CN112331888A - 一种基于仿真模型的燃料电池电堆模拟器 - Google Patents
一种基于仿真模型的燃料电池电堆模拟器 Download PDFInfo
- Publication number
- CN112331888A CN112331888A CN202011177082.9A CN202011177082A CN112331888A CN 112331888 A CN112331888 A CN 112331888A CN 202011177082 A CN202011177082 A CN 202011177082A CN 112331888 A CN112331888 A CN 112331888A
- Authority
- CN
- China
- Prior art keywords
- discharge
- calculating
- power
- stack
- fuel cell
- 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.)
- Pending
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 87
- 238000004088 simulation Methods 0.000 title claims abstract description 32
- 238000004891 communication Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 99
- 230000010287 polarization Effects 0.000 claims description 88
- 230000002441 reversible effect Effects 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 23
- 238000010438 heat treatment Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 20
- 239000012528 membrane Substances 0.000 claims description 19
- 239000001257 hydrogen Substances 0.000 claims description 17
- 229910052739 hydrogen Inorganic materials 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000010998 test method Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 2
- 238000000691 measurement method Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
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
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04305—Modeling, demonstration models of fuel cells, e.g. for training purposes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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)
- Health & Medical Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Manufacturing & Machinery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electrochemistry (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Fuel Cell (AREA)
Abstract
本发明公开了一种基于仿真模型的燃料电池电堆模拟器,包括顺次相连的通信单元、微处理器单元和显示单元;所述通信单元将接收到的用户发送的输入参数发送至微处理器单元;所述微处理器单元基于接收到的输入参数,以及预设的燃料电池电堆仿真模型,计算出仿真燃料电池电堆的运行状态,并发送至通信单元,由通信单元反馈给用户;所述显示单元实时显示仿真燃料电池电堆的运行状态。本发明的模拟器带有通信单元,用户可以通过通信单元与模拟器进行实时交互,调整模拟器输入参数并获得对应的模拟器输出参数。
Description
技术领域
本发明属于燃料电池技术领域,具体涉及一种基于仿真模型的燃料电池电堆模拟器。
背景技术
燃料电池是一种将燃料的化学能直接转化为电能的装置,与传统的热机相比,具有运行效率高、清洁无污染、噪音低等优点,有望解决能源系统的环境污染问题。目前,燃料电池已经在汽车、无人机、固定式发电等领域开始推广应用,未来有广阔的应用前景。
电堆是燃料电池的核心部件,由膜电极、双极板、集流板、端板等部件层叠而成,其中膜电极的性能是决定电堆输出特性的决定性因素。影响膜电极性能的主要技术指标包括欧姆内阻、参考交换电流密度、电化学活性面积、极限电流密度等。在电堆工作过程中,操作条件也会影响电堆输出特性,包括温度、压力、湿度、氢气计量比、空气计量比等。
在开发燃料电池系统、燃料电池发动机以及燃料电池测试平台的过程中,需要进行大量测试。如果直接采用燃料电池电堆进行测试,电堆采购成本较高,而且需要消耗大量氢气,存在安全风险。电堆在运行过程中会产生性能衰减,极端工况会加速电堆老化,操作不当还可能造成电堆损坏,无法长期保持稳定一致的输出特性。对于燃料电池测试平台,需要适应不同功率范围、不同输出特性的电堆,采用真实的燃料电池电堆无法满足这一需求。因此,有必要采用燃料电池电堆模拟器来实现稳定、可控的放电特性,可以大大降低测试成本、缩短开发周期。
现有的燃料电池电堆模拟器大多是将试验测得的电堆极化曲线数据写入程序,通过数据拟合的方式计算电堆输出,不能完全满足开发燃料电池系统、燃料电池发动机和燃料电池测试平台的测试需求。主要存在以下问题:1)依赖于试验数据,只能模拟一种或者几种电堆,无法灵活的调整输出特性;2)不具备模拟电堆故障的功能,不能用于开发电堆故障诊断方法。
发明内容
针对上述问题,本发明提出一种基于仿真模型的燃料电池电堆模拟器,带有通信单元,用户可以通过通信单元与模拟器进行实时交互,调整模拟器输入参数并获得对应的模拟器输出参数。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种基于仿真模型的燃料电池电堆模拟器,包括顺次相连的通信单元、微处理器单元和显示单元;
所述通信单元将接收到的用户发送的输入参数发送至微处理器单元;
所述微处理器单元基于接收到的输入参数,以及预设的燃料电池电堆仿真模型,计算出仿真燃料电池电堆的运行状态,并发送至通信单元,由通信单元反馈给用户;
所述显示单元实时显示仿真燃料电池电堆的运行状态。
可选地,所述输入参数包括电堆操作条件和电堆放电模式。
可选地,所述微处理器单元包括计算模块,所述计算模块包括可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块;所述可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块基于接收到的输入参数分别计算出可逆电压Er、活化极化过电势ΔVact、欧姆极化过电势ΔVohm和浓差极化过电势ΔVconc。
可选地,所述预设的燃料电池电堆仿真模型包括:
放电电压计算公式:Estack=Er-ΔVact-ΔVohm-ΔVconc=f1(I)
电堆效率计算公式η=Estack/Er;
放电功率计算公式Power=Estack·I;
发热功率计算公式H=(Er-Estack)·I。
可选地,当电堆放电模式为恒电流放电时,将电堆放电电流I和电堆操作条件作为输入参数;
将由所述可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块分别计算出的可逆电压Er、活化极化过电势ΔVact、欧姆极化过电势ΔVohm和浓差极化过电势ΔVconc带入放电电压公式,计算出放电电压Estack,Estack=Er-ΔVact-ΔVohm-ΔVconc=f1(I);
基于所述电堆效率计算公式,计算出电堆效率;
基于所述放电功率计算公式,计算出放电功率;
基于所述发热功率计算公式,计算出发热功率。
可选地,当电堆放电模式为恒压放电时,将电堆放电电压Estack和电堆操作条件作为输入参数;
设定放电电流初值I0,将所述放电电流初值I0带入放电电压计算公式E0=f1(I0),计算出相应的放电电压E0;
比较计算出的放电电压E0和电堆放电电压Estack,通过优化算法调整放电电流,将调整后的放电电流I1,带入E1=f1(I1)计算出相应的放电电压E1;
继续通过优化算法调整放电电流,进行迭代计算,直到计算出的放电电压En与电堆放电电压Estack的误差满足|En-Estack|<Tolerance1,确定最终的放电电流In;
基于电堆效率计算公式η=En/Er,计算出电堆效率;
基于放电功率计算公式Power=En·In,计算出放电功率;
基于发热功率计算公式H=(Er-En)·In,计算出发热功率。
可选地,当电堆放电模式为恒功率放电时,将电堆放电功率Power和电堆操作条件作为输入参数;
设定放电电流初值I0,将所述放电电流初值I0带入放电电压计算公式E0=f1(I0),计算出相应的放电电压E0,进而基于Power0=E0·I0=f1(I0)·I0,计算出放电功率Power0;
比较计算出的放电功率Power0和电堆放电功率Power,通过优化算法调整放电电流,将调整后的放电电流I1,带入E1=f1(I1)计算出相应的放电电压E1,进而基于Power1=E1·I1=f1(I1)·I1,计算出放电功率Power1;;
继续通过优化算法调整放电电流,进行迭代计算,直到计算出的放电功率Powern与电堆放电功率Power的误差满足|Powern-Power|<Tolerance2,确定最终的放电电流In;
基于电堆效率计算公式η=En/Er,计算出电堆效率;
基于放电功率计算公式Power=En·In,计算出放电功率;
基于发热功率计算公式H=(Er-En)·In,计算出发热功率。
可选地,所述计算模块包括还故障仿真子模块,所述故障仿真子模块包括机器学习模型,所述机器学习模型是基于电堆典型故障状态的基准测试试验建立的,用于计算电堆故障造成的电压损失Eloss;
所述可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块分别计算出可逆电压Er、活化极化过电势ΔVact、欧姆极化过电势ΔVohm和浓差极化过电势ΔVconc;
将所述可逆电压Er、活化极化过电势ΔVact、欧姆极化过电势ΔVohm和浓差极化过电势ΔVconc带入放电电压公式,计算出放电电压Estack,Estack=Er-ΔVact-ΔVohm-ΔVconc=f1(I);
扣除电堆故障造成的电压损失Eloss,得到电堆故障状态下的放电电压Efault,Efault=Estack-Eloss;
基于电堆效率计算公式η=Efault/Er计算出电堆故障状态下的电堆效率η;
基于放电功率计算公式Power=Efault·I计算出电堆故障状态下的放电功率Power;
基于发热功率计算公式H=(Er-Efault)·I计算出电堆故障状态下的发热功率H。
可选地,所述计算模块中包含一组完备的燃料电池电堆技术参数,所述燃料电池电堆技术参数包括膜电极活性面积、电池单元数量、欧姆内阻、膜电极透氢电流密度、膜电极参考交换电流密度、膜电极电化学活性面积、膜电极极限电流密度,所述燃料电池电堆技术参数分别作为可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块的模型参数;
所述燃料电池电堆技术参数的获取方法包括:
测量法:通过试验的方法直接测得;或
参数拟合法:测量不同电堆操作条件下的极化曲线,通过参数拟合方法获得;
当调整各燃料电池电堆技术参数的具体数值时,可模拟多种不同的电堆。
可选地,所述电堆操作条件包括电堆操作温度T、空气入口流量Qair、空气入口湿度RHair、空气流道背压Pair、氢气入口流量QH2、氢气入口湿度RHH2和氢气流道背压PH2。
与现有技术相比,本发明的有益效果:
(1)本发明提出一种基于仿真模型的燃料电池电堆模拟器,带有通信单元,用户可以通过通信单元与模拟器进行实时交互,调整模拟器输入参数并获得对应的模拟器输出参数,能够用于燃料电池系统、燃料电池发动机以及燃料电池测试平台的开发和测试,可以大大降低测试成本。
(2)本发明的燃料电池电堆模拟器通过仿真电堆的电化学、传热、传质过程,能够准确的模拟燃料电池电堆输出特性。
(3)本发明的燃料电池电堆模拟器的包含完备的电堆技术参数,通过调整这些参数可以模拟多种不同的电堆。
(4)本发明的燃料电池电堆模拟器具备模拟电堆故障状态的功能,可以用于开发燃料电池电堆故障诊断方法。
附图说明
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1为本发明一种实施例的基于仿真模型的燃料电池电堆模拟器的结构示意图;
图2为本发明一种实施例的基于仿真模型的燃料电池电堆模拟器的原理示意图;
图3为本发明一种实施例的计算模块的计算原理示意图。
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的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
现有的燃料电池电堆模拟器大多是将试验测得的电堆极化曲线数据写入程序,通过数据拟合的方式计算电堆输出,不能完全满足开发燃料电池系统、燃料电池发动机和燃料电池测试平台的测试需求。主要存在以下问题:1)依赖于试验数据,只能模拟一种或者几种电堆,无法灵活的调整输出特性;2)不具备模拟电堆故障的功能,不能用于开发电堆故障诊断方法。为此,本发明提出一种基于仿真模型的燃料电池电堆模拟器,带有通信单元,用户可以通过通信单元与模拟器进行实时交互,调整模拟器输入参数并获得对应的模拟器输出参数,能够用于燃料电池系统、燃料电池发动机以及燃料电池测试平台的开发和测试,可以大大降低测试成本。
实施例1
如图1所示,本发明实施例中提出了一种基于仿真模型的燃料电池电堆模拟器,包括顺次相连的通信单元、微处理器单元和显示单元;
所述通信单元将接收到的用户发送的输入参数发送至微处理器单元;
所述微处理器单元基于接收到的输入参数,以及预设的燃料电池电堆仿真模型,计算出仿真燃料电池电堆的运行状态,并发送至通信单元,由通信单元反馈给用户;
所述显示单元实时显示仿真燃料电池电堆的运行状态;在实际应用过程中,所述仿真燃料电池电堆的运行状态包括放电电流、放电电压、燃料电池电堆效率、放电功率、发热功率、故障状态等。
所述计算模块中包含一组完备的燃料电池电堆技术参数,所述燃料电池电堆技术参数包括膜电极活性面积、电池单元数量、欧姆内阻、膜电极透氢电流密度、膜电极参考交换电流密度、膜电极电化学活性面积、膜电极极限电流密度,所述燃料电池电堆技术参数分别作为可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块的模型参数。在具体实施过程中,所述燃料电池电堆技术参数可以通过以下两种方法获得:
方法一、测量法:通过试验的方法直接测得相关技术参数;
方法二、参数拟合法:测量不同电堆操作条件(电堆操作温度T、空气入口流量Qair、空气入口湿度RHair、空气流道背压Pair、氢气入口流量QH2、氢气入口湿度RHH2、氢气流道背压PH2)下的极化曲线,通过参数拟合方法获得相关技术参数。
所述输入参数包括电堆操作条件和电堆放电模式;所述电堆操作条件包括电堆操作温度T、空气入口流量Qair、空气入口湿度RHair、空气流道背压Pair、氢气入口流量QH2、氢气入口湿度RHH2和氢气流道背压PH2;所述电堆放电模式包括恒电流放电、恒压放电和恒功率放电,其中,放电模式为恒电流放电时,需要用户指定放电电流;放电模式为恒压放电时,需要用户指定放电电压;放电模式为恒功率放电时,需要用户指定放电功率。
所述微处理器单元包括计算模块,所述计算模块包括可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块;所述可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块基于接收到的输入参数分别计算出可逆电压Er、活化极化过电势ΔVact、欧姆极化过电势ΔVohm和浓差极化过电势ΔVconc。
所述预设的燃料电池电堆仿真模型包括:
放电电压计算公式:Estack=Er-ΔVact-ΔVohm-ΔVconc=f1(I)
电堆效率计算公式η=Estack/Er;
放电功率计算公式Power=Estack·I;
发热功率计算公式H=(Er-Estack)·I。
当电堆放电模式为恒电流放电时,将电堆放电电流I和电堆操作条件作为输入参数;
将由所述可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块分别计算出的可逆电压Er、活化极化过电势ΔVact、欧姆极化过电势ΔVohm和浓差极化过电势ΔVconc带入放电电压公式,计算出放电电压Estack,Estack=Er-ΔVact-ΔVohm-ΔVconc=f1(I);
基于所述电堆效率计算公式,计算出电堆效率;
基于所述放电功率计算公式,计算出放电功率;
基于所述发热功率计算公式,计算出发热功率。
当电堆放电模式为恒压放电时,将电堆放电电压Estack和电堆操作条件作为输入参数;
设定放电电流初值I0,将所述放电电流初值I0带入放电电压计算公式E0=f1(I0),计算出相应的放电电压E0;
比较计算出的放电电压E0和电堆放电电压Estack,通过优化算法调整放电电流,将调整后的放电电流I1,带入E1=f1(I1)计算出相应的放电电压E1;
继续通过优化算法调整放电电流,进行迭代计算,直到计算出的放电电压En与电堆放电电压Estack的误差满足|En-Estack|<Tolerance1,确定最终的放电电流In;
基于电堆效率计算公式η=En/Er,计算出电堆效率;
基于放电功率计算公式Power=En·In,计算出放电功率;
基于发热功率计算公式H=(Er-En)·In,计算出发热功率。
当电堆放电模式为恒功率放电时,将电堆放电功率Power和电堆操作条件作为输入参数;
设定放电电流初值I0,将所述放电电流初值I0带入放电电压计算公式E0=f1(I0),计算出相应的放电电压E0,进而基于Power0=E0·I0=f1(I0)·I0,计算出放电功率Power0;
比较计算出的放电功率Power0和电堆放电功率Power,通过优化算法调整放电电流,将调整后的放电电流I1,带入E1=f1(I1)计算出相应的放电电压E1,进而基于Power1=E1·I1=f1(I1)·I1,计算出放电功率Power1;;
继续通过优化算法调整放电电流,进行迭代计算,直到计算出的放电功率Powern与电堆放电功率Power的误差满足|Powern-Power|<Tolerance2,确定最终的放电电流In;
基于电堆效率计算公式η=En/Er,计算出电堆效率;
基于放电功率计算公式Power=En·In,计算出放电功率;
基于发热功率计算公式H=(Er-En)·In,计算出发热功率。
实施例2
基于实施例1,本发明实施例与实施例1的区别在于:
所述计算模块包括还故障仿真子模块,所述故障仿真子模块包括机器学习模型,所述机器学习模型是基于电堆典型故障状态(包括水淹、膜干、缺气、短路、催化剂中毒等)的基准测试试验建立的,用于计算电堆故障造成的电压损失Eloss;所述的机器学习模型的学习方法为K近邻、贝叶斯网络、支持向量机、人工神经网络或深度学习中的任意一种。
所述可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块分别计算出可逆电压Er、活化极化过电势ΔVact、欧姆极化过电势ΔVohm和浓差极化过电势ΔVconc;
将所述可逆电压Er、活化极化过电势ΔVact、欧姆极化过电势ΔVohm和浓差极化过电势ΔVconc带入放电电压公式,计算出放电电压Estack,Estack=Er-ΔVact-ΔVohm-ΔVconc=f1(I);
扣除电堆故障造成的电压损失Eloss,得到电堆故障状态下的放电电压Efault,Efault=Estack-Eloss;
基于电堆效率计算公式η=Efault/Er计算出电堆故障状态下的电堆效率η;
基于放电功率计算公式Power=Efault·I计算出电堆故障状态下的放电功率Power;
基于发热功率计算公式H=(Er-Efault)·I计算出电堆故障状态下的发热功率H。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于仿真模型的燃料电池电堆模拟器,其特征在于:包括顺次相连的通信单元、微处理器单元和显示单元;
所述通信单元将接收到的用户发送的输入参数发送至微处理器单元;
所述微处理器单元基于接收到的输入参数,以及预设的燃料电池电堆仿真模型,计算出仿真燃料电池电堆的运行状态,并发送至通信单元,由通信单元反馈给用户;
所述显示单元实时显示仿真燃料电池电堆的运行状态。
2.根据权利要求1所述的一种基于仿真模型的燃料电池电堆模拟器,其特征在于,所述输入参数包括电堆操作条件和电堆放电模式。
3.根据权利要求2所述的一种基于仿真模型的燃料电池电堆模拟器,其特征在于:所述微处理器单元包括计算模块,所述计算模块包括可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块;所述可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块基于接收到的输入参数分别计算出可逆电压Er、活化极化过电势ΔVact、欧姆极化过电势ΔVohm和浓差极化过电势ΔVconc。
4.根据权利要求3所述的一种基于仿真模型的燃料电池电堆模拟器,其特征在于:所述预设的燃料电池电堆仿真模型包括:
放电电压计算公式:Estack=Er-ΔVact-ΔVohm-ΔVconc=f1(I)
电堆效率计算公式η=Estack/Er;
放电功率计算公式Power=Estack·I;
发热功率计算公式H=(Er-Estack)·I。
5.根据权利要求4所述的一种基于仿真模型的燃料电池电堆模拟器,其特征在于:当电堆放电模式为恒电流放电时,将电堆放电电流I和电堆操作条件作为输入参数;
将由所述可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块分别计算出的可逆电压Er、活化极化过电势ΔVact、欧姆极化过电势ΔVohm和浓差极化过电势ΔVconc带入放电电压计算公式,计算出放电电压Estack,Estack=Er-ΔVact-ΔVohm-ΔVconc=f1(I);
基于所述电堆效率计算公式,计算出电堆效率;
基于所述放电功率计算公式,计算出放电功率;
基于所述发热功率计算公式,计算出发热功率。
6.根据权利要求4所述的一种基于仿真模型的燃料电池电堆模拟器,其特征在于:当电堆放电模式为恒压放电时,将电堆放电电压Estack和电堆操作条件作为输入参数;
设定放电电流初值I0,将所述放电电流初值I0带入放电电压计算公式E0=f1(I0),计算出相应的放电电压E0;
比较计算出的放电电压E0和电堆放电电压Estack,通过优化算法调整放电电流,将调整后的放电电流I1,带入E1=f1(I1)计算出相应的放电电压E1;
继续通过优化算法调整放电电流,进行迭代计算,直到计算出的放电电压En与电堆放电电压Estack的误差满足|En-Estack|<Tolerance1,确定最终的放电电流In;
基于电堆效率计算公式η=En/Er,计算出电堆效率;
基于放电功率计算公式Power=En·In,计算出放电功率;
基于发热功率计算公式H=(Er-En)·In,计算出发热功率。
7.根据权利要求4所述的一种基于仿真模型的燃料电池电堆模拟器,其特征在于:当电堆放电模式为恒功率放电时,将电堆放电功率Power和电堆操作条件作为输入参数;
设定放电电流初值I0,将所述放电电流初值I0带入放电电压计算公式E0=f1(I0),计算出相应的放电电压E0,进而基于Power0=E0·I0=f1(I0)·I0,计算出放电功率Power0;
比较计算出的放电功率Power0和电堆放电功率Power,通过优化算法调整放电电流,将调整后的放电电流I1,带入E1=f1(I1)计算出相应的放电电压E1,进而基于Power1=E1·I1=f1(I1)·I1,计算出放电功率Power1;;
继续通过优化算法调整放电电流,进行迭代计算,直到计算出的放电功率Powern与电堆放电功率Power的误差满足|Powern-Power|<Tolerance2,确定最终的放电电流In;
基于电堆效率计算公式η=En/Er,计算出电堆效率;
基于放电功率计算公式Power=En·In,计算出放电功率;
基于发热功率计算公式H=(Er-En)·In,计算出发热功率。
8.根据权利要求4所述的一种基于仿真模型的燃料电池电堆模拟器,其特征在于:所述计算模块包括还故障仿真子模块,所述故障仿真子模块包括机器学习模型,所述机器学习模型是基于电堆典型故障状态的基准测试试验建立的,用于计算电堆故障造成的电压损失Eloss;
所述可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块分别计算出可逆电压Er、活化极化过电势ΔVact、欧姆极化过电势ΔVohm和浓差极化过电势ΔVconc;
将所述可逆电压Er、活化极化过电势ΔVact、欧姆极化过电势ΔVohm和浓差极化过电势ΔVconc带入放电电压公式,计算出放电电压Estack,Estack=Er-ΔVact-ΔVohm-ΔVconc=f1(I);
扣除电堆故障造成的电压损失Eloss,得到电堆故障状态下的放电电压Efault,Efault=Estack-Eloss;
基于电堆效率计算公式η=Efault/Er计算出电堆故障状态下的电堆效率η;
基于放电功率计算公式Power=Efault·I计算出电堆故障状态下的放电功率Power;
基于发热功率计算公式H=(Er-Efault)·I计算出电堆故障状态下的发热功率H。
9.根据权利要求2所述的一种基于仿真模型的燃料电池电堆模拟器,其特征在于:所述电堆操作条件包括电堆操作温度T、空气入口流量Qair、空气入口湿度RHair、空气流道背压Pair、氢气入口流量QH2、氢气入口湿度RHH2和氢气流道背压PH2。
10.根据权利要求3所述的一种基于仿真模型的燃料电池电堆模拟器,其特征在于:所述计算模块中包含一组完备的燃料电池电堆技术参数,所述燃料电池电堆技术参数包括膜电极活性面积、电池单元数量、欧姆内阻、膜电极透氢电流密度、膜电极参考交换电流密度、膜电极电化学活性面积、膜电极极限电流密度,所述燃料电池电堆技术参数分别作为可逆电压计算子模块、活化极化过电势计算子模块、欧姆极化过电势计算子模块、浓差极化过电势计算子模块的模型参数;
所述燃料电池电堆技术参数的获取方法包括:
测量法:通过试验的方法直接测得;或
参数拟合法:测量不同电堆操作条件下的极化曲线,通过参数拟合方法获得;
当调整各燃料电池电堆技术参数的具体数值时,可模拟多种不同的电堆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011177082.9A CN112331888A (zh) | 2020-10-29 | 2020-10-29 | 一种基于仿真模型的燃料电池电堆模拟器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011177082.9A CN112331888A (zh) | 2020-10-29 | 2020-10-29 | 一种基于仿真模型的燃料电池电堆模拟器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112331888A true CN112331888A (zh) | 2021-02-05 |
Family
ID=74297062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011177082.9A Pending CN112331888A (zh) | 2020-10-29 | 2020-10-29 | 一种基于仿真模型的燃料电池电堆模拟器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112331888A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113036185A (zh) * | 2021-03-02 | 2021-06-25 | 武汉理工大学 | 一种基于萤火虫算法的氢氧燃料电池模型优化方法 |
CN113255244A (zh) * | 2021-05-13 | 2021-08-13 | 翁鹏程 | 燃料电池系统仿真测试平台、方法及存储介质 |
CN113561853A (zh) * | 2021-06-08 | 2021-10-29 | 北京科技大学 | 燃料电池系统在线故障诊断方法及装置 |
CN115000464A (zh) * | 2022-08-02 | 2022-09-02 | 中车工业研究院(青岛)有限公司 | 一种pemfc的参数调控方法、装置、设备及介质 |
-
2020
- 2020-10-29 CN CN202011177082.9A patent/CN112331888A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113036185A (zh) * | 2021-03-02 | 2021-06-25 | 武汉理工大学 | 一种基于萤火虫算法的氢氧燃料电池模型优化方法 |
CN113036185B (zh) * | 2021-03-02 | 2022-07-29 | 武汉理工大学 | 一种基于萤火虫算法的氢氧燃料电池模型优化方法 |
CN113255244A (zh) * | 2021-05-13 | 2021-08-13 | 翁鹏程 | 燃料电池系统仿真测试平台、方法及存储介质 |
CN113561853A (zh) * | 2021-06-08 | 2021-10-29 | 北京科技大学 | 燃料电池系统在线故障诊断方法及装置 |
CN115000464A (zh) * | 2022-08-02 | 2022-09-02 | 中车工业研究院(青岛)有限公司 | 一种pemfc的参数调控方法、装置、设备及介质 |
CN115000464B (zh) * | 2022-08-02 | 2022-10-25 | 中车工业研究院(青岛)有限公司 | 一种pemfc的参数调控方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112331888A (zh) | 一种基于仿真模型的燃料电池电堆模拟器 | |
CN110190306B (zh) | 一种用于燃料电池系统的在线故障诊断方法 | |
CN113097542B (zh) | 一种基于Amesim的燃料电池空气系统建模仿真方法 | |
CN106848352B (zh) | 基于电堆模拟器的燃料电池空气供应子系统匹配测试方法 | |
CN107180983B (zh) | 一种固体氧化物燃料电池电堆故障诊断方法和系统 | |
Kim et al. | State-of-health diagnosis based on hamming neural network using output voltage pattern recognition for a PEM fuel cell | |
Yuan et al. | A novel model-based internal state observer of a fuel cell system for electric vehicles using improved Kalman filter approach | |
CN114707369B (zh) | 一种基于空压机的燃料电池空路子系统建模仿真方法 | |
CN113406505A (zh) | 一种燃料电池的剩余寿命预测方法及装置 | |
CN112736268B (zh) | 一种提高sofc系统寿命的控制优化方法和系统 | |
CN112289385A (zh) | 大功率质子交换膜燃料电池电堆电化学阻抗谱预测方法 | |
CN103336867B (zh) | 质子交换膜燃料电池模型优化处理方法 | |
CN113782778B (zh) | 基于定频阻抗和气体压降的电堆水管理调控方法及装置 | |
CN110276120B (zh) | 一种基于电热耦合的全钒液流电池储能系统等效方法 | |
CN110752391A (zh) | 一种燃料电池半实物仿真平台 | |
Ma et al. | Impedance prediction model based on convolutional neural networks methodology for proton exchange membrane fuel cell | |
Chen et al. | Research on improving dynamic response ability of 30kW real fuel cell system based on operating parameter optimization | |
CN114048772A (zh) | 一种燃料电池装置的故障诊断方法、系统及存储介质 | |
CN113488680B (zh) | 基于simulink的燃料电池电堆冷启动建模仿真试验方法 | |
Wei et al. | Estimating PEMFC ohmic internal impedance based on indirect measurements | |
CN116231013A (zh) | 燃料电池故障嵌入模型的建立方法 | |
CN114824373B (zh) | 一种仿真试验联合的燃料电池性能优化方法、装置及设备 | |
CN116384167A (zh) | 燃料电池无人机动力系统寿命优化的能量管理方法及系统 | |
Lv et al. | Modeling & Dynamic Simulation of High-Power Proton Exchange Membrane Fuel Cell Systems | |
CN113780537B (zh) | 一种质子交换膜燃料电池发电系统的故障诊断方法及装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231214 Address after: No. 1-251, No. 129, South Section of Hanguang Road, Yanta District, Xi'an City, Shaanxi Province, 710000 Applicant after: Zhao Guilan Address before: 215300 Room 315, Room A3, Room 268 Dengyun Road, Yushan Town, Kunshan City, Suzhou City, Jiangsu Province Applicant before: Kunshan Zhihydrogen Information Technology Co.,Ltd. |