cell systems characterised by variables to be controlled
    • H01M8/04858—Electric variables
    • H01M8/04925—Power, energy, capacity or load
    • H01M8/0494—Power, energy, capacity or load of fuel cell stacks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/10—Fuel cells with solid electrolytes
    • H01M8/12—Fuel cells with solid electrolytes operating at high temperature, e.g. with stabilised ZrO2 electrolyte
    • H01M2008/1293—Fuel cells with solid oxide electrolytes
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/50—Fuel 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)
  • Fuel Cell (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)

Abstract

本发明公开了一种固体氧化物燃料电池系统功率跟踪过程中热电协同控制方法，属于燃料电池领域。本发明包括：基于最优操作点的温度约束前馈控制方法、基于模型预测控制的功率跟踪反馈控制方法。本发明中基于最优操作点的前馈控制能够及时地抑制由功率切换过程导致的温度波动，并将温度约束在安全操作范围内；基于模型预测控制的反馈控制能够使系统完成功率跟踪的同时保持系统高效率。本发明将二者相结合，实现了固体氧化物燃料电池系统在功率跟踪过程中的热电协同控制，使系统在快速功率跟踪过程中维持在安全操作范围内，为固体氧化物燃料电池系统高性能与长寿命打下了坚实的基础。

Description

固体氧化物燃料电池系统功率跟踪过程热电协同控制方法
技术领域
本发明属于燃料电池技术领域，更具体地，涉及一种固体氧化物燃料电池系统功率跟踪过程中热电协同控制方法。
背景技术
能源和环境是人类文明的两个重要支柱。在不可再生资源缺乏和生态环境污染日趋严重的今天，绿色可再生能量供给技术对人类社会的可持续发展变得十分重要。SOFC是一种21世纪十分具有前景的能量转换技术，它直接将储存在碳氢化合物燃料(比如天然气、生物质燃料)里的化学能通过电化学反应转化为电能，同时它具有高效率、低排放、无噪声等优点。SOFC技术在最近的二十年内得到了迅猛的发展。由于材料和设计的创新，尤其是单电池和密封材料、电池装配、电堆设计、控制和系统集成等方面，SOFC电堆的性能与寿命得到了显著提高。但是，SOFC系统的高成本与短寿命仍然是大规模商业化的障碍。
SOFC系统的制造成本与寿命主要依赖于系统控制器的性能，因为要在热疲劳和极端环境下保护系统材料需要处理大量的约束。作为一套能量供给设备，SOFC系统需要尽可能快地跟踪外部负载需求功率，但是快速和大幅度的功率切换会导致系统性能退化和损坏问题。由于电堆的大热惯性和燃料电池内部电流密度的不一致，将会产生大的温度梯度，进而产生大的热应力使燃料电池的三明治结构畸变甚至破坏。同时，电堆和尾气燃烧室的最大操作温度也应该受到控制以避免材料氧化。所以，在系统操作过程中维持系统关键温度在特定的安全操作区间内对于延长系统寿命和确保系统性能可靠性是十分关键的。但是，如果仅仅考虑热安全问题，系统效率将得不到保障，因此需要一种控制方法使系统在安全的前提下工作在高效率状态。同时，与电化学反应毫秒级的响应量级相比，SOFC系统中分钟或小时级的温度响应量级是相当大的，如果功率和温度响应时间上的大差距无法缩小，温度缓慢、延迟的响应特性使温度约束的实时管理变得困难，这也需要一个控制方法来解决。因此，面对快速功率跟踪，热管理和系统效率这三个SOFC系统控制中冲突的目标，设计一个控制器在快速负载跟踪过程中满足所有的系统限制并获得系统高效率是使SOFC系统获得高性能与长寿命的一个关键问题。
近年来，SOFC系统和基于SOFC的氢能源系统(比如SOFC/GT)已经受到了许多系统设计、优化和控制方面的学者和工程师的研究，并得到了一系列具有不同结构的控制器。这些工作为SOFC系统管理和优化作出了贡献，但是他们的研究也存在一些局限性，首先他们的研究中使用的SOFC系统模型是极度简化的，其次系统约束没有得到完全考虑。所以，现存的文献还没有基于一个充分考虑系统约束的完整系统模型充分研究SOFC系统“在功率跟踪过程中保持温度约束安全和优化系统效率”的控制问题，以至于这仍然是SOFC应用的一个挑战。
发明内容
针对现有技术的不足，本发明提供一种固体氧化物燃料电池系统在功率跟踪过程中热电协同控制的方法，通过对热电进行解耦，实现了固体氧化物燃料电池系统功率跟踪过程中热电协同控制，使系统在快速功率跟踪过程中维持在安全操作范围内并保持系统高效率，为固体氧化物燃料电池系统高性能与长寿命打下了坚实的基础。
本发明提供一种固体氧化物燃料电池系统功率跟踪过程中热电协同控制方法，包括：
步骤1：基于最优操作点的温度约束前馈控制，该模块以目标功率为输入，输出电池电压、旁路阀开度作为控制量，输出空气参考流量、燃料流量初值作为基于模型预测控制算法的功率跟踪反馈控制模块的输入；
步骤2：基于模型预测控制算法的功率跟踪反馈控制，该模块以目标功率、系统实时功率、其它系统输入以及来自步骤1中前馈控制模块的燃料流量初值、空气流量参考值等作为输入，输出空气参考流量值作为空气流量控制量，参照空气参考流量计算得出燃料流量作为另一个控制量，其中计算步骤主要包括获得预测模型、滚动优化、反馈校正。
进一步地，所述步骤1具体包括下述子步骤：
(1.1)获得不同输出功率下的最优操作点并列成最优操作点查找表，其中，不同输出功率是指以1kW为下限、5kW为上限的功率点组，最优操作点包括电池电压、旁路阀开度、空气流量、燃料流量四个分量；
(1.2)根据输入的目标功率在(1.1)所得的最优操作点查找表中寻找与目标功率相对应的最优操作点，如果目标功率在查找表中，那么执行步骤(1.3)；如果目标功率不在查找表中，那么找出它所在的最小功率区间，然后进行如下计算：上限功率加权＝(目标功率-下限功率)/(上限功率-下限功率)，下线功率加权＝1-上限功率加权，目标功率对应的最优操作点＝上限功率对应的最优操作点*上限加权+下限功率对应的最优操作点*下限加权。之后执行步骤(1.3)；
(1.3)输出电池电压、旁路阀开度两个分量作为控制量，并向功率跟踪反馈控制模块输出空气参考流量、燃料流量初值，其中，空气参考流量为所查到最优操作点中的空气流量分量，燃料流量初值为燃料流量分量的一半。
更进一步地，所述步骤(1.1)具体包括下述子步骤：
(1.1.1)获得在每个温度分布图上每个温度约束下的安全操作区间，分别记作A1，A2，A3，A4，所述的温度分布图和温度约束包括最大PEN温度梯度、最大PEN温度梯度、电堆输入气体温差、燃烧室温度，其中PEN指阳极-电解质-阴极三层结构，四种温度分布图以燃料利用率为横轴，空气过量比为纵轴，旁路阀开度分别取0、0.1、0.2、0.3，然后运行已搭建完成的固体氧化物燃料电池系统模型获得，每种温度分布图按旁路阀开度对应四个子图，四个温度约束具体为最大PEN温度梯度应小于10K/cm，最大PEN温度应小于1173K，电堆气体输入温差应小于200K，燃烧室温度应小于1273K；
(1.1.2)计算四个安全操作集的交集，记作A，其中A＝A1∩A2∩A3∩A4；
(1.1.3)将A映射到系统功率图上，在A的范围内平滑连接输出功率P对应的所有点，其中1kW<P<5kW，从而得到该输出功率P对应的恒功率工作曲线，记作P1；
(1.1.4)在系统效率分布图上作出P1线，在A的范围内最大化系统效率获得曲线上的操作点，这就是输出功率P的最优操作点。
本发明提供的固体氧化物燃料电池系统在功率跟踪过程中热电协同控制方法中，所述步骤2具体包括下述子步骤：
(2.1)获得预测模型，其中，预测模型可以是已搭建好的SOFC系统离线模型,也可以是通过在线辨识获得的系统模型，其功能在于根据系统的历史信息和假设的未来输入可以预测系统未来的状态和输出；
(2.2)滚动优化：以系统效率指标覆盖该时刻起的未来有限时域，根据预测模型和输入信息计算该时域内最优控制量，计算方法为：其中，E为期望算子，Np为预测时域，Nu为控制时域，Pnet,k+i为k+i时刻系统功率，Pr,k+i为k+i时刻参考功率，ηj为加权系数，Δu2 k+j-1为k+j-1时刻控制增量，其包含空气流量增量、燃料流量增量两个分量；然后将得到的当前控制量作用于系统，到下一采样时刻，这一优化时域将随着时刻的推进同时向前滚动推移；
(2.3)反馈校正：在每一采样时刻，检测系统功率的实时输出值，利用这一反馈信息修正预测模型；返回步骤(2.2)。
本发明的有益效果体现在：基于最优操作点的前馈控制能够及时地抑制由功率切换过程导致的温度波动，并将温度约束在安全操作范围内；基于模型预测控制算法的反馈控制能够使系统在完成功率跟踪的同时实现高效率；二者相结合，实现了固体氧化物燃料电池系统功率跟踪过程中热电协同控制，使系统在快速功率跟踪过程中维持在安全操作范围内并保持系统高效率，为固体氧化物燃料电池系统高性能与长寿命打下了坚实的基础。
附图说明
图1是本发明的控制结构框图；
图2是本发明一个实施例的Simulink模型框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
图1所示为本发明的控制系统结构框图，具体包含两大部分：
(1)基于最优操作点的温度约束前馈控制模块
以目标功率为输入，输出电池电压、旁路阀开度作为控制量，输出空气参考流量、燃料流量初值作为基于模型预测控制算法的功率跟踪反馈控制模块的输入。
(2)基于模型预测控制算法的功率跟踪反馈控制模块
以目标功率、系统实时功率、其它系统输入以及来自(1)中前馈控制模块的燃料流量初值、空气流量参考值等作为输入，输出空气流量、燃料流量作为控制量。
图2所示为本发明一个实施例的Simulink模型框图。
当目标功率发生改变时，基于最优操作点的前馈控制模块以新的目标功率为输入，根据已建立的最优操作点查找表查询该目标功率相对应的最优操作点，并输出电池电压及旁路阀开度两个分量作为前馈响应，同时将空气流量分量输出到有约束广义预测控制子模块。然后，TS模糊模型在线辨识子模块接受系统实时功率、空气流量、燃料流量等输入辨识出系统功率的预测模型，由于该模型是在线辨识获得的，实时输入输出信息的加入不断修正模型参数。接下来，有约束广义预测控制子模块根据实时的预测模型与输入信息计算出空气流量、燃料流量的最优控制序列，并将其当前量作为控制量输出。TS模糊模型在线辨识子模块与有约束广义预测控制子模块如此往复循环工作，进行实时功率跟踪。
下表所示为本发明中一个最优操作点查找表示例。
表1 一个最优操作点查找表示例
该示例第一列为系统功率，取的是以1000W为起点、5000W为终点、500W为间隔的一组功率值，第二列至第五列分别是最优操作点的四个分量：电池电压、旁路阀开度、空气流量、燃料流量。在最优操作点查找表中进行查找时，在第一列中找到输入的系统功率，然后在同一行中找到对应的最优操作点四个分量，从查找表中输出。例如，目标功率为3000W，那么在查找表中找到对应3000W的一行，然后输出后面的最优操作点；目标功率为3200W，那么找出它所在的最小功率区间3000W～3500W，上限功率加权＝(3200W-3000W)/(3500W-3000W)＝0.4，下限功率加权＝1-上限功率加权＝0.6，目标功率对应的最优操作点＝(0.75，0.0，0.404，0.0304)*0.4+(0.75，0.1，0.333，0.0261)*0.6＝(0.75，0.06，0.3614，0.02542)，其中，最优操作点四个分量顺序为(电池电压，旁路阀开度，空气流量，燃料流量)。
本发明提供的固体氧化物燃料电池系统在功率跟踪过程中热电协同控制的方法中，基于最优操作点的前馈控制能够及时地抑制由功率切换过程导致的温度波动，并将温度约束在安全操作范围内；基于模型预测控制算法的反馈控制能够使系统在完成功率跟踪的同时实现高效率；二者相结合，实现了固体氧化物燃料电池系统在功率跟踪过程中的热电协同控制，使系统在快速功率跟踪过程中维持在安全操作范围内并保持系统高效率，为固体氧化物燃料电池系统高性能与长寿命打下了坚实的基础。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种固体氧化物燃料电池系统在功率跟踪过程中热电协同控制的方法，其特征在于，所述方法包括：
步骤1：基于最优操作点的温度约束前馈控制：以目标功率为输入，输出电池电压、旁路阀开度作为控制量，输出空气参考流量、燃料流量初值作为基于模型预测控制算法的功率跟踪反馈控制模块的输入；
步骤2：基于模型预测控制算法的功率跟踪反馈控制：该模块以目标功率、系统实时功率、其它系统输入以及来自步骤1中前馈控制模块的燃料流量初值、空气流量参考值作为输入，输出空气参考流量作为空气流量控制量，参照空气参考流量计算得出燃料流量作为另一个控制量，其中计算步骤包括获得预测模型、滚动优化以及反馈校正；
所述步骤1具体包括下述子步骤：
(1.1)获得不同输出功率下的最优操作点并列成最优操作点查找表，其中，不同输出功率是指以1kW为下限、5kW为上限的功率点组，最优操作点包括电池电压、旁路阀开度、空气流量、燃料流量四个分量；
(1.2)根据输入的目标功率在(1.1)所得的最优操作点查找表中寻找与目标功率相对应的最优操作点，如果目标功率在查找表中，那么执行步骤(1.3)；如果目标功率不在查找表中，那么找出它所在的最小功率区间，然后进行如下计算：上限功率加权＝(目标功率-下限功率)/(上限功率-下限功率)，下线功率加权＝1-上限功率加权，目标功率对应的最优操作点＝上限功率对应的最优操作点*上限加权+下限功率对应的最优操作点*下限加权；之后执行步骤(1.3)；
(1.3)输出电池电压、旁路阀开度两个分量作为控制量，并向功率跟踪反馈控制模块输出空气参考流量、燃料流量初值，其中，空气参考流量为所查到最优操作点中的空气流量分量，燃料流量初值为燃料流量分量的一半。
2.如权利要求1所述的方法，其特征在于，所述步骤(1.1)具体包括下述子步骤：
(1.1.1)获得在每个温度分布图上每个温度约束下的安全操作区间，分别记作A1，A2，A3，A4，所述的温度分布图包括最大PEN温度梯度、最大PEN温度、电堆输入气体温差、燃烧室温度，其中PEN指阳极-电解质-阴极三层结构，四种温度分布图以燃料利用率为横轴，空气过量比为纵轴，旁路阀开度分别取0、0.1、0.2、0.3，然后运行已搭建完成的固体氧化物燃料电池系统模型获得，每种温度分布图按旁路阀开度对应四个子图，四个温度约束具体为最大PEN温度梯度应小于10K/cm，最大PEN温度应小于1173K，电堆输入气体温差应小于200K，燃烧室温度应小于1273K；
(1.1.2)计算四个安全操作集的交集，记作A，其中A＝A1∩A2∩A3∩A4；
(1.1.3)将A映射到系统功率图上，在A的范围内平滑连接输出功率P对应的所有点，其中1kW<P<5kW，从而得到该输出功率P对应的恒功率工作曲线，记作Pl；
(1.1.4)在系统效率分布图上作出Pl线，在A的范围内最大化系统效率获得曲线上的操作点，这就是输出功率P的最优操作点。
3.如权利要求1或2所述的方法，其特征在于，所述步骤(2)具体包括下述子步骤：
(2.1)获得预测模型，其中，预测模型是已搭建好的SOFC系统离线模型，或者是通过在线辨识获得的系统模型，其功能在于根据系统的历史信息和假设的未来输入可以预测系统未来的状态和输出；
(2.2)滚动优化：以系统效率指标覆盖该时刻起的未来有限时域，根据预测模型和输入信息计算该时域内最优控制量，计算方法为：其中，E为期望算子，Np为预测时域，Nu为控制时域，Pnet,k+i为k+i时刻系统功率，Pr,k+i为k+i时刻参考功率，ηj为加权系数，Δu2 k+j-1为k+j-1时刻控制增量，其包含空气流量增量、燃料流量增量两个分量；然后将得到的当前控制量作用于系统，到下一采样时刻，这一优化时域将随着时刻的推进同时向前滚动推移；
(2.3)反馈校正：在每一采样时刻，检测系统功率的实时输出值，利用这一反馈信息修正预测模型；返回步骤(2.2)。
CN201610194108.8A 2016-03-31 2016-03-31 固体氧化物燃料电池系统功率跟踪过程热电协同控制方法 Active CN105870483B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610194108.8A CN105870483B (zh) 2016-03-31 2016-03-31 固体氧化物燃料电池系统功率跟踪过程热电协同控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610194108.8A CN105870483B (zh) 2016-03-31 2016-03-31 固体氧化物燃料电池系统功率跟踪过程热电协同控制方法

Publications (2)

Publication Number Publication Date
CN105870483A CN105870483A (zh) 2016-08-17
CN105870483B true CN105870483B (zh) 2019-01-11

Family

ID=56627253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610194108.8A Active CN105870483B (zh) 2016-03-31 2016-03-31 固体氧化物燃料电池系统功率跟踪过程热电协同控制方法

Country Status (1)

Country Link
CN (1) CN105870483B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107991881B (zh) * 2017-12-20 2021-01-05 东南大学 一种基于多模型预测控制的固体氧化物燃料电池非线性抑制方法
CN110010933B (zh) * 2019-04-15 2020-07-07 吉林大学 一种燃料电池空气供给系统控制方法及系统
CN110311159B (zh) * 2019-07-05 2020-08-28 北京机械设备研究所 一种确定燃料电池系统增压方案的方法
CN110688746B (zh) * 2019-09-17 2021-08-20 华中科技大学 一种确定sofc系统最优操作点的方法
CN112290065B (zh) * 2020-09-25 2021-09-03 武汉船用电力推进装置研究所（中国船舶重工集团公司第七一二研究所） 一种基于有机液体供氢的密闭空间用燃料电池发电系统
CN112349936A (zh) * 2020-10-27 2021-02-09 中船动力有限公司 基于系统辨识的船用燃料电池建模及广义预测控制方法
CN113112077B (zh) * 2021-04-14 2022-06-10 太原理工大学 基于多步预测深度强化学习算法的hvac控制系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050112419A1 (en) * 2003-10-21 2005-05-26 Rong Zheng Controlling solid oxide fuel cell operation
CN101981739A (zh) * 2008-03-27 2011-02-23 吉坤日矿日石能源株式会社 燃料电池系统及其负载跟踪运行方法
CN103236555A (zh) * 2012-11-05 2013-08-07 华中科技大学 一种固体氧化物燃料电池系统及热电协同控制方法
CN103969593A (zh) * 2014-05-05 2014-08-06 华中科技大学 一种确定固体氧化物燃料电池系统参数的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050112419A1 (en) * 2003-10-21 2005-05-26 Rong Zheng Controlling solid oxide fuel cell operation
CN101981739A (zh) * 2008-03-27 2011-02-23 吉坤日矿日石能源株式会社 燃料电池系统及其负载跟踪运行方法
CN103236555A (zh) * 2012-11-05 2013-08-07 华中科技大学 一种固体氧化物燃料电池系统及热电协同控制方法
CN103969593A (zh) * 2014-05-05 2014-08-06 华中科技大学 一种确定固体氧化物燃料电池系统参数的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
平板式固体氧化物燃料电池系统的动态建模与控制;蒋建华;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20141015;第107倒数第2段、第135页第2段、第142页倒数第2段-倒数第1段及图5-2、图5-24

Also Published As

Publication number Publication date
CN105870483A (zh) 2016-08-17

Similar Documents

Publication Publication Date Title
CN105870483B (zh) 固体氧化物燃料电池系统功率跟踪过程热电协同控制方法
He et al. Model predictive control with lifetime constraints based energy management strategy for proton exchange membrane fuel cell hybrid power systems
Teng et al. Multi-energy storage system model based on electricity heat and hydrogen coordinated optimization for power grid flexibility
Bruni et al. Energy management in a domestic microgrid by means of model predictive controllers
Gao et al. Challenges and developments of automotive fuel cell hybrid power system and control
Yang et al. Performance evaluation and parametric optimum design of a molten carbonate fuel cell-thermophotovoltaic cell hybrid system
CN105680071A (zh) 基于分数阶滑模变结构sofc系统热电协同控制方法
Chen The dynamics analysis and controller design for the PEM fuel cell under gas flowrate constraints
Xu et al. Development of solid oxide fuel cell and battery hybrid power generation system
Ou et al. Development of optimal energy management for a residential fuel cell hybrid power system with heat recovery
CN111029625B (zh) 一种固体氧化物燃料电池输出功率和温度控制方法
Zou et al. Temperature control for a 5 kW water-cooled PEM fuel cell system for a household application
Li et al. Towards net-zero smart system: An power synergy management approach of hydrogen and battery hybrid system with hydrogen safety consideration
CN114919752A (zh) 一种基于ecms-mpc的氢燃料混合动力无人机能量管理方法
Zheng et al. Chaotic particle swarm algorithm-based optimal scheduling of integrated energy systems
Samal et al. A review of FCs integration with microgrid and their control strategies
Wu et al. Fuzzy model predictive control of solid oxide fuel cell with zone tracking
Du et al. Energy management and performance analysis of an off-grid integrated hydrogen energy utilization system
Shen et al. Thermal modeling and temperature control of an all-vanadium redox flow battery
Damour et al. Innovative model-based control approach of a proton exchange membrane fuel cell system
Fan et al. Model predictive control on constant voltage output of a proton exchange membrane fuel cell
Guo et al. Marginalized particle filtering for online parameter estimation of PEMFC applied to hydrogen UAVs
Jiang et al. The high efficiency cooperative control of power and temperature of a stand-alone solid oxide fuel cell system with an air bypass valve
Gong et al. Control strategies for prevention of PEMFC oxygen starvation: a review
Li et al. Study on integrated scheduling model of CHP including wind power, electric boiler and phase change thermal storage station

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant