CN108052777A - 一种基于模型求解的燃料电池极化内阻分离方法 - Google Patents
一种基于模型求解的燃料电池极化内阻分离方法 Download PDFInfo
- Publication number
- CN108052777A CN108052777A CN201810033837.4A CN201810033837A CN108052777A CN 108052777 A CN108052777 A CN 108052777A CN 201810033837 A CN201810033837 A CN 201810033837A CN 108052777 A CN108052777 A CN 108052777A
- Authority
- CN
- China
- Prior art keywords
- internal resistance
- resistance
- polarization
- concentration difference
- activation
- 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.)
- Granted
Links
- 238000000926 separation method Methods 0.000 title claims abstract description 33
- 239000000446 fuel Substances 0.000 title claims abstract description 28
- 230000034964 establishment of cell polarity Effects 0.000 title claims abstract description 13
- 230000010287 polarization Effects 0.000 claims abstract description 74
- 230000004913 activation Effects 0.000 claims abstract description 54
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 238000002485 combustion reaction Methods 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000157 electrochemical-induced impedance spectroscopy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Fuel Cell (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
Abstract
一种基于模型求解的燃料电池极化内阻分离方法,包括:建立极化内阻、浓差内阻、极化内阻与电流密度之间的经验模型,这是基于模型求解的极化内阻分离方法的基础和前提;在活化段,实测的极化内阻与真实的活化内阻近似相等;在浓差段,实测的极化内阻与真实的浓差内阻近似相等为依据,将优化的参数结合到建立的模型中,引入修正系数,完成活化内阻和浓差内阻从极化内阻中的分离;这种极化内阻分离方法既考虑了活化内阻和浓差内阻随电流密度存在的规律性变化趋势,又考虑到了极化内阻与活化内阻和浓差内阻之间的特性规律和关系,是有效可行的。
Description
技术领域
本发明涉及一种基于模型求解的燃料电池极化内阻分离方法。
背景技术
当今能源问题日益严重,尤其是传统化石能源的枯竭,使人们迫切希望找到一种可持续利用的新能源进行替代,尤其是以氢能为主的燃料电池这一新型能源形式得到极大的发展和进步。由于燃料电池良好的操作性能、发电环境友好等优点,受到了人们广泛的关注,同时燃料电池所产生的产物没有任何污染,对现在日益严重的环境污染也有很大的缓解作用,有着光明的应用前景。
频率正割角法的研究和应用,对燃料电池的性能分析和优化提供了一种更为简单的方法。频率正割法相较于传统的电化学阻抗谱法,有着操作更加方便,测试周期短,参数拟合过程简单的优点。对于采用频率正割法的测出的燃料电池内部阻值,会出现活化内阻和浓差内阻相加的情况,即所称的极化内阻。对于燃料电池的性能分析和优化,需要分析和研究燃料电池的各段内阻(活化内阻、欧姆内阻、浓差内阻)规律性变化和关系。
若无有效简便的极化内阻分离方法,则无法对数据进行更为深入的分析。找到一种极化内阻分离的方法,对极化内阻进行分离,以便后续的燃料电池的性能优化、故障诊断等。
发明内容
本发明是鉴于上述问题做出的一种解决方法,目的在于:通过对燃料电池的应用频率正割角法后,极化内阻难以分离的现状难点予以解决,通过分析燃料电池的活化段、欧姆段、浓差段内阻的变化规律,基于此提出一种基于模型求解的燃料电池极化内阻分离方法。
这种极化内阻分离方法既考虑了活化内阻和浓差内阻随电流密度存在的规律性变化趋势,又考虑到了极化内阻与活化内阻和浓差内阻之间的特性规律和关系,通过验证该方法是有效可行的。
为了实现上述目的,本发明所述的一种基于模型求解的燃料电池极化内阻分离方法,其具体步骤如下所示:
步骤一:通过对极化内阻R a 、活化内阻R f 、浓差内阻R d ,随着电流密度的变化的规律以及从内阻特性分析,分别建立了极化内阻、浓差内阻、极化内阻与电流密度之间的经验模型如下:
(1)
式中:、、、均为待优化参数;值为和之和;
步骤二:根据获得的不同电流下极化内阻实验数据,实验数据由频率正割角法实验得到,该实验方法是传统阻抗谱方法的基础上改进而来,实验过程更加简单快捷,数据得到后,利用仿真软件MATLAB,对极化内阻的四个参数进行优化。
步骤三:在活化段,实测的极化内阻与真实的活化内阻近似相等;在浓差段,实测的极化内阻与真实的浓差内阻近似相等,故将活化段和浓差段测得的极化内阻分别近似为活化内阻和浓差内阻。
步骤四:将优化后的和、分别代入活化内阻和浓差内阻的模型中,再将活化段和浓差段的实测的极化内阻的数据分别代入活化内阻和浓差内阻的模型中,由式(1),分别计算出对应的多组的和。
步骤五:使用加权平均法计算出和的均值和,如式(2)所示:
(2)
若直接用和替代式(2)中的和,会造成分离后的曲线在活化段和浓差段与极化内阻R a 的曲线最为接近,在欧姆段差异较大,极化内阻分离结果不理想。
于是引入一个修正系数,对和进行修正,使得修正后参数之和与优化所得参数相等:
(3)
步骤六:计算得到后,用、代替式(1)中活化内阻R f 和浓差内阻R d 中的和参数,则最终分离后的活化内阻R f 和浓差内阻R d 的经验模型如式(4):
(4)
完成上述步骤后,得到的最终分离结果如图3所示。
本发明所述的一种基于模型求解的燃料电池极化内阻分离方法,其核心过程是当燃料电池工作在不同的电流密度时,活化内阻和浓差内阻的变化趋势相反,即在低电流密度段,活化内阻在总内阻中占比最大,并随电流密度的增加而减小;高电流密度段,浓差内阻在总内阻中占比最大,随电流密度的增加而增大,根据这一特征,建立极化内阻、浓差内阻、极化内阻与电流密度之间的经验模型,这是基于模型求解的极化内阻分离方法的基础和前提。同时,这种方法又考虑到了极化内阻与活化内阻和浓差内阻之间的特性规律和关系,该方法是有效可行的。
附图说明
图1 极化内阻分离方法示意图;
图2 极化内阻未引入修正系数的分离结果示意图;
图3 极化内阻引入修正系数的分离结果示意图。
具体实施方式
下面结合附图说明一种基于模型求解的燃料电池极化内阻分离方法的具体实施方式进行说明,极化内阻分离方法示意图如图1所示。
本发明所述的一种基于模型求解的燃料电池极化内阻分离方法,具体的实施过程包括以下几个步骤:
步骤一:通过对极化内阻R a 、活化内阻R f 、浓差内阻R d 随着电流密度的变化的规律以及内阻特性的分析,分别建立了极化内阻、浓差内阻、极化内阻与电流密度之间的经验模型如下:
(1)
式中:、、、均为待优化参数;值为和之和;
步骤二:根据获得的不同电流下极化内阻实验数据,实验数据由频率正割角法实验得到,该实验方法是传统阻抗谱方法的基础上改进而来,实验过程更加简单快捷,数据得到后,利用仿真软件MATLAB,对极化内阻的四个参数进行优化,分离示意图如图1所示。
步骤三:在活化段,实测的极化内阻与真实的活化内阻近似相等;在浓差段,实测的极化内阻与真实的浓差内阻近似相等,故将活化段和浓差段测得的极化内阻分别近似为活化内阻和浓差内阻。
步骤四:将优化后的和、分别代入活化内阻和浓差内阻的模型中,再将活化段和浓差段的实测的极化内阻的数据分别代入活化内阻和浓差内阻的模型中,由式(1),分别计算出对应的多组的和。
步骤五:使用加权平均法计算出和的均值和,如式(2)所示:
(2)
若直接用和替代式(2)中的和,会造成分离后的曲线在活化段和浓差段与极化内阻R a 的曲线最为接近,在欧姆段差异较大,极化内阻分离结果不理想,如分离结果图2所示。
于是引入一个修正系数,对和进行修正,使得修正后参数之和与优化所得参数相等:
(3)
步骤六:计算得到后,用、代替式(1)中活化内阻R f 和浓差内阻R d 中的和参数,则最终分离后的活化内阻R f 和浓差内阻R d 的经验模型如式(4):
(4)
完成上述六个步骤后,得到的最终极化内阻分离结果如图3所示。
由图2可以看出:未引入修正系数的极化内阻分离结果,燃料电池在活化段和浓差段与极化内阻的曲线最为接近,在欧姆段,极化内阻的分离结果差异比较大;由图3可以得出:引入修正系数的极化内阻分离结果,在欧姆段,极化内阻的分离结果差异减小,极化内阻的分离结果得到了有效改善,极化内阻的分离后的结果,即活化内阻和浓差内阻,更符合燃料电池的实际情况。
通过以上的分析可知:上述的一种基于模型求解的燃料电池极化内阻分离方法,这种极化内阻分离方法既考虑了活化内阻和浓差内阻随电流密度存在的规律性变化趋势,又考虑到了极化内阻与活化内阻和浓差内阻之间的特性规律和关系,是有效可行的。同时,建立的极化内阻、活化内阻、浓差内阻与电流密度之间的经验模型,是准确的,是符合燃料电池在活化段、欧姆段、浓差段内阻随电流密度的变化规律的。
Claims (3)
1.一种基于模型求解的燃料电池极化内阻分离方法,其特征在于:通过对极化内阻、活化内阻、浓差内阻的特性分析,分别建立极化内阻R f 、浓差内阻R d 、极化内阻R a 的经验模型如下:
(1)
式中:、、、均为待优化参数;值为和之和;
根据活化内阻R f 、浓差内阻R d 随电流密度的变化规律,现提出一种极化内阻R a 的分离方法,实现的具体步骤如下:
步骤一:根据获得的不同电流下极化内阻实验,数据由频率正割角法得到,该方法是传统阻抗谱方法的基础上改进而来,实验过程更加简单快捷,数据得到后,利用仿真软件MATLAB,对极化内阻的四个参数进行优化;
步骤二:在活化段,实测的极化内阻与真实的活化内阻近似相等;在浓差段,实测的极化内阻与真实的浓差内阻近似相等,故将活化段和浓差段测得的极化内阻分别近似为活化内阻和浓差内阻;
步骤三:将优化后的和、分别代入活化内阻和浓差内阻的模型中,再将活化段和浓差段的实测的极化内阻的数据分别代入活化内阻和浓差内阻的模型中,由式(1),分别计算出对应的多组的和;
步骤四:步骤五:使用加权平均法计算出和的均值和,如式(2)所示:
(2)
若直接用和替代式(2)中的和,会造成分离后的曲线在活化段和浓差段与极化内阻R a 的曲线最为接近,在欧姆段差异较大,极化内阻分离结果不理想;
于是引入一个修正系数<math display = 'block'>
<mrow>
<mi>&delta;</mi>
</mrow>
</math>,对和进行修正,使得修正后参数之和与优化所得参
数<math display = 'block'>
<mrow>
<mi>&beta;</mi>
</mrow>
</math>相等:
(3)
步骤五:计算得到<math display = 'block'>
<mrow>
<mi>&delta;</mi>
</mrow>
</math>后,用、代替式(1)中活化内阻R f 和浓差内阻R d 中
的和参数,则最终分离后的活化内阻R f 和浓差内阻R d 的经验模型如式(4):
(4)
通过上述五个步骤实现了活化内阻和浓差内阻从极化内阻中的分离,方便后续燃料电池的各段内阻的规律性分析和研究。
2.根据权利要求1所述的一种基于模型求解的燃料电池极化内阻分离方法,其特征在于:选取低电流密度时,极化内阻近似为活化内阻;高电流密度时,极化内阻近似为浓差内阻,选取这一特征为极化内阻分离方法的基础和前提;并且极化内阻是活化内阻和浓差内阻之和,通过该方法后的分离结果是符合燃料电池实际的活化内阻和浓差内阻随电流密度变化的规律。
3.根据权利要求1所述的一种基于模型求解的燃料电池极化内阻分离方法,其特征在于:这种极化内阻分离方法既考虑了活化内阻和浓差内阻随电流密度存在的规律性变化趋势,又考虑到了极化内阻与活化内阻和浓差内阻之间的特性规律和关系,方法有效可行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810033837.4A CN108052777B (zh) | 2018-01-15 | 2018-01-15 | 一种基于模型求解的燃料电池极化内阻分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810033837.4A CN108052777B (zh) | 2018-01-15 | 2018-01-15 | 一种基于模型求解的燃料电池极化内阻分离方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108052777A true CN108052777A (zh) | 2018-05-18 |
CN108052777B CN108052777B (zh) | 2024-02-02 |
Family
ID=62126522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810033837.4A Active CN108052777B (zh) | 2018-01-15 | 2018-01-15 | 一种基于模型求解的燃料电池极化内阻分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108052777B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008435A (zh) * | 2019-04-02 | 2019-07-12 | 中国计量大学 | 一种燃料电池最优功率点计算方法 |
CN110077282A (zh) * | 2019-05-16 | 2019-08-02 | 上海楞次新能源汽车科技有限公司 | 新能源汽车的燃料电池在线寿命检测方法、系统和装置 |
CN111999667A (zh) * | 2020-08-21 | 2020-11-27 | 惠州亿纬锂能股份有限公司 | 一种电池内阻的评价方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10172596A (ja) * | 1996-12-09 | 1998-06-26 | Tokyo Electric Power Co Inc:The | 燃料電池の評価方法 |
CN103077291A (zh) * | 2013-01-25 | 2013-05-01 | 华北电力大学 | 可设置初始荷电状态的电池充放电过程数字仿真方法 |
CN105449241A (zh) * | 2015-12-18 | 2016-03-30 | 武汉理工大学 | 燃料电池在线电化学阻抗谱检测系统及方法 |
-
2018
- 2018-01-15 CN CN201810033837.4A patent/CN108052777B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10172596A (ja) * | 1996-12-09 | 1998-06-26 | Tokyo Electric Power Co Inc:The | 燃料電池の評価方法 |
CN103077291A (zh) * | 2013-01-25 | 2013-05-01 | 华北电力大学 | 可设置初始荷电状态的电池充放电过程数字仿真方法 |
CN105449241A (zh) * | 2015-12-18 | 2016-03-30 | 武汉理工大学 | 燃料电池在线电化学阻抗谱检测系统及方法 |
Non-Patent Citations (2)
Title |
---|
AMIN HOSSEINPOUR等: "Role of ohmic Resistance on the performance of pure culture microbial fuel cell", 2012 SECOND IRANIAN CONFERENCE ON RENEWABLE ENERGY AND DISTRIBUTED GENERATION, pages 158 - 161 * |
孙文平: "中低温固体氧化物燃料电池新材料与结构设计及电化学性能研究", 中国博士学位论文全文数据库 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008435A (zh) * | 2019-04-02 | 2019-07-12 | 中国计量大学 | 一种燃料电池最优功率点计算方法 |
CN110008435B (zh) * | 2019-04-02 | 2023-03-31 | 中国计量大学 | 一种燃料电池最优功率点计算方法 |
CN110077282A (zh) * | 2019-05-16 | 2019-08-02 | 上海楞次新能源汽车科技有限公司 | 新能源汽车的燃料电池在线寿命检测方法、系统和装置 |
CN111999667A (zh) * | 2020-08-21 | 2020-11-27 | 惠州亿纬锂能股份有限公司 | 一种电池内阻的评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108052777B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108052777A (zh) | 一种基于模型求解的燃料电池极化内阻分离方法 | |
CN103869256B (zh) | 一种基于交流阻抗测试动力锂离子电池soh的估算方法 | |
CN110045298A (zh) | 一种动力电池组参数不一致性的诊断方法 | |
CN110334580A (zh) | 基于集成增量的动态权重组合的设备故障分类方法 | |
CN107422266B (zh) | 一种大容量电池储能系统的故障诊断方法及装置 | |
CN102279358B (zh) | 一种基于mcskpca的神经网络模拟电路故障诊断方法 | |
CN109726452A (zh) | 一种基于阻抗谱的在线质子交换膜燃料电池故障诊断方法 | |
CN107132443B (zh) | 一种三电平statcom智能故障诊断方法 | |
CN108256482A (zh) | 一种基于卷积神经网络进行分布学习的人脸年龄估计方法 | |
CN104362622B (zh) | 一种带小水电机组地区电网的负荷模型和建模方法 | |
CN105606641B (zh) | 一种在线实时监测锂电池隔膜热收缩率系统及监测方法 | |
CN105680109B (zh) | 一种基于深度学习的动力电池配组方法 | |
CN108646186A (zh) | 一种基于电化学特征的单体锂离子电池三维热模型 | |
CN104502844A (zh) | 一种基于交流阻抗的动力锂电池劣化程度诊断方法 | |
CN110930470A (zh) | 一种基于深度学习的布匹缺陷图像生成方法 | |
CN107632265A (zh) | 一种统计负载功率变化预测燃料电池剩余寿命的方法 | |
CN109800520A (zh) | 一种基于神经网络的电动汽车充电站谐波建模方法 | |
CN109241944A (zh) | 一种基于改进多分类支持向量机的配电网故障识别方法 | |
CN110362897A (zh) | 一种串联电池组多目标优化均衡方法 | |
CN107248597B (zh) | 一种液态金属电池的建模方法 | |
CN109389253A (zh) | 一种基于可信性集成学习的电力系统扰动后频率预测方法 | |
CN115146723A (zh) | 基于深度学习和启发式算法的电化学模型参数辨识方法 | |
CN102814292B (zh) | 锂离子电池一致性配组方法和系统 | |
CN106707185B (zh) | 一种软包装锂离子二次电池性能评估方法 | |
CN106340896A (zh) | 一种多逆变器并网控制通道间交互影响的分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |