CN114678567A - 一种针对控制参数的燃料电池系统功率优化方法 - Google Patents

一种针对控制参数的燃料电池系统功率优化方法 Download PDF

Info

Publication number
CN114678567A
CN114678567A CN202210299410.5A CN202210299410A CN114678567A CN 114678567 A CN114678567 A CN 114678567A CN 202210299410 A CN202210299410 A CN 202210299410A CN 114678567 A CN114678567 A CN 114678567A
Authority
CN
China
Prior art keywords
fuel cell
power
control parameters
cell system
air
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
Application number
CN202210299410.5A
Other languages
English (en)
Other versions
CN114678567B (zh
Inventor
李先允
冯瀚飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Institute of Technology
Original Assignee
Nanjing Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Priority to CN202210299410.5A priority Critical patent/CN114678567B/zh
Publication of CN114678567A publication Critical patent/CN114678567A/zh
Application granted granted Critical
Publication of CN114678567B publication Critical patent/CN114678567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298Processes for controlling fuel cells or fuel cell systems
    • H01M8/04694Processes for controlling fuel cells or fuel cell systems characterised by variables to be controlled
    • H01M8/04858Electric variables
    • H01M8/04925Power, energy, capacity or load
    • H01M8/0494Power, energy, capacity or load of fuel cell stacks
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298Processes for controlling fuel cells or fuel cell systems
    • H01M8/04305Modeling, demonstration models of fuel cells, e.g. for training purposes
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298Processes for controlling fuel cells or fuel cell systems
    • H01M8/04992Processes 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

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

本发明公开一种针对控制参数的燃料电池系统功率优化方法,涉及燃料电池性能优化领域。该燃料电池系统功率优化方法通过建立基于燃料电池系统控制参数的阴阳极气体模型和单片电池电压模型,得到燃料电池输出功率目标函数和空压机功率目标函数;依据燃料电池系统安全性能、水管理系统和热交换设备的功耗设置控制参数的约束条件;采用非支配排序的遗传算法迭代优化电池输出功率目标函数和空压机功率目标函数,将控制参数作为非支配排序的遗传算法的输入,保证燃料电池输出功率最大的同时空压机功率最小,输出最优的控制参数。本发明燃料电池系统功率优化方法在提高燃料电池输出功率的同时降低空压机功率,且具有较高的稳定性。

Description

一种针对控制参数的燃料电池系统功率优化方法
技术领域
本发明涉及燃料电池性能优化领域,具体地,涉及一种针对控制参数的燃料电池系统功率优化方法。
背景技术
燃料电池作为新能源的一种,因其能效高、将化学能转换成电能且效率不受卡诺循环限制等诸多优点,受到了国家的大力支持和企业的青睐,在各方面的技术问题已经取得关键性的进展,而质子交换膜燃料电池因其功率密度高和工作温度低等突出优点,也得到了广泛使用。但是,在燃料电池系统中,空气压缩机、水冷泵和加湿器等辅助设备构成的寄生功率直接影响了燃料电池的输出功率,而空压机的功率又占寄生功率的80%-90%,占到整个燃料电池系统的20%-30%,对燃料电池系统的可操作主要方式有通过散热器对电堆温度进行调节,设计控制器对阴极和阳极气压作控制,调节空压机的进气阀控制进气量。目前研究的方向还主要在改变单一参数来对燃料电池性能的影响,比如通过实验分别调试电堆温度、相对湿度、空气过量系数、气体压力参数提高燃料电池输出功率;或是在固定负载电流下,分别测试了电堆温度,阴、阳极气压和空气过量系数对单片电池电压的影响;或分别改变工作温度、电流密度、进气压力和进气相对湿度下,电池功率的变化情况。但是这些参数相互影响,而单一参数的改变不够全面,不能维持燃料电池最佳运行状态,对燃料电池系统的改进有限。而针对多个操作变量协同优化,在复杂工况下能获得比较理想的净功率,从根本上提高燃料电池的经济性,具备一定的实际意义。
发明内容
针对现有技术中存在的问题,本发明提供了一种针对控制参数的燃料电池系统功率优化方法。
为实现上述技术目的,本发明采用如下技术方案:一种针对控制参数的燃料电池系统功率优化方法,包括如下步骤:
(1)建立基于燃料电池系统控制参数的阴阳极气体模型和单片电池电压模型,得到燃料电池输出功率目标函数;通过质量守恒、能量守恒方程和控制参数,得到空压机功率目标函数;
(2)依据燃料电池系统安全性能、水管理系统和热交换设备的功耗设置控制参数的约束条件;
(3)采用非支配排序的遗传算法NSGA2迭代优化电池输出功率目标函数和空压机功率目标函数,将控制参数作为非支配排序的遗传算法NSGA2的输入,保证燃料电池输出功率最大的同时空压机功率最小,输出最优的控制参数。
进一步地,所述控制参数包括:燃料电池电堆温度Tst、空气过量系数
Figure BDA0003564676820000021
阴极气压Pca、阳极气压Pan
进一步地,所述控制参数的约束条件为:
Figure BDA0003564676820000022
其中,K为温度单位,atm表示气压单位。
进一步地,所述燃料电池输出功率目标函数为:Pst=n×Vfc×ist
其中,n为燃料电池系统中单片电池数量,Vfc为单片电池电压模型,ist为燃料电池负载电流。
进一步地,所述单片电池电压模型Vfc的构建过程具体为:根据设置的燃料电池的负载电流、燃料电池的活化面积和燃料电池电堆温度Tst、阴阳极气体模型以及燃料电池选型,分别求取热力学电动势E0、活化电压损失Vact、欧姆电压损失Vohm、浓差电压损失Vconc,组成单片电池电压模型Vfc=E0+Vact-Vohm-Vconc
进一步地,所述燃料电池选型包括:交换膜的等膜阻抗、交换膜电阻率、交换膜的厚度和燃料电池的最大电流密度,所述热力学电动势E0通过燃料电池电堆温度Tst、阴阳极气体模型求取得到,所述活化电压损失Vact通过燃料电池的活化面积、燃料电池电堆温度Tst、阴阳极气体模型和燃料电池的负载电流求取得到,所述欧姆电压损失Vohm通过交换膜的等膜阻抗、交换膜电阻率、交换膜的厚度求取得到,所述浓差电压损失Vconc通过燃料电池的电流密度和燃料电池的最大电流密度求取得到。
进一步地,所述阴阳极气体模型由氢气分压和氧气分压组成,根据阴极气压Pca、阳极气压pan、饱和蒸汽压
Figure BDA0003564676820000023
和燃料电池的电流密度Iden,获取氢气分压和氧气分压,所述氢气分压表示为:
Figure BDA0003564676820000031
所述氧气分压表示为:
Figure BDA0003564676820000032
其中,
Figure BDA0003564676820000033
为氢气分压,
Figure BDA0003564676820000034
为氧气分压。
进一步地,所述空压机功率目标函数Pcp为:
Figure BDA0003564676820000035
其中,Cp.air为空气定压比热容,Tamb为环境温度,ηcp为空压机效率,γ比热容比,Ra为空气气体常数,Vsm为空气供气管道体积,λair为空气过量系数,lst为空气与氢气化学计量比,Pst为燃料电池功率,ηfc为燃料电池效率,LHV为氢气的低热质,kca.in为阴极气体进入系数,pca为阴极气压,Tst为燃料电池电堆温度,pamb为大气压强。
与现有技术相比,本发明具有如下有益效果:本发明燃料电池系统功率优化方法通过控制参数构建燃料电池输出功率目标函数和空压机功率目标函数,具有兼顾燃料电池本身性能和寄生功率优化以及协调多控制参数的特点;采用非支配排序的遗传算法NSGA2迭代优化电池输出功率目标函数和空压机功率目标函数,保证燃料电池输出功率最大的同时空压机功率最小,输出最优的控制参数,提高燃料电池系统功率的同时,降低寄生功率,能将空压机功率占比优化至理想范围内,同时,燃料电池系统在正常负载电流范围下,通过本发明燃料电池系统功率优化方法能够有效优化净功率。
附图说明
图1为本发明针对控制参数的燃料电池系统功率优化方法流程图;
图2为本发明燃料电池系统功率优化方法的结果图;
图3为采用本发明燃料电池系统功率优化方法和未优化的燃料电池输出功率对比图,图3中的a为未优化的燃料电池输出功率曲线图,图3中的b为采用本发明燃料电池系统功率优化方法的燃料电池输出功率曲线图;
图4为在140A~300A负载电流下燃料电池系统的净功率优化图。
具体实施方式
下面结合附图对本发明的技术方案作进一步地解释说明。
如图1为本发明针对控制参数的燃料电池系统功率优化方法流程图,该燃料电池系统功率优化方法具体包括如下步骤:
(1)建立基于燃料电池系统控制参数的阴阳极气体模型和单片电池电压模型,得到燃料电池输出功率目标函数;通过质量守恒、能量守恒方程和控制参数,得到空压机功率目标函数;本发明中控制参数包括:燃料电池电堆温度Tst、空气过量系数
Figure BDA0003564676820000041
阴极气压Pca、阳极气压Pan,通过控制参数建立燃料电池输出功率和空压机功率之间的连通关系。具体地,燃料电池输出功率目标函数是以燃料电池电堆温度Tst、阴极气压Pca和阳极气压Pan作为自变量,空压机功率目标函数是以空气过量系数
Figure BDA0003564676820000042
燃料电池电堆温度Tst、阴极气压Pca和阳极气压Pan作为自变量。
本发明中燃料电池输出功率目标函数为:Pst=n×Vfc×ist
其中,n为燃料电池系统中单片电池数量,ist为燃料电池负载电流,Vfc为单片电池电压模型,本发明中单片电池电压模型Vfc的构建过程具体为:根据设置的燃料电池的负载电流ist、燃料电池的活化面积A、燃料电池电堆温度Tst、阴阳极气体模型以及燃料电池选型,分别求取热力学电动势E0、活化电压损失Vact、欧姆电压损失Vohm、浓差电压损失Vconc,组成单片电池电压模型Vfc=E0+Vact-Vohm-Vconc,本发明建立的单片电池电压模型比化学反应模型更加贴近实际情况。
本发明中阴阳极气体模型由氢气分压和氧气分压组成,根据阴极气压Pca、阳极气压pan、饱和蒸汽压
Figure BDA0003564676820000043
和燃料电池的电流密度Iden,获取氢气分压和氧气分压,上述方法通过可操控的控制参数来替代难以测量的氢气分压和氧气分压,具体地,氢气分压表示为:
Figure BDA0003564676820000044
氧气分压表示为:
Figure BDA0003564676820000051
其中,
Figure BDA0003564676820000052
为氢气分压,
Figure BDA0003564676820000053
为氧气分压。
本发明中燃料电池选型包括:交换膜的等膜阻抗Rm、交换膜电阻率rM、交换膜的厚度lmem和燃料电池的最大电流密度Iden.max,具体地,热力学电动势E0通过燃料电池电堆温度Tst、阴阳极气体模型求取得到:
Figure BDA0003564676820000054
活化电压损失Vact通过燃料电池的活化面积A、燃料电池电堆温度Tst、阴阳极气体模型和燃料电池的负载电流ist求取得到:
Figure BDA0003564676820000055
欧姆电压损失Vohm通过交换膜的等膜阻抗Rm、交换膜电阻率rM、交换膜的厚度lmem求取得到:
Vohm=ist×(Rm+rMlmem/A)
浓差电压损失Vconc通过燃料电池的电流密度Iden和燃料电池的最大电流密度Iden.max求取得到:
Figure BDA0003564676820000056
本发明中空压机功率目标函数Pcp为:
Figure BDA0003564676820000057
其中,Cp.air为空气定压比热容,Tamb为环境温度,ηcp为空压机效率,γ比热容比,Ra为空气气体常数,Vsm为空气供气管道体积,λair为空气过量系数,lst为空气与氢气化学计量比,Pst为燃料电池功率,ηfc为燃料电池效率,LHV为氢气的低热质,kca.in为阴极气体进入系数,pca为阴极气压,Tst为燃料电池电堆温度,pamb为大气压强。
该空压机功率目标函数的推导过程如下:
空压机功率函数
Figure BDA0003564676820000061
其中,psm为进气供应管道压力,Wair为空气质量流量,
Figure BDA0003564676820000062
根据质量守恒和能量守恒方程,进气供应管道气体流动表示为:
Figure BDA0003564676820000063
其中,Wsm表示进气供应管道流量;由于进气供应管道喷嘴的上下压强差较小,使得进气供气管道流量Wsm线性表示为:Wsm=kca.in*(psm-pca),从而使得空压机功率目标函数用控制参数表示。
(2)依据燃料电池系统安全性能、水管理系统和热交换设备的功耗设置控制参数的约束条件:
Figure BDA0003564676820000064
其中,K为温度单位,atm表示气压单位;
本发明中将阴极气压Pca和阳极气压Pan约束在1atm~3atm,是由于燃料电池系统Ballard Mark-V的正常工作温度在50℃~90℃范围内,考虑到燃料电池电堆温度过高会使质子交换膜的湿度降低,影响化学反应速率,损伤质子交换膜对电子的传递性和寿命;将燃料电池电堆温度Tst设置在323K~348K,能够保证燃料电池系统的水管理和热交换器的性能,而过高的温度会增加燃料电池水管理系统的功耗。
(3)采用非支配排序的遗传算法NSGA2迭代优化电池输出功率目标函数和空压机功率目标函数,将控制参数作为非支配排序的遗传算法NSGA2的输入,保证燃料电池输出功率最大的同时空压机功率最小,输出最优的控制参数。
如图2为本发明燃料电池系统功率优化方法的结果图,可以看出空压机功率占比为燃料电池输出功率占比的12.04%,在提高燃料电池系统功率的同时,降低寄生功率,能将空压机功率占比优化至理想范围内。根据燃料电池的具体选型,采用本发明燃料电池系统功率优化方法优化控制参数,并设置燃料电池负载电流为140A,图3中的b为采用本发明燃料电池系统功率优化方法的燃料电池输出功率曲线图,图3中的a为未优化的燃料电池输出功率曲线图,可以看出优化后,燃料电池输出功率提高了11.65%;可见经过燃料电池系统功率优化方法优化的控制参数代入燃料电池系统模型中,确实能够有效提高燃料电池的输出性能;同样,对于不同的燃料电池负载电流,通过本发明燃料电池系统功率优化方法,均能够提升燃料电池输出功率和空压机功率占比。
如图4为在140A~300A负载电流下燃料电池系统的净功率优化图,净功率表示为燃料电池输出功率与空压机功率之差,从图4中可以看出在额定功率5kW的正常稳态下,经本发明优化控制参数后,燃料电池系统的空压机功率占比最大达到燃料电池输出功率占比的14.0%。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施方式,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。

Claims (8)

1.一种针对控制参数的燃料电池系统功率优化方法,其特征在于,包括如下步骤:
(1)建立基于燃料电池系统控制参数的阴阳极气体模型和单片电池电压模型,得到燃料电池输出功率目标函数;通过质量守恒、能量守恒方程和控制参数,得到空压机功率目标函数;
(2)依据燃料电池系统安全性能、水管理系统和热交换设备的功耗设置控制参数的约束条件;
(3)采用非支配排序的遗传算法NSGA2迭代优化电池输出功率目标函数和空压机功率目标函数,将控制参数作为非支配排序的遗传算法NSGA2的输入,保证燃料电池输出功率最大的同时空压机功率最小,输出最优的控制参数。
2.根据权利要求1所述针对控制参数的燃料电池系统功率优化方法,其特征在于,所述控制参数包括:燃料电池电堆温度Tst、空气过量系数
Figure FDA0003564676810000011
阴极气压Pca、阳极气压Pan
3.如权利要求2所述针对控制参数的燃料电池系统功率优化方法,其特征在于,所述控制参数的约束条件为:
Figure FDA0003564676810000012
其中,K为温度单位,atm表示气压单位。
4.如权利要求1所述针对控制参数的燃料电池系统功率优化方法,其特征在于,所述燃料电池输出功率目标函数为:Pst=n×Vfc×ist
其中,n为燃料电池系统中单片电池数量,Vfc为单片电池电压模型,ist为燃料电池负载电流。
5.如权利要求1或4所述针对控制参数的燃料电池系统功率优化方法,其特征在于,所述单片电池电压模型Vfc的构建过程具体为:根据设置的燃料电池的负载电流、燃料电池的活化面积和燃料电池电堆温度Tst、阴阳极气体模型以及燃料电池选型,分别求取热力学电动势E0、活化电压损失Vact、欧姆电压损失Vohm、浓差电压损失Vconc,组成单片电池电压模型Vfc=E0+Vact-Vohm-Vconc
6.如权利要求5所述针对控制参数的燃料电池系统功率优化方法,其特征在于,所述燃料电池选型包括:交换膜的等膜阻抗、交换膜电阻率、交换膜的厚度和燃料电池的最大电流密度,所述热力学电动势E0通过燃料电池电堆温度Tst、阴阳极气体模型求取得到,所述活化电压损失Vact通过燃料电池的活化面积、燃料电池电堆温度Tst、阴阳极气体模型和燃料电池的负载电流求取得到,所述欧姆电压损失Vohm通过交换膜的等膜阻抗、交换膜电阻率、交换膜的厚度求取得到,所述浓差电压损失Vconc通过燃料电池的电流密度和燃料电池的最大电流密度求取得到。
7.如权利要求5所述针对控制参数的燃料电池系统功率优化方法,其特征在于,所述阴阳极气体模型由氢气分压和氧气分压组成,根据阴极气压Pca、阳极气压pan、饱和蒸汽压
Figure FDA0003564676810000021
和燃料电池的电流密度Iden,获取氢气分压和氧气分压,所述氢气分压表示为:
Figure FDA0003564676810000022
所述氧气分压表示为:
Figure FDA0003564676810000023
其中,
Figure FDA0003564676810000024
为氢气分压,
Figure FDA0003564676810000025
为氧气分压。
8.如权利要求1所述针对控制参数的燃料电池系统功率优化方法,其特征在于,所述空压机功率目标函数Pcp为:
Figure FDA0003564676810000026
其中,Cp.air为空气定压比热容,Tamb为环境温度,ηcp为空压机效率,γ比热容比,Ra为空气气体常数,Vsm为空气供气管道体积,λair为空气过量系数,lst为空气与氢气化学计量比,Pst为燃料电池功率,ηfc为燃料电池效率,LHV为氢气的低热质,kca.in为阴极气体进入系数,pca为阴极气压,Tst为燃料电池电堆温度,pamb为大气压强。
CN202210299410.5A 2022-03-25 2022-03-25 一种针对控制参数的燃料电池系统功率优化方法 Active CN114678567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210299410.5A CN114678567B (zh) 2022-03-25 2022-03-25 一种针对控制参数的燃料电池系统功率优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210299410.5A CN114678567B (zh) 2022-03-25 2022-03-25 一种针对控制参数的燃料电池系统功率优化方法

Publications (2)

Publication Number Publication Date
CN114678567A true CN114678567A (zh) 2022-06-28
CN114678567B CN114678567B (zh) 2023-10-27

Family

ID=82074889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210299410.5A Active CN114678567B (zh) 2022-03-25 2022-03-25 一种针对控制参数的燃料电池系统功率优化方法

Country Status (1)

Country Link
CN (1) CN114678567B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010251096A (ja) * 2009-04-15 2010-11-04 Toyota Motor Corp 燃料電池システムおよびその制御方法
CN102663219A (zh) * 2011-12-21 2012-09-12 北京理工大学 基于混合模型的燃料电池输出预测方法和系统
CN110414157A (zh) * 2019-07-31 2019-11-05 四川嘉垭汽车科技有限公司 质子交换膜燃料电池系统多目标滑模控制方法
CN113283005A (zh) * 2021-05-20 2021-08-20 张家港清研检测技术有限公司 燃料电池发动机测试系统的优化调度方法
CN114530618A (zh) * 2022-01-13 2022-05-24 天津大学 基于随机优化算法的燃料电池与空压机匹配建模方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010251096A (ja) * 2009-04-15 2010-11-04 Toyota Motor Corp 燃料電池システムおよびその制御方法
CN102663219A (zh) * 2011-12-21 2012-09-12 北京理工大学 基于混合模型的燃料电池输出预测方法和系统
CN110414157A (zh) * 2019-07-31 2019-11-05 四川嘉垭汽车科技有限公司 质子交换膜燃料电池系统多目标滑模控制方法
CN113283005A (zh) * 2021-05-20 2021-08-20 张家港清研检测技术有限公司 燃料电池发动机测试系统的优化调度方法
CN114530618A (zh) * 2022-01-13 2022-05-24 天津大学 基于随机优化算法的燃料电池与空压机匹配建模方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
LEE, CH;YANG, JT: ""Modeling of the Ballard-Mark-V proton exchange membrane fuel cell with power converters for applications in autonomous underwater vehicles"", 《JOURNAL OF POWER SOURCES》, vol. 196, no. 8, pages 3810 - 3823, XP028359578, DOI: 10.1016/j.jpowsour.2010.12.049 *
MA, CB;YANG, ZR;JIAO, K等: ""Multi-objective optimization of the centrifugal compressor impeller in 130 kW PEMFC through coupling SVM with NSGA -III algorithms"", 《INTERNATIONAL JOURNAL OF GREEN ENERGY》, vol. 18, no. 13, pages 1383 - 1395 *
PUKRUSHPAN, JT;PENG, H;STEFANOPOULOU, AG: ""Control-Oriented Modeling and Analysis for Automotive Fuel Cell Systems"", 《JOURNAL OF DYNAMIC SYSTEMS MEASUREMENT AND CONTROL-TRANSACTIONS OF THE ASME》, vol. 126, no. 1, pages 14 - 25 *
张帅;钱欣瑞;史彬;鄢烈祥;: "质子交换膜燃料电池系统多目标优化", 计算机与应用化学, no. 01, pages 37 - 44 *
李先允, 冯瀚飞: ""基于NSGA2算法的燃料电池系统净功率优化"", 《电源技术》, vol. 47, no. 1, pages 83 - 87 *
程站立;陈维荣;刘小强;: "基于机理模型的质子交换膜燃料电池动态特性分析", 工程设计学报, no. 05, pages 374 - 378 *

Also Published As

Publication number Publication date
CN114678567B (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
CN110970642B (zh) 一种燃料电池的空气系统控制方法
CN106654319B (zh) 一种基于变异粒子群和差分进化混合算法的pemfc系统温度建模方法
CN108091909B (zh) 一种基于最佳过氧比的燃料电池空气流量控制方法
CN101647146A (zh) 燃料电池系统及电源控制方法
CN112736268A (zh) 一种提高sofc系统寿命的控制优化方法和系统
CN110867597B (zh) 一种质子交换膜燃料电池一致性的热电水协同控制方法
CN114300713B (zh) 一种交叉流soec电堆二维动态模型构建方法及其应用
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
JP2003223912A (ja) 燃料電池システム、コジェネレーションシステム及び燃料電池システム運転方法
CN115172808A (zh) 一种高效率燃料电池配气控制系统与方法
CN111628196A (zh) 一种燃料电池的空气系统控制方法
Sedighizadeh et al. Parameter optimization for a PEMFC model with particle swarm optimization
CN113745607A (zh) 一种燃料电池控制方法及系统
CN113571743A (zh) 一种燃料电池输出功率跟踪与效率优化控制方法
CN113839065A (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
CN114678567B (zh) 一种针对控制参数的燃料电池系统功率优化方法
CN114530618B (zh) 基于随机优化算法的燃料电池与空压机匹配建模方法
CN114142071B (zh) 一种多堆固体氧化物燃料电池的热电联供运行方法及系统
CN114970192A (zh) 一种燃料电池系统多目标智能控制方法
CN115172818A (zh) 一种多电堆sofc发电系统操作参数优化方法
CN114744254A (zh) 氢气循环泵在燃料电池系统中的建模方法
CN112701332A (zh) 一种氢能汽车维持燃料电池阴阳极压力差的软件控制方法
CN117577893A (zh) 可逆固体氧化物电池多堆热管理方法及系统
Li et al. Fuzzy Adaptive Algorithm Controls Oxygen Excess Coefficient of Air Blower and System Net Power of Proton Exchange Membrane Fuel Cell
CN110085889A (zh) 一种采用低温sofc的分布式发电控制系统及方法

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