CN109004251A - 一种固体氧化物燃料电池系统的智能控制方法 - Google Patents

Abstract

本发明公开了一种固体氧化物燃料电池系统的智能控制方法，搭建固体氧化物燃料电池系统的模型，再根据固体氧化物燃料电池系统的实时运行状况，获取模型中的预设定值，最后利用RBF‑PID控制器对不同状态下固体氧化物燃料电池系统的设定值进行跟踪，完成固体氧化物燃料电池系统的智能控制；这样解决了一般固体氧化物燃料电池系统控制中系统操作变量发生变化时，系统效率会降低甚至发生故障的问题，同时又实现了在系统安全运行及效率处于目标范围内时对燃料利用率、空气过氧比及电堆固体温度的跟踪控制。

Description

一种固体氧化物燃料电池系统的智能控制方法

技术领域

本发明属于燃料电池系统智能控制技术领域，更为具体地讲，涉及一种固体氧化物燃料电池系统的智能控制方法。

背景技术

固体氧化物燃料电池系统的控制方法，主要包括PID控制、模糊控制、模型预测控制等等。通过上述控制方法，可以实现对系统燃料利用率、温度、功率等参考值的跟踪控制，从而保证系统安全稳定的运行。然而，系统在运行过程中其内部参数及操作变量经常会产生各种变化，此时如果依旧按照之前的设定值进行控制，则会影响系统的效率，严重者甚至会造成燃料电池发生故障无法继续运行。基于上述情况，本发明提出了固体氧化物燃料电池系统智能控制方案，该方案包括固体氧化物燃料电池系统模块、预设定值模块、反馈补偿模块、故障补偿模块、切换模块以及控制模块，实现了当系统不确定参数变化时，对系统燃料利用率、空气过氧比及电堆固体温度设定值的补偿及跟踪控制，从而使系统效率能够维持在目标范围内并远离故障状态。

发明内容

本发明的目的在于克服现有技术的不足，提供一种固体氧化物燃料电池系统的智能控制方法，通过对系统燃料利用率、空气过氧比及电堆固体温度的控制，同时保证当系统不确定参数变化时，其效率能够维持在目标范围内并远离故障状态。

为实现上述发明目的，本发明一种固体氧化物燃料电池系统的智能控制方法，其特征在于，包括以下步骤：

(1)、搭建固体氧化物燃料电池系统的模型

(1.1)、固体氧化物燃料电池系统的燃料利用率u_f：

其中，I为电堆电池总电流，N为电堆电池个数，a为常数，F为法拉第常数，W₁为固体氧化物燃料电池系统的入口燃料流量，为入口燃料甲烷的摩尔分数；

(1.2)、固体氧化物燃料电池系统的空气过氧比

其中，b为常数，W7为固体氧化物燃料电池系统的空气入口流量，为空气中氧气摩尔份数；

(1.3)、建立电堆的固体温度关系

采用有限元方法将电堆划分为K个节点，再对每个节点建立电堆的固体温度关系：

其中，k＝1,2,…,K；i＝{CH₄,H₂,CO,CO₂,H₂O}；为电堆中第k个节点固体温度；ρ_pen，C_pen和V_pen分别为阳极-电解质-阴极PEN层的密度、热容以及体积；ρ_i，C_i和V_i分别为金属连接层的密度、热容以及体积；k_pen和k_i分别为PEN层及金属连接体层的热传递系数；l和b分别为单电池长度与宽度；h_pen和h_i分别为PEN层及金属连接体层的厚度；h_gs为空气的热传递系数；I^k代表对应节点的电流；h_2,i为电堆阳极气体的摩尔焓；为电堆中第k个节点燃料摩尔流量；与分别为电堆中第k个节点空气与燃料温度；V^k为各节点电压；

(1.4)、固体氧化物燃料电池系统的效率η：

其中，P_cp为空气压缩机消耗功率，LHV_f为燃料的低热值；

(1.5)、固体氧化物燃料电池系统的电堆温度梯度

(1.6)、固体氧化物燃料电池系统的电堆最大温度梯度

(2)、根据固体氧化物燃料电池系统的实时运行状况，获取模型中的预设定值

(2.1)、当固体氧化物燃料电池系统运行正常时，基于模型利用序列规划优化算法进行迭代，使固体氧化物燃料电池系统的效率η达到目标值，并将此时补偿的u_f、和作为预设定值；

(2.2)、当外界参数发生改变，固体氧化物燃料电池系统的效率低于目标值时，通过反馈补偿方式对预设定值的修正，从而使系统的效率重新达到目标值；

Δy₁(t)-Δy₁(t-1)＝k_p[e(t)-e(t-1)]+k_ie(t)+k_d[e(t)-2e(t-1)+e(t-2)]

e(t)＝η^*(t)-η(t)

其中，Δy₁(t)表示第t个时刻u_f、和的补偿量，e(t)表示第t个时刻系统目标效率η^*(t)与实际效率η(t)的差值，k_p、k_i与k_d分别代表比例、积分与微分系数；将补偿后的u_f、和作为该时刻的预设定值；

(2.3)、当固体氧化物燃料电池系统运行故障时，基于专家库的故障补偿方法对预设定值的修正，从而使系统的效率重新达到目标值；

(2.3.1)、计算当前系统的故障特征与故障案例中描述的故障特征之间的相似度SIM；

其中，λ_i表示对应故障特征的权重值，c_0,i与c_k,i则分别代表系统当前的故障特征值与专家库中第k个故障案例中描述的故障特征值，M表示单个故障案例中故障特征的总个数；

(2.3.2)、计算故障补偿量

在专家库中找出相似度SIM大于阈值ζ的故障案例，再根据该故障案例的补偿量Δy_k,j，计算当前时刻的故障补偿量Δy₂(k)；

其中，R表示相似度SIM大于阈值ζ的故障案例个数；

(2.3.3)、将故障状态下补偿后的u_f、和作为该时刻的预设定值；

(3)、利用RBF-PID控制器对不同状态下固体氧化物燃料电池系统的设定值进行跟踪，完成固体氧化物燃料电池系统的智能控制。

本发明的发明目的是这样实现的：

本发明一种固体氧化物燃料电池系统的智能控制方法，搭建固体氧化物燃料电池系统的模型，再根据固体氧化物燃料电池系统的实时运行状况，获取模型中的预设定值，最后利用RBF-PID控制器对不同状态下固体氧化物燃料电池系统的设定值进行跟踪，完成固体氧化物燃料电池系统的智能控制；这样解决了一般固体氧化物燃料电池系统控制中系统操作变量发生变化时，系统效率会降低甚至发生故障的问题，同时又实现了在系统安全运行及效率处于目标范围内时对燃料利用率、空气过氧比及电堆固体温度的跟踪控制。

附图说明

图1是一种固体氧化物燃料电池系统框图；

图2是系统实时运行下的智能控制流程图；

图3是利用本发明所述方法进行温度跟踪图；

图4是利用本发明所述方法进行空气过氧比跟踪图；

图5是利用本发明所述方法进行燃料利用率跟踪图；

图6是有反馈补偿与无反馈补偿效率图形对比图；

图7是有故障补偿与无故障补偿温度梯度图形对比图。

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是一种固体氧化物燃料电池系统框图。

结合图1，对本发明一种固体氧化物燃料电池系统的智能控制方法进行详细说明，具体包括以下步骤：

S1、搭建固体氧化物燃料电池系统的模型

固体氧化物燃料电池系统主要包括空气压缩机，燃料热交换器，空气热交换器，混合器，旁路阀，电堆，燃烧室等部件。本发明将采用模块化方法，分别对各个部件进行数学建模，然后根据图1所示结构将其连接起来实现整体模型的搭建。由于本发明主要目标为实现对燃料利用率、空气过氧比及电堆固体温度的跟踪控制，同时保证系统效率及温度梯度在合理范围内，故构建出相关参数的方程，具体如下：

S1.1、固体氧化物燃料电池系统的燃料利用率u_f：

其中，I为电堆电池总电流，N为电堆电池个数，F为法拉第常数，W₁为固体氧化物燃料电池系统的入口燃料流量，为入口燃料甲烷的摩尔分数；

S1.2、固体氧化物燃料电池系统的空气过氧比

其中，W₇为固体氧化物燃料电池系统的空气入口流量，为空气中氧气摩尔份数；

S1.3、建立电堆的固体温度关系

本发明需要得到电堆内部的温度梯度，采用有限元方法将电堆划分为K个节点，再对每个节点建立电堆的固体温度关系：

其中，k代表第k个节点，k＝1,2,…,K；i＝{CH₄,H₂,CO,CO₂,H₂O}；为电堆中第k个节点固体温度；ρ_pen，C_pen和V_pen分别为阳极-电解质-阴极PEN层的密度、热容以及体积；ρ_i，C_i和V_i分别为金属连接层的密度、热容以及体积；k_pen和k_i分别为PEN层及金属连接体层的热传递系数；l与b分别为单电池长度与宽度；h_pen和h_i分别为PEN层及金属连接体层的厚度；h_gs为空气的热传递系数；I^k代表对应节点的电流；h_2,i为电堆阳极气体的摩尔焓；为电堆中第k个节点燃料摩尔流量；与分别为电堆中第k个节点空气与燃料温度；V^k为各节点电压；

S1.4、固体氧化物燃料电池系统的效率η：

其中，P_cp为空气压缩机消耗功率，LHV_f为燃料的低热值；

S1.5、固体氧化物燃料电池系统的电堆温度梯度

S1.6、固体氧化物燃料电池系统的电堆最大温度梯度

通过步骤S1.1-S1.6，搭建出固体氧化物燃料电池系统的模型。

S2、根据固体氧化物燃料电池系统的实时运行状况，获取模型中的预设定值

固体氧化物燃料电池系统的模型搭建好后，接下来将会按照图2所示流程获取系统中的理想设定值并将其传输到控制回路中，以此保证系统高效安全稳定的运行；

设置效率目标值为0.5669；当系统温度梯度小于10K/cm且效率大于目标值(0.5669)，即：η＞0.5669，则不需要对预设定值进行补偿，进入步骤S2.1；当系统温度梯度小于10K/cm且效率小于目标值，即：η＜0.5669，则通过反馈补偿对与设定值进行补偿，进入步骤S2.2；当系统温度梯度大于10K/cm，即此时则代表系统发生故障，则基于专家库的故障补偿方法对预设定值的补偿，进入步骤S2.3；

S2.1、当固体氧化物燃料电池系统运行正常时，基于模型利用序列规划优化算法进行迭代，使固体氧化物燃料电池系统的效率η达到目标值，并将此时补偿的u_f、和作为预设定值；

S2.2、当外界参数发生改变，固体氧化物燃料电池系统的效率低于目标值时，通过反馈补偿方式对预设定值的修正，从而使系统的效率重新达到目标值；

Δy₁(t)-Δy₁(t-1)＝k_p[e(t)-e(t-1)]+k_ie(t)+k_d[e(t)-2e(t-1)+e(t-2)]

e(t)＝η^*(t)-η(t)

其中，Δy₁(t)表示第t个时刻u_f、和的补偿量，e(t)表示第t个时刻系统目标效率η^*(t)与实际效率η(t)的差值，k_p、k_i与k_d分别代表比例、积分与微分系数；将补偿后的u_f、和作为该时刻的预设定值；

S2.3、当固体氧化物燃料电池系统运行故障时，如温度梯度超出范围时，基于专家库的故障补偿方法对预设定值的修正，从而使系统的效率重新达到目标值；

在本实施例中，选取电流、蒸汽碳比、燃料利用率、空气过氧比、电堆固体温度、效率及温度梯度作为故障案例的描述特征，通过对不同的工作条件下系统输出的测试，从而建立故障案例的专家库，接下来找到对应案例的设定补偿值，使得该种工作条件下的系统脱离故障状态，同时效率达到目标范围。本实施例共建立了1725种故障案例的专家库。

S2.3.1、计算当前系统的故障特征与故障案例中描述的故障特征之间的相似度SIM；

其中，λ_i表示对应故障特征的权重值，c_0,i与c_k,i则分别代表系统当前的故障特征值与专家库中第k个故障案例中描述的故障特征值，M表示单个故障案例中故障特征的总个数；

S2.3.2、计算故障补偿量

在专家库中找出相似度SIM大于阈值ζ＝0.965的故障案例，再根据该故障案例的补偿量Δy_k,j，计算当前时刻的故障补偿量Δy₂(k)；

其中，R表示相似度SIM大于阈值ζ的故障案例个数；

S2.3.3、将故障状态下补偿后的u_f、和作为该时刻的预设定值；

S3、利用RBF-PID控制器对不同状态下固体氧化物燃料电池系统的设定值进行跟踪，完成固体氧化物燃料电池系统的智能控制。

实例

图3、图4、图5分别为智能控制器对温度、空气过氧比、燃料利用率的跟踪效果图，其中实线为控制器结果，虚线为通过预设定模块、反馈补偿模块、故障补偿模块以及切换器获得的设定值，可以看到控制器能够很好的实现对不同状况下理想设定值的跟踪。

当系统运行时间在6-8.5万秒时，系统因电流及蒸汽碳比的变化而发生效率低于目标闸值状况，如图6中虚线所示，此时智能控制器切换模块选择反馈补偿器对当前设定值进行修正，从而使效率回归到目标值范围内，如图6中实线所示，相反不进行反馈补偿结果如图6中的点线所示。当时间在8.5-11万秒时，系统温度梯度超出闸值，如图7中虚线所示，系统此时发生故障。此时智能控制器切换模块选择故障补偿器对当前设定值进行修正，从而使温度梯度回归到合理范围内，如图7中实线所示，相反不进行故障补偿结果如图7中的点线所示。由图6、7可以充分证明本发明所提出的智能控制策略不仅实现了对系统燃料利用率、空气过氧比及电堆温度的控制，同时还能保证当系统不确定参数变化时，其效率能够维持在目标范围内并远离故障状态。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种固体氧化物燃料电池系统的智能控制方法，其特征在于，包括以下步骤：

(1)、搭建固体氧化物燃料电池系统的模型

(1.1)、固体氧化物燃料电池系统的燃料利用率u_f：

其中，I为电堆电池总电流，N为电堆电池个数，a为常数，F为法拉第常数，W₁为固体氧化物燃料电池系统的入口燃料流量，为入口燃料甲烷的摩尔分数；

(1.2)、固体氧化物燃料电池系统的空气过氧比

其中，W₇为固体氧化物燃料电池系统的空气入口流量，为空气中氧气摩尔份数；

(1.3)、建立电堆的固体温度关系

采用有限元方法将电堆划分为K个节点，再对每个节点建立电堆的固体温度关系：

其中，k代表第k个节点，k＝1,2,…,K；i＝{CH₄,H₂,CO,CO₂,H₂O}；T_s ^k为电堆中第k个节点固体温度；ρ_pen，C_pen和V_pen分别为阳极-电解质-阴极PEN层的密度、热容以及体积；ρ_i，C_i和V_i分别为金属连接层的密度、热容以及体积；k_pen和k_i分别为PEN层及金属连接体层的热传递系数；l与b分别为单电池长度与宽度；h_pen和h_i分别为PEN层及金属连接体层的厚度；h_gs为空气的热传递系数；I^k代表对应节点的电流；h_2,i为电堆阳极气体的摩尔焓；为电堆中第k个节点燃料摩尔流量；与分别为电堆中第k个节点空气与燃料温度；V^k为各节点电压；

(1.4)、固体氧化物燃料电池系统的效率η：

其中，P_cp为空气压缩机消耗功率，LHV_f为燃料的低热值；

(1.5)、固体氧化物燃料电池系统的电堆温度梯度

(1.6)、固体氧化物燃料电池系统的电堆最大温度梯度

(2)、根据固体氧化物燃料电池系统的实时运行运行状况，获取模型中的预设定值

(2.1)、当固体氧化物燃料电池系统运行正常时，基于模型利用序列规划优化算法进行迭代，使固体氧化物燃料电池系统的效率η达到目标值，并将此时补偿的u_f、和T_s ^K作为预设定值；

(2.2)、当外界参数发生改变，固体氧化物燃料电池系统的效率低于目标值时，通过反馈补偿方式对预设定值的修正，从而使系统的效率重新达到目标值；

Δy₁(t)-Δy₁(t-1)＝k_p[e(t)-e(t-1)]+k_ie(t)+k_d[e(t)-2e(t-1)+e(t-2)]

e(t)＝η^*(t)-η(t)

其中，Δy₁(t)表示第t个时刻u_f、和T_s ^K的补偿量，e(t)表示第t个时刻系统目标效率η^*(t)与实际效率η(t)的差值，k_p、k_i与k_d分别代表比例、积分与微分系数；将补偿后的u_f、和T_s ^K作为该时刻的预设定值；

(2.3)、当固体氧化物燃料电池系统运行故障时，基于专家库的故障补偿方法对预设定值的修正，从而使系统的效率重新达到目标值；

(2.3.1)、计算当前系统的故障特征与故障案例中描述的故障特征之间的相似度SIM；

其中，表示对应故障特征的权重值，c_0,i与c_k,i则分别代表系统当前的故障特征值与专家库中第k个故障案例中描述的故障特征值，M表示单个故障案例中故障特征的总个数；

(2.3.2)、计算故障补偿量

在专家库中找出相似度SIM大于阈值ζ的故障案例，再根据该故障案例的补偿量Δy_k,j，计算当前时刻的故障补偿量Δy₂(k)；

其中，R表示相似度SIM大于阈值ζ的故障案例个数；

(2.3.3)、将故障状态下补偿后的u_f、和T_s ^K作为该时刻的预设定值；

(3)、利用RBF-PID控制器对不同状态下固体氧化物燃料电池系统的设定值进行跟踪，完成固体氧化物燃料电池系统的智能控制。