CN115312808A - 燃料电池的过氧比控制方法、系统、设备及存储介质 - Google Patents

燃料电池的过氧比控制方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN115312808A
CN115312808A CN202210915652.2A CN202210915652A CN115312808A CN 115312808 A CN115312808 A CN 115312808A CN 202210915652 A CN202210915652 A CN 202210915652A CN 115312808 A CN115312808 A CN 115312808A
Authority
CN
China
Prior art keywords
fuel cell
partial pressure
control
air compressor
oxygen
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
Application number
CN202210915652.2A
Other languages
English (en)
Inventor
王宇宁
张纯瑞
田韶鹏
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.)
Wuhan University of Technology WUT
Foshan Xianhu Laboratory
Original Assignee
Wuhan University of Technology WUT
Foshan Xianhu Laboratory
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 Wuhan University of Technology WUT, Foshan Xianhu Laboratory filed Critical Wuhan University of Technology WUT
Priority to CN202210915652.2A priority Critical patent/CN115312808A/zh
Publication of CN115312808A publication Critical patent/CN115312808A/zh
Pending legal-status Critical Current

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
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04305—Modeling, demonstration models of fuel cells, e.g. for training purposes
    • H—ELECTRICITY
    • 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
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/0438—Pressure; Ambient pressure; Flow
    • H01M8/04425—Pressure; Ambient pressure; Flow at auxiliary devices, e.g. reformers, compressors, burners
    • 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
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04537—Electric variables
    • H01M8/04574—Current
    • H01M8/04589—Current of fuel cell stacks
    • 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
    • H01M8/04858—Electric variables
    • H01M8/04865—Voltage
    • H01M8/04888—Voltage of auxiliary devices, e.g. batteries, capacitors
    • 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

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Fuel Cell (AREA)

Abstract

本发明涉及燃料电池技术领域，公开一种燃料电池的过氧比控制方法、系统、设备及存储介质。该方法包括：获取空压机的供气管压和燃料电池的电堆电流；建立燃料电池空气供给模型；通过滑模控制处理以对对燃料电池的阴极氧气分压和阴极氮气分压进行估计，得到氧气分压评估值和氮气分压评估值；计算过氧比，得到过氧比实际值；根据过氧比的参考序列对燃料电池空气供给模型进行模型预测控制，根据模型预测控制输出的空压机转速和燃料电池空气供给模型输出的空压机转速对空压机的电压进行模糊自适应PID控制，得到空压机电压控制量。本实施例通过滑膜控制评估燃料电池空气供给系统内部难以测量的氧气分压和氮气分压，提高对过氧比的调节精度。

Description

燃料电池的过氧比控制方法、系统、设备及存储介质
技术领域
本发明涉及燃料电池技术领域，尤其是一种燃料电池的过氧比控制方法、系统、设备及存储介质。
背景技术
质子交换膜燃料电池的空气供给系统是保证整个燃料电池系统正常工作的一个重要子系统。空气供给系统的过氧比对整个系统性能的好坏有着重要影响，在空气供给系统中，受到空压机以及供应管道的动态特性影响，空气供应存在时滞性，空气供应量会滞后于电堆需求量，这就意味着当负载电流产生突变时，若氧气供应不足会使阴极出现“氧饥饿”的现象，电池输出电压下降，电堆水淹，甚至会缩短燃料电池的寿命。若氧气供应量过大，系统的寄生功率会增加，降低电堆输出净功率，导致系统效率降低，甚至会使得电堆内部压力过大造成不必要的安全事故。
现有技术对空气供给系统过氧比的控制方法有PID控制、模糊控制、神经网络控制、模型预测控制及滑模控制等。PID控制对于非线性系统控制效果较差，模糊控制设计缺乏系统性，神经网络控制需要依靠大量的数据进行训练，模型预测控制响应速度较慢，滑模控制存在抖振的现象，并且大多数的控制策略未考虑到实际系统状态参数特别是燃料电池系统内部参数(例如阴极氧气分压和氮气分压)。
发明内容
本发明的目的是提供一种燃料电池的过氧比控制方法、系统、设备及存储介质，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
第一方面，提供一种燃料电池的过氧比控制方法，包括：
获取空压机的供气管压以及燃料电池的电堆电流；
根据燃料电池的电化学反应状态变量建立燃料电池空气供给模型；
通过滑模控制处理以对对燃料电池的阴极氧气分压和阴极氮气分压进行估计，得到氧气分压评估值和氮气分压评估值；
根据氧气分压评估值、氮气分压评估值、空压机的供气管压以及燃料电池的电堆电流计算过氧比，得到过氧比实际值；
根据过氧比的参考序列对燃料电池空气供给模型进行模型预测控制以约束空压机的转速，根据模型预测控制输出的空压机转速和燃料电池空气供给模型输出的空压机转速对空压机的电压进行模糊自适应PID控制，得到空压机电压控制量。
进一步，所述燃料电池空气供给模型的具体表述为：
Figure BDA0003775456140000021
Figure BDA0003775456140000022
Figure BDA0003775456140000023
Figure BDA0003775456140000024
W(x1,x2)的表述模型为：
Figure BDA0003775456140000031
燃料电池空气供给模型输出的可测量输出矩阵为：
y＝[y1，y2，y3]T＝[y1(x1，x2)，x4，y3(x3，x4)]T；
燃料电池的过氧比的表述模型为：
Figure BDA0003775456140000032
PEMFC性能指标的表述模型为：
Figure BDA0003775456140000033
其中，x1为阴极氧气分压，x2为阴极氮气分压，x3为空压机转速，x4为供气管压，u为空压机电压，d为电堆电流，y3(x3，x4)、W(x1，x2)分别表示压缩机的气体流率和燃料电池阴极的气体流率，WO2，in为阴极供给氧气量，WO2，react为反应消耗氧气量，g为PEMFC性能指标，g1为系统净功率，g2＝λO2，λO2为过氧比，y1为电堆电压输出量，y2为供气管压输出量，y3为空压机流量输出量，参数ci，i∈{1，...24}均为常数。
进一步，所述通过滑模控制处理以对对燃料电池的阴极氧气分压和阴极氮气分压进行估计，包括：
根据阴极氧气分压和阴极氮气分压定义阴极气压变量，根据燃料电池空气供给模型中阴极氧气分压、阴极氮气分压、供应管道压力和空压机流量之间的映射关系确定阴极气压变量的表述模型；
对供应管道压力和空压机流量分别进行二阶滑膜微分处理和一阶滑膜微分处理，得到管压评估值和流量评估值；
根据管压评估值和流量评估值构建氧气分压评估值和氮气分压评估值的表述模型，在有限时间内收敛管压评估值的误差和流量评估值的误差，使氧气分压评估值收敛至阴极氧气分压，氮气分压评估值收敛至阴极氮气分压。
进一步，所述在有限时间内收敛管压评估值的误差和流量评估值的误差，包括：
根据滑膜微分处理的微分过程构建误差评估模型；
通过误差评估模型对各个管压评估值与实际管压微分参数之间的误差以及各个流量评估值与实际流量微分参数之间的误差进行评估，得到管压误差值和流量误差值；
在有限时间内，将各个管压误差值和各个流量误差值收敛至原点；
其中，所述管压评估值包括管压估算值、一阶微分管压估算值和二阶微分管压估算值，所述流量评估值包括流量估算值和一阶微分流量估算值。
进一步，所述根据过氧比的参考序列对燃料电池空气供给模型进行模型预测控制以约束空压机的转速，包括：
将燃料电池空气供给模型转换为状态空间模型；其中，所述状态空间模型包含控制变量、可测干扰量、状态变量和输出变量；
设定控制变量的变化逻辑和可测干扰量的变化逻辑，根据控制变量和可测干扰量的变化逻辑预测未来时刻的状态变量和输出变量；
跟踪过氧比参考序列，根据过氧比参考序列求解最优控制序列，得到优化控制目标函数；
根据优化控制目标函数约束空压机的转速。
进一步，所述控制变量的变化逻辑为：在控制时域之外的所述控制变量维持不变且等于控制序列最后一个控制变量的值；
所述可测干扰量的变化逻辑为：未来时刻的所述可测干扰量的值与当前时刻的所述可测干扰量的值相等。
进一步，所述根据空压机转速实际值和预设的空压机转速参考值对空压机的电压进行模糊自适应PID控制，包括：
计算模型预测控制输出的空压机转速和燃料电池空气供给模型输出的空压机转速之间的差值，得到转速差值；
对转速差值和转速差值的变化率进行模糊化处理，得到模糊子集；
根据模糊子集和模糊控制模型，通过模糊合成推理设计比例系数、积分系数和微分系数的模糊矩阵表；
根据模糊矩阵表在线校正比例系数、积分系数和微分系数，使用校正后的比例系数、积分系数和微分系数进行PID控制运算，得到用于调控空压机电压的空压机电压控制量。
第二方面，提供一种燃料电池的过氧比控制系统，包括：
获取模块，用于获取空压机的供气管压以及燃料电池的电堆电流；
模型构建模块，用于根据燃料电池的电化学反应状态变量建立燃料电池空气供给模型；
评估模块，用于通过滑模控制处理以对对燃料电池的阴极氧气分压和阴极氮气分压进行估计，得到氧气分压评估值和氮气分压评估值；
过氧比计算模块，用于根据氧气分压评估值、氮气分压评估值、空压机的供气管压以及燃料电池的电堆电流计算过氧比，得到过氧比实际值；
控制模块，用于根据过氧比的参考序列对燃料电池空气供给模型进行模型预测控制以约束空压机的转速，根据模型预测控制输出的空压机转速和燃料电池空气供给模型输出的空压机转速对空压机的电压进行模糊自适应PID控制，得到空压机电压控制量。
第三方面，提供一种计算机设备，包括：
至少一个存储器；
至少一个处理器；
所述存储器存储有计算机程序，处理器执行所述计算机程序以实现如第一方面的燃料电池的过氧比控制方法。
第四方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面的燃料电池的过氧比控制方法。
本发明的有益效果：通过建立面向控制的燃料电池空气供给模型以及通过滑膜控制评估燃料电池空气供给系统内部难以测量的氧气分压和氮气分压，提高了系统的精度，控制器综合了模型预测控制和模糊自适应PID控制的优点，可以快速精确的对过氧比进行调节，提高系统的输出功率。
附图说明
图1是本公开实施例提供的燃料电池的过氧比控制方法的流程图。
图2是图1中的步骤S300的流程图。
图3是图1中的步骤S330的流程图。
图4是图1中的步骤S300的流程图之一。
图5是图1中的步骤S500的流程图之二。
图6是本公开实施例提供的燃料电池的过氧比控制系统的结构图。
图7是本公开实施例提供的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清晰，下面将结合实施例和附图，对本发明作进一步的描述。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
首先，对本申请中涉及的若干名词进行解析：
燃料电池是一种将燃料与氧化剂中的化学能通过电极上的电催化反应直接转化为电能的发电装置。燃料电池主要由质子交换膜和双极板构成，其中，质子交换膜是燃料电池的核心，是一种致密的质子选择透过的功能膜，因此为质子交换膜燃料电池(PEMFC)的关键部件之一，起到分隔燃料和氧化剂，并防止它们直接发生反应作用，也起到传导质子对电子绝缘的作用。燃料电池系统工作过程中，压缩机为燃料电池提供空气(氧气)，是燃料电池系统的重要组成部分。
过氧比，过氧比是电堆阴极供给氧气与电化学反应消耗氧气之比。
滑模控制，滑模控制是一种特殊的非线性控制系统，它与常规控制的根本区别在于控制的不连续性，即一种使系统“结构”随时变化的开关特性。滑模控制的关键在于滑模面函数的选取和滑模增益的选择，滑模面函数决定了观测函数的准确性，滑模增益决定了估算的收敛速度。
模型预测控制，模型预测控制(MPC)是一类特殊的控制，它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得，过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用，这是它与那些使用预先计算控制律的算法的最大不同，本质上模型预测控制求解一个开环最优控制问题。它的思想与具体的模型无关，但是实现则与模型有关。
模糊自适应PID控制，模糊自适应PID控制是在PID算法基础上，以误差e和误差变化率ec为输入，利用模糊规则进行模糊推理，查询模糊矩阵表进行参数调整，来满足不同时刻e和ec对PID参数自整定的要求。
现有技术中，燃料电池空气供给系统的过氧比控制方法单一，例如是采用PID控制、模糊控制、神经网络控制、模型预测控制或滑模控制。其中，PID控制对于非线性系统控制效果较差，模糊控制设计缺乏系统性，神经网络控制需要依靠大量的数据进行训练，模型预测控制响应速度较慢，滑模控制存在抖振的现象，并且大多数的控制策略未考虑到实际系统状态参数特别是燃料电池系统内部参数(例如阴极氧气分压和氮气分压)。
基于此，本公开实施例提出一种燃料电池的过氧比控制方法、系统、设备及存储介质，建立面向控制的燃料电池空气供给模型，通过滑膜控制评估燃料电池空气供给系统内部难以测量的氧气分压和氮气分压，提高了系统的精度，控制器综合了模型预测控制和模糊自适应PID控制的优点，可以快速精确的对过氧比进行调节，提高系统的输出功率。
参照图1，根据本公开实施例第一方面实施例的燃料电池的过氧比控制方法，包括但不限于包括步骤S100至步骤S500。
步骤S100，获取空压机的供气管压以及燃料电池的电堆电流；
步骤S200，根据燃料电池的电化学反应状态变量建立燃料电池空气供给模型；
步骤S300，通过滑模控制处理以对对燃料电池的阴极氧气分压和阴极氮气分压进行估计，得到氧气分压评估值和氮气分压评估值；
步骤S400，根据氧气分压评估值、氮气分压评估值、空压机的供气管压以及燃料电池的电堆电流计算过氧比，得到过氧比实际值；
步骤S500，根据过氧比的参考序列对燃料电池空气供给模型进行模型预测控制以约束空压机的转速，得到空压机转速实际值，根据空压机转速实际值和预设的空压机转速参考值对空压机的电压进行模糊自适应PID控制，得到空压机电压控制量。
在一些实施例的步骤S100中，获取空压机的供气管压以及燃料电池的电堆电流，可以是通过传感器进行信号采集。
在一些实施例的步骤S200中，所述燃料电池空气供给模型的具体表述为：
Figure BDA0003775456140000091
Figure BDA0003775456140000092
Figure BDA0003775456140000093
Figure BDA0003775456140000094
W(x1，x2)的表述模型为：
Figure BDA0003775456140000095
燃料电池空气供给模型输出的可测量输出矩阵为：
y＝[y1，y2，y3]T＝[y1(x1，x2)，x4，y3(x3，x4)]T；
燃料电池的过氧比的表述模型为：
Figure BDA0003775456140000096
PEMFC性能指标的表述模型为：
Figure BDA0003775456140000101
其中，x1为阴极氧气分压，x2为阴极氮气分压，x3为空压机转速，x4为供气管压，u为空压机电压，d为电堆电流，y3(x3,x4)、W(x1,x2)分别表示压缩机的气体流率和燃料电池阴极的气体流率，WO2,in为阴极供给氧气量，WO2,react为反应消耗氧气量，g为PEMFC性能指标，g1为系统净功率，g2＝λO2，λO2为过氧比，y1为电堆电压输出量，y2为供气管压输出量，y3为空压机流量输出量，参数ci,i∈{1,…24}均为常数。
对于参数ci,i∈{1,…24}的设定，具体如表一所示：
Figure BDA0003775456140000102
表一
表一中的相关参数定义以及取值，具体如表二所示：
Figure BDA0003775456140000111
表二
在一些实施例的步骤S300中，通过滑模控制处理以对对燃料电池的阴极氧气分压和阴极氮气分压进行估计。由于燃料电池系统的阴极氧气分压及阴极氮气分压难以采用传感器进行测量，故需要通过滑模控制处理进行评估，具体地，可以是通过预先设计好的滑模微分器和状态观测器以及燃料电池的过氧比的表述模型对阴极氧气分压和阴极氮气分压进行估计，得到氧气分压评估值和氮气分压评估值后，将分压评估值和氮气分压评估值的误差收敛至最小值，即可获得相对准确的阴极氧气分压和阴极氮气分压。
在一些实施例的步骤S400中，根据氧气分压评估值、氮气分压评估值、空压机的供气管压以及燃料电池的电堆电流计算过氧比，得到过氧比实际值。具体地，将滑模控制处理得到的氧气分压评估值和氮气分压评估值以及传感器采集得到的供气管压和电堆电流等参数代入到燃料电池的过氧比的表述模型中进行计算，进而计算得到过氧比实际值。
在一些实施例的步骤S500中，根据过氧比的参考序列对燃料电池空气供给模型进行模型预测控制以约束空压机电压和过氧比的数值范围，具体是通过对燃料电池空气供给模型进行模型预测控制，使未来时刻的控制空压机电压的控制量能够快速精确地跟踪过氧比的参考序列，同时对空压机电压和过氧比的数值范围进行约束，避免输出不合理的控制量而导致超出系统负荷，根据过氧比实际值和预设的过氧比参考值对空压机电压进行模糊自适应PID控制，具体是确定调节空压机电压的控制量后将其进行模糊自适应PID控制，输出模糊控制量，以控制空压机流量，达到调节过氧比的效果。
在一些实施例中，如图2所示，步骤S300具体包括但不限于步骤S310至步骤S330。
步骤S310，根据阴极氧气分压和阴极氮气分压定义阴极气压变量，根据燃料电池空气供给模型中阴极氧气分压、阴极氮气分压、供应管道压力和空压机流量之间的映射关系确定阴极气压变量的表述模型；
步骤S320，对供应管道压力和空压机流量分别进行二阶滑膜微分处理和一阶滑膜微分处理，得到管压评估值和流量评估值；
步骤S330，根据管压评估值和流量评估值构建氧气分压评估值和氮气分压评估值的表述模型，在有限时间内收敛管压评估值的误差和流量评估值的误差，使氧气分压评估值收敛至阴极氧气分压，氮气分压评估值收敛至阴极氮气分压。
在一些实施例的步骤S310中，根据阴极氧气分压和阴极氮气分压定义阴极气压变量确定阴极气压变量的表述模型的过程具体是：
定义新变量χ，令χ＝x1+x2+c2，根据上述燃料电池空气供给模型中x4的具体表述可以推导得到：
Figure BDA0003775456140000131
Figure BDA0003775456140000132
进一步推导，根据阴极气压变量的表述模型更新阴极氧气分压和阴极氮气分压的表述模型如下：
Figure BDA0003775456140000133
Figure BDA0003775456140000134
其中，χ为阴极压力，
Figure BDA0003775456140000135
为x1的一阶微分，
Figure BDA0003775456140000136
为x2的一阶微分，
Figure BDA0003775456140000137
为x3的一阶微分，
Figure BDA0003775456140000138
为x4的一阶微分，
Figure BDA0003775456140000139
为y2的一阶微分，
Figure BDA00037754561400001310
为y2的二阶微分，
Figure BDA00037754561400001311
为y3的一阶微分，
Figure BDA00037754561400001312
为关于y2,
Figure BDA00037754561400001313
y3的函数，
Figure BDA00037754561400001314
为关于y2,
Figure BDA00037754561400001315
y3的函数，
Figure BDA00037754561400001316
为关于y2,
Figure BDA00037754561400001317
y3,
Figure BDA00037754561400001318
的第一种函数，
Figure BDA00037754561400001319
为关于y2,
Figure BDA00037754561400001320
y3,
Figure BDA00037754561400001321
的第二种函数，下同。
在一些实施例的步骤S320中，对供应管道压力进行二阶滑膜微分处理的过程具体是：
设计二阶滑模微分器，考虑到y2是一个平滑函数，采用的二阶滑模微分器如下：
Figure BDA0003775456140000141
Figure BDA0003775456140000142
Figure BDA0003775456140000143
其中，z0、z1、z2分别是y2、
Figure BDA0003775456140000144
的估计值，λ0、λ1、λ2均为正设计参数，l1、l2均为吸引子设计参数，且满足l1＞0，l2＞0，l1＜l2，v0和v1分别表示二阶滑模微分器的内部状态，下同。
同理，对空压机流量进行一阶滑膜微分处理的过程具体是：
设计一阶滑模微分器，考虑y3是一个平滑函数，采用的一阶滑模微分器如下：
Figure BDA0003775456140000145
Figure BDA0003775456140000146
其中，q0、q1分别为y3、
Figure BDA0003775456140000147
的估计值，k0、k1均为正设计参数，n1、n2均吸引子设计参数，且满足n1＞0，n2＞0，n1＜n2，w0和w1分别表示一阶滑模微分器的内部状态，下同。
在一些实施例的步骤S330中，根据管压评估值和流量评估值构建氧气分压评估值和氮气分压评估值的表述模型的具体过程如下：
阴极氧气分压及氮气分压在状态观测器下的具体表述分别为：
Figure BDA0003775456140000148
Figure BDA0003775456140000149
其中，
Figure BDA00037754561400001410
分别为氧气分压观测值和氮气分压观测值，f3(y2,z1,z2,y3,q1)为关于y2,z1,z2,y3,q1的第一种函数，f4(y2,z1,z2,y3,q1)为关于y2,z1,z2,y3,q1的第二种函数，下同。
在有限时间内，收敛阴极氧气分压和氮气分压的具体表述中各个管压评估值的误差和流量评估值的误差，使氧气分压评估值收敛至阴极氧气分压，氮气分压评估值收敛至阴极氮气分压，氧气分压评估值逐渐趋近氧气分压实际值，氧气分压评估值逐渐趋近氧气分压实际值。
在一些实施例中，如图3所示，步骤S330具体包括但不限于步骤S331至步骤S333。
步骤S331，根据滑膜微分处理的微分过程构建误差评估模型；
步骤S332，通过误差评估模型对各个管压评估值与实际管压微分参数之间的误差以及各个流量评估值与实际流量微分参数之间的误差进行评估，得到管压误差值和流量误差值；
步骤S333，在有限时间内，将各个管压误差值和各个流量误差值收敛至原点。
其中，所述管压评估值包括管压估算值、一阶微分管压估算值和二阶微分管压估算值，所述流量评估值包括流量估算值和一阶微分流量估算值。
具体地，根据滑膜微分处理的微分过程构建误差评估模型的过程为：
定义误差e0＝z0-y2，
Figure BDA0003775456140000151
得到第一误差系统为：
Figure BDA0003775456140000152
Figure BDA0003775456140000153
Figure BDA0003775456140000154
其中，
Figure BDA0003775456140000155
为e0的一阶微分，
Figure BDA0003775456140000156
为e1的一阶微分，
Figure BDA0003775456140000157
为e2的一阶微分，
Figure BDA0003775456140000158
2为y2的三阶微分，下同。
第一误差系统在有限时间是稳定的，误差将在有限时间收敛至原点。
定义误差δ0＝q0-y3，
Figure BDA0003775456140000159
得到第二误差系统为：
Figure BDA00037754561400001510
Figure BDA00037754561400001511
其中，
Figure BDA00037754561400001512
为δ0的一阶微分，
Figure BDA00037754561400001513
为δ1的一阶微分，
Figure BDA00037754561400001514
为y3的二阶微分，下同。
第一误差系统和第二误差系统在有限时间是稳定的，误差将在有限时间收敛至原点时，滑模微分器内部状态z0、z1、z2能准确估计出y2、
Figure BDA0003775456140000161
的值，误差系统在有限时间是稳定的，滑模微分器内部状态q0、q1能准确估计出y3、
Figure BDA0003775456140000162
的值。
进一步，z1、z2和q1在有限时间分别收敛至
Figure BDA0003775456140000163
和
Figure BDA0003775456140000164
则
Figure BDA0003775456140000165
在有限时间分别收敛至x1和x2。
在一些实施例中，计算过氧比的具体过程是根据观测器估计的
Figure BDA0003775456140000166
和
Figure BDA0003775456140000167
计算系统输出过氧比，过氧比计算公式为：
Figure BDA0003775456140000168
在一些实施例中，如图4所示，步骤S500具体包括但不限于步骤S510至步骤S540。
步骤S510，将燃料电池空气供给模型转换为状态空间模型；其中，所述状态空间模型包含控制变量、可测干扰量、状态变量和输出变量；
步骤S520，设定控制变量的变化逻辑和可测干扰量的变化逻辑，根据控制变量和可测干扰量的变化逻辑预测未来时刻的状态变量和输出变量；
步骤S530，跟踪过氧比参考序列，根据过氧比参考序列求解最优控制序列，得到优化控制目标函数；
步骤S540，根据优化控制目标函数约束空压机的转速。
在一些实施例的步骤S510中，将燃料电池空气供给模型转换为状态空间模型具体为：
将燃料电池空气供给模型在平衡点处利用雅可比矩阵进行线性化处理，得到状态空间方程为：
Figure BDA0003775456140000169
将上述线性化系统进行离散化得到：
Figure BDA0003775456140000171
其中，x(k)为状态变量，u(k)为控制变量，d(k)为可测干扰量，y(k)为输出变量，Ac、Bcu、Bcd、Cc、A、Bu、Bd和C均为多维矩阵的参数，下同。
在一些实施例的步骤S520中，具体地，所述控制变量的变化逻辑为：在控制时域之外的所述控制变量维持不变且等于控制序列最后一个控制变量的值；所述可测干扰量的变化逻辑为：未来时刻的所述可测干扰量的值与当前时刻的所述可测干扰量的值相等。
更为进一步，设定控制变量的变化逻辑和可测干扰量的变化逻辑，根据控制变量和可测干扰量的变化逻辑预测未来时刻的状态变量和输出变量，具体为：
对控制变量及可测干扰量做出如下假设：
Figure BDA0003775456140000172
即控制时域Nc之外控制量保持不变，等于控制序列最后一个值；可测干扰量在k+i时刻的值保持不变，等于k时刻的值。
假设控制时域Nc内的时域控制变量U为：
U＝{u(k+1|k)，u(k+2|k)，...u(k+Nc|k)}；
其中，u(k+Ni|k)表示第k+Ni时刻的控制量，i＝1,2,...,c，根据当前时刻的状态和待求解的U可以预测未来k+Np时刻的状态量的和输出量如下：
Figure BDA0003775456140000173
其中，X为状态量，Y为输出量，下同。
在一些实施例的步骤S530中，根据过氧比参考序列求解最优控制序列的过程具体为：
过氧比参考序列Re为：
Re＝{r(k+1)，r(k+2)，...r(k+Nc)，...r(k+Np)}；
最终系统输出方程可以简化为：
Y＝Sxx(k)+Suu(k)+Sdd(k)；
其中，Sx、Su和Sd均为多维矩阵；
Figure BDA0003775456140000181
Figure BDA0003775456140000182
Figure BDA0003775456140000183
求解时域控制变量U的最优控制序列使得预测输出能够快速精确地跟踪参考过氧比序列Re，优化控制的目标函数为：
Figure BDA0003775456140000184
其中，Q为控制输出误差权重系数矩阵，R为控制序列权重系数矩阵，下同。
在一些实施例的步骤S540中，根据优化控制目标函数约束空压机转速和过氧比，具体为：
空压机转速约束为：0≤ωcp≤ωcp_r；
过氧比输出量约束为：1.5≤y(k)≤3；
其中，ωcp_r为空压机额定转速，ωcp为空压机转速，ωcp与u(k)线性相关，y(k)为过氧比输出量，下同。
更进一步地，带约束的优化控制问题可以描述为二次规划问题，二次规划一般形式为：
Figure BDA0003775456140000191
约束条件
Figure BDA0003775456140000192
将原目标函数转化为二次规划行形式可得：
Figure BDA0003775456140000193
其中，
Figure BDA0003775456140000194
H为二次规划中的二次项矩阵，Acons为不等式约束的系数矩阵，Aeq为系数矩阵，f为二次规划中的一次项向量，fT为f的转置表示，Bcons和Beq均为约束向量，lb和ub分别为U的上界约束和下界约束，UT为U的转置表示，Su T为Su的转置表示，QT为Q的转置表示，Eerr为二次规划定义的偏差量，下同。
在一些实施例中，如图5所示，步骤S500具体包括但不限于步骤S550至步骤S580。
步骤S550，计算模型预测控制输出的空压机转速和燃料电池空气供给模型输出的空压机转速之间的差值，得到转速差值；
步骤S560，对转速差值和转速差值的变化率进行模糊化处理，得到模糊子集；
步骤S570，根据模糊子集和模糊控制模型，通过模糊合成推理设计比例系数、积分系数和微分系数的模糊矩阵表；
步骤S580，根据模糊矩阵表在线校正比例系数、积分系数和微分系数，使用校正后的比例系数、积分系数和微分系数进行PID控制运算，得到用于调控空压机电压的空压机电压控制量。
在一些实施例的步骤S550中，计算过氧比差值的计算公式为：
e(t)＝ωcp1-ωcp2；
其中，e为空压机转速实际值和转速差值的误差，e(t)为空压机转速实际值和转速差值在t时刻的误差，ωcp1为模型预测控制输出的空压机转速，ωcp2为燃料电池空气供给模型输出的空压机转速，下同。
在一些实施例的步骤S560中，对转速差值和转速差值的变化率进行模糊化处理具体为将转速差值e和误差变化率ec(误差变化率，根据各个时刻的误差可得)输入至模糊控制器，根据各个时刻不同的e和ec，模糊控制器输出若干组比例系数kp、积分系数ki和微分系数kd，比例系数kp、积分系数ki和微分系数kd经过模糊化处理后得到模糊子集。
在一些实施例的步骤S570中，模糊矩阵表的形式如表三所示：
Figure BDA0003775456140000201
表三
在一些实施例的步骤S580中，根据模糊矩阵表在线校正比例系数、积分系数和微分系数，使用校正后的比例系数、积分系数和微分系数进行PID控制运算具体为通过查询模糊矩阵表，模糊控制器输出比例系数kp、积分系数ki和微分系数kd至PID控制器，由PID控制器根据输入的比例系数kp、积分系数ki和微分系数kd进行PID控制，输出用于调控空压机电压的空压机电压控制量，从而控制空压机电压及燃料电池系统的过氧比。
本发明实施例提出一种燃料电池的过氧比控制方法，通过建立面向控制的燃料电池空气供给模型以及通过滑膜控制评估燃料电池空气供给系统内部难以测量的氧气分压和氮气分压，提高了系统的精度，控制器综合了模型预测控制和模糊自适应PID控制的优点，可以快速精确的对过氧比进行调节，提高系统的输出功率。
如图6所示，本公开实施例提出了一种燃料电池的过氧比控制系统，包括：
获取模块610，用于获取空压机的供气管压以及燃料电池的电堆电流；
模型构建模块620，用于根据燃料电池的电化学反应状态变量建立燃料电池空气供给模型；
评估模块630，用于通过滑模控制处理以对对燃料电池的阴极氧气分压和阴极氮气分压进行估计，得到氧气分压评估值和氮气分压评估值；
过氧比计算模块640，用于根据氧气分压评估值、氮气分压评估值、空压机的供气管压以及燃料电池的电堆电流计算过氧比，得到过氧比实际值；
控制模块650，用于根据过氧比的参考序列对燃料电池空气供给模型进行模型预测控制以约束空压机的转速，得到空压机转速实际值，根据空压机转速实际值和预设的空压机转速参考值对空压机的电压进行模糊自适应PID控制，得到空压机电压控制量。
本公开实施例提供的燃料电池的过氧比控制系统执行上述的燃料电池的过氧比控制方法，关于模型量化训练装置的具体限定可以参见上文中对于燃料电池的过氧比控制方法的限定，在此不再赘述。
上述模型量化训练装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本公开实施例还提供了一种电子设备，包括：
至少一个存储器；
至少一个处理器；
至少一个程序；
所述程序被存储在存储器中，处理器执行所述至少一个程序以实现本公开实施上述的燃料电池的过氧比控制方法。该电子设备可以为包括手机、平板电脑、个人数字助理(Personal Digital Assistant，简称PDA)、车载电脑等任意智能终端。
如图7所示，图7示意了另一实施例的电子设备的硬件结构，电子设备包括：
处理器710，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本公开实施例所提供的技术方案；
存储器720，可以采用ROM(ReadOnlyMemory，只读存储器)、静态存储设备、动态存储设备或者RAM(RandomAccessMemory，随机存取存储器)等形式实现。存储器720可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器720中，并由处理器710来调用执行本公开实施例的燃料电池的过氧比控制方法；
输入/输出接口730，用于实现信息输入及输出；
通信接口740，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；
总线750，在设备的各个组件(例如处理器710、存储器720、输入/输出接口730和通信接口740)之间传输信息；
其中处理器710、存储器720、输入/输出接口730和通信接口740通过总线750实现彼此之间在设备内部的通信连接。
本公开实施例还提供了一种存储介质，该存储介质是计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令用于使计算机执行上述的燃料电池的过氧比控制方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本公开实施例描述的实施例是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图1至图6中示出的技术方案并不构成对本公开实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本发明的优选实施例，并非因此局限本发明的权利范围。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。另外，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本领域技术人员不脱离本发明的范围和实质，可以有多种变型方案实现本发明，比如作为一个实施例的特征可用于另一实施例而得到又一实施例。以上参照附图说明了本公开实施例的优选实施例，并非因此局限本公开实施例的权利范围。本领域技术人员不脱离本公开实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本公开实施例的权利范围之内。

Claims (10)

1.一种燃料电池的过氧比控制方法，其特征在于，包括：
获取空压机的供气管压以及燃料电池的电堆电流；
根据燃料电池的电化学反应状态变量建立燃料电池空气供给模型；
通过滑模控制处理以对对燃料电池的阴极氧气分压和阴极氮气分压进行估计，得到氧气分压评估值和氮气分压评估值；
根据氧气分压评估值、氮气分压评估值、空压机的供气管压以及燃料电池的电堆电流计算过氧比，得到过氧比实际值；
根据过氧比的参考序列对燃料电池空气供给模型进行模型预测控制以约束空压机的转速，根据模型预测控制输出的空压机转速和燃料电池空气供给模型输出的空压机转速对空压机的电压进行模糊自适应PID控制，得到空压机电压控制量。
2.根据权利要求1所述的燃料电池的过氧比控制方法，其特征在于，所述燃料电池空气供给模型的具体表述为：
Figure FDA0003775456130000011
Figure FDA0003775456130000012
Figure FDA0003775456130000013
Figure FDA0003775456130000014
W(x1,x2)的表述模型为：
Figure FDA0003775456130000021
燃料电池空气供给模型输出的可测量输出矩阵为：
y＝[y1，y2，y3]T＝[y1(x1，x2)，x4，y3(x3，x4)]T；
燃料电池的过氧比的表述模型为：
Figure FDA0003775456130000022
PEMFC性能指标的表述模型为：
Figure FDA0003775456130000023
其中，x1为阴极氧气分压，x2为阴极氮气分压，x3为空压机转速，x4为供气管压，u为空压机电压，d为电堆电流，y3(x3,x4)、W(x1,x2)分别表示压缩机的气体流率和燃料电池阴极的气体流率，WO2,in为阴极供给氧气量，WO2,react为反应消耗氧气量，g为PEMFC性能指标，g1为系统净功率，g2＝λO2，λO2为过氧比，y1为电堆电压输出量，y2为供气管压输出量，y3为空压机流量输出量，参数ci,i∈{1,...24}均为常数。
3.根据权利要求1所述的燃料电池的过氧比控制方法，其特征在于，所述通过滑模控制处理以对对燃料电池的阴极氧气分压和阴极氮气分压进行估计，包括：
根据阴极氧气分压和阴极氮气分压定义阴极气压变量，根据燃料电池空气供给模型中阴极氧气分压、阴极氮气分压、供应管道压力和空压机流量之间的映射关系确定阴极气压变量的表述模型；
对供应管道压力和空压机流量分别进行二阶滑膜微分处理和一阶滑膜微分处理，得到管压评估值和流量评估值；
根据管压评估值和流量评估值构建氧气分压评估值和氮气分压评估值的表述模型，在有限时间内收敛管压评估值的误差和流量评估值的误差，使氧气分压评估值收敛至阴极氧气分压，氮气分压评估值收敛至阴极氮气分压。
4.根据权利要求3所述的燃料电池的过氧比控制方法，其特征在于，所述在有限时间内收敛管压评估值的误差和流量评估值的误差，包括：
根据滑膜微分处理的微分过程构建误差评估模型；
通过误差评估模型对各个管压评估值与实际管压微分参数之间的误差以及各个流量评估值与实际流量微分参数之间的误差进行评估，得到管压误差值和流量误差值；
在有限时间内，将各个管压误差值和各个流量误差值收敛至原点；
其中，所述管压评估值包括管压估算值、一阶微分管压估算值和二阶微分管压估算值，所述流量评估值包括流量估算值和一阶微分流量估算值。
5.根据权利要求1所述的燃料电池的过氧比控制方法，其特征在于，所述根据过氧比的参考序列对燃料电池空气供给模型进行模型预测控制以约束空压机的转速，包括：
将燃料电池空气供给模型转换为状态空间模型；其中，所述状态空间模型包含控制变量、可测干扰量、状态变量和输出变量；
设定控制变量的变化逻辑和可测干扰量的变化逻辑，根据控制变量和可测干扰量的变化逻辑预测未来时刻的状态变量和输出变量；
跟踪过氧比参考序列，根据过氧比参考序列求解最优控制序列，得到优化控制目标函数；
根据优化控制目标函数约束空压机的转速。
6.根据权利要求5所述的燃料电池的过氧比控制方法，其特征在于，
所述控制变量的变化逻辑为：在控制时域之外的所述控制变量维持不变且等于控制序列最后一个控制变量的值；
所述可测干扰量的变化逻辑为：未来时刻的所述可测干扰量的值与当前时刻的所述可测干扰量的值相等。
7.根据权利要求1所述的燃料电池的过氧比控制方法，其特征在于，所述根据模型预测控制输出的空压机转速和燃料电池空气供给模型输出的空压机转速对空压机的电压进行模糊自适应PID控制，包括：
计算模型预测控制输出的空压机转速和燃料电池空气供给模型输出的空压机转速之间的差值，得到转速差值；
对转速差值和转速差值的变化率进行模糊化处理，得到模糊子集；
根据模糊子集和模糊控制模型，通过模糊合成推理设计比例系数、积分系数和微分系数的模糊矩阵表；
根据模糊矩阵表在线校正比例系数、积分系数和微分系数，使用校正后的比例系数、积分系数和微分系数进行PID控制运算，得到用于调控空压机电压的空压机电压控制量。
8.一种燃料电池的过氧比控制系统，其特征在于，包括：
获取模块，用于获取空压机的供气管压以及燃料电池的电堆电流；
模型构建模块，用于根据燃料电池的电化学反应状态变量建立燃料电池空气供给模型；
评估模块，用于通过滑模控制处理以对对燃料电池的阴极氧气分压和阴极氮气分压进行估计，得到氧气分压评估值和氮气分压评估值；
过氧比计算模块，用于根据氧气分压评估值、氮气分压评估值、空压机的供气管压以及燃料电池的电堆电流计算过氧比，得到过氧比实际值；
控制模块，用于根据过氧比的参考序列对燃料电池空气供给模型进行模型预测控制以约束空压机的转速，根据模型预测控制输出的空压机转速和燃料电池空气供给模型输出的空压机转速对空压机的电压进行模糊自适应PID控制，得到空压机电压控制量。
9.一种计算机设备，其特征在于，包括：
至少一个存储器；
至少一个处理器；
所述存储器存储有计算机程序，处理器执行所述计算机程序以实现如权利要求1至7任一项所述的燃料电池的过氧比控制方法。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的燃料电池的过氧比控制方法。
CN202210915652.2A 2022-08-01 2022-08-01 燃料电池的过氧比控制方法、系统、设备及存储介质 Pending CN115312808A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210915652.2A CN115312808A (zh) 2022-08-01 2022-08-01 燃料电池的过氧比控制方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210915652.2A CN115312808A (zh) 2022-08-01 2022-08-01 燃料电池的过氧比控制方法、系统、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115312808A true CN115312808A (zh) 2022-11-08

Family

ID=83858549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210915652.2A Pending CN115312808A (zh) 2022-08-01 2022-08-01 燃料电池的过氧比控制方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115312808A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116995268A (zh) * 2023-06-01 2023-11-03 佛山仙湖实验室 一种质子交换膜燃料电池空气供给系统的控制方法及装置
CN117457941A (zh) * 2023-12-21 2024-01-26 中国第一汽车股份有限公司 一种燃料电池阳极压力控制方法、装置、设备及介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116995268A (zh) * 2023-06-01 2023-11-03 佛山仙湖实验室 一种质子交换膜燃料电池空气供给系统的控制方法及装置
CN116995268B (zh) * 2023-06-01 2024-03-01 佛山仙湖实验室 一种质子交换膜燃料电池空气供给系统的控制方法及装置
CN117457941A (zh) * 2023-12-21 2024-01-26 中国第一汽车股份有限公司 一种燃料电池阳极压力控制方法、装置、设备及介质
CN117457941B (zh) * 2023-12-21 2024-05-03 中国第一汽车股份有限公司 一种燃料电池阳极压力控制方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN115312808A (zh) 燃料电池的过氧比控制方法、系统、设备及存储介质
CN108134114B (zh) 一种质子交换膜燃料电池温度控制方法
Yang et al. Modeling and control of PEMFC air supply system based on TS fuzzy theory and predictive control
Gruber et al. Design and experimental validation of a constrained MPC for the air feed of a fuel cell
Li et al. Constrained model predictive control of a solid oxide fuel cell based on genetic optimization
CN108089135B (zh) 一种基于极限学习模型的电池状态预测系统及其实现方法
CN109818349B (zh) 一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法
CN113862728B (zh) Pem纯水电解制氢的压力控制方法、系统、设备及介质
CN111261909A (zh) 燃料电池系统最大净功率追踪控制装置及方法
Golbert et al. Model-based control of fuel cells (2): Optimal efficiency
CN111834654B (zh) 质子交换膜燃料电池最大功率的在线预测控制方法及装置
CN112858920A (zh) 一种基于自适应无迹卡尔曼滤波的全钒液流电池融合模型的soc估算方法
CN115036931A (zh) 一种有源电网无功电压仿射可调鲁棒优化方法和装置
CN113988481A (zh) 一种基于动态矩阵预测控制的风功率预测方法
Liu et al. A novel adaptive model predictive control for proton exchange membrane fuel cell in DC microgrids
CN115986720A (zh) 自适应氢负荷波动的新能源制氢系统协调控制方法、装置、电子设备和存储介质
Li et al. Distributed deep reinforcement learning for optimal voltage control of PEMFC
CN111478344B (zh) 一种能源微网负荷频率控制方法、系统及相关产品
CN103399492A (zh) 一种固体氧化物燃料电池电压快速非线性预测控制方法
Zhang et al. Estimation‐Based Event‐Triggered Adaptive Terminal Sliding Mode Control without Pressure Sensors for a Polymer Electrolyte Membrane Fuel Cell Air Feeding System
CN113884928B (zh) 一种基于燃料电池健康度校正的多堆分布式控制方法
CN114488821B (zh) 燃料电池过氧比的区间经济模型预测控制方法及系统
JP2007012549A (ja) 燃料電池システム
CN115755623A (zh) 一种基于事件触发中间观测器的故障容错控制方法
Zeng et al. A Policy optimization-based Deep Reinforcement Learning method for data-driven output voltage control of grid connected solid oxide fuel cell considering operation constraints

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