CN112615030B - 一种固定式发电用燃料电池机组控制系统及控制方法 - Google Patents
一种固定式发电用燃料电池机组控制系统及控制方法 Download PDFInfo
- Publication number
- CN112615030B CN112615030B CN202011457853.XA CN202011457853A CN112615030B CN 112615030 B CN112615030 B CN 112615030B CN 202011457853 A CN202011457853 A CN 202011457853A CN 112615030 B CN112615030 B CN 112615030B
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- unit
- supply unit
- hydrogen
- load
- 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
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 69
- 238000010248 power generation Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 23
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 61
- 239000001257 hydrogen Substances 0.000 claims abstract description 60
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 60
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 47
- 229910001868 water Inorganic materials 0.000 claims abstract description 47
- 230000008859 change Effects 0.000 claims abstract description 28
- 238000013136 deep learning model Methods 0.000 claims abstract description 18
- 230000000737 periodic effect Effects 0.000 claims abstract description 6
- 238000004146 energy storage Methods 0.000 claims description 31
- 239000012528 membrane Substances 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012546 transfer 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
-
- 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
本发明公开了一种固定式发电用燃料电池机组控制系统及控制方法，控制系统的供电单元分别与氢气供给单元、空气供给单元、水循环单元连接，控制中心分别与氢气供给单元、空气供给单元、水循环单元、供电单元连接并获取各个单元的运行数据，并基于历史运行数据训练控制中心内置的深度学习模型，提取周期类负载变化的规律特征用于预测后续负载的预期值，在变载需求到达之前，预下达控制指令使上述四个单元中的各设备提前适配对应负载需求。本发明通过深度学习模型实现控制中心对具有规律性的负荷变化的预测能力，缩短系统由于负载变化产生的各设备运行状态调整时间，提升系统运行效率与有效寿命，最大限度保障氢燃料电池时刻处于稳定适宜的运行环境。
Description
技术领域
本发明涉及能源动力技术领域，具体涉及一种固定式发电用燃料电池机组控制系统及控制方法。
背景技术
燃料电池系统是以氢气为燃料供给的新型发电技术，具有高能量效率、响应速度快、结构紧凑、无污染、无噪音等优势。燃料电池技术已广泛应用于交通运输等领域并展现其独有的优势，同时也可应用于发电或备用电站、基站等固定设施，用于传统化石能源电站替代或孤网能源供给。
燃料电池技术可通过氢电转化发出直流电，与传统发电系统相比，氢燃料电池系统结构紧凑、效率高等诸多优势，但是电堆对运行条件较为敏感，气水管路供应不足将引起电堆性能损伤，供应过量又将导致运行效率的下降，因此必须维持运行期间的氢、氧、水等稳定合理供应，才能确保系统效率与设备安全。应用于发电侧的燃料电池系统通常伴随有变载需求，需通过调节系统各运行参数以改变系统输出功率。然而由于水泵、风机等部件控制的工质传输速率与传热速率远慢于电化学反应，因此当依照变载信号即时控制系统各辅机动作时，将出现参数变化滞后现象，引起系统效率降低与设备性能衰减。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中燃料电池系统效率低与设备性能易衰减的缺陷，与车载动力应用相比，固定式发电需求普遍更具有规律性，基于历史运行数值的负荷预测具有良好的前景和可实施性，从而提供一种固定式发电用燃料电池机组控制系统及控制方法，可以缩短负载变化时的系统稳定时间，提高系统运行效率与设备有效寿命。
为达到上述目的，本发明提供如下技术方案：
第一方面，本发明实施例提供固定式发电用燃料电池机组控制系统，包括：氢气供给单元、空气供给单元、水循环单元、供电单元及控制中心，其中供电单元分别与氢气供给单元、空气供给单元、水循环单元连接，控制中心分别与氢气供给单元、空气供给单元、水循环单元、供电单元连接并获取各个单元的运行数据，并基于历史运行数据训练控制中心内置的深度学习模型，提取周期类负载变化的规律特征，并基于所述规律特征预测后续负载的预期值，并在变载需求到达之前，预下达控制指令使上述四个单元中的各设备提前适配对应负载需求。
在一实施例中，在变载需求到达前，控制中心根据各设备响应特性差异控制分批次先后调整。
在一实施例中，氢气供给单元包括：储氢罐、减压阀、背压阀；
水循环单元包括：换热器、水箱、水泵；
空气供给单元包括：膜加湿器、风机、过滤器；
供电单元包括：DC/AC转换器、氢燃料电池、储能单元；
在运行阶段，氢燃料电池并联储能单元，通过DC/AC转换器向外界供能，减压阀控制储氢罐流向氢燃料电池的氢气量，电堆未利用的氢气流经背压阀后排出；空气经过滤器净化后由风机加压通入膜加湿器来向氢燃料电池供应湿润空气，从氢燃料电池流出的湿润空气为膜加湿器提供加湿来源；高温循环水经过换热器降温后流经水箱后再通过水泵打入氢燃料电池，换热器联通外部水路以持续带走系统产热；控制中心通过发送控制指令统筹调节减压阀、水泵、风机协调工作，保障电堆安全稳定运行，通过水循环对外供给恒温热水。
在一实施例中，当深度学习模型预测的预期负载值与实际负荷变化信号之间存在偏差时，通过控制储能单元即时补充输出偏差值。
在一实施例中，系统在大功率输出时由储能单元与氢燃料电池同时供能，在系统需求负荷较低时，控制中心根据储能单元充能比例，主动在预测负载值基础上加入预调节偏差量，保障储能单元充能比保持在半载。
在一实施例中，基于深度学习模型预测数据的时间周期包括：小时、天、周、月、年。
第二方面，本发明实施例提供一种固定式发电用燃料电池机组控制方法，包括：
获取燃料电池机组中氢气供给单元、空气供给单元、水循环单元、供电单元的运行数据；
基于历史运行数据训练深度学习模型，提取周期类负载变化的规律特征，并基于所述规律特征预测后续负载的预期值；
在变载需求到达之前，预下达控制指令使上述四个单元中的各设备提前适配对应负载需求。
第三方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行本发明实施例第二方面的固定式发电用燃料电池机组控制方法。
本发明技术方案，具有如下优点：
1、本发明提供的固定式发电用燃料电池机组控制系统及控制方法，通过深度学习模型实现控制中心对规律性负荷变化的预测能力，加快系统达到新时刻负载信号需求运行工况，从而缩短系统变载时间，提高系统运行效率与设备有效寿命。
2、本发明提供的固定式发电用燃料电池机组控制系统，当深度学习预测模型预测的预期负载值与实际负荷变化信号之间存在偏差时，通过控制储能单元即时补充输出偏差值，来为系统运行状态修正争取时间。
3、本发明提供的固定式发电用燃料电池机组控制系统，在大功率输出时由储能单元与氢燃料电池同时供能，在系统需求负荷较低时，控制中心控制氢燃料电池对储能单元充电，以提升氢燃料电池运行负荷与效率，控制中心根据储能单元充能比例，主动在预测负载值基础上加入预调节偏差量，来使储能单元更大概率可以在后续工作中优先进入所需要的充电/放电过程，保障储能单元充能比保持在半载。
4、本发明提供的固定式发电用燃料电池机组控制系统，在变载需求到达前，控制中心根据各设备响应特性差异控制分批次先后调整，最大限度保障氢燃料电池的稳定合理运行环境，抑制电堆受变载影响的性能衰减并提升各工况下电堆效率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1本发明实施例中提供的固定式发电用燃料电池机组控制系统的的模块组成及连接示意图；
图2为本发明实施例中提供的固定式发电用燃料电池机组控制系统的一个具体示例的模块组成图；
图3为本发明实施例提供的固定式发电用燃料电池机组控制方法的流程示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供一种固定式发电用燃料电池机组控制系统，如图1所示，包括：氢气供给单元、空气供给单元、水循环单元、供电单元及控制中心；其中供电单元分别与氢气供给单元、空气供给单元、水循环单元连接，控制中心分别与氢气供给单元、空气供给单元、水循环单元、供电单元连接并获取各个单元的运行数据，并基于历史运行数据训练控制中心内置的深度学习模型，提取周期类负载变化的规律特征，并基于所述规律特征预测后续负载的预期值，并在变载需求到达之前，预下达控制指令使上述四个单元中的各设备提前适配对应负载需求。本发明实施例通过深度学习模型提升控制中心对规律性负荷变化的预测能力，缩短系统由于负载变化产生的各设备运行状态调整时间，从而缩短系统变载时间，提升系统长期运行效率与有效寿命。
考虑到固定式发电用燃料电池系统与车用燃料电池系统应用场景差异，固定式电堆负载变化规律性较强，其往往受到地域分布与季节影响较大，因此在一定时间周期内变载需求具有较强规律性，本发明实施例根据系统的应用场景来选取不同时间周期的历史运行数据对深度学习模型进行训练，从而预测对应时间周期的负荷值，当系统应用于对温度要求较高的特殊场合时例如是恒温系统中时，可以选择时间周期为一小时，当应用于家庭使用时可以选择时间周期为一天，如果是工业场所时间周期可以选择一周或一个月，如果是与不同城市所处的地理位置及对应的季节周期不同，所选择时间周期可以为一年，以上仅作为举例说明，实际中根据不同的需求对时间周期进行合理设置。
在一具体实施例中，如图2所示，氢气供给单元包括：储氢罐(1)、减压阀(2)、背压阀(3)；水循环单元包括：换热器(4)、水箱(5)、水泵(6)；空气供给单元包括：膜加湿器(7)、风机(8)、过滤器(9)；供电单元包括：DC/AC转换器(10)、氢燃料电池(11)、储能单元(12)。
在运行阶段，氢燃料电池(11)并联储能单元(12)通过DC/AC转换器(10)向外界供能，减压阀(2)控制储氢罐(1)流向氢燃料电池(11)的氢气量，电堆未利用的氢气流经背压阀(3)后排出；空气经过滤器(9)净化后由风机(8)加压通入膜加湿器(7)来向氢燃料电池(11)供应湿润空气，从氢燃料电池(11)流出的湿润空气为膜加湿器(7)提供加湿来源；高温循环水经过换热器(4)降温后流经水箱(5)后再通过水泵(6)打入氢燃料电池(11)，换热器(4)联通外部水路以持续带走系统产热；控制中心(13)统筹调节减压阀(2)、水泵(6)、风机(8)、储能单元(12)协调工作，保障电堆安全稳定运行，通过水循环对外供给恒温热水。
本发明实施例在变载需求到达前，控制中心根据各设备响应特性差异控制分批次先后启动，最大限度保障氢燃料电池的稳定合理运行环境，抑制电堆受变载影响的性能衰减并提升各工况下电堆效率。实际的各设备中，换热器响应最慢，水泵风机次之，阀门响应最快，在指令控制过程中，依照从慢到快分批次下达，以使系统统一调整，保障各时刻系统工况稳定。
在实际应用中，当深度学习预测模型预测的预期负载值与实际负荷变化信号之间存在偏差时，通过控制储能单元即时补充输出偏差值，来为系统运行状态修正争取时间。系统在大功率输出时由储能单元与氢燃料电池同时供能，以提升系统最大输出能力，在系统需求负荷较低时，控制中心控制氢燃料电池对储能单元充电，以提升氢燃料电池运行负荷与效率。控制中心根据储能单元充能比例，主动在预测负载值基础上加入预调节偏差量，来使储能单元更大概率可以在后续工作中优先进入所需要的充电/放电过程，保障储能单元充能比保持在半载。
实施例2
本发明实施例提供一种固定式发电用燃料电池机组控制方法，该控制方法运行于实施例1中所述的控制中心，如图3所示，包括如下步骤：
步骤S1：获取燃料电池机组中氢气供给单元、空气供给单元、水循环单元、供电单元的运行数据。
步骤S2：基于历史运行数据训练深度学习模型，提取周期类负载变化的规律特征，并基于所述规律特征预测后续负载的预期值；实际中根据不同的需求对时间周期进行合理设置，深度学习模型可以为神经网络模型或者支持向量机等等，通过深度学习模型提升控制中心对规律性负荷变化的预测能力，缩短系统对变载信号的响应时间，从而缩短系统变载时间，提升系统长期运行效率与有效寿命。
步骤S3：在变载需求到达之前，预下达控制指令使上述四个单元中的各设备提前适配对应负载需求。在变载需求到达前，控制中心根据各设备响应速率差异控制分批次先后启动，最大限度保障氢燃料电池的稳定合理运行环境，抑制电堆受变载影响的性能衰减并提升各工况下电堆效率。
本领域技术人员可以理解，实现本实施例提供的控制方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (7)
1.一种固定式发电用燃料电池机组控制系统，其特征在于，包括：氢气供给单元、空气供给单元、水循环单元、供电单元及控制中心，其中供电单元分别与氢气供给单元、空气供给单元、水循环单元连接，控制中心分别与氢气供给单元、空气供给单元、水循环单元、供电单元连接并获取各个单元的运行数据，并基于历史运行数据训练控制中心内置的深度学习模型，提取周期类负载变化的规律特征，并基于所述规律特征预测后续负载的预期值，并在变载需求到达之前，预下达控制指令使上述四个单元中的各设备提前适配对应负载需求；
根据系统的应用场景来选取不同时间周期的历史运行数据对深度学习模型进行训练；
供电单元包括：DC/AC转换器、氢燃料电池、储能单元；
系统在大功率输出时由储能单元与氢燃料电池同时供能，在系统需求负荷较低时，控制中心根据储能单元充能比例，主动在预测负载值基础上加入预调节偏差量，保障储能单元充能比保持在半载。
2.根据权利要求1所述的固定式发电用燃料电池机组控制系统，其特征在于，在变载需求到达前，控制中心根据各设备响应特性差异控制分批次先后调整。
3.根据权利要求1所述的固定式发电用燃料电池机组控制系统，其特征在于，氢气供给单元包括：储氢罐、减压阀、背压阀；
水循环单元包括：换热器、水箱、水泵；
空气供给单元包括：膜加湿器、风机、过滤器；
在运行阶段，氢燃料电池并联储能单元，通过DC/AC转换器向外界供能，减压阀控制储氢罐流向氢燃料电池的氢气量，电堆未利用的氢气流经背压阀后排出；空气经过滤器净化后由风机加压通入膜加湿器来向氢燃料电池供应湿润空气，从氢燃料电池流出的湿润空气为膜加湿器提供加湿来源；高温循环水经过换热器降温后流经水箱后再通过水泵打入氢燃料电池，换热器联通外部水路以持续带走系统产热；控制中心通过发送控制指令统筹调节减压阀、水泵、风机协调工作，保障电堆安全稳定运行，通过水循环对外供给恒温热水。
4.根据权利要求3所述的固定式发电用燃料电池机组控制系统，其特征在于，当深度学习模型预测的预期负载值与实际负荷变化信号之间存在偏差时，通过控制储能单元即时补充输出偏差值。
5.根据权利要求1-4任一所述的固定式发电用燃料电池机组控制系统，其特征在于，基于深度学习模型预测数据的时间周期包括：小时、天、周、月、年。
6.一种固定式发电用燃料电池机组控制方法，其特征在于，包括：
获取燃料电池机组中氢气供给单元、空气供给单元、水循环单元、供电单元的运行数据；
基于历史运行数据训练深度学习模型，提取周期类负载变化的规律特征，并基于所述规律特征预测后续负载的预期值；
在变载需求到达之前，预下达控制指令使上述四个单元中的各设备提前适配对应负载需求；
根据系统的应用场景来选取不同时间周期的历史运行数据对深度学习模型进行训练；
供电单元包括：DC/AC转换器、氢燃料电池、储能单元；
系统在大功率输出时由储能单元与氢燃料电池同时供能，在系统需求负荷较低时，控制中心根据储能单元充能比例，主动在预测负载值基础上加入预调节偏差量，保障储能单元充能比保持在半载。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求6所述的固定式发电用燃料电池机组控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011457853.XA CN112615030B (zh) | 2020-12-10 | 2020-12-10 | 一种固定式发电用燃料电池机组控制系统及控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011457853.XA CN112615030B (zh) | 2020-12-10 | 2020-12-10 | 一种固定式发电用燃料电池机组控制系统及控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112615030A CN112615030A (zh) | 2021-04-06 |
| CN112615030B true CN112615030B (zh) | 2022-04-01 |
Family
ID=75234484
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011457853.XA Active CN112615030B (zh) | 2020-12-10 | 2020-12-10 | 一种固定式发电用燃料电池机组控制系统及控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112615030B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102022106806B4 (de) | 2022-03-23 | 2023-11-23 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Verfahren, System und Computerprogrammprodukt für das Thermomanagement bei einer Traktionsbatterie |
| CN114784324B (zh) * | 2022-04-21 | 2023-12-22 | 中汽创智科技有限公司 | 一种燃料电池系统控制方法、装置、电子设备及储存介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58133782A (ja) * | 1982-02-01 | 1983-08-09 | Hitachi Ltd | 燃料電池発電プラント制御システム |
| CN107615543A (zh) * | 2015-05-21 | 2018-01-19 | 日产自动车株式会社 | 电力调整系统及其控制方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2695860B2 (ja) * | 1988-09-19 | 1998-01-14 | 株式会社東芝 | 燃料電池発電システムの制御装置 |
| CN1263629C (zh) * | 2003-11-04 | 2006-07-12 | 清华大学 | 燃料电池混合动力系统的功率分配方法 |
| US6959249B2 (en) * | 2003-12-02 | 2005-10-25 | General Motors Corporation | Load following algorithm for a fuel cell based system |
| KR101396732B1 (ko) * | 2011-12-26 | 2014-05-20 | 포스코에너지 주식회사 | 연료전지 비상전원 공급장치 |
| CN106299401B (zh) * | 2015-05-20 | 2019-07-16 | 通用电气公司 | 燃料电池系统及其控制方法 |
| KR102042077B1 (ko) * | 2016-09-26 | 2019-11-07 | 주식회사 엘지화학 | 인공지능형 연료전지 시스템 |
| CN110112442B (zh) * | 2018-02-01 | 2021-03-26 | 郑州宇通客车股份有限公司 | 一种燃料电池系统控制方法及装置 |
| CN108987770B (zh) * | 2018-07-18 | 2020-11-06 | 西南交通大学 | 一种多堆燃料电池发电系统的协调优化控制方法 |
| CN111244507B (zh) * | 2020-01-10 | 2020-09-18 | 郑州宇通客车股份有限公司 | 一种车载氢系统的控制方法、装置及车载氢系统 |
-
2020
- 2020-12-10 CN CN202011457853.XA patent/CN112615030B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58133782A (ja) * | 1982-02-01 | 1983-08-09 | Hitachi Ltd | 燃料電池発電プラント制御システム |
| CN107615543A (zh) * | 2015-05-21 | 2018-01-19 | 日产自动车株式会社 | 电力调整系统及其控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112615030A (zh) | 2021-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108496288B (zh) | 家用能源设备及操作家用能源设备的操作方法 | |
| US10655505B2 (en) | Compressed air energy storage and power generation device and compressed air energy storage and power generation method | |
| CN112615030B (zh) | 一种固定式发电用燃料电池机组控制系统及控制方法 | |
| CN108090666B (zh) | 一种含aa-caes的电网电能与备用容量的协同调度方法 | |
| CN115000991B (zh) | 一种火电-飞轮储能协同调频控制方法及系统 | |
| JP5976950B1 (ja) | 電力供給システムおよびその制御方法 | |
| CN105225022A (zh) | 一种热电联产型微电网的经济性优化运行方法 | |
| CN113471477B (zh) | 一种燃料电池冷却水回路温度控制系统及其控制方法 | |
| CN113541205B (zh) | 基于集群学习的低碳csp系统协同优化方法及装置 | |
| CN113764705B (zh) | 电力调整系统、电力调整方法及存储介质 | |
| CN106960991A (zh) | 燃料电池的温度控制方法、装置和系统 | |
| CN111245024A (zh) | 基于模型预测控制的综合能源系统鲁棒优化运行方法 | |
| CN113839065B (zh) | 一种燃料电池冷却水回路热补偿温度控制系统及控制方法 | |
| Jienkulsawad et al. | Neural network-based adaptive control and energy management system of a direct methanol fuel cell in a hybrid renewable power system | |
| CN113612256B (zh) | 一种可再生能源直流微网制氢黑启动优化方法 | |
| JP2017027936A (ja) | 電力供給システムおよびその制御方法 | |
| JP2020173972A (ja) | 水素利用電力供給システム及び水素利用電力供給方法 | |
| CN109038644B (zh) | 一种微能源网系统及其调压控制方法 | |
| JP4808939B2 (ja) | システム全体のエネルギー効率が向上する燃料電池システム、燃料電池システム制御方法および集合住宅 | |
| CN113595105B (zh) | 一种利用绝热压缩空气储能实现电网调频的方法和系统 | |
| CN115682090A (zh) | 一种集中供暖系统的优化控制方法及装置 | |
| CN115409399A (zh) | 一种面向新型电力系统的复合储能优化调度系统及方法 | |
| CN114784839A (zh) | 直流供电方法、装置、直流电网系统、存储介质和产品 | |
| Zhao et al. | The dynamic voltage uniformity of the commonly-controlled kW-class Air-cooled PEMFC | |
| CN112436559B (zh) | 基于风电主动功率控制的电力系统调度方法 |
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 |