CN110838590A - 一种质子交换膜燃料电池气体供应控制系统及方法 - Google Patents
一种质子交换膜燃料电池气体供应控制系统及方法 Download PDFInfo
- Publication number
- CN110838590A CN110838590A CN201911149725.6A CN201911149725A CN110838590A CN 110838590 A CN110838590 A CN 110838590A CN 201911149725 A CN201911149725 A CN 201911149725A CN 110838590 A CN110838590 A CN 110838590A
- Authority
- CN
- China
- Prior art keywords
- cathode
- anode
- pid
- fuel cell
- controller
- 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
Images
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
- H01M8/04082—Arrangements for control of reactant parameters, e.g. pressure or concentration
- H01M8/04201—Reactant storage and supply, e.g. means for feeding, pipes
-
- 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
- H01M8/04082—Arrangements for control of reactant parameters, e.g. pressure or concentration
- H01M8/04089—Arrangements for control of reactant parameters, e.g. pressure or concentration of gaseous 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
- H01M8/04746—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
- H01M8/04992—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
-
- 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
本公开提出了一种质子交换膜燃料电池气体供应控制系统及方法,针对质子交换膜燃料电池的氢气和氧气分压的输入控制系统的非线性、强耦合性、以及传统PID控制效果较差等问题,采用遗传算法和模糊控制算法相结合优化PID控制器的PID参数,有效防止质子交换膜燃料电池的质子交换膜损伤,提高了电池寿命缩短和总效率。
Description
技术领域
本公开涉及电池控制相关技术领域,具体的说,是涉及一种质子交换膜燃料电池气体供应控制系统及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,并不必然构成在先技术。
近年来,由于传统化石燃料消耗量的迅速增加以及日益严重的环境污染问题,很多国家大规模研究推行可再生清洁能源。我国把可再生替代能源——燃料电池列为重点发展的前沿技术,并投入大量人力、物力和财力开展相关研究。质子交换膜燃料电池作为第五代燃料电池,不仅具有与风能、太阳能的互补性,而且,具有工作温度低,噪音及环境污染小,使用灵活,发电效率高,便于维护等优点,在小型分散热电联产和家用热电联产方法具有较大的潜力。但是,尽管质子交换膜燃料电池冷热联供系统总效率可达80%以上,其制造成本高且使用寿命短等问题导致质子交换膜燃料电池目前尚未被广泛应用在冷热电联供系统中。发明人发现,质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell,PEMFC)在工作过程中不当的控制方法和操作是造成电池性能衰减或损坏的不可忽略因素。质子交换膜燃料电池工作环境复杂且负载变化频繁,但是目前研究设计的控制策略缺乏综合的智能优化控制能力,在负载变化情况下,无法有效缩小阴极和阳极之间的气体压强差,且过大的空气和燃料流量给定,不仅使得空气压缩机耗能增大,还会造成燃料的浪费,还会使得基于质子交换膜燃料电池的热电联产系统效率低下,另外,所采用的传统控制方法运算复杂并不能动态的适应系统的响应。
发明内容
本公开为了解决上述问题,提出了一种质子交换膜燃料电池气体供应控制系统及方法,针对质子交换膜燃料电池的氢气和氧气分压的输入控制系统的非线性、强耦合性、以及传统PID控制效果较差等问题,采用遗传算法和模糊控制算法相结合优化PID控制器的PID参数,有效防止质子交换膜燃料电池的质子交换膜损伤,提高了电池寿命缩短和发电效率。
为了实现上述目的,本公开采用如下技术方案:
一个或多个实施例提供了一种质子交换膜燃料电池气体供应控制系统,包括依次连接的流量控制器、PID控制器和PID参数计算模块,流量控制器连接质子交换膜燃料电池气体输入端;PID参数计算模块用于根据获取的燃料电池阴极和阳极之间的压强差值,采用遗传算法迭代计算PID控制器的PID参数值,并输入至PID控制器;
所述PID控制器采用PID控制算法根据获取的燃料电池的阴极和阳极的压强信号,生成阳极和阴极的气体流量控制信号,传输至流量控制器,通过流量控制器控制燃料电池阳极和阴极的气体流量。
进一步地,PID参数计算模块采用的遗传算法以燃料电池阴极和阳极之间的压强差最小为目标函数。
进一步地,流量控制器包括阴极流量控制器和阳极流量控制器,PID控制器包括阳极PID控制器和阴极PID控制器,所述阳极PID控制器、阳极流量控制器与燃料电池阳极气体输入端依次连接;所述阴极PID控制器、阴极流量控制器与燃料电池阴极气体输入端依次连接。
进一步地,还包括模糊控制器,所述模糊控制器根据实时获取的压强信号与设定值的误差值和误差值变化率,采用模糊算法实时计算PID控制器的整定值并输入至PID控制器。
进一步地,模糊控制器包括阴极模糊控制器和阳极模糊控制器,阴极模糊控制器的输入端输入为阴极气体压强误差值和误差值变化率,通过自适应模糊推理,输出阴极参数PID参数调整值至阴极PID控制器;阳极模糊控制器的输入端输入为阳极气体压强误差值和误差值变化率,通过自适应模糊推理,输出阳极参数PID参数调整值至阳极PID控制器。
一种质子交换膜燃料电池气体供应控制方法,包括如下步骤:
获取测量得到的燃料电池的阴极和阳极的实际气体压强;
计算燃料电池阴极和阳极之间的压强差值;
根据计算获取的燃料电池阴极和阳极之间的压强差值,并以压强差值最小为目标函数,采用遗传算法迭代计算获得PID控制器的PID参数值;
根据获得PID参数值,采用PID控制算法在线自适应调节燃料电池的阳极和阴极的输入气体流量。
进一步地,采用遗传算法迭代计算获得PID控制器的PID参数值的方法,具体步骤包括:
步骤31、定义PID控制器的Kp、Ki、Kd三个参数取值范围和编码长度,并采用二进制编码方式进行编码;
步骤32、参数初始化,定义群体规模、交叉概率和变异概率;
步骤32、对随机产生的初始种群进行适应度函数即目标函数评价;
步骤33、基于个体适应度值,对其进行选择操作,保留其中若干精英个体;结合交叉概率值和变异概率值进行交叉操作和变异操作,产生的交叉后代和变异后代作为模拟退火算法的初始点,进行模拟退火,产生新的个体,与保留的精英个体组成新的种群;
步骤34、重复步骤32和步骤33,直至参数逐渐收敛或得到最优解。
进一步地,还包括采用模糊控制算法在线自适应动态调节PID参数的步骤,具体方法包括:
分别设定燃料电池的阴极和阳极的气体压强设定值;
根据设定的气体压强设定值与获取的实际气体压强数值,分别计算燃料电池的阴极气体压强误差值和阳极气体压强误差值,以及阴极气体压强误差值的变化率和阳极气体压强误差值的变化率;
分别以阳极气体压强误差值和误差值变化率以及阴极气体压强误差值和误差值变化率为输入信号,采用在线自适应模糊推理,分别输出阳极PID控制器和阴极PID控制器的PID参数调整值;
将采用遗传算法迭代计算获得的PID控制器的PID参数值与参数调整值叠加计算,实时更新PID控制器的PID参数值。
进一步地,所述分别以阳极气体压强误差值和误差值变化率以及阴极气体压强误差值和误差值变化率为输入信号,采用在线自适应模糊推理,分别输出阳极PID控制器和阴极PID控制器的参数调整值的方法,具体为:
定义PID三个参数的调节值为输出量,阴极气体和阳极气体的压强差绝对值和其变化率为输入量,并根据系统实际输出定义输入量和输出量参数的值域;
利用自适应三角隶属度函数将输入量和输出量参数进行模糊化;
制定模糊规则,进行模糊推理;
进行解模糊处理,输出PID三个参数调节值。
进一步地,所述进行解模糊处理利用平均加权法进行解模糊处理。
与现有技术相比,本公开的有益效果为:
(1)本公开通过设置阳极模糊控制器、阴极模糊控制器、PID参数计算模块、阳极PID控制器和阴极PID控制器,实现质子交换膜燃料电池的阴极和阳极之间的压强差最小。解决质子交换膜因阴极和阳极之间的压强差多大而损坏,缩短质子交换膜燃料电池的使用寿命,燃料浪费,发电效率低下,输出电能不稳定的问题。
(2)本公开的控制方法首先通过遗传算法优化PID控制器参数,然后由模糊控制器在线自适应修正PID控制器参数,基于多变量模糊规则,实现对控制量的动态解耦补偿,把气体通道耦合回路等效解耦为两个单回路系统,由此实现对氢气和空气的气体流量以及压强的在线自适应解耦控制。
(3)本公开采用的遗传算法的在于传统遗传算法的基础上,融入模拟退火算法,能够提高遗传算法的局部寻优能力,缩短算法的收敛时间。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的限定。
图1是根据一个或多个实施方式的控制系统的框图;
图2是本公开实施例中方法的流程图;
其中:1、PID控制器,2、阳极模糊控制器,3、PID参数计算模块,4、阴极模糊控制器,5、阴极PID控制器,6、阳极流量控制器,7、阴极流量控制器,8、质子交换膜燃料电池。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是,在不冲突的情况下,本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
在一个或多个实施方式中公开的技术方案中,如图1所示,一种质子交换膜燃料电池气体供应控制系统,包括连接质子交换膜燃料电池气体输入端的流量控制器、PID控制器和PID参数计算模块;所述PID控制器采用PID控制算法根据获取的燃料电池的阴极和阳极的压强信号,生成阳极和阴极的气体流量控制信号,传输至流量控制器,通过流量控制器控制燃料电池阳极和阴极的气体流量;
PID参数计算模块3用于根据获取的燃料电池阴极和阳极之间的压强差值,采用遗传算法迭代计算PID控制器的PID参数值,并输入至PID控制器;
作为进一步的方案,PID参数计算模块3采用的遗传算法以燃料电池阴极和阳极之间的压强差最小为目标函数。本实施例以燃料电池阴极和阳极之间的压强差值计算PID参数值,从而有效防止质子交换膜因两级压强差太大而损坏,同时采用PID控制和遗传算法结合的方式的燃料电池的气体控制方法大大减少了燃料的浪费。
在一些实施例中,燃料电池至少包括阳极和阴极,燃料电池的气体流量控制至少包括阳极气体流量的控制和阴极气体流量的控制。
在一些实施例中,可以采用一组控制器包括流量控制器和PID控制器,在另一些实施例中,为阴极和阳极分别设置控制器,如图1所示,流量控制器包括阴极流量控制器7和阳极流量控制器6,PID控制器包括阳极PID控制器1和阴极PID控制器5,所述阳极PID控制器1、阳极流量控制器6与燃料电池阳极气体输入端依次连接;所述阴极PID控制器5、阴极流量控制器7与燃料电池阴极气体输入端依次连接。
在另一些实施例中,为实现PID控制器参数的动态调整,还可以设置模糊控制器,所述模糊控制器根据实时获取的压强信号误差值和误差值变化率,采用模糊算法实时计算PID控制器的PID参数整定值并输入至PID控制器。
可选的,模糊控制器包括阴极模糊控制器4和阳极模糊控制器2,阴极模糊控制器4的输入端输入为阴极气体压强误差值和误差值变化率,通过自适应模糊推理,输出阴极参数PID参数调整值至阴极PID控制器5;阳极模糊控制器2的输入端输入为阳极气体压强误差值和误差值变化率,通过自适应模糊推理,输出阳极参数PID参数调整值至阳极PID控制器1。
阳极PID控制器1的输入信号包括质子交换膜燃料电池8输出端的阳极压强信号、阳极压强的设定数值、PID参数计算模块3输入的PID参数值以及阳极模糊控制器2输出的阳极参数PID参数调整值;阳极PID控制器1的输出端连接阳极流量控制器6的输入端,用于将阳极PID控制器1气体流量控制信号发送至流量控制器6。
阳极模糊控制器2的输入端信号为质子交换膜燃料电池8输出端的阳极压强信号和阳极压强信号的设定值。阳极模糊控制器2的输出端连接阳极PID控制器1。
阴极模糊控制器4的输入端信号为质子交换膜燃料电池8输出端的阴极压强信号和阴极压强信号的设定值。阴极模糊控制器4输出端连接阴极PID控制器5。
阴极PID控制器5的输入信号包括质子交换膜燃料电池8输出端的阴极压强信号、阴极压强的设定数值、PID参数计算模块3输入的PID参数值以及阴极模糊控制器4输出的阴极参数PID参数调整值;阴极PID控制器5的输出端连接阴极流量控制器7的输入端,用于将阴极PID控制器1气体流量控制信号发送至流量控制器6。
本实施例还提供一种质子交换膜燃料电池气体供应控制方法,包括如下步骤:
步骤1、获取测量得到的燃料电池的阴极和阳极的实际气体压强;
步骤2、计算燃料电池阴极和阳极之间的压强差值;
步骤3、根据计算获取的燃料电池阴极和阳极之间的压强差值,并以压强差值最小为目标函数,采用遗传算法迭代计算获得PID控制器的PID参数值;
步骤4、根据获得PID参数值,采用PID控制算法在线自适应调节燃料电池的阳极和阴极的输入气体流量。
本公开对PID参数值的设定采用遗传算法,燃料电池的阴极和阳极之间的压强差作为遗传算法的目标函数,以阳极PID控制器1和阴极PID控制器5的参数值作为遗传算法的被优化量,经过迭代计算,得到阳极PID控制器1和阴极PID控制器5的参数最优值。宏观上的燃料电池的阴极和阳极之间的压强差被控制到较小范围。
传统的遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群(population)开始的,而一个种群则由经过基因(gene)编码的一定数目的个体(individual)组成。。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体,即多个基因的集合,其内部表现(即基因型)是某种基因组合,它决定了个体的形状的外部表现,如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此,在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂,我们往往进行简化,如二进制编码,初代种群产生之后,按照适者生存和优胜劣汰的原理,逐代(generation)演化产生出越来越好的近似解,在每一代,根据问题域中个体的适应度(fitness)大小选择(selection)个体,并借助于自然遗传学的遗传算子(geneticoperators)进行组合交叉(crossover)和变异(mutation),产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境,末代种群中的最优个体经过解码(decoding),可以作为问题近似最优解。
本实施例中步骤3中,所述遗传算法的目标函数为:
其中,e(t)为燃料电池阴极和阳极之间的气体压强差,t为时间。
采用遗传算法迭代计算获得PID控制器的PID参数值的方法,具体步骤包括:
步骤31、定义PID控制器的Kp、Ki、Kd三个参数取值范围和编码长度,并采用二进制编码方式进行编码;
步骤32、参数初始化,定义群体规模、交叉概率和变异概率;
步骤32、对随机产生的初始种群进行适应度函数f=J评价;
步骤33、基于个体适应度值,对其进行选择操作,保留其中若干精英个体;结合上述交叉概率值和变异概率值进行交叉操作和变异操作,产生的交叉后代和变异后代作为模拟退火算法的初始点,进行模拟退火,产生新的个体,与保留的精英个体组成新的种群;
步骤34、重复步骤32和步骤33,直至参数逐渐收敛或得到最优解。
本实施例对遗传算法的改进在于在遗传算法的基础上,融入模拟退火算法。改进后的遗传算法,能够有效提高遗传算法的局部寻优能力,缩短算法的收敛时间。
采用遗传算法的燃料电池8的阴极和阳极之间的压强差被控制到较小范围。但不是最好控制效果。作为进一步的改进,在步骤4之前还可以包括采用模糊控制算法在线自适应动态调节PID参数的步骤,用于根据电池输出端的压强数值实时更新PID的参数,具体方法包括:
步骤一、分别设定燃料电池的阴极和阳极的气体压强设定值;
步骤二、根据设定的气体压强与获取的实际气体压强数值,分别计算燃料电池的阴极气体压强误差值和阳极气体压强误差值,以及阴极气体压强误差值的变化率和阳极气体压强误差值的变化率;
步骤三、分别以阳极气体压强误差值和误差值变化率以及阴极气体压强误差值和误差值变化率为输入信号,采用在线自适应模糊推理,分别输出阳极PID控制器和阴极PID控制器的参数调整值;
步骤四、将采用遗传算法迭代计算获得的PID控制器的PID参数值与参数调整值叠加计算,实时更新PID控制器的PID参数值。
进一步地,步骤三中采用在线自适应模糊推理,分别输出阳极PID控制器和阴极PID控制器的参数调整值的方法,具体为:
步骤3-1、定义PID三个参数的调节值为输出量,阴极气体和阳极气体的压强差绝对值和其变化率为输入量,并根据系统实际输出定义输入量和输出量参数的值域;
步骤3-2、利用自适应三角隶属度函数将输入量和输出量参数进行模糊化;
步骤3-3、制定模糊规则,进行模糊推理;
步骤3-4、利用平均加权法进行解模糊处理,输出PID三个参数调节值。
其中步骤3-3中,模糊规则可以如下表1-3所示。
表1
表2
表3
通过模糊控制器实时在线整定PID控制器的PID参数,使得PID控制器更加智能的适应系统的变化,从而达到对气体流量和压强的最优控制效果。
本公开的控制方法采用遗传算法和模糊控制算法相结合优化PID控制器的混合智能自适应PID解耦控制策略,首先通过遗传算法优化PID控制器参数,然后由模糊控制器在线自适应修正PID控制器参数,基于多变量模糊规则,实现对控制量的动态解耦补偿,把气体通道耦合回路等效解耦为两个单回路系统,由此实现对氢气和空气的气体流量以及压强的在线自适应解耦控制。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种质子交换膜燃料电池气体供应控制系统,其特征是:包括依次连接的流量控制器、PID控制器和PID参数计算模块,流量控制器连接质子交换膜燃料电池气体输入端;PID参数计算模块用于根据获取的燃料电池阴极和阳极之间的压强差值,采用遗传算法迭代计算PID控制器的PID参数值,并输入至PID控制器;
所述PID控制器采用PID控制算法根据获取的燃料电池的阴极和阳极的压强信号,生成阳极和阴极的气体流量控制信号,传输至流量控制器,通过流量控制器控制燃料电池阳极和阴极的气体流量。
2.如权利要求1所述的一种质子交换膜燃料电池气体供应控制系统,其特征是:PID参数计算模块采用的遗传算法以燃料电池阴极和阳极之间的压强差最小为目标函数。
3.如权利要求1所述的一种质子交换膜燃料电池气体供应控制系统,其特征是:流量控制器包括阴极流量控制器和阳极流量控制器,PID控制器包括阳极PID控制器和阴极PID控制器,所述阳极PID控制器、阳极流量控制器与燃料电池阳极气体输入端依次连接;所述阴极PID控制器、阴极流量控制器与燃料电池阴极气体输入端依次连接。
4.如权利要求3所述的一种质子交换膜燃料电池气体供应控制系统,其特征是:还包括模糊控制器,所述模糊控制器根据实时获取的压强信号与设定值的误差值和误差值变化率,采用模糊算法实时计算PID控制器的整定值并输入至PID控制器。
5.如权利要求4所述的一种质子交换膜燃料电池气体供应控制系统,其特征是:模糊控制器包括阴极模糊控制器和阳极模糊控制器,阴极模糊控制器的输入端输入为阴极气体压强误差值和误差值变化率,通过自适应模糊推理,输出阴极参数PID参数调整值至阴极PID控制器;阳极模糊控制器的输入端输入为阳极气体压强误差值和误差值变化率,通过自适应模糊推理,输出阳极参数PID参数调整值至阳极PID控制器。
6.一种质子交换膜燃料电池气体供应控制方法,其特征是,包括如下步骤:
获取测量得到的燃料电池的阴极和阳极的实际气体压强;
计算燃料电池阴极和阳极之间的压强差值;
根据计算获取的燃料电池阴极和阳极之间的压强差值,并以压强差值最小为目标函数,采用遗传算法迭代计算获得PID控制器的PID参数值;
根据获得PID参数值,采用PID控制算法在线自适应调节燃料电池的阳极和阴极的输入气体流量。
7.如权利要求6所述的一种质子交换膜燃料电池气体供应控制方法,其特征是:采用遗传算法迭代计算获得PID控制器的PID参数值的方法,具体步骤包括:
步骤31、定义PID控制器的Kp、Ki、Kd三个参数取值范围和编码长度,并采用二进制编码方式进行编码;
步骤32、参数初始化,定义群体规模、交叉概率和变异概率;
步骤32、对随机产生的初始种群进行适应度函数即目标函数评价;
步骤33、基于个体适应度值,对其进行选择操作,保留其中若干精英个体;结合交叉概率值和变异概率值进行交叉操作和变异操作,产生的交叉后代和变异后代作为模拟退火算法的初始点,进行模拟退火,产生新的个体,与保留的精英个体组成新的种群;
步骤34、重复步骤32和步骤33,直至参数逐渐收敛或得到最优解。
8.如权利要求6所述的一种质子交换膜燃料电池气体供应控制方法,其特征是,还包括采用模糊控制算法在线自适应动态调节PID参数的步骤,具体方法包括:
分别设定燃料电池的阴极和阳极的气体压强设定值;
根据设定的气体压强设定值与获取的实际气体压强数值,分别计算燃料电池的阴极气体压强误差值和阳极气体压强误差值,以及阴极气体压强误差值的变化率和阳极气体压强误差值的变化率;
分别以阳极气体压强误差值和误差值变化率以及阴极气体压强误差值和误差值变化率为输入信号,采用在线自适应模糊推理,分别输出阳极PID控制器和阴极PID控制器的PID参数调整值;
将采用遗传算法迭代计算获得的PID控制器的PID参数值与参数调整值叠加计算,实时更新PID控制器的PID参数值。
9.如权利要求8所述的一种质子交换膜燃料电池气体供应控制方法,其特征是,所述分别以阳极气体压强误差值和误差值变化率以及阴极气体压强误差值和误差值变化率为输入信号,采用在线自适应模糊推理,分别输出阳极PID控制器和阴极PID控制器的参数调整值的方法,具体为:
定义PID三个参数的调节值为输出量,阴极气体和阳极气体的压强差绝对值和其变化率为输入量,并根据系统实际输出定义输入量和输出量参数的值域;
利用自适应三角隶属度函数将输入量和输出量参数进行模糊化;
制定模糊规则,进行模糊推理;
进行解模糊处理,输出PID三个参数调节值。
10.如权利要求9所述的一种质子交换膜燃料电池气体供应控制方法,其特征是:所述进行解模糊处理利用平均加权法进行解模糊处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911149725.6A CN110838590B (zh) | 2019-11-21 | 2019-11-21 | 一种质子交换膜燃料电池气体供应控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911149725.6A CN110838590B (zh) | 2019-11-21 | 2019-11-21 | 一种质子交换膜燃料电池气体供应控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110838590A true CN110838590A (zh) | 2020-02-25 |
CN110838590B CN110838590B (zh) | 2021-07-30 |
Family
ID=69577118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911149725.6A Active CN110838590B (zh) | 2019-11-21 | 2019-11-21 | 一种质子交换膜燃料电池气体供应控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838590B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112467176A (zh) * | 2020-12-04 | 2021-03-09 | 上海燃锐新能源汽车技术有限公司 | 一种燃料电池发动机系统的氢气压力控制方法及装置 |
CN112632757A (zh) * | 2020-12-09 | 2021-04-09 | 南京航空航天大学 | 一种基于混合模糊控制的质子交换膜燃料电池的过氧量实时切换控制装置设计方法 |
CN112886036A (zh) * | 2021-01-08 | 2021-06-01 | 南京航空航天大学 | 一种基于改进灰狼优化的pemfc供气系统控制策略 |
CN116435547A (zh) * | 2023-04-27 | 2023-07-14 | 江苏申氢宸科技有限公司 | 氢燃料电池气体分离方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008010711A1 (de) * | 2008-02-21 | 2009-08-27 | Volkswagen Ag | Verfahren zum Betreiben eines Brennstoffzellensystems |
CN102324536A (zh) * | 2011-07-26 | 2012-01-18 | 浙江吉利汽车研究院有限公司 | 一种车用pemfc压力控制系统 |
CN103116276A (zh) * | 2013-03-04 | 2013-05-22 | 广西大学 | 一种压电陶瓷物镜驱动器的控制方法 |
CN103401501A (zh) * | 2013-04-15 | 2013-11-20 | 湖南大学 | 一种基于模糊自抗扰控制的pmsm伺服系统控制方法 |
CN104636813A (zh) * | 2013-11-12 | 2015-05-20 | 中国科学院沈阳计算技术研究所有限公司 | 一种求解车间作业调度问题的混合遗传模拟退火算法 |
CN104733759A (zh) * | 2015-03-27 | 2015-06-24 | 上海新源动力有限公司 | 一种稳定和可控的燃料电池阳极与阴极操作压差的方法 |
CN109830709A (zh) * | 2019-02-01 | 2019-05-31 | 清华大学 | 燃料电池氢气供给控制方法、计算机设备和储存介质 |
-
2019
- 2019-11-21 CN CN201911149725.6A patent/CN110838590B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008010711A1 (de) * | 2008-02-21 | 2009-08-27 | Volkswagen Ag | Verfahren zum Betreiben eines Brennstoffzellensystems |
CN102324536A (zh) * | 2011-07-26 | 2012-01-18 | 浙江吉利汽车研究院有限公司 | 一种车用pemfc压力控制系统 |
CN103116276A (zh) * | 2013-03-04 | 2013-05-22 | 广西大学 | 一种压电陶瓷物镜驱动器的控制方法 |
CN103401501A (zh) * | 2013-04-15 | 2013-11-20 | 湖南大学 | 一种基于模糊自抗扰控制的pmsm伺服系统控制方法 |
CN104636813A (zh) * | 2013-11-12 | 2015-05-20 | 中国科学院沈阳计算技术研究所有限公司 | 一种求解车间作业调度问题的混合遗传模拟退火算法 |
CN104733759A (zh) * | 2015-03-27 | 2015-06-24 | 上海新源动力有限公司 | 一种稳定和可控的燃料电池阳极与阴极操作压差的方法 |
CN109830709A (zh) * | 2019-02-01 | 2019-05-31 | 清华大学 | 燃料电池氢气供给控制方法、计算机设备和储存介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112467176A (zh) * | 2020-12-04 | 2021-03-09 | 上海燃锐新能源汽车技术有限公司 | 一种燃料电池发动机系统的氢气压力控制方法及装置 |
CN112632757A (zh) * | 2020-12-09 | 2021-04-09 | 南京航空航天大学 | 一种基于混合模糊控制的质子交换膜燃料电池的过氧量实时切换控制装置设计方法 |
CN112886036A (zh) * | 2021-01-08 | 2021-06-01 | 南京航空航天大学 | 一种基于改进灰狼优化的pemfc供气系统控制策略 |
CN116435547A (zh) * | 2023-04-27 | 2023-07-14 | 江苏申氢宸科技有限公司 | 氢燃料电池气体分离方法及系统 |
CN116435547B (zh) * | 2023-04-27 | 2024-03-19 | 江苏申氢宸科技有限公司 | 氢燃料电池气体分离方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110838590B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110838590B (zh) | 一种质子交换膜燃料电池气体供应控制系统及方法 | |
CN113394817B (zh) | 一种风光水火储系统的多能容量优化配置方法 | |
CN109768573B (zh) | 基于多目标差分灰狼算法的配电网无功优化方法 | |
CN109002948B (zh) | 基于cda-bp的微电网短期光伏发电功率预测方法 | |
Ghadimi | Genetically tuning of lead-lag controller in order to control of fuel cell voltage | |
CN106651628B (zh) | 基于图论的区域冷热电综合能源优化配置方法及装置 | |
CN112736268B (zh) | 一种提高sofc系统寿命的控制优化方法和系统 | |
CN111261909A (zh) | 燃料电池系统最大净功率追踪控制装置及方法 | |
CN106777521B (zh) | 基于双链量子遗传算法的发电机组涉网参数优化方法 | |
CN110365050A (zh) | 基于差分元胞遗传算法的dwf并网多目标优化方法 | |
CN110688746B (zh) | 一种确定sofc系统最优操作点的方法 | |
CN115809810A (zh) | 一种基于低碳经济性的设备改造选型方法及终端 | |
CN112886036B (zh) | 一种基于改进灰狼优化的pemfc供气系统控制策略 | |
CN112563541A (zh) | 一种改进粒子群pid的燃料电池阴极压力控制方法 | |
CN115763908B (zh) | 一种多堆燃料电池系统效率优化的分布式控制方法 | |
Karimi et al. | Voltage control of PEMFC using a new controller based on reinforcement learning | |
CN114723217B (zh) | 碳中和目标下的综合能源供给侧配置方法和系统 | |
CN114825383B (zh) | 一种含分布式光伏配电网三相不平衡两阶段优化方法 | |
CN110970936A (zh) | 一种深度调峰机组一次调频性能计算方法 | |
CN116050461A (zh) | 运用卷积神经网络确定模糊控制理论隶属度函数的改进法 | |
CN114707795A (zh) | 综合能源优化调度方法和系统、电子设备及存储介质 | |
CN114725961A (zh) | 平抑风电波动的制氢系统容量分层优化配置方法 | |
Aghdam et al. | Adjusting PID controllers coefficients to control fuel cell using genetic algorithm | |
CN112508424A (zh) | 综合能源系统能流计算中天然气子系统计算初值选定方法 | |
CN117526374B (zh) | 匹配波动电源实时出力的新能源制氢系统控制方法及装置 |
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 |